LAPORAN TUGAS AKHIR
PENENTUAN RUTE DISTRIBUSI DENGAN PENDEKATAN HETEROGENEOUS VEHICLE ROUTING PROBLEM PADA PT xxx
Disusun oleh :
KATA PENGANTAR
Assalamu'alaikum warahmatullahi wabarakaatuh,
Alhamdulillah hirobbil alamin, segala puji bagi Allah SWT penulis panjatkan puji syukur karena berkat rahmatNya penulis diberikan kekuatan, kesehatan , lahir batin, serta semangat untuk menyelesaikan tugas akhir yang berjudul “PENENTUAN RUTE DISTRIBUSI DENGAN PENDEKATAN HETEROGENEOUS VEHICLE ROUTING PROBLEM PADA PT PIONEERINDO GOURMET INTERNATIONAL Tbk GUDANG CFC CABANG SURABAYA”. Tugas akhir ini disusun untuk memenuhi persyaratan kelulusan dalam menyelesaikan S-1 Program Teknik Industri Fakultas Teknik Universitas 17 Agustus 1945 Surabaya.
Selama menyelesaikan tugas akhir ini, penulis memiliki semangat untuk kerja keras juga tidak terlepas dari arahan, bimbingan, dukungan, serta doa dari berbagai pihak sehingga penyusunan tugas akhir bisa diselesaikan secara bertahap dari berbagai kesulitan yang ada. Oleh karena itu pada kesempatan ini penulis ingin mengucapkan terimakasih yang sebesar-besarnya kepada :
Allah SWT yang telah memberikan kemudahan, serta kesehatan dalam menyelesaikan tugas akhir.
Kedua orang tua yang telah memberikan dukungan semangat, doa serta motivasi guna menyelesaikan tugas akhir.
Ibu Hilyatun Nuha, ST., MT selaku dosen pembimbing yang telah memberikan arahan, ilmu serta bimbingan dengan begitu sabar dan ikhlas untuk menyelesaikan tugas akhir ini.
Bapak Hery Murnawan, ST., MT selaku Kepala Program Studi Teknik Industri Universitas 17 Agustus 1945 Surabaya.
Bapak Dr. Ir. H. Sajiyo, M. Kes selaku Dekan Fakultas Teknik Universitas 17 Agustus 1945 Surabaya.
Bapak dan ibu dosen Teknik Industri yang telah memberikan ilmunya selama proses perkuliahan.
Bapak Ilmamananta Harja selaku SPV HR&GA PT Pioneerindo Gourmet International (Gudang CFC Cabang Surabaya) yang telah memberikan izin untuk dijadikan tempat penelitian tugas akhir.
Bapak Hadi selaku Kepala Gudang beserta staff karyawan pada Gudang CFC Cabang Surabaya yang telah membantu penulis untuk pengambilan data untuk menyelesaikan tugas akhir ini.
Teman – teman angkatan 2016 terutama paido boys terdiri dari Aditya, Akhsanul, Bryan, Dewangga, Doni, Dwiki, Habib, Jatra yang telah memberikan dukungan dan semangat selama penyusunan tugas akhir. Dan juga penulis ucapkan terimakasih telah memberikan “warna” kebersamaan, kekompakkan, entah itu saat susah atau senang, bercandaan selama perkuliahan, sehingga tanpa kalian semua perkuliahan ini mungkin hanya sebatas pelajaran kuliah saja. Meskipun kita sudah dinyatakan lulus oleh kampus, semoga kebersamaan ini tetap bertahan dan saling bersilahturahmi, dan semoga kedepannya kita bisa sukses bersama – sama.
Penulis menyadari bahwa penyusunan laporan tugas akhir ini masih jauh dari kata sempurna. Oleh karena itu penulis mengharapkan saran dan masukan yang bersifat membangun. Semoga tugas akhir ini bisa bermanfaat baik kepada penulis maupun pembaca.
Surabaya, 10 Mei 2020
Penulis
ABSTRAK
PT. Pioneerindo Gourmet International, Tbk merupakan perusahaan dalam bidang makanan dan minumuan (Food and Beverages) yang merupakan salah satu perusahaan yang memperkenalkan konsep pengelolaan restoran cepat saji melalui merek dagang “California Fried Chicken” atau disingkat CFC. Perusahaan memiliki beberapa gudang DC yang tersebar di seluruh indonesia yang berfungsi untuk memasok barang – barang yang dibutuhkan oleh retail CFC yang tersebar di seluruh Indonesia. Objek pada penelitian ini yaitu gudang DC CFC Surabaya cabang wilayah Indonesia bagian timur. Perusahaan memiliki kendala yaitu gudang DC CFC Surabaya menerima jumlah permintaan yang beragam dari ritel-ritel sehingga perusahaan kurang mengoptimalkan penggunaan kapasitas kendaraan dengan sejumlah kendaraan yang memiliki kapasitas yang berbeda-beda. Dengan permasalahan tersebut mengakibatkan panjangnya jarak rute distribusi yang dilakukan. Berdasarkan permasalahan tersebut, peneliti melakukan penentuan rute dengan menggunakan metode algoritma sweep dengan pendekatan Heterogeneous Fleet Vehicle Routing Problem (HFVRP) untuk mengelompokkan (clustering) tiap ritel menjadi kelompok kecil berdasarkan kapasitas kendaraan yang berbeda – beda. Kemudian dilakukan pembuatan rute dari hasil pengelompokkan tersebut untuk mencari total jarak yang paling optimal dari (cluster) tersebut menggunakan model matematis dengan konsep MILP (Mixed Integer Linear Programming) menggunakan bantuan software Lingo 18.0 x64. Dari hasil pengolahan didapatkan bahwa perbandingan rute aktual dengan rute hasil penelitian di dapatkan persentase penghematan pada jarak sebesar 34.01%, durasi pengiriman sebesar 31.86%, dan biaya pengiriman sebesar 33,33%. Setelah dilakukan analisis sensitivitas pengaruh yang didapatkan yaitu urutan kunjungan ke ritel pada setiap rute mengalami perubahan, sehingga total keseluruhan jarak, durasi, dan biaya pengiriman juga mengalami perubahan, pada skenario satu menghasilkan perbedaan tidak signifikan atau tidak terlalu besar, melainkan pada skenario dua seterusnya, perbandingan dengan total jarak, waktu, dan biaya rute hasil penelitian menghasilkan perubahan yang besar.
Kata kunci : Rute distribusi, Algoritma sweep, Heterogeneous Fleet Routing Problem (HFVRP), Mixed Integer Linear Programming (MILP), Analisis sensitivitas.
PENDAHULUAN
Latar Belakang
Persaingan yang terjadi antar dunia industri sekarang ini terjadi semakin ketat, sehingga setiap perusahaan harus mempunyai kemampuan strategi khususnya pada proses transportasi dan distribusi untuk mendistribusikan produknya ke konsumen secara akurat, tepat waktu dengan kuantitas dan kondisi produk yang baik. Agar perusahaan dapat bertahan dalam menghadapi persaingan, perusahaan dituntut untuk menentukan jumlah produk menggunakan fasilitas transportasi yang paling tepat untuk menurunkan jarak transportasi. Salah satu cara untuk menurunkan jarak transportasi yaitu dengan mengefisiensikan sistem distribusi dari penggunakan jenis-jenis transportasi yang ada. Mengefisiensikan sistem distribusi juga dapat menentukan rute pendistribusian untuk meminimalkan jarak tempuh kendaraan, dan lama perjalanannya sehingga dapat mengoptimalkan penggunaan kapasitas serta jumlah kendaraan.
PT. Pioneerindo Gourmet International, Tbk (Dahulu bernama PT. Putra Sejahtera Pioneerindo) didirikan pada tahun 1983 adalah perusahaan dalam bidang makanan dan minumuan (Food and Beverages) yang merupakan salah satu perusahaan generasi pertama di Indonesia yang memperkenalkan konsep pengelolaan restoran cepat saji berbahan dasar ayam melalui merek dagang bernama “California Pioneer Chicken”. Kemudian pada tahun 1989, menjadi pemegang waralaba penuh yang memproduksi dan memasarkan merek produk sendiri dalam restoran siap saji dan pihak Pioneer Chicken di Indonesia mengganti nama menjadi “California Fried Chicken” atau disingkat CFC. Karena terjadi perubahan kepemilikan, pada tahun 2001 menyebabkan PT. Putra Sejahtera Pioneerindo berganti nama menjadi PT. Pioneerindo Gourmet International Tbk. CFC termasuk restoran siap saji di Indonesia yang paling awal mengembangkan pola waralaba sehingga dari sisi brand, CFC kini sudah sangat dikenal dikalangan masyarakat.
Untuk objek penelitian pada penulisan ini adalah PT. Pioneerindo Gourmet International, Tbk (Kantor dan Gudang DC CFC Surabaya cabang wilayah Indonesia bagian timur), yang terletak di Jalan Bypass Juanda Baru. Pergudangan Ramajaya No.10-11, Kabupaten Sidoarjo.
Perusahaan ini berpusat di Jakarta yang memiliki beberapa DC gudang yang tersebar di Indonesia, khususnya di gudang DC CFC Surabaya cabang wilayah Indonesia bagian timur. Pada awal pendistribusian barang, DC gudang CFC Surabaya meminta barang kepada gudang pusat untuk memenuhi permintaan dari DC gudang Surabaya, setelah barang sampai di DC gudang Surabaya, kemudian barang di distribusikan ke ritel - ritel “California Fried Chicken” di wilayah Indonesia bagian timur yang meliputi, Jawa Tengah, Jawa Timur, Yogyakarta, Bali, Lombok, Kalimantan, Sulawesi, Ambon, dan Papua sesuai dengan permintaan tiap-tiap ritel.
Dalam hal pendistribusian di daerah pulau Jawa, perusahaan mengirimkannya sendiri sampai ke ritel sehingga barang yang dikirimkan dalam keadaan bagus dan fresh. Dan jika ada keluhan terhadap barang yang diterima oleh pihak ritel, maka pihak ritel bisa langsung menghubungi pihak yang melakukan pendistribusian pada saat itu, atau bisa langsung menghubungi pihak perusahaan.
Untuk jalur pendistribusian di luar pulau jawa, karena jarak tempuh yang sangat jauh perusahaan menggunakan kendaraan trailer atau kontainer dan dikirim menggunakan kapal ke beberapa ritel yang tersebar di daerah seperti di Bali, Lombok, Labuhan Bajo, Kalimantan, Sulawesi, Ambon, dan Papua.
Untuk mendistribusikan barang pada daerah pulau Jawa, perusahaan memiliki rute seperti pada tabel berikut :
Tabel 1.1 Rute distribusi DC gudang CFC Surabaya
Rute No Ritel
1 0 Gudang
1 CFC Transmart Rungkut
2 Maspion Square
3 CFC Bungurasih
4 Transmart Sidoarjo (Pagerwojo)
0 Gudang
2 0 Gudang
5 CFC Tidar
6 CFC Icon Mall Gresik
7 CFC Ramayana Gresik
0 Gudang
3 0 Gudang
8 CFC Atom
9 CFC Kaza City
10 CFC WTC
11 CFC Stasiun Gubeng
0 Gudang
4 0 Gudang
12 CFC Lumajang
13 Transmart Jember
14 CFC Lippo Plaza Jember
15 Golden Market Jember
0 Gudang
5 0 Gudang
16 Sunrise Mall Mojokerto
17 Kediri Town Square
18 Stasiun Kediri
19 Plaza Madiun
20 CFC SunCity Madiun
21 Stasiun Madiun
22 CFC Ponorogo City Center
0 Gudang
6 0 Gudang
23 CFC Jatimpark
24 Malang Town Square (Matos)
25 Stasiun Malang
26 Giant Sawojajar
27 Matahari Mitra Malang
28 CFC Blitar Square
0 Gudang
7 0 Gudang
29 CFC Cepu
30 CFC Purwodadi
31 CFC Pati
32 CFC Kudus
0 Gudang
8 0 Gudang
33 Rest area KM 519 A SOKER
34 Rest area KM 519 B Masaran
35 Transmart Solo Pabelan
36 Stasiun Solo Balapan
37 Grandmall Solo
38 CFC Hartono Mall Solo
0 Gudang
9 0 Gudang
39 Bandara adisutjipto
40 CFC Transmart Maguwo
41 CFC Ramai Mall
42 CFC Progo Jogja
43 Stasiun Lempuyangan
44 CFC Stasiun Kutoarjo
45 CFC Kebumen
46 Rita Mall Purwokerto
47 CFC Stasiun Purwokerto
48 CFC Artos Mall
49 CFC Sleman City hall
0 Gudang
10 0 Gudang
50 CFC Lawang sewu
51 CFC Stasiun Poncol
52 CFC Stasiun Tawang
53 CFC Fatmawati
54 CFC Siliwangi
55 Plaza Simpang lima (Simpang lima)
56 CFC Majapahit
57 CFC Paragon Mall
58 CFC Rest area KM 429 (Ungaran)
0 Gudang
11 0 Gudang
59 Matahari Pekalongan
60 CFC Stasiun Pekalongan
61 CFC Pemalang
62 CFC Stasiun Tegal
63 Rita SuperMall Tegal
64 CFC Rest area KM 294 B
65 CFC Rest area KM 260 PG
66 CFC Toserba Yogya (Brebes)
67 CFC Slawi
0 Gudang
Barang yang didistribusikan oleh perusahaan berupa bahan baku yang terdiri dua jenis yaitu :
Tabel 1.2 Daftar jenis barang angkutan
Jenis Barang Angkutan
DRY FROZEN
Beras Ayam Segar
Tepung Kentang
Pembungkus (Packaging) Patty (Daging Burger)
Sendok Ice Cream
Garpu
Pembungkus nasi
dll. dll.
Semua barang yang di distribusikan memiliki umur atau masa tahan yang relatif lama, contohnya pada ayam segar frozen memiliki masa tahan sampai enam bulan, kemudian dari sekian banyak barang yang di distribusikan, barang dengan masa tahan yang relatif singkat yaitu saus dan sirup coca cola dengan masa tahan sampai dua bulan.
Alat angkut atau kendaraan yang digunakan untuk pendistribusian terdiri dari lima macam berdasarkan kapasitasnya yaitu :
Tabel 1.3 Kapasitas kendaraan
No Jenis Kendaraan Jumlah Kapasitas box Nomor Kendaraan
Kubikasi
(p x l x t) (m) Berat (ton)
1 Mitsubishi Canter Colt Diesel FE 73 box 5 4,05 x 1,71 x 1,75
4,03 x 1,73 x 1,66
4,05 x 1,78 x 1,71
4,14 x 1,80 x 1,60
4,15 x 1,77 x 1,65 4,5
4,5
4,5
4,5
4,5 B 9215 BCX
B 9344 PCE
B 9049 PCB
B 9810 BCT
B9213 BCX
Proses packaging saat mendistribusikan barang-barang tersebut dikhususkan pada barang yang berupa eceran, barang tersebut di packing menggunakan kardus yang sesuai dengan tujuan masing – masing ritel. Untuk barang yang di distribusikan awalnya sudah di pack kardus, maka barang tersebut tidak perlu di packing lagi.
Masing – masing ritel memiliki gudang penyimpanan berupa frozen dan dry untuk menyimpan dan menerima barang dari gudang DC Surabaya, tiap gudang ritel memiliki kapasitas yang mampu menyimpan barang – barang yang sesuai dengan permintaan barang pada masing – masing ritel tersebut. Tiap pengiriman dari gudang DC, gudang pada masing – masing ritel tidak pernah mengalami overload, karena sebelum pengiriman pihak masing – masing ritel meminta barang ke gudang DC sesuai dengan persediaan barang yang ada di gudang ritel.
Proses distribusi barang ke ritel dilakukan sebanyak satu kali dalam seminggu, untuk melakukan proses pendistribusian barang, perusahaan menggunakan karyawan sendiri. Maka untuk memberikan pelayanan yang baik, pengiriman barang secara tepat waktu dan pengiriman yang efisien, perusahaan dituntut untuk merancang dan mengatur sistem distribusi barang yang dapat memenuhi kebutuhan ritel CFC.
Namun terdapat permasalahan dari perusahaan dalam mengatur pendistribusian barang, jika di lihat dari hasil rekapitulasi data pengiriman barang bulan Agustus – Desember 2019 dapat diketahui pada rute Jember, Surabaya, Gresik, Sidoarjo, Blitar, Cepu, Solo yang kurang memaksimalkan penggunaan kapasitas kendaraan angkut yang ada, padahal masih bisa dilakukan penambahan barang sampai penggunaan kapasitas kendaraan lebih optimal. Kemudian pada beberapa rute mengalami pengiriman yang fluktuatif sampai melebihi beban dari kapasitas kendaraan angkut yang ada. Kendaraan yang dipaksakan untuk mengangkut beban berlebihan akan berdampak buruk bagi kendaraan dan finansial perusahaan. Berikut ini grafik perbandingan pengiriman aktual dengan kapasitas kendaraan pada bulan Agustus - Desember 2019 :
Gambar 1.1 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 1 Pada Bulan Agustus - Desember 2019
Dari gambar 1.1 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9215 BCX” berkapasitas 11,51 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 1 pada bulan Agustus - Desember 2019 masih terdapat ruang kosong yang seharusnya bisa di gabung dengan pengiriman dari ritel lain sehingga penggunaan kapasitas kendaraan terpenuhi.
Gambar 1.2 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 1 Pada Bulan Agustus - Desember 2019
Dari gambar 1.1 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9215 BCX” berkapasitas 11,51 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 1 pada bulan Agustus - Desember 2019 masih terdapat ruang kosong yang bisa ditambahkan dengan pengiriman barang pada ritel lain sehingga penggunaan kapasitas kendaraan terpenuhi.
Gambar 1.3 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 2 Pada Bulan Agustus - Desember 2019
Dari gambar 1.3 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9049 PCB” berkapasitas 11,71 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 2 pada bulan Agustus - Desember 2019 masih terdapat ruang kosong yang seharusnya bisa di gabung dengan rute lain sehingga penggunaan kapasitas kendaraan terpenuhi.
Gambar 1.4 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 2 Pada Bulan Agustus - Desember 2019
Dari gambar 1.4 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9049 PCB” berkapasitas 11,71 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 2 pada bulan Agustus - Desember 2019 masih terdapat ruang kosong yang bisa ditambahkan dengan pengiriman barang pada rute lain sehingga penggunaan kapasitas kendaraan terpenuhi, namun pada periode ke 17 mengalami kelebihan berat pengiriman karena terjadi permintaan yang cukup besar di akhir tahun.
Gambar 1.5 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 3 Pada Bulan Agustus - Desember 2019
Dari gambar 1.5 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9810 BCT” berkapasitas 11,32 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 3 pada bulan Agustus - Desember 2019 masih terdapat ruang kosong yang masih bisa dioptimalkan lagi penggunaan kapasitaas kendaraannya, namun di periode ke 17 terjadi kenaikan pengiriman karena akhir tahun sehingga mendapatkan permintaan yang besar dan penggunaan kapasitas juga ikut naik.
Gambar 1.6 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 3 Pada Bulan Agustus - Desember 2019
Dari gambar 1.6 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9810 BCT” berkapasitas 11,32 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 3 pada bulan Agustus - Desember 2019 juga masih terdapat ruang kosong yang masih bisa dioptimalkan lagi penggunaan kapasitaas kendaraannya, namun di periode ke 17 terjadi kenaikan pengiriman karena akhir tahun sehingga mendapatkan permintaan yang besar dan penggunaan kapasitas juga ikut naik.
Gambar 1.7 Grafik Perbandingan Kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 4 Pada Bulan Agustus - Desember 2019
Dari gambar 1.7 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9049 PCB” berkapasitas 11,71 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 4 pada bulan Agustus - Desember 2019 masih terdapat ruang kosong yang bisa ditambahkan dengan pengiriman barang pada ritel lain sehingga penggunaan kapasitas kendaraan terpenuhi.
Gambar 1.8 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 4 Pada Bulan Agustus - Desember 2019
Dari gambar 1.8 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9049 PCB” berkapasitas 11,71 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 4 pada bulan Agustus - Desember 2019 juga masih terdapat ruang kosong yang bisa ditambahkan dengan pengiriman barang pada ritel lain sehingga penggunaan kapasitas kendaraan terpenuhi.
Gambar 1.9 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 5 Pada Bulan Agustus - Desember 2019
Dari gambar 1.9 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9810 BCT” berkapasitas 11,32 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 5 pada bulan Agustus - Desember 2019 di periode tertentu penggunaan kapasitas kendaraan hampir optimal, namun di akhir perido mengalami peningkatan yang cukup tinggi yang mengakibatkan berat muatan melebihi kapasitas kendaraan, sehingga dibutuhkan pengoptimalan penggunaan kapasitas yang tepat.
Gambar 1.10 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 5 Pada Bulan Agustus - Desember 2019
Dari gambar 1.10 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9810 BCT” berkapasitas 11,32 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 5 pada bulan Agustus - Desember 2019 hampir terpenuhi sehingga bisa dikatakan sudah optimal, namun di akhir periode juga mengalami peningkatan yang cukup tinggi yang mengakibatkan berat muatan melebihi kapasitas kendaraan, sehingga dibutuhkan pengoptimalan penggunaan kapasitas yang tepat.
Gambar 1.11 Grafik Perbandingan Kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 6 Pada Bulan Agustus - Desember 2019
Dari gambar 1.11 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9049 PCB” berkapasitas 11,71 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 6 pada bulan Agustus - Desember 2019 mengalami pengiriman yang fluktutatif sehingga dibeberapa periode terjadi kenaikan dan penurunan pengiriman yang besar, sehingga dibutuhkan pengoptimalan penggunaan kapasitas kendaraan yang tepat.
Gambar 1.12 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 6 Pada Bulan Agustus - Desember 2019
Dari gambar 1.12 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9049 PCB” berkapasitas 11,71 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 6 pada bulan Agustus - Desember 2019 juga mengalami pengiriman yang fluktutatif, dan di periode ke 13 mengalami kelebihan muatan, sehingga dibutuhkan pengoptimalan penggunaan kapasitas kendaraan yang tepat.
Gambar 1.13 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 7 Pada Bulan Agustus - Desember 2019
Dari gambar 1.13 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9810 BCT” berkapasitas 11,32 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 7 pada bulan Agustus - Desember 2019 masih terdapat ruang kosong yang sangat banyak, sehingga bisa dikatakan penggunaan kapasitas kendaraan yang perlu di optimalkan.
Gambar 1.14 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 7 Pada Bulan Agustus - Desember 2019
Dari gambar 1.14 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9810 BCT” berkapasitas 11,32 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 7 pada bulan Agustus - Desember 2019 juga terdapat ruang kosong yang sangat banyak dan masih bisa ditambahkan pengiriman pada ritel lain sehingga bisa dikatakan penggunaan kapasitas kendaraan yang perlu di optimalkan.
Gambar 1.15 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 8 Pada Pada Bulan Agustus - Desember 2019
Dari gambar 1.15 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9213 BCX” berkapasitas 11,51 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 8 pada bulan Agustus - Desember 2019 masih terdapat ruang kosong yang cukup banyak sehingga bisa dikatakan penggunaan kapasitas kendaraan yang perlu di optimalkan.
Gambar 1.16 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 8 Pada Bulan Agustus - Desember 2019
Dari gambar 1.16 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9213 BCX” berkapasitas 11,51 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 8 pada bulan Agustus - Desember 2019 juga terdaoat ruang kosong yang cukup banyak dan masih bisa ditambahkan pengiriman pada ritel lain sehingga bisa dikatakan penggunaan kapasitas kendaraan yang perlu di optimalkan.
Gambar 1.17 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 9 Pada Bulan Agustus - Desember 2019
Dari gambar 1.17 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9215 BCX” berkapasitas 11,51 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 9 pada bulan Agustus - Desember 2019 mengalami penurunan pengiriman barang dan peningkatan pada akhir periode hingga melebihi kapasitas kendaraan yang ada.
Gambar 1.18 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 9 Pada BulanAgustus - Desember 2019
Dari gambar 1.18 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9215 BCX” berkapasitas 11,51 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 9 pada bulan Agustus - Desember 2019 juga mengalami penurunan pengiriman barang dan peningkatan pada akhir periode hingga melebihi kapasitas kendaraan yang ada.
Gambar 1.19 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 10 Pada Bulan Agustus - Desember 2019
Dari gambar 1.19 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9213 BCX” berkapasitas 11,51 m^3 dan berat 4,5 ton dengan total kubikasi dari pengiriman barang rute 10 pada bulan Agustus - Desember 2019 terdapat ruang kosong yang bisa ditambah pengiriman pada ritel lain, namun pada beberapa periode mengalami kelebihan kapasitas kendaraan.
Gambar 1.20 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 10 Pada Bulan Agustus - Desember 2019
Dari gambar 1.20 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9213 BCX” berkapasitas 11,51 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 10 pada bulan Agustus - Desember 2019 juga masih terdapat ruang kosong yang bisa ditambah pengiriman pada ritel lain sehingga bisa dikatakan penggunaan kapasitas kendaraan belum optimal.
Gambar 1.21 Grafik Perbandingan kubikasi Pengiriman Aktual dengan Kapasitas Armada Rute 11 Pada Bulan Agustus - Desember 2019
Dari gambar 1.21 dapat dilihat bahwa penggunaan kubikasi pada kendaraan dengan nomor kendaraan “B 9344 PCE” berkapasitas 10,99 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 11 pada bulan Agustus - Desember 2019 mengalami mengalami pengiriman yang fluktuatif dan pada akhir periode mengalami kelebihan muatan.
Gambar 1.22 Grafik Perbandingan Berat Pengiriman Aktual dengan Kapasitas Armada Rute 11 Pada Bulan Agustus - Desember 2019
Dari gambar 1.22 dapat dilihat bahwa penggunaan berat pada kendaraan dengan nomor kendaraan “B 9344 PCE” berkapasitas 10,99 m^3 dan berat 4,5 ton dengan total berat dari pengiriman barang rute 11 pada bulan Agustus - Desember 2019 pada beberapa periode mengalami kelebihan kapasitas kendaraan.
Tinggi rendahnya pengiriman pada masing – masing ritel disebabkan beberapa faktor. Faktor pertama yaitu hari libur nasional seperti hari raya, natal dan tahun baru, pada saat itu terjadi tingginya permintaan barang dari masing – masing ritel sehingga mengakibatkan tingginya pengiriman barang. Faktor kedua yaitu faktor kompetitor pada masing – masing ritel yaitu terjadinya persaingan antara ritel CFC dengan kompetitor lain sehingga terjadi tinggi rendahnya permintaan dan pengiriman pada masing – masing ritel CFC.
Berdasarkan permasalahan tersebut, maka perusahaan membutuhkan cara untuk mengoptimalkan kapasitas kendaraan yang ada sehingga kedepannya bisa meminimalkan jarak, durasi, dan biaya transportasi. Beberapa manfaat dari hasil penelitian ini diharapkan bisa memberikan masukan dan informasi yang berguna bagi perusahaan, yaitu dapat mengetahui rute distribusi yang tepat, kemudian mampu menentukan kapasitas kendaraan yang tepat sesuai dengan jumlah permintaan ritel sehingga permasalahan tinggi rendahnya permintaan bisa diatasi dan dapat diketahui penghematan jarak, durasi, dan biaya pengiriman yang akan dilakukan.
Rumusan Masalah
Bagaimana menentukan rute distribusi yang optimal berdasarkan kapasitas kendaraan angkut sehingga dapat meminimumkan jarak, waktu, dan biaya pengiriman pada PT. Pioneerindo Gourmet International, Tbk Kantor Cabang DC Gudang CFC Surabaya?
Tujuan Penelitian
Menentukan rute distribusi yang optimal berdasarkan kapasitas kendaraan angkut untuk meminimumkan jarak, waktu, dan biaya pengiriman pada PT. Pioneerindo Gourmet International, Tbk Kantor Cabang DC Gudang CFC Surabaya
Ruang Lingkup Penelitian
Batasan Masalah
Penelitian hanya membahas pada distribusi PT. Pioneerindo Gourmet International, Tbk Kantor Cabang DC Gudang CFC Surabaya wilayah Indonesia bagian timur.
Data yang digunakan diperoleh dari PT. Pioneerindo Gourmet International bulan Agustus - Desember 2019.
Rute pengiriman yang diperbaiki adalah rute pengiriman area Pulau Jawa.
Permintaan tiap ritel untuk penentuan cluster pada algoritma sweep hanya pada bulan September minggu ke-1.
Penelitian tidak membahas dan mengatur tata letak barang pada box kendaraan yang digunakan.
Penelitian tidak menghitung biaya tetap (fixed cost) pada proses distribusi.
Asumsi
Setiap kendaraan memiliki kecepatan konsisten yaitu 50 km/jam dan kendaraan dalam keadaan layak jalan.
Tidak ada kendala selama proses pengiriman atau distribusi barang, seperti jalan yang menjadi jalur distribusi dalam keadaan normal.
Permintaan masing-masing ritel bersifat deterministik.
Kapasitas gudang penyimpanan barang tiap ritel mencukupi sesuai dengan permintaan tiap ritel.
Jarak kendaraan berangkat dari lokasi A ke lokasi B sama dengan jarak kendaraan balik dari lokasi B ke lokasi A.
Waktu loading/unloading tiap kunjungan diasumsikan 30 menit.
Karena pengiriman dilakukan saat ritel buka hingga tutup, maka time windows diasumsikan yaitu jam 09:00 WIB sampai 21:00 WIB untuk tiap ritel. Dan jam 08:00 WIB sampai 17:00 untuk depot.
Manfaat Penelitian
Bagi perusahaan
Mengetahui rute distribusi yang tepat berdasarkan kapasitas kendaraan.
Memberikan alternatif rute distribusi kepada perusahaan yang tepat berdasarkan kapasitas kendaraan.
Bagi mahasiswa
Mendapatkan pengetahuan dan pengalaman secara langsung dalam bidang distribusi barang.
Bisa mengaplikasikan ilmu secara langsung yang didapatkan selama perkuliahan.
Bagi akademik
Bisa dijadikan bahan referensi bagi mahasiswa yang ingin melakukan penelitian berikutnya dengan topik yang sama.
TINJAUAN PUSTAKA
Manajemen Logistik
Kusumastuti, (2014) berpendapat bahwa manajemen logistik merupakan sebuah proses pengendalian, perencanaan dan penerapan dari kegiatan logistik yang dimulai dari pengadaan, penyimpanan dan pendistribusian untuk memenuhi permintaan dari konsumen. Sedangkan menurut Martono, (2018:1) manajemen logistik merupakan suatu sistem yang mengatur seluruh proses dalam organisasi atau perusahaan untuk merencanakan dan mengirimkan barang kepada konsumen. Keseluruhan proses tersebut termasuk perencanaan, input atau masukan contohnya bahan mentah yang diterima dari pemasok, pembuatan bahan mentah menjadi produk jadi, transportasi, distribusi, gudang, sistem informasi dan pembayaran barang, hingga pengembalian dan pergantian barang yang rusak dengan barang yang baru.
Tujuan Logistik
Logistik memiliki tujuan yaitu menyalurkan barang dan berbagai macam material dengan jumlah yang optimal dengan kapasitas kendaraannya, pengiriman ke lokasi dengan tepat waktu, dan membutuhkan biaya pengiriman yang paling minimum (Bowersox, 2000:13). Gitosudarmo and Mulyono, (1998:19) menegaskan bahwa setiap tujuan dalam sistem logistik akan berbeda-beda tergantung dalam penggunaanya, misalkan bertujuan untuk meminimumkan biaya atau bertujuan untuk penyimpanan barang tahan lama. Sehingga memerlukan perancangan suatu sistem logistik supaya mampu untuk memberikan tujuan sesuai harapan yang diinginkan.
Pengertian Manajemen Distribusi
Manajemen distribusi merupakan strategi yang mengarah pada pengembangan kebijakan efektif dimulai pada perencanaan, mengoperasikan, mengorganisasikan, dan mengendalikan suatu proses memindahkan barang pada lokasi tertentu untuk mencapai tujuan perusahaan (Kodrat, 2009:20). Sedangkan Distribusi merupakan suatu kegiatan penyaluran barang atau jasa dari pemasok hingga pelanggan yang melalui saluran distribusi. Seluruh kegiatan distribusi menghasilkan nilai tambah melalui pengiriman barang ke tempat konsumen dengan dibutuhkannya waktu pengiriman, utilitas alat dan efisiensi biaya (Martono, 2018:9).
Strategi Pengiriman Barang
Menurut Kodrat, (2009:153-155) di dalam bukunya yang berjudul Manajemen Distribusi menyatakan terdapat tiga cakupan distribusi bertujuan untuk melayani konsumen dengan biaya yang minimum, sebagai berikut :
Distribusi Eksklusif
Distribusi ini membutuhkan hubungan yang baik antara produsen dengan distributor. Seorang marketing hanya menunjuk satu orang / distributor khusus untuk mendistribusikan produknya ke daerah tertentu dengan syarat distributor tersebut dilarang memasarkan produk sejenis dari produsen lain.
Distribusi Intensif
Pada distribusi ini produsen mendistribusikan produknya ke seluruh ritel yang yang sesuai dengan strategi pemasaran produk tersebut. Keuntungan dengan distribusi intensif ini yaitu produk tersedia di pasar luas dan produk lebih dikenal dengan konsumen sehingga perputaran produk lebih cepat.
Distiribusi Selektif
Distribusi ini merupakan kombinasi antara distibusi eksklusif dengan intensif, yaitu perusahaan memasarkan produknya ke beberapa ritel dalam suatu daerah tertentu saja. Distribusi ini cocok digunakan untuk frekuensi penjualan yang besar pada beberapa ritel saja, distributor yang dipilih oleh perusahaan untuk melakukan distirbusi.
Menurut Martono, (2018:12–16) terdapat tiga macam strategi pengiriman barang beserta keuntungan dan tantangannya, sebagai berikut :
1. Direct Shipping
Pengiriman dilakukan secara langsung dari pemasok ke pelanggan, sehingga tidak membutuhkan sebuah titik perantara seperti gudang atau pusat distribusi. Untuk strategi pengiriman ini sebaiknya dilakukan untuk barang yang beresiko tinggi seperti barang yang mudah rusak, jumlahnya banyak, dan produk spesial yang harus dikirim langsung.
Keuntungan :
Kerusakan barang pada proses pengiriman barang lebih minim.
Durasi pengiriman ke pelanggan yang relatif lebih cepat.
Data pengiriman lebih akurat karena tidak membutuhkan banyak titik perantara distribusi.
Tantangan :
Pengiriman barang yang harus cepat dilakukan, sehingga mengakibatkan proses penanganan barang menjadi sibuk.
Tidak adanya pengaman persediaan (safety stock), sehingga pengiriman beresiko tinggi untuk rusak.
Gambar 2.1 Ilustrasi Direct Shipping ke titik distribusi
2. Pergudangan (Warehousing), atau pusat distribusi (Distribution Center)
Produk yang akan dikirimkan ke konsumen disimpan terlebih dahulu di gudang atau pusat distribusi. Pusat distribusi digunakan untuk melayani konsumen ke area tertentu seperti tingkat provinsi, tingkat kota, sehingga durasi pengiriman lebih cepat. Strategi pengiriman dengan pergudangan ini sering digunakan oleh organisasi atau perusahaan untuk mengirim barang tahan lama, memiliki jumlah yang banyak, dan mengatasi risiko tinggi rendahnya permintaan dan persediaan.
Keuntungan :
Adanya pengaman persediaan (safety stock), yang berguna untuk mengatasi tinggi rendahnya permintaan dan persediaan yang mendadak.
Barang-barang yang akan dikirim dapat gabung dengan jumlah yang banyak, sehingga bisa menghemat biaya pengirimannya.
Tantangan :
Tingginya jumlah barang yang akan disimpan, mengakibatkan tingginya biaya penanganan barang, biaya tenaga kerja dan fasilitas gudang
Karena banyaknya proses penanganan barang dan penimpanan yang lama, maka meningkatnya risiko kerusakan barang
Gambar 2.2 Ilustrasi ergudangan dan pusat distribusi ke titik distribusi
3. Cross-docking
Proses penanganan barang yang diterima dari berbagai pemasok, yang kemudian disortir sesuai tujuan pengiriman. Strategi ini sering dipakai oleh pemasok bahan pokok, jasa kargo penerbangan, jasa pengiriman barang dengan bantuan peralatan seperti conveyor, barcode.
Keuntungan :
Dapat mengurangi persediaan barang, mempercepat proses dan waktu penanganan barang.
Dapat meminimumkan biaya yang relatif lebih mahal untuk penanganan dan penyimpanan barang.
Meminimumkan fasilitas distribusi.
Tantangan :
Memerlukan pembelian peralatan canggih untuk mendukung informasi data secara real time, seperti penggunaan barcode pada kemasan barang.
Kemungkinan membutuhkan pembelian fasilitas yang memadai untuk mendukung proses aliran barang.
Selalu memantau pergerakan barang, supaya tidak salah pengiriman.
Gambar 2.3 Ilustrasi cross-docking ke titik distribusi
Saluran Distribusi
Menurut Kodrat, (2009:22–23) fungsi saluran distribusi merupakan seluruh kegiatan yang dilakukan oleh anggota saluran distribusi untuk mengirimkan barang dari produsen ke konsumen pada pelaksanaanya menimbulkan perbedaan (gap) aliran barang dari konsumen, berikut macam-macam gap yang terjadi :
Geographical gap yaitu perbedaan jarak tempat produksi dengan lokasi konsumen yang telah tersebar luas.
Time gap yaitu terjadi perbedaan waktu pembelian dan konsumsi pada produk terjadi pada waktu tertentu sedangkan penghematan produksi dilakukan secara terus-menerus.
Quantity gap yaitu terjadi perbedaan jumlah produk karena produksi dilakukan terus-menerus dengan anggapan biaya per unit yang lebih hemat sedangkan konsumsi dari produk tersebut lebih minim.
Variety gap yaitu produsen memproduksi varian produk dalam jumlah yang besar sedangkan pada saat itu tidak sama apa yang dibutuhkan oleh konsumen.
Communication dan information gap terjadi karena konsumen tidak mengetahui sumber dari produk yang dikonsumsi sedangkan produsen tidak mengetahui siapa dan dimana konsumen yang berpotensi untuk mengonsumsi produk tersebut.
Menurut Martono, (2018:16–17) jarak pengiriman barang dibagi menjadi tiga struktur yang pelaksanaanya bergantung pada jenis barang yang akan dikirim :
Complex (atau Intensif)
Memiliki jalur yang terdiri dari produsen – regional distribution center – gudang distributor – retailer – konsumen. Struktur ini untuk mengirim barang yang ingin menjangkau lokasi konsumen yang tersebar di kawasan yang luas (contohnya dalam satu negara), sementara lokasi pabrik berjumlah sedikit (bahkan hanya satu atau dua buah pabrik). Dapat diterapkan pada produk yang produksinya Make-to-stock, misalnya barang kebutuhan sehari-hari seperti makanan, minuman, dan obat-obatan.
Selective
Memiliki jalur yang terdiri dari produsen – distributor – retailer – konsumen. Jalur
Yang dilewat lebih sedikit dari struktur complex karena menghapus penyalur yang merugikan dalam pengiriman. Struktur distribusi ini cocok untuk diterapkan pada produksi yang menggunakan strategi siap dirakit jika ada pesanan konsumen atau assembly-to-order (contohnya produk otomotif).
Direct/internal channel (atau Eksklusif)
Memiliki jalur yang terdiri dari produsen yang mengirim barangnya langsung kepada konsumen. Strategi pengiriman ini dapat menghilangkan perantara seperti distributor, agen, pedagang eceran, sehingga keuntungan yang didapatkan perantara tersebut dapat diminimumkan. Namun dalam mengirimkan barang, penyalur harus memiliki kemampuan yang sangat baik dan dapat dipercaya untuk menghindari hal-hal yang tidak diinginkan. Pengawasan pengirimannya menjadi lebih mudah. Struktur pengiriman ini cocok diterapkan pada produk yang dibuat setelah ada pesanan dari konsumen yang masuk atau make-to-order. Contohnya pada industri pesawat terbang, perbankan, konsultasi pajak, dan pembangunan konstruksi.
Transportasi
Transportasi memiliki peranan yang sangat penting dalam proses pemasokan barang dari produsen ke konsumen. Perusahaan harus mempertimbangkan jenis transportasi apa yang akan digunakan, memilih rute atau jalur pengiriman yang tepat, dan biaya transportasi. Dengan mempertimbangkan transportasi, rute pengiriman, biaya yang tepat maka kegiatan pengiriman barang ke konsumen akan lebih tepat waktu, dan memerlukan biaya transportasi yang sedikit.
Menurut Pujawan and Mahendrawathi, (2017:217) manajemen distribusi dan transportasi pada dasarnya mengantarkan sebuah produk dari lokasi tempat produksi ke tempat produk yang akan digunakan manajemen distribusi dan transportasi meliputi aktivitas baik itu fisik yang terlihat oleh mata contohnya pengiriman dan penyimpanan barang, dan aktivitas non fisik seperti pengolahan informasi dan pelayanan pada konsumen. Sedangkan menurut Martono, (2018:195–96) transportasi merupakan sebuah sistem yang saling mendukung dan saling keterkaitan antara lokasi, jaringan, dan kebutuhan transportasi.
Lokasi
Transportasi memiliki peran utama sebagai penghubung antar lokasi, di tiap lokasi memiliki peran sebagai akses dari titik perantara sebuah jaringan transportasi. Lokasi tersebut memiliki sebuah terminal yang berperan sebagai hub fungsinya sebagai penghubung untuk pengiriman dari titik lokasi awal hingga hingga titik lokasi akhir. Fungsi terminal ini dapat ditemui di bandar udara, stasiun dan pelabuhan.
Jaringan transportasi
Meninjau dari kapasitas infrastruktur dan rute perjalanan transportasi. Akan ada banyak rute kedatangan dan kepergian moda transportasi jika kapasitas terminal besar atau cocok menjadi hub atau distribution center. jika terminal berkapasitas kecil cocok menjadi penyuplai atau feeder untuk hub
Kebutuhan transportasi
Kebutuhan transportasi dapat dilihat dari potensi pasar pada tingkat penjualan barang dan pembelian konsumen. Jika semakin tinggi permintaan barang, maka semakin besar infrastruktur transportasi yang dibutuhkan karena banyaknya moda transportasi yang akan hadir untuk mendukung pergerakan manusia dan barang.
Biaya Transportasi
Pentingnya mengatur biaya transportasi dalam melakukan kegiatan distribusi yang bertujuan untuk mengetahui seberapa besar dana yang dikeluarkan oleh perusahaan untuk melakukan proses distribusi. Menurut Gitosudarmo and Mulyono, (1998:81) perusahaan bisa membandingkan biaya operasional apakah menguntungkan bagi perusahaan atau harus menggunakan jasa dari pihak lain, maka perusahaan harus bisa menyusun fasilitas logistik yang harus dipakai. Perusahaan mempunyai beberapa alternatif seperti:
Perusahaan harus membeli kendaraan angkut
Perusahaan harus menyewa kendaraan angkut dari perusahaan lain
Perusahaan menggunakan alat angkut umum atau alat angkut yang disewa
Perusahaan mengkombinasikan dari ketiga alternatif diatas.
Menurut Martono, (2018:206–209) biaya transportasi dibagi menjadi dua yaitu biaya tetap (fixed cost) dan biaya variabel (variabel cost).
Fixed Costs
Biaya Bunga Investasi Depresiasi Moda Transportasi.
Biaya untuk modal pengadaan moda transportasi. Jika pengadaan menggunakan pinjaman bank, maka bunga pinjaman bank disebut biaya bunga investasi.
Biaya Legal.
Yaitu biaya perizinan
Biaya Overhead
Untuk keperluan karyawan, misalnya asuransi dan seragam. Asuransi sangat penting karena untuk menanggung biaya yang tak terduga seperti kecelakaan
Variable Costs
1. Jarak yang ditempuh (Linehaul cost).
Mahalnya biaya pengiriman barang ditentukan oleh jarak pengiriman yang ditempuh. Biaya akan lebih mahal lagi jika infrasutruktur atau akses jalan ke lokasi sulit, maka dari itu perlunya mengatur rute pengiriman supaya lebih ekonomis.
2. Biaya bahan bakar.
Biaya bahan bakar dipengaruhi oleh jenis kendaraan dan kondisi infrastruktur atau akses jalan yang dilalui, kapasitas beban angkut (meter kubik atau ton), pengoperasian kendaraan (apakah stabil atau sering berhenti karena macet), usia kendaraan, tekanan angin ban kendaraan, kondisi jalan (jalan bagus atau berlubang, rata atau banyak tanjakan), dan perilaku pengemudi.
Jika kapasitas beban yang dibawa melebihi batas maksimum yang diizinkan, kondisi jalan berlubang, sering, berhenti saat pengoperasian, dan perilaku pengemudi yang tidak baik, otomatis rasio konsumsi BBM per liter semakin boros. Semua faktor ini harus dikontrol dengan baik agar rasio BBM tidak boros.
Vehicle Routing Problem (VRP)
Vehicle Routing Problem (VRP) merupakan sebuah permasalahan pada sejumlah rute dan kendaraan yang ada di satu atau lebih depot yang harus diatur dan ditentukan jumlahnya untuk melayani konsumen-konsumen yang tersebar di berbagai lokasi. VRP memiliki tujuan yaitu untuk mengirimkan barang dari depot kepada konsumen dengan biaya dan rute pengiriman yang minimum. (Prana, 2007:1)
Pada tahun 1959, permasalahan VRP telah dikenalkan oleh Dantzig dan Ramser. Dalam makalah mereka menggambarkan sebuah permasalahan pengiriman bensin ke pompa bensin dengan mengusulkan formulasi pemrograman matematika pertama dan pendekatan algoritmik untuk menyelesaikan permasalahan tersebut. Lima tahun kemudian pada tahun 1964, Clark dan Wright mengusulkan greedy heuristic yang efektif untuk memperbaiki dan meningkatkan pendekatan Dantzig dan Ramser. Dengan mengikuti dua permasalahan tersebut banyak yang menganjurkan model, exact, dan heuristic algorithms untuk menyelesaikan permasalahan yang optimal dan solusi perkiraan dari berbagai versi VRP (Toth and Vigo, 2002:4)
Variasi VRP
Prana, (2007:3) menegaskan bahwa terdapat tujuh macam model variasi pada VRP yang terdiri dari:
Capacitated Vehicle Routing Problem (CVRP)
Pada CVRP ini terdapat sejumlah kendaraan yang harus mengirimkan permintaan konsumen yang sebelumnya telah diketahui dengan biaya minimum namun terbatasnya penggunaan kapasitas kendaraan itu sendiri. CVRP hampir sama dengan VRP namun untuk CVRP terdapat faktor tambahan yaitu terbatasnya penggunaan kapasitas kendaraan. Tujuan dari CVRP adalah meminimumkan jumlah kendaraan dan waktu pengiriman, total pengiriman barang pada rute yang akan dilewati tidak boleh melebihi kapasitas kendaraan. Solusi CVRP dikatakan layak jika total jumlah barang yang dikirim tidak melebihi kapasitas kendaraan pada rute yang akan dilewati.
Heterogeneus Fleet VRP (HFVRP)
HFVRP ini hampir sama dengan CVRP, namun yang membedakan yaitu pada CVRP terbatasnya kapasitas kendaraan yang bersifat homogen (sama) namun pada HFVRP ini yaitu terbatasnya kapasitas kendaraan yang bersifat heterogen (Berbeda) yang artinya dari sejumlah kendaraan memiliki batasan kapasitas yang berbeda-beda.
VRP With Time Windows (VRPTW)
Pada VRPTW ini terdapat sejumlah kendaraan yang akan mengirimkan permintaan barang namun mempunyai batasan tambahan yaitu jangka waktu yang berkaitan dengan setiap konsumen. VRPTW mempunyai tujuan yaitu meminimumkan jumlah kendaraan, waktu pengiriman dan waktu menunggu yang dibutuhkan untuk mengirim kepada tiap konsumen pada jam tertentu. Solusi VRPTW dikatakan tidak layak jika kendaraan datang telah melebihi batas interval. Jika kendaraan datang sebelum batas interval, maka waktu menunggu pada rute tersebut akan bertambah. Setiap kendaraan pada rute tersebut harus memulai dan berhenti pada waktu yang berkaitan dengan depot.
Multiple Depot VRP (MDVRP)
Pada permasalahan MDVRP ini terjadi pada sebuah perusahaan mempunyai banyak depot yang mengakibatkan tidak terkoordinasinya pengiriman barang ke konsumen dengan depot-depot yang ada, sehingga satu konsumen akan dikirim lebih dari satu depot atau sebaliknya. Maka diperlukannya untuk mengatur dan menentukan tiap kendaraan yang keluar dari depot yang akan melayani konsumen-konsumen kemudian balik lagi ke depot tersebut. Tujuan dari MDVRP yaitu untuk meminimumkan jarak, waktu pengiriman, jumlah kendaraan dan total permintaan barang yang harus dilakukan oleh tiap depot. Solusi MDVRP dikatakan layak jika keluar masuknya kendaraan dari depot yang sama dan di tiap rute memenuhi batasan standar VRP.
VRP With Pick-Up And Delivering (VRPPD)
Pada permasalahan VRPPD ini terjadi ketika konsumen mengembalikan barang yang sudah diantarkan dan konsumen mengembalikannya lagi ke kendaraan pengirim. Maka pada kasus seperti ini perlu memperhatikan apakah barang yang dikembalikan bisa muat untuk dimasukkan ke dalam kendaraan pengirim apa tidak. Sehingga dalam situasi seperti ini beresiko untuk penyalahgunaan kapasitas kendaraan dan jarak perjalanan lebih panjang dari yang seharusnya. Maka diperlukanya pemikiran pada semua pengiriman barang akan dikirim dari depot dan semua pengambilan barang yang akan dibawa ke depot, sehingga tidak akan terjadi pertukaran barang antar konsumen. Ada opsi lain yang bisa dilakukan yaitu diperlukannya pemikiran untuk di setiap kendaraan harus sudah mengantarkan semua barangnya ke konsumen kemudian bisa mengambil barang yang dikembalikan oleh konsumen untuk dibawa ke depot. Tujuan dari VRPPD yaitu meminimumkan jumlah kendaraan dan waktu pengiriman dengan batasan harus mempunyai kapasitas untuk mengirimkan barang ke konsumen kemudian mengambil barang yang dikembalikan oleh konsumen ke depot. Solusi VRPPD dikatakan layak jika total jumlah pengiriman barang pada tiap rute tidak melebihi kapasitas kendaraan dan kendaraan diharuskan memiliki kapasitas untuk membawa barang yang dikembalikan oleh konsumen ke depot.
Split Delivery VRP (SDVRP)
Pada permasalahan SDVRP ini yaitu pengembangan dari VRP jika konsumen bisa dilayani dengan kendaraan yang berbeda dengan harapan biaya pengiriman bisa diminimumkan. SDVRP ini bisa dilakukan jika total permintaan konsumen dan kapasitas kendaraan yang digunakan sama besar. Tujuan dari SDVRP yaitu meminimumkan jumlah kendaraan dan waktu pengiriman. SDVRP dikatakan layak jika mencukupi batasan standar VRP dan setiap konsumen bisa dilayani lebih dari satu kendaraan pengirim.
Stochastic VRP (SVRP)
SVRP akan terjadi jika kemunculan faktor sampingnya bersifat acak. Untuk memperoleh solusi SVRP, diperlukannya dua tahapan yaitu yang pertama ditentukan sebelum variabel acak diketahui, yang kedua dilakukan pengoreksian jika nilai dari variabel acak diketahui. Tujuan SVRP yaitu meminimumkan jumlah kendaraan dan total waktu pengiriman dengan nilai acak untuk setiap pengiriman seperti konsumen, waktu, permintaan. SVRP dikatakan layak jika data-data yang tersedia bersifat acak, jadi tidak memerlukan batasan-batasan untuk semua realisasi variabel acak. Maka untuk solusi berikutnya memerlukan antara tingkat kepuasan batasan tertentu dengan kemungkinan yang diberikan atau melakukan koreksi jika melampaui batasan-batasan yang ada.
Periodic VRP (PVRP)
Pada permasalahan PVRP ini yaitu yang awalnya pengiriman hanya membutuhkan waktu sehari yang kemudian di sama ratakan dengan mengembangkan perencanaan pengiriman menjadi M hari. Tujuan dari PVRP yaitu meminimumkan jumlah kendaraan dan total pengiriman barang pada setiap konsumen. PVRP dikatakan layak jika mencukupi batasan VRP ditambah keadaan dimana sebuah kendaraan tidak boleh kembali ke depot dalam hari yang sama. Dalam M hari setiap konsumen harus dilayani minimal sehari sekali.
Heterogeneous Fleet Vehicle Routing Problem (HFVRP)
Salah satu variasi dari VRP adalah Heterogeneous Fleet Routing Problem (HFVRP) yaitu varian VRP yang mempertimbangkan kendaraan yang memiliki kapasitas dan biaya yang berbeda-beda pada kegiatan distribusi atau bisa disebut (heterogen) (Toth and Vigo, 2014:245). Menurut Arvianto, Setiawan, and Saptadi, (2014) tidak semua perusahaan maupun itu perusahaan besar atau perusahaan kecil memiliki kendaraan dengan kapasitas sama (homogen). Dan dipastikan bahwa banyak perusahaan yang memiliki kapasitas kendaraan yang berbeda-beda sehingga permasalahan VRP klasik saat ini sulit untuk dilakukan. Maka saat ini muncul variasi VRP baru yang bertujuan untuk menyelesaikan permasalahan rute kendaraan dengan jenis dan kapasitas yang berbeda (Heterogen) atau dikenal dengan Heterogeneous Fleet Vehicle Routing Problem (HFVRP).
Singhtaun and Tapradub, (2019) berpendapat bahwa sebagian besar model HFVRP merupakan sebuah permasalahan integer linear programming. Permasalahan tersebut dapat diselesaikan menggunakan algoritma eksak seperti algoritma branch and bound, algoritma branch and cut dan algoritma branch and the price, dll, namun algoritma eksak hanya efisien jika terjadi permasalahan yang kecil. Jika permasalahan yang terjadi semakin rumit membutuhkan metode heuristik dan metaheuristik untuk mendapatkan solusi yang optimal, namun memiliki kelemahan yaitu membutuhkan waktu komputasi yang lebih lama. Maka diperlukannya algoritma yang tepat sesuai dengan permasalahan yang terjadi dan banyak software yang bisa digunakan untuk mendapatkan solusi yang optimal.
Algoritma Sweep
Algortima sweep merupakan salah satu metode heuristik yang digunakan untuk menyelesaikan permasalahan pada VRP. Menurut Nurcahyo et al., (2002) algoritma sweep diterapkan pada koordinat polar dan untuk depot diandaikan sebagai pusat koordinat. Node merupakan gabungan dari node dengan titik yang dipilih secara acak. Semua node yang sudah bergabung dengan depot kemudian disejajarkan dengan ditingkatkan sudut yang menghubungkan antara node dengan depot, segmen yang menghubungkan depot ke suatu node dianggap sebagai node pertama.
Nurcahyo et al., (2002) menegaskan bahwa untuk menyelesaikan permasalahan dengan menggunakan algoritma sweep memiliki dua tahap penyelesaian yaitu pengelompokan (clustering) dan pembuatan rute yang akan dijelaskan sebagai berikut.:
Pada tahapan pertama yaitu melakukan pengelompokan setiap node berdasarkan kapasitas maksimum kendaraan yang akan melayani pada setiap rute, maka jumlah barang yang bisa dibawa oleh kendaraan tergantung dengan kapasitas kendaraan yang digunakan.
Dari gambar diatas, menggambarkan sebuah proses pengelompokan pada beberapa node. Titik hitam digambarkan sebagai node dan garis lurus digambarkan sebagai sapuan yang bergerak berlawanan arah jarum jam. Proses pengelompokan dilakukan dengan cara menggabungkan mulai dari node yang terdekat, maka node ini terpilih menjadi node pertama. Node terdekat memiliki sudut polar terkecil. Kemudian cara ini diulangi dengan menggabungkan node yang terdekat, maka yang terpilih menjadi node kedua, begitu juga node ketiga, dan seterusnya hingga mencapai batas kapasitas maksimum kendaraan. Ketika node[i+l] akan digabungkan ke nodefi] di cluster pertama, maka demand[i+l] ditambahkan ke demandfi] kemudian memeriksa apakah melanggar kapasitas maksimum kendaraan. Node[i+l] bisa digabungkan ke nodefi] jika total permintaan kurang dari batas kapasitas kendaraan. Pada saat sebuah node tidak bisa digabungkan ke node pertama karena melanggar kapasitas maksimum kendaraan, maka node ini menjadi node pertama dari cluster kedua. Proses cluster akan selesai jika semua node sudah masuk ke semua cluster.
Pada tahap kedua yaitu pembuatan rute, bertujuan untuk menghubungkan semua node di tiap cluster yang dimulai dan berakhir pada depot sama, node di tiap cluster diperoleh dari hasil pengelompokan node pada tahap pertama. Hasil pada tahap pembuatan rute ini yaitu untuk memperoleh urutan node yang akan digunakan untuk jalur kendaraan.
Menurut Cahyaningsih, Sari, and Hernawati, (2015:5) terdapat langkah-langkah untuk menggunakan algoritma sweep yaitu :
Tahap pertama :
Meletakan depot sebagai pusat koordinat.
Menentukan semua polar koordinat dari setiap node yang ada hubungannya dengan depot. Untuk mengubah koordinat kartesius (x,y) menjadi koordinat polar (r,θ) sebagai berikut:
r=√(x^2+y^2 ) (2.1)
θ=arc tan y/x (2.2)
Untuk mengubah koordinat kartesius ke koordinat polar membutuhkan kuadran koordinat seperti gambar dibawah ini :
Gambar 2.5 Kuadran koordinat
Melakukan pengelompokan (cluster) pada node yang memiliki sudut polar yang terkecil.
Menentukan seluruh node sudah dicakup untuk cluster saat ini.
Hentikan penyapuan ketika penambahan node berikutnya melebihi kapasitas kendaraan.
Melanjutkan dengan membuat cluster baru pada node yang memiliki sudut polar terkecil atau node yang terakhir ditinggalkan.
Mengulangi langkah 3-6, hingga semua node telah tercakup ke dalam cluster.
Tahap kedua :
Pembuatan rute yaitu untuk memperoleh urutan kunjungan ke node yang akan digunakan untuk jalur kendaraan, sehingga semua node di tiap cluster saling berhubungan dimulai dan berakhir di depot yang sama.
Mixed Integer Linear Programming (MILP)
Linear programming merupakan sebuah model matematis yang sering digunakan untuk menggambarkan dari sebuah permasalahan-permasalahan yang terjadi untuk mendapatkan hasil yang optimal yaitu suatu hasil yang sesuai dengan tujuan yang ditentukan dengan batasan – batasan yang ada. Kata “linear atau linier” dalam linear programming menandakan bahwa semua fungsi atau model matematis menggunakan fungsi – fungsi linier yaitu suatu fungsi yang mempunyai dua variabel atau lebih yang setiap variabelnya memiliki nilai yang saling mempengaruhi.
Integer linear programming merupakan linear programming yang bersifat integer yaitu berupa bilangan bulat atau bilangan real dan bukan termasuk bilangan pecahan (Hayati, 2010). Kemudian untuk mixed integer linear programming yaitu linear programming yang memiliki variabel tidak hanya bilanagan bulat (integer) saja, melainkan bisa berupa variabel binary. Variabel binary digunakan untuk pengambilan keputusan apakah kendaraan akan melakukan pengiriman atau tidak (Nuha, Wati, and Widiasih, 2018).
Lingo 18.0 x64
Lingo merupakan software atau alat bantu yang digunakan untuk menyelesaikan permasalahan riset operasi seperti program linier, non linier, dan optimasi model integer lainnya dengan lebih cepat dan efisien. Lingo mempunyai keunggulan yaitu bahasa untuk optimasi model yang paham untuk dipahami. Software lingo yang penulis gunakan adalah versi 18.0 x64.
Penelitian Terdahulu
Tabel 2.1 Penelitian terdahulu
No Judul Penelitian Permasalahan Metode Hasil Penelitian
1. Penentuan Rute Kendaraan Heterogen Menggunakan Algoritma Insertion Heuristic (2018) Perusahaan memiliki dua kendaraan dengan tipe A dan tipe B. kendaraan tipe A memiliki biaya operasional yang cukup besar, sehingga penggunaan kendaraan tipe B perlu dipertimbangkan. Insertion Heuristic
Didapatkan biaya operasional sebesar Rp 264.311 dengan mengalokasikan 3 kendaraan tipe A dan B, dengan penghematahn biaya sebesar 5,97%.
2. Pembentukan Rute Distribusi Menggunakan Algoritma Clarke & Wright Savings dan Algoritma Sequential Insertion (2014) Kapasitas kendaraan yang terbatas, letak antar konsumen yang berjauhan, proses pengiriman yang mengandalkan pengalaman supir. Algoritma Clarke & Wright Savings, Algoritma Sequential Insertion
Didapatkan bahwa Algoritma Sequential Insertion lebih baik daripada Algoritma Clarke & Wright Savings
3. Penentuan Rute Distribusi CV. IFFA Menggunakan Metode Nearest Neighbour dan Local Search (2013) Terbatasnya jumlah kendaraan dan kapasitas, setiap toko mempunyai batas waktu beroperasi Nearest Neighbour, Local Search
Kendaraan awal yang dimiliki oleh perusahaan berjumlah 4, setelah melalui hasil perhitungan didapatkan 5 kendaraan untuk proses distribusi.
4 Penentuan Rute Kendaraan Distribusi Produk Roti Menggunakan Metode Nearest Neighbor dan Metode Sequential Insertion (2014) Belum terdapatnya rute yang tepat dalam melakukan proses distribusi barang Nearest Neighbor, Sequential Insertion
Setelah melewati perhitungan, metode sequential insertion lebih baik daripada nearest neighbor
5 Penyelesaian Capacitated Vechile Routing Problem Dengan Menggunakan Algoritma Sweep Untuk Penentuan Rute Distribusi Koran : Studi Kasus (2017) Dalam proses pengiriman barang, perusahaan masih menggunakan pengelompokan wilayah tanpa mempertimbangkan jalur dan kapasitas yang digunakan Capacitated Vehicle Routing Problem (CVRP), algoritma sweep
Didapatkan dua rute berdasarkan perhitungan dengan waktu tempuh kedua rute selama 5 jam 55 menit
Pada penelitian yang dilakukan oleh Saputra et al., (2018) dengan judul penentuan rute kendaraan heterogen menggunakan algoritma insertion heuristic dengan sebuah permasalahan yang mana cukup besarnya biaya penggunaan kendaraan tipe A pada PT.XYZ sehingga kendaraan tipe B perlu di pertimbangkan untuk digunakan dalam kegiatan distribusi. Permasalahan ini diselesaikan dengan metode Insertion Heuristic dengan hasil penelitian didapatkan biaya operasional sebesar Rp 264.311 dengan mengalokasikan 3 kendaraan tipe A dan B, dengan penghematan biaya sebesar 5,97%.
Pada penelitian yang dilakukan oleh Octora, Imran, and Susanty, (2014). dengan judul pembentukan rute distribusi menggunakan algoritma clarke & wright savings dan algoritma sequential insertion dengan permasalahan proses pendistribusian barang yang dilakukan hanya mengandalkan pengalaman supir dalam memperkirakan jarak antar konsumen dan waktu pengiriman. Letak antar konsumen yang saling berjauhan, terbatasnya kapasitas kendaraan serta jam kerja perusahaan 8 jam/hari menjadi permasalahan yang terjadi dalam perusahaan. Permasalahan ini diselesaikan menggunakan metode algoritma clarke & wright savings dan algoritma sequential insertion dengan hasil penelitian didapatkan bahwa algoritma sequential insertion lebih baik daripada algoritma clarke & wright savings.
Pada penelitian yang dilakukan oleh Mukhsinin, Imran, and Susanty, (2013). dengan judul penentuan rute distribusi CV. IFFA menggunakan metode nearest neighbour dan local search dengan permasalahan terbatasnya jumlah kendaraan dan kapasitas, dan setiap toko mempunyai batas waktu beroperasi. Penelitin ini diselesaikan menggunakan metode nearest neighbour, local search dengan hasil bahwa kendaraan awal yang dimiliki oleh perusahaan berjumlah 4, setelah melalui hasil perhitungan didapatkan 5 kendaraan untuk proses distribusi.
Pada penelitian yang dilakukan oleh Abadi, Susanty, and Adianto, (2013). dengan judul penentuan rute kendaraan distribusi produk roti menggunakan metode nearest neighbor dan metode sequential insertion dengan permasalahan elum terdapatnya rute yang tepat dalam melakukan proses distribusi barang. Penelitian ini diselesaikan menggunakan metode nearest neighbor, sequential insertion dengan hasil bahwa metode sequential insertion lebih baik daripada nearest neighbor.
Pada penelitian yang dilakukan oleh Saraswati, Sutopo, and Hisjam, (2017). Dengan judul penyelesaian capacitated vechile routing problem dengan menggunakan algoritma sweep untuk penentuan rute distribusi koran dengan permasalahan dalam proses pengiriman barang, perusahaan masih menggunakan pengelompokan wilayah tanpa mempertimbangkan jalur dan kapasitas yang digunakan. Penelitian ini diselesaikan menggunakan metode algoritma sweep dengan hasil didapatkannya dua rute berdasarkan perhitungan dengan waktu tempuh kedua rute selama 5 jam 55 menit.
(Halaman ini sengaja dikosongkan)
METODOLOGI PENELITIAN
Tempat Dan Waktu Penelitian
Penelitian dilakukan di PT. Pioneerindo Gourmet International, Tbk (Kantor dan DC Gudang CFC Surabaya cabang wilayah Indonesia bagian timur, yang terletak di Jalan Bypass Juanda Baru. Pergudangan Ramajaya No.10-11, Kabupaten Sidoarjo. Penelitian dimulai pada bulan Februari 2020 sampai bulan Juni 2020
Tahapan Penelitian
Berikut ini penjelasan tahapan-tahapan penelitian yang akan dilakukan yaitu :
Survey Pendahuluan
Melakukan survey ke perusahaan dan wawancara ke pihak perusahaan untuk meminta izin bahwa akan dilakukan kegiatan penelitian untuk menyusun tugas akhir.
Identifikasi Permasalahan
Melakukan wawancara kepada pihak perusahaan terkait permasalahan yang terjadi di perusahaan, dengan melakukan wawancara tersebut telah ditemukan sebuah permasalahan yang terjadi pada bagian pendistribusian barang yang kurang memaksimalkan penggunaan kapasitas kendaraan sehingga mengakibatkan panjangnya rute distribusi. Maka dengan dilakukan penelitian ini kedepannya bisa memberikan masukan terhadap perusahaan untuk mengoptimalkan pendistribusian barang.
Merumuskan tujuan Penelitian
Tujuan yang ingin dicapai pada penelitian ini yaitu menentukan rute distribusi unutk mengoptimalkan penggunaan kapasitas kendaraan sehingga mendapatkan jarak, waktu, dan biaya distribusi yang optimum.
Pengumpulan Data
Untuk mendukung penelitian, maka diperlukannya data-data meliputi data primer dan data sekunder seperti berikut :
Data Primer
Data – data yang diambil antara lain :
Jumlah permintaan tiap ritel CFC.
Rute pengiriman barang ke ritel CFC.
Jumlah dan kapasitas kendaraan yang dioperasikan oleh gudang.
Volume dan berat barang yang di kirim.
Data Sekunder
Data – data yang diambil antara lain :
Alokasi penggunaan kendaraan
Alamat tiap ritel CFC.
Jarak antara gudang dengan ritel CFC.
Time Windows tiap ritel.
Durasi pengiriman.
Biaya pengiriman.
Pengolahan Algoritma Sweep
Pengelompokan Tiap Ritel Menggunakan Algoritma Sweep
Algoritma sweep merupakan suatu metode heuristik yang digunakan untuk menyelesaikan permasalahan Vehicle Routing Problem (VRP). Pada metode ini berguna untuk mengelompokan masing - masing ritel ke dalam cluster dengan batasan tidak boleh melebihi kubikasi dan berat dari kapasitas kendaraan.
Berikut ini langkah-langkah untuk menggunakan algoritma sweep yang digunakan pada penelitian ini :
Tahap pertama
Menentukan koordinat kartesius dengan meletakkan depot sebagai pusat koordinat, kemudian meletakkan masing – masing ritel sesuai dengan letak ritel tersebut di maps. Pada tahap ini penulis menggunakan bantuan software GeoGebra.
Setelah mendapatkan koordinat kartesius masing – masing ritel, kemudian mengubah koordinat kartesius ke koordinat polar untuk mendapatkan sudut polar. Untuk mengubah koordinat kartesius (x, y) menjadi koordinat polar (r,θ) sebagai berikut:
r=√(x^2+y^2 ) (3.1)
θ=arc tan y/x (3.2)
Untuk mengubah koordinat kartesius ke koordinat polar membutuhkan kuadran koordinat seperti gambar dibawah ini :
Gambar 3.1 Kuadran koordinat
Melakukan “sweep” atau “sapuan” pada semua ritel. ”Sapuan” yang dilakukan adalah sapuan berlawanan arah jarum jam sehingga perlu mengurutkan semua ritel yang memiliki sudut polar terkecil hingga terbesar.
Melakukan pengelompokan (cluster) atau “sapuan” untuk semua ritel yang memiliki sudut polar terkecil hingga terbesar.
Hentikan penyapuan ketika penambahan ritel berikutnya jika melebihi kubikasi dan berat dari kapasitas kendaraan yang digunakan.
Melanjutkan dengan membuat cluster baru pada ritel yang memiliki sudut polar terkecil atau ritel yang terakhir ditinggalkan
Mengulangi langkah 4-6, hingga semua ritel telah masuk ke dalam cluster.
Tahap kedua :
Pembuatan rute yaitu untuk memperoleh urutan kunjungan ke ritel yang akan digunakan untuk jalur kendaraan, sehingga semua ritel di tiap cluster saling berhubungan dimulai dan berakhir di depot yang sama. Pada penelitian ini, untuk pembuatan urutan rute ke masing – masing ritel pada tiap cluster menggunakan MILP dengan bantuan software lingo 18.0 x64.
Pengembangan Model Matematis Pembuatan Rute Dengan MILP
Tujuan dari pengembangan model matematis adalah untuk mengembangkan atau memperbarui model matematis yang sudah dilakukan oleh peneliti terdahulu kemudian dikembangkan lagi sehingga sesuai dengan permasalahan yang dihadapi dan untuk mencapai tujuan penelitian yang diharapkan. Berikut notasi model matematis yang digunakan dalam mengembangkan model matematis :
Himpunan dan Indeks model
N = Himpunan dari node termasuk gudang DC dan ritel.
i = Indeks ritel i.
j = Indeks ritel j.
Notasi Parameter
Buka = Waktu buka ritel.
Tutup = Waktu tutup ritel.
Bongkar = Waktu loading/unloading di ritel.
D = Jarak antar ritel.
T = Waktu memulai pelayanan pada ritel.
R = Bilangan rill yang bernilai besar.
Notasi Variabel Keputusan
x_ij={■(bernilai 1 jika beroperasi dari i ke j@bernilai 0 jika tidak beroperasi)┤
Verifikasi dan Validasi
Verifikasi berfungsi untuk memeriksa model matematis yang sudah dibuat apakah sudah sesuai dengan fungsi tujuan model yang diinginkan. Dan verifikasi juga dapat dilakukan untuk memeriksa apakah proses pengubahan dari model matematis dengan bahasa pemrograman yang digunakan sudah sesuai atau belum (Andika, 2019). Untuk memeriksa kesesuaian model matematis pada penelitian ini digunakan software lingo 18.0 x64.
Sedangkan validasi berfungsi untuk memeriksa apakah model matematis yang dibuat sesuai dengan system nyata dari penelitian ini, model matematis dikatakan valid jika tidak memiliki perbedaan yang cukup signifikan dari system nyata yang diamati (Andika, 2019).
Penentuan Rute / Running Model
Setelah model matematis dinyatakan terverifikasi dan valid, maka model matematis yang telah dibuat kemudian di ubah ke dalam bahasa pemrograman. Program yang digunakan pada penelitian ini yaitu software lingo 18.0 x64. Kegunaan dari running model ini yaitu untuk mengetahui rute mana saja yang terbentuk dari hasil pengolahan menggunakan algoritma sweep sesuai dengan batasan - batasan yang ada.
Analisis Sensitivitas
Analisis sensitivitas merupakan kegiatan analisis untuk melihat pengaruh apa yang akan terjadi akibat keadaannya yang akan diubah, atau untuk melihat seberapa besar perbedaan yang akan terjadi pada model matematis jika parameternya diubah. Parameter yang akan diubah yaitu parameter pada time windows salah satu ritel pada masing – masing cluster. Dengan terdapat pengubahan pada time windows maka bisa di analisis pengaruh apa yang terjadi akibat dari pengubahan tersebut.
Kesimpulan dan Saran
Dari hasil penelitian yang dilakukan, maka dapat ditarik kesimpulan untuk menjelaskan secara singkat, padat dan jelas dari penelitian yang dihasilkan dan memberikan saran dan kesan dalam penelitian ini.
Flowchart
Gambar 3.2 Flowchart Penelitian
Jadwal Penelitian
Tabel 3.1 Jadwal Penelitian
No Kegiatan Februari Maret April Mei Juni
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1 Wawancara
2 Survey pendahuluan
3 Identifikasi permasalahan
4 Merumuskan tujuan penelitian
5 Pengumpulan data
6 Pengembangan model matematis dengan algoritma sweep
7 Verifikasi dan validasi
8 Penentuan rute dengan running model
9 Analisis sensitivitas
10 Kesimpulan dan saran
(Halaman ini sengaja dikosongkan)
PENGUMPULAN DAN PENGOLAHAN DATA
Proses Distribusi Gudang CFC Surabaya
PT. Pioneerindo Gourmet International, Tbk merupakan perusahaan bergerak di bidang makanan dan minuman yang berpusat di Jakarta. PT. Pioneerindo Gourmet International merupakan perusahaan pertama kali yang memperkenalkan konsep restoran siap saji di Indonesia. Perusahaan memiliki merek dagang yang disebut California Fried Chicken / CFC.
PT. Pioneerindo Gourmet International memiliki banyak sekali ritel CFC yang tersebar di seluruh Indonesia. Dengan banyaknya ritel tersebut, perusahaan memiliki gudang distribusi yang tersebar di seluruh Indonesia untuk membantu dan mempercepat proses distribusi produk – produk yang dibutuhkan oleh ritel CFC. Objek penelitian ini yaitu gudang CFC Surabaya yang terletak di Jalan Bypass Juanda Baru. Pergudangan Ramajaya No.10-11, Kabupaten Sidoarjo.
Gudang CFC Surabaya melakukan distribusi barang ke masing – masing ritel setiap satu minggu sekali. Beberapa hari sebelum melakukan proses pengiriman, masing – masing pihak ritel mengirimkan daftar barang yang dibutuhkannya ke gudang CFC Surabaya. Kemudian pihak gudang CFC Surabaya merekap masing – masing permintaan dan melakukan pengiriman ke ritel – ritel tersebut.
Jumlah kendaraan yang digunakan oleh gudang CFC Surabaya yaitu lima kendaraan jenis Mitsubishi Canter Colt Diesel FE 73 box, kelima kendaraan tersebut memiliki box dengan kapasitas yang beragam, di setiap box memiliki dua ruang yang bisa mengangkut dua jenis barang yaitu barang jenis frozen (yang memerlukan pendingin) dan barang jenis dry, di antara dua ruang tersebut memiliki dinding pemisah yang bisa diatur atau bisa di gerakkan maju atau mundur untuk menyesuaikan total pengiriman antara barang berjenis frozen dan dry. Kelima kendaraan tersebut akan melakukan pengiriman ke masing – masing ritel yang tersebar di Jawa Timur, Jawa Tengah, dan Yogyakarta berdasarkan jam buka dan tutup pada masing – masing ritel tersebut.
Pengumpulan Data
Penelitian ini menggunakan data – data yang diperoleh dari gudang CFC Surabaya dan beberapa data lainnya diperoleh dari hasil wawancara dengan pihak terkait. Data – data tersebut akan digunakan untuk membantu proses pengolahan dan analisis pada penelitian ini guna menentukan rute distribusi pada gudang CFC Surabaya. Berikut ini data – data yang akan dikumpulkan :
Jumlah permintaan atau pengiriman barang pada masing – masing ritel CFC
Data tersebut berisikan jumlah permintaan atau pengiriman barang pada masing – masing ritel CFC, dan data tersebut diambil pada bulan Agustus – Desember 2019. Data tersebut bisa dilihat pada lampiran 5 untuk barang jenis dry, lampiran 8 untuk barang jenis frozen.
Rute pengiriman barang ke ritel CFC
Data ini berisikan rute yang dimiliki oleh gudang CFC Surabaya. Rute tersebut bisa dilihat pada tabel berikut :
Tabel 4.1 Data rute pengiriman gudang CFC Surabaya
Rute No Ritel Nomor Kendaraan
1 0 Gudang B 9215 BCX
1 CFC Transmart Rungkut
2 Maspion Square
3 CFC Bungurasih
4 Transmart Sidoarjo (Pagerwojo)
0 Gudang
2 0 Gudang B 9049 PCB
5 CFC Tidar
6 CFC Icon Mall Gresik
7 CFC Ramayana Gresik
0 Gudang
3 0 Gudang B 9810 BCT
8 CFC Atom
9 CFC Kaza City
10 CFC WTC
11 CFC Stasiun Gubeng
0 Gudang
4 0 Gudang B 9049 PCB
12 CFC Lumajang
13 Transmart Jember
14 CFC Lippo Plaza Jember
15 Golden Market Jember
0 Gudang
5 0 Gudang B 9810 BCT
16 Sunrise Mall Mojokerto
17 Kediri Town Square
18 Stasiun Kediri
19 Plaza Madiun
20 CFC SunCity Madiun
21 Stasiun Madiun
22 CFC Ponorogo City Center
0 Gudang
6 0 Gudang B 9049 PCB
23 CFC Jatimpark
24 Malang Town Square (Matos)
25 Stasiun Malang
26 Giant Sawojajar
27 Matahari Mitra Malang
28 CFC Blitar Square
0 Gudang
7 0 Gudang B 9810 BCT
29 CFC Cepu
30 CFC Purwodadi
31 CFC Pati
32 CFC Kudus
0 Gudang
8 0 Gudang B 9213 BCX
33 Rest area KM 519 A SOKER
34 Rest area KM 519 B Masaran
35 Transmart Solo Pabelan
36 Stasiun Solo Balapan
37 Grandmall Solo
38 CFC Hartono Mall Solo
0 Gudang
9 0 Gudang B 9215 BCX
39 Bandara adisutjipto
40 CFC Transmart Maguwo
41 CFC Ramai Mall
42 CFC Progo Jogja
43 Stasiun Lempuyangan
44 CFC Stasiun Kutoarjo
45 CFC Kebumen
46 Rita Mall Purwokerto
47 CFC Stasiun Purwokerto
48 CFC Artos Mall
49 CFC Sleman City hall
0 Gudang
10 0 Gudang B 9213 BCX
50 CFC Lawang sewu
51 CFC Stasiun Poncol
52 CFC Stasiun Tawang
53 CFC Fatmawati
54 CFC Siliwangi
55 Plaza Simpang lima (Simpang lima)
56 CFC Majapahit
57 CFC Paragon Mall
58 CFC Rest area KM 429 (Ungaran)
0 Gudang
11 0 Gudang B 9344 PCE
59 Matahari Pekalongan
60 CFC Stasiun Pekalongan
61 CFC Pemalang
62 CFC Stasiun Tegal
63 Rita SuperMall Tegal
64 CFC Rest area KM 294 B
65 CFC Rest area KM 260 PG
66 CFC Toserba Yogya (Brebes)
67 CFC Slawi
0 Gudang
Jumlah dan kapasitas kendaraan yang dioperasikan oleh gudang
Data jumlah dan kapasitas kendaraan yang digunakan oleh gudang CFC Surabaya dapat dilihat pada tabel berikut :
Tabel 4.2 Data jumlah dan kapasitas kendaraan
No Jenis Kendaraan Jumlah Kapasitas box Nomor kendaraan
Kubikasi
(p x l x t) (m3) Berat (ton)
1 Mitsubishi Canter Colt Diesel FE 73 box 5 4,05 x 1,71 x 1,75
4,03 x 1,73 x 1,66
4,05 x 1,78 x 1,71
4,14 x 1,80 x 1,60
4,15 x 1,77 x 1,65 4,5
4,5
4,5
4,5
4,5 B 9215 BCX
B 9344 PCE
B 9049 PCB
B 9810 BCT
B 9213 BCX
Dari data jumlah dan kapasitas kendaraan diatas, didapatkan luas dari kapasitas kendaraan seperti pada tabel 4.3 berikut :
Tabel 4.3 Data luas kapasitas kendaraan
No Jenis Kendaraan Jumlah Kapasitas box Kode Kendaraan
Kubikasi
(p x l x t) (m3) Berat (ton)
1 Mitsubishi Canter Colt Diesel FE 73 box 5 12,12
11,57
12,33
11,92
12,12 4,5
4,5
4,5
4,5
4,5 B 9215 BCX
B 9344 PCE
B 9049 PCB
B 9810 BCT
B 9213 BCX
Kapasitas kendaraan yang akan digunakan untuk mengangkut barang memiliki batas toleransi sebesar 95% dari luas kapasitas kendaraan, maka didapatkan batas kapasitas pada masing – masing kendaraan dapat dilihat pada tabel berikut :
Tabel 4.4 Batas toleransi kapasitas kendaraan
Kode Kendaraan Kapasitas box
Kubikasi
(p x l x t) (m3) Berat (ton)
B 9215 BCX
B 9344 PCE
B 9049 PCB
B 9810 BCT
B 9213 BCX 12,12 x 95% = 11,51
11,57 x 95% = 10,99
12,33 x 95% = 11,71
11,92 x 95% = 11,32
12,12 x 95% = 11,51 4,5 x 95% = 4,23
4,5 x 95% = 4,23
4,5 x 95% = 4,23
4,5 x 95% = 4,23
4,5 x 95% = 4,23
Alokasi jumlah penggunaan kendaraan
Perusahaan memiliki lima kendaraan untuk melakukan proses pengirimannya. Jika dilihat pada rute aktual satu periode pengiriman, maka satu kendaraan bisa melakukan pengiriman hingga lebih dari satu rute. Alokasi penggunaan jumlah kendaraan pada rute aktual seperti pada tabel berikut :
Tabel 4.5 Alokasi jumlah penggunaan kendaraan
Kode Kendaraan Kapasitas box Jumlah Alokasi Kendaraan (Truk)
Kubikasi
(p x l x t) (m3) Berat (ton)
B 9215 BCX
B 9344 PCE
B 9049 PCB
B 9810 BCT
B 9213 BCX 11,51
10,99
11,71
11,32
11,51 4,23
4,23
4,23
4,23
4,23 2
1
3
3
2
Kubikasi dan berat barang yang di kirim
Data tersebut berisikan total kubikasi dan total berat pada masing – masing barang yang akan dikirimkan ke masing – masing ritel, data tersebut bisa dilihat pada lampiran 6 dan 9 untuk total kubikasi barang berjenis dry dan frozen, lampiran 7 dan 10 untuk total berat barang berjenis dry frozen
Alamat masing – masing ritel
Data berisikan alamat masing – masing ritel yang dimiliki oleh gudang CFC Surabaya. Untuk data alamat masing – masing ritel dapat dilihat pada lampiran 3.
Jarak antara gudang dengan masing – masing ritel
Data jarak diolah sendiri oleh penulis yaitu dengan cara mengetahui alamat masing – masing ritel terlebih dahulu, kemudian menggunakan bantuan google maps untuk mengetahui jarak antar ritel tersebut, data tersebut dapat dilihