S

BAB 2
LANDASAN TEORI
2.1 State of Art
Penyesunan skripsi ini mengambil beberapa referensi penelitian
sebelumnya termasuk jurnal-jurnal yang berhubungan dengan penelitian
ini.

Tabel 2. 1 State of Art

Judul Jurnal
Model Transportasi Untuk
Masalah Pendistribusian
air Minum (Studi Kasus
Pdam Surakarta).
Peneliti
Aridhiyanti Arifin
Lokasi
Surakarta, Indonesia
Tahun
2016
Jurnal
Jurnal Universitas Jendral
Ahmad Yani Yogyakarta
Optimalisasi Vehicle
Routing Problem Dengan
Metode Clarke & Wright
Saving Heuristic Dan
Nearest Neighbor.
Peneliti
Moh Wafa Husni Maab
Lokasi
Surabaya, Indonesia
Tahun
2018
Jurnal
Jurnal Teknik Industri
Universitas 17 Agustus
1945
Sumber: (Diolah oleh Penulis)
Pembahasan
Hasil Penelitian
Jurnal ini meneliti tentang permasalahan
produktivitas air yang menurun serta minimnya dana
untuk peremajaan sarana dan prasarana air. Penilitian
ini bertujuan untuk meminimumkan biaya
operasional. Metode yang digunakan Vogel’s
Approximation Method (VAM) diperoleh hasil total
biaya sebesar Rp. 8.128.038 lebih kecil dari dana
yang dianggarkan.
Alasan menjadi Tinjauan Penelitian
Jurnal tersebut menjelaskan bahwa metode Vogel’s
Approximation Method (VAM) dapat
meminimumkan biaya operasional lebih kecil dari
dana yang dianggarkan.
Hasil Penelitian
Penelitian ini menyimpulkan bahwa perusahaan
perlu menggunakan metode Clarke and Wright
Saving karena dapat lebih optimal bedasarkan biaya
pengiriman, jarak tempuh, dan waktu tempuh.
Alasan menjadi Tinjauan Penelitian
Jurnal ini menyimpulkan bahwa metode Clarke and
Wright Saving dapat meminimumkan biaya dapat
lebih optimal bedasarkan biaya pengiriman, jarak
tempuh, dan waktu tempuh.

4
 5

Tabel 2. 1 State of Art (lanjutan)

Judul Jurnal Pembahasan
Analisa Optimalisasi Bisaya Hasil Penelitian
Transportasi Pengangkutan Kayu Jurnal ini menyimpulkan bahwa metode
Menggunakan Metode Stepping Stone Stepping Stone dapat mengoptimalkan
Pada Pt. Tpl Tobasa biaya dalam proses distribusi bahan
material.
Peneliti Alasan menjadi Tinjauan Penelitian
Agustina Simangunsong Jurnal tersebut menjelaskan bahwa
Lokasi metode Stepping Stone dapat
Medan, Indonesia mengoptimalkan biaya khususnya bahan
Tahun material
2018
Jurnal
Jurnal Mantik Penusa
Sumber: (Diolah oleh Penulis)

2.2 Distribusi
Distribusi adalah salah satu aspek pemasaran.Barang hasil produksi
tidak mempunyai nilai guna jika tidak sampai ke tangan konsumen.
Produk/jasa yang dihasilkan pabrik tidak akan sampai ke tangan konsumen
jika tidak ada proses penyaluran atau distrbusi. Kegiatan distribusi adalah
kegiatan penyaluran barang dan jasa dari produsen kepada konsumen.
Selain pengertian tersebut, distribusi juga merupakan usaha untuk
menambah nilai guna suatu barang atau jasa (Soyata & Assegaf, 2020).
Definisi manajemen distribusi adalah suatu strategi dalam
mengembangkan saluran distribusi dari perencanaan ,mengorganisasi,
mengoperasikan, dan pengawasan, guna mencapai tujuan perusahaan.
Saluran distribusi sendiri merupakan sarana perpindahan barang dari
produsen melalui jalur perantara hingga ke tangan konsumen atau pemakai
terakhir (Suryanto, 2016).

2.3 Riset Operasi

Riset operasi hampir digunakan dalam seluruh kegiatan, baik di
perguruan tinggi, konsultan, rumah sakit, perencanaan kota, maupun pada
kegiatan-kegiatan bisnis. Sebagai suatu teknik pemecahan masalah, riset
operasi dipandang sebagai suatu ilmu dan seni. Aspek ilmu terletak pada
penggunaan teknik-teknik dan algoritma-algoritma matematik untuk
memecahkan permasalahan yang dihadapi, sedangkan sebagai seni ialah
karena keberhasilan dari solusi model matematis ini sangat bergantung
pada kreativitas dan kemampuan seseorang sebagai penganalisis dalam
pengambilan keputusan. Riset operasi mencakup banyak permasalahan
diantaranya yaitu pemrograman linear, dualitas dan sensitivitas, analisis
jaringan, perencanaan dan pengendalian proyek, pemrograman dinamis,
teori permainan, pemrograman bilangan bulat, pemrograman tak linear,
teori probabilitas, teori antrian, dan lain sebagainya (Marlina, 2017).

2.4 Sistem Linear

6

Linier programming merupakan sebuah alat yang bisa digunakan untuk

mengoptimalkan penggunaan sumber daya dalam upaya untuk
memproduksi produk agar mendapatkan keuntungan yang optimal.
Penggunakan dalam linier programming juga bisa digunakan untuk
melakukan penjadwalan. Penyelesaian permasalahan dengan
menggunakan linier programming ini dibuat sebuah persamaan matematik
dengan membuat fungsi tujuan dan fungsi batasan. Fungsi tujuan ini
menunjukkan sebagai fungsi persamaan tentang tujuan yang akan dicapai
oleh perusahaan. Tujuan dalam fungsi ini ada dua yaitu tujuan untuk
memaksimumkan dan tujuan untuk meminimumkan biaya. Tujuan
memaksimumkan merupakan tujuan yang akan dicapai dalam penggunaan
sumber daya untuk memperoleh manfaat/keuntungan. Sedangkan tujuan
untuk meminimumkan biaya merupakan biaya atau pengorbanan yang
dikeluarkan perusahaan dalam penggunaan sumberdaya yang dimiliki
perusahaan untuk digunakan menjalankan aktivitas. Linier programming
ada dua metode yaitu metode grafik dan metode simplek/tabel. Metode
grafik merupakan metode untuk menentukan jumlah produksi optimal bagi
perusahaan yang memproduksi hanya dua macam produk. Cara dalam
menentukan dalam metode ini dengan menggunakan grafik dengan
membuat dua sumbu yaitu sumbu vertika dan horizontal. Sumbu atau garis
tersebut menunjukan sebagai jenis barang yang dihasilkan oleh perusahaan
(Dwiwinarno & Kuswantoro, 2020).

2.5 Graf
Secara matematis, graf didefinisikan sebagai pasangan antara
himpunan tidak kosong dari simpul-simpul (V) dengan sisi-sisi yang
menghubungkan sepasang simpul (E). Graf dapat ditulis singkat sebagai
G = (V, E). Simpul pada graf dapat menggunakan huruf atau bilangan asli
ataupun gabungan keduanya, sedangkan sisi atau garis yang
menghubungkan antar simpul vi dengan vj dapat dituliskan dengan
lambang e1, e2, …, en sehingga e dapat ditulis e = (vi,vj). Sisi atau garis
pada graf dapat dibedakan menjadi dua jenis berdasarkan orientasi arah
(Rembulan, Luin, Julianto, & Septorino, 2020):
a. Graf tak-berarah (undirected graph) merupakan graf yang sisi atau
garisnya tidak memiliki arah. Pada graf ini, urutan pada pasangan
simpul yang dihubungkan tidak dipeduli, jadi (vj, vk) = (vk, vj).
b. Graf berarah (directed graph atau di graph) ialah graf yang pada
setiap sisi atau garisnya memiliki orientasi arah. Sisi atau garis yang
berarah dapat disebut juga busur (arc). Pada graf ini, urutan pada
pasangan simpul diperhatikan, jadi (vj, vk) ≠ (vk, vj).
Menurut Munir beberapa terminologi dasar yang sering digunakan
dalam graf (Rembulan, Luin, Julianto, & Septorino, 2020):
a. Bertetangga (Adjacent) Dua buah simpul dikatakan bertetangga bila
keduanya terhubung oleh sisi atau garis.
b. Bersisian (Incident) Sisi e yang menghubungkan simpul vi dan vj akan
dikatakan bersisian dengan kedua simpul tersebut.
c. Simpul Terpencil (Isolated Vertex) Simpul terpencil merupakan simpul
yang tidak memiliki sisi yang bersisian atau tidak bertetangga dengan
simpul yang lain.
d. Graf Kosong (Null Graph atau Empty Graph)
 7

Graf kosong adalah graf yang himpunan sisinya merupakan himpunan

kosong dan biasanya ditulis sebagai Nn, di mana n adalah jumlah
simpul.
e. Derajat (Degree)
Derajat pada simpul menunjukan jumlah sisi yang bersisian dengan
simpul.
f. Lintasan (Path)
Panjang dari simpul awal (v0) ke simpul akhir (vn) yang terdiri dari
barisan selang seling antara simpul-simpul dan sisi-sisi.
g. Terhubung (Connected) Dua simpul yang terhubung harus memiliki
lintasan dari simpul satu ke simpul lainnya.
h. Siklus (Cycle) atau Sirkuit (Circuit)
Siklus atau sirkuit adalah lintasan yang awal dan akhirnya ada pada
simpul yang sama.
i. Graf berbobot merupakan graf yang di setiap sisinya sudah
diberi harga (bobot). Bobot di setiap sisinya untuk menyatakan
jarak, biaya waktu tempuh, ongkos produksi, dan sebagainya.

2.6 Vehicle Routing Problem

Vehicle Routing Problem merupakan manajemen distribusi barang
yang mengamati pelayanan, periode waktu tertentu, dan sekelompok
pelanggan dengan beberapa kendaraan yang berlokasi di satu depot atau
lebih. Hasil VRP menentukan sejumlah rute dimana tiap-tiap kendaraan
berasal dan berakhir dari depot yang sama sehingga permintaan pelanggan
terpenuhi dan meminimalisir pengeluaran transportasi secara umum.
Dantzig dan Ramser pertama kali memperkenalkan Vehicle Routing
Problem (VRP) dalam penelitiannya berjudul The Truck Dispatching
Problem yang merupakan pengembangan dari Travelling Salesman
Problem (TSP). (Kamal, Nafisah, & Khannan, 2020). Menurut Lenstra dan
Rinnooy, tujuan VRP adalah mengantarkan barang pada konsumen dengan
ongkos minimum melalui rute-rute kendaraan yang keluar-masuk depot
(Purnomo, 2020)
Salah satu metode yang bisa dipakai untuk memecahkan
permasalahan VRP ialah metode Nearest Neighbour merupakan suatu cara
dalam menuntaskan permasalahan rute dengan metode memastikan titik
terdekat dengan jarak terpendek. Metode ini ialah prosedur yang simpel
dalam memecahkan permasalahan rute serta ialah pemecahan dini. VRP
memegang peranan berarti pada manajemen distribusi serta sudah jadi
salah satu kasus dalam optimilisasi campuran yang dipelajari secara luas.
Permasalahan VRP sangat berkaitan dengan penentuan rute maksimal,
yang digunakan oleh armadakendaraan didasarkan pada satu ataupun lebih
depot untuk melayani banyaknya pelanggan (Wulandari, 2020). Ada 4
tujuan umum VRP, antara lain (Wulandari, 2020):
a. Meminimalkan bayaran transportasi global, terkait jarak dan anggaran
senantiasa yang berhubungan dengan kendaraan.
b. Meminimalkan jumlah kendaraan ataupengemudi yang diperlukan
untuk melayani seluruh konsumen.
c. Menyeimbangkan rute, untuk waktu perjalanan serta muatan
kendaraan.
8

d. Meminimalkan penalty akibat service yang kurang memuaskan dari

konsum.
Fungsi tujuan (SM, Ekawati, & Febriana, 2017)
Meminimumkan biaya Z = ∑𝑖∈𝑉 ∑𝑗∈𝑉,𝑖≠𝑗 𝑐𝑖𝑗 𝑋𝑖,𝑗
Keterangan:
i,j = node pelanggan
Cij = jarak antara simpul vi ke simpul vj
di = jumlah permintaan pada simpul vi
Q = kapasitas masing – masing alat angkut
U = alat angkut k melayani simpul vi

Dengan batasan:
∑𝑖∈𝑉 𝑋𝑖,𝑗 = 1, 𝑖 = 1,2,3, … 30,
∑𝑗∈𝑉 𝑋𝑖,𝑗 = 1, 𝑗 = 1,2,3, … 30,
∑𝑖∈𝑉 𝑋𝑖,0 = 1,
∑𝑗∈𝑉 𝑋0,𝑗 = 1,
∑𝑖∉𝑆 ∑𝑗∈𝑆 , 𝑋𝑖,𝑗 = ∑𝑖∈𝑆 ∑𝑗∉𝑆 , 𝑋𝑖,𝑗
Ui – Ui + Q × Xij ≤ Q – dj , i,j = 1....30, i ≠ j
di ≤ Ui ≤ Q, i,j = 1,2,3,…30
Xi,j ∈ {0,1} i,j = 1,2,3,…30
1 jika alat angkut megunjungi simpul 𝑣𝑖 setelah simpul 𝑣𝑗
𝑋𝑖𝑗 =0 jika selainnya

2.7 Capacitated Vehicle Routing Problem

Permasalahan pencarian rute maksimal kendaraan ataupun
Capacitated Vehicle Routing Problem (CVRP) ialah kasus yang mangulas
tentang gimana memilah sebagian rute yang wajib dilalui oleh beberapa
kendaraan pengangkut dalam proses pendistribusian benda yang
mengombinasikan permintaan pelanggan dengan mencermati kapasitas
angkut. Terdapat bermacam model Integer Linier Programming (ILP) dari
CVRP semacam yang telah diteliti oleh Alipour, Cahyaningsih dkk serta
Borcinova. Salah satu perbandingan utama terletak pada metode
menyingkirkan sub- tur, yakni siklus yang tidak lewat depot. Bagi
Borcinova menformulasikan ILP dari CVRP setelah itu menyajikan
perumusan Mixed Integer Linear Programming (MILP) dari CVRP.
Penyelesaian CVRP bisa dicoba dengan sebagian metode antara lain:
optimasi eksak semacam integer programming, pendekatan heuristik ialah
tabu search, algoritma Clarke & Wright serta tata cara Cross Entropy (CE)
dan pendekatan metaheuristik. Victor berbicara tentang cara-cara Branch
and Cut untuk menuntaskan permasalahan rute kendaraan berkapasitas
ataupun CVRP. CVRP merancang rute pengiriman yang maksimal di mana
tiap kendaraan cuma menempuh satu rute, tiap kendaraan mempunyai ciri
yang sama, tiap pelanggan mempunyai permintaan dan hanya terdapat satu
depot pusat buat penuhi permintaan pelangan dengan jumlah muatan
 9

kendaraan yang tidak melampaui kapasitas. CVRP didefenisikan sebagai

suatu graf berarah G = (V, A) dengan V = {v1, v2, v3, ..., vn, vn+1} adalah
himpunan titik, v0 menyatakan depot dan vn+1 merupakan depot semu dari
v0 yaitu tempat kendaraan memulai dan mengakhiri rute perjalanan.
Sedangkan A = {vi , vj : vi , vj V, i ≠ j} adalah himpunan sisi berarah yang
merupakan himpunan sisi yang menghubungkan antar titik. Setiap titik vi
V memilki permintaan (demand) sebesar di. Himpunan K = {k1, k2, .., km}
merupakan kumpulan kendaraan yang homogen dengan kapasitas yang
identik yaitu Q, sehingga panjang setiap rute dibatasi oleh kapasitas
kendaraan. Setiap titik (vi , vj) memiliki jarak tempuh Cij yaitu jarak dari
titik vi ke titik vj Jarak perjalanan diasumsikan simetrik yaitu Cij = Cji dan
Cii = 0 (Borcinova, 2017).

2.8 Model Transportasi

Model transportasi membahas persoalan pendistribusian suatu
komoditas dari sejumlah sumber kepada sejumlah tujuan dengan tujuan
meminimalkan ongkos transportasi. Parameter yang dipakai dalam model
transportasi adalah ongkos transportasi per unit komoditas dari setiap
sumber ke tiap tujuan, nilai permintaan di setiap tujuan, dan nilai
ketersediaan komoditas di setiap sumber. Jika masalah transportasi
tersebut dalam kondisi tidak seimbang, dimana jumlah pasokan lebih
sedikit dari jumlah kebutuhan atau sebaliknya, dapat dibuat seimbang
dengan cara memasukkan variabel fiktif (dummy). Jika jumlah
demandlebih besar dari jumlah supply maka dibuatlah sumber dummy,
namun bila sebaliknya maka dibuatlah tujuan dummy. Diasumsikan
adanya biaya transportasi per unit dari sumber dummy ke seluruh tujuan
adalah nol, demikian pula dengan biaya transportasi per unit dari semua
sumber ke tujuan dummy adalah nol. Karena pada kenyataannya tidak
pernah terjadi pengiriman dari sumber dummyatau menuju tujuan
dummy (Arifin, 2016).
Model transportasi linear dapat dirumuskan sebagai berikut (BR Barus,
2020):
𝑚 𝑛

∑ ∑ 𝑐𝑖𝑗 𝑥𝑖𝑗
𝑖=1 𝑗=1

Dengan Batasan:
𝑛

∑ 𝑥𝑖𝑗 = 𝑎𝑖 , 𝑖 = 1,2, … , 𝑚
𝑗=1
𝑚

∑ 𝑥𝑖𝑗 = 𝑏𝑗 , 𝑗 = 1,2, … , 𝑛
𝑖=1
𝑥𝑖𝑗 ≥ 0 untuk selruh 𝑖 dan 𝑗
Dimana:
𝑥𝑖𝑗 : banyak suatu barang yang akan diangkut dari suatu sumber i ke tujuan
j.
𝑐𝑖𝑗 : biaya angkut per satuan barang dari sumber i ke tujuan j,
𝑎𝑖 : persediaan ke i.
𝑏𝑗 : permintaan ke j.
10

2.9 North west corner (NWC)

Metode North West Corner (NWC) merupakan salah satu teknik
solusi dalam transportasi. Metode ini didasarkan pada aturan atau
pengalokasian normatif dari persediaan dan kebutuhan sumber dalam
suatu matriks transportasi tanpa perhitungan besar-besaran ekonomis.
Aturan normatif tersebut yaitu membebani semaksimal mungkin sampai
batas maksimum persediaan atau kebutuhan (mana yang tercapai lebih
dahulu) pada matriks alokasi pada ujung kiri atas terus menuju ke kanan
bawah sedemikian hingga seluruh kebutuhan akan sumber dapat terpenuhi.
Algoritma North West Corner meliputi (Chandra, 2016).
1. penentuan banyaknya daerah persediaan dan permintaan.
2. penentuan biaya distribusi untuk tiap daerah persediaan dan
permintaan.
3. pengisian unit pada tiap daerah persediaan dan permintaan.
4. pengecekan antara persediaan dan permintaan (jika nilai tidak sama
harus melakukan pengecekan ulang apakah ada data ada yang masih
kurang atau lebih, jika tidak bisa di lanjutkan ke Langkah
selanjutnya).
5. perbandingan unit persediaan dan permintaan (unit persediaan dan
permintaan dengan nilai terkecil pada kolom kiri bagian atas).
6. kolom persediaan dan permintaan yang telah terisi tidak boleh diisi
lagi,
7. pengisian unit selanjutnya adalah kolom atau baris kiri atas yang
belum terisi.
8. ulangi langkah ke-5 sampai semua elemen pada tabel distribusi
terpenuhi semua.
9. biaya perkolom adalah besarnya biaya dikalikan dengan unit yang
didistribusikan.
10. total biaya adalah semua cost per kolom pada Langkah ke-9

2.10 Least Cost (LC)

Metode ini adalah pengalokasian yang memprioritaskan alokasi
kapasitas produksi untuk memenuhi permintaan dengan biaya produksi
yang paling murah terlebih dahulu. Jumlah Winker relay yang dapat
dihasilkan dalam satu bulan dengan waktu produksi normal adalah sesuai
dengan kapasitas produksi normal setiap bulannya. Jika kapasitas
produksi secara normal masih belum cukup memenuhi permintaan, maka
dilakukan dengan waktu produksi lembur dalam satu periode. Jika masih
belum memenuhi juga, maka akan dialokasikan pada periode
sebelumnya yang masih mempunyai sisa kapasitas lembur (Nursyanti,
2019).
Bonus biasanya akan diberikan pemilik proyek sebagai penghargaan
atas pelaksanaan proyek yang lebih cepat kepada pengelola proyek
dengan besaran yang terus membesar bila proyek dipercepat (Putra &
Hartati, 2017).
 11

2.11 Vogel’s Approximation Method (VAM)

Metode Vogel’s Approximation Method (VAM) merupakan suatu
metode untuk menentukan solusi fisibel awal, adalah suatu solusi untuk
mencari suatu pengalokasian distribusi barang yang mungkin dari tiap
sumber ke tiap tujuan. Algoritma Vogel’s Approximation Method (VAM)
meliputi (Lestari & Christy, 2018):
1. Menyusun kebutuhan, kapasitas masing-masing sumber dan biaya
pengangkutan kedalam matriks.
2. Mencari selisih biaya terkecil dengan biaya terkecil berikutnya untuk
setiap kolom maupun baris.
3. Memilih selisih biaya terbesar dan mengalokasikan produk sebanyak
mungkin ke sel yang memiliki biaya terkecil.
4. Menghilangkan baris atau kolom yang sudah diisi sepenuhnya karena
tidak mungkin diisi lagi.
5. Menentukan kembali perbedaan (selisih) biaya pada langkah ke-2
untuk kolom dan baris yang belum terisi. Ulangi langkah ke-3 sampai
Langkah ke-5, sampai semua kolom dan baris teralokasi.
6. Setelah terisi semua, kemudian menghitung biaya transportasi secara
keseluruhan.
7. Melakukan Uji Optimalitas.

2.12 Stepping Stone Method (SS)

Metode ini dalam merubah alokasi produk untuk mendapatkan alokasi
produksi yang optimal menggunakan cara trial and error atau coba–coba.
Walaupun merubah alokasi dengan cara cobacoba, namun ada syarat yang
harus diperhatikan yaitu dengan melihat pengurangan biaya per unit yang
lebih besar dari pada penambahan biaya per unitnya. Langkah pengujian
metode Stepping Stone (SS) dilakukan sebagai berikut (Simangunsong,
2018):
1. Pilihlah kotak manapun yang tidak terpakai untuk dievaluasi.
2. Dimulai dari kotak ini, telusurilah sebuah jalur tertutup yang kembali
ke kotak awal melelui kotak-kotak yang sekarang ini yang sedang
digunakan (yang diizinkan hanyalah gerakan vertikal dan horizontal).
Walaupun demikian, boleh melangkahi kotak manapun baik kosong
ataupun berisi.
3. Mulai dengan tanda plus (+) pada kotak yang tidak terpakai, tempatkan
secara bergantian tanda plus dan tanda minus pada setiap kotak pada
jalur yang tertutup yang baru saja dilalui.
4. Hitunglah indeks perbaikan. Pertama, menambahkan biaya unit yang
ditemukan pada setiap kotak yang berisi tanda plus, dan kemudian
dilanjutkan dengan mengurangi biaya unit pada setiap kotak berisi
tanda minus.
5. Ulangi langkah ke-1 hingga ke-4 sampai semua indeks perbaikan untuk
semua kotak yang tidak terpakai sudah dihitung. Jika semua indeks
yang dihitung lebih besar atau sama dengan nol, maka solusi optimal
sudah tercapai. Jika belum, maka solusi sekarang dapat terus
ditingkatkan untuk mengurangi biaya pengiriman total.
12

2.13 Clark and Wright Savings

Metode yang secara berangsur-angsur (bertahap) memasukan
setiap pelanggannya ke dalam suatu rute disebut Clarke and Wright Saving
Heuristic Algoritma tergolong dalam construction method dan
dipublikasikan oleh Clarke dan Wright berdasarkan prinsip penghematan
(savingan) agar dimasukkan ke dalam rute. Metode yang ditemukan oleh
Clarke and wright kemudian dipublikasikan sebagai algoritma yang
digunakan sebagai solusi untuk permasalahan rute kendaraan dimana
sekumpulan rute pada setiap langkah ditukar untuk mendapatkan
sekumpulan rute yang lebih baik ialah metode penghematan Clarke and
Wright. Metode ini digunakan supaya mengatasi permasalahan yang cukup
besar, seperti jumlah rute yang banyak. Inti metode ini melakukan
perhitungan penghematan yang diukur dari seberapa banyak dapat
dilakukan pengurangan jarak tempuh dan waktu yang diperlukan dengan
menghubungkan node-node yang ada dan menjadikannya sebuah rute
berdasarkan nilai saving yang terbesar yaitu jarak tempuh antara source
node dan note tujuan (Maab, Rakhmawati, & Herlina, 2018).
Langkah-langkah algoritma metode Clarke and Wright Saving,
antara lain (Ilham, 2019):
a. Mendaftar jumlah kapasitas maksimum kendaraan yang tersedia dan
alokasi kendaraan yang digunakan untuk pengiriman barang ke
costumer, mengasumsikan bahwa setiap node permintaan pada rute
awal dipenuhi secara individual oleh suatu kendaraan secara terpisah.
Dimana setiap node membentuk rute tersendiri yang dilayani oleh
kendaraan yang berbeda.
b. Membuat matriks jarak yaitu matriks jarak antaradepot dengan node
dan jarak antar node.
c. Menghitung nilai penghematan (Si..j )berupa jarak tempuh dari suatu
kendaraan yang menggantikan dua kendaraan untuk melayani node i
dan j.
Si.j= Coi+ Coj- Cij

Dimana: Coi= jarak dari depot ke node i

Cij= jarak dari node i ke node j
Sij= nilai penghematan jarak dari node i ke node j

Nilai penghematan (Si..j) adalah jarak yang dapat dihemat jika rute o-i-
o digabungkan dengan rute o-j-o menjadi rute tunggal o-i-j-o yang
dilayani oleh satu kendaraan yang sama.
d. Membuat matriks penghematan, dimana bentuk umum dari matriks
penghematan yang dikembangkan oleh Clarke dan Wright.
 13

2.14 Fishbone Diagram

Fishbone diagram adalah teknik grafis dan merupakan alat yang baik
untuk menemukan dan menganalisis secara signifikan faktor-faktor yang
mempengaruhi dalam mengidentifikasi karakteristik kualitas hasil
(Slameto, 2016). Manfaat Fishbone diagram untuk menggambarkan
keseluruhan dengan beberapa hasil. Fishbone diagram dapat menjadi
metode yang efektif dalam pengambilan keputusan. Fishbone diagram dapat
memecahkan temuan kompleks melalui diagram yang ringkas dan dapat
dipahami dalam memahami sebuah risiko dan manfaat (Garthlehner, et al.,
2017).
Faktor penyebab timbulnya suatu permasalahan dapat diidentifikasi
menggunakan Metode Fishbone Diagram. Metode ini penjabaran dan hasil
identifikasinya berbentuk menyerupai kerangka tulang ikan yakni meliputi
bagian kepala, sirip, dan duri. Bagian kepala digunakan untuk meletakkan
permasalahan yang akan diidentifikasi, sedangkan bagian sirip dan duri
digunakan untuk meletakkan penyebab dari permasalahannnya. Langkah-
langkah yang dilakukan dalam penyusunan Fishbone Diagram, yaitu
(AULIA, 2016):
1. Membuat kerangka FishboneDiagram.
2. Menentukan masalah yang akan diidentifikasi.
3. Menentukan kelompok penyebab masalah.
4. Menemukan penyebab pada masingmasing kategori/ kelompok penyebab
dengan teknik diskusi (brainstorming).
5. Setelah masalah dan penyebabpenyebabnya diketahui, Fishbone Diagram
dapat digambarkan.
Fishbone Diagram digunakan untuk menganalisis faktor-faktor apa
saja yang menjadi penyebab kecacatan produk yang tidak sesuai dengan
spesifikasi yang telah ditentukan. Faktor-faktor yang mempengaruhi
penyebab kerusakan produk secara umum digolongkan menjadi tiga, yaitu
(Yudianto, 2018):
a. Pekerja (People), yaitu pekerja yang terlibat langsung dalam proses
produksi.
b. Mesin (Machine), yaitu mesin-mesin dan berbagai peralatan yang
digunakan selama proses produksi.
c. Metode (Method), yaitu instruksi atau perintah kerja yang harus diikuti
dalam proses produksi.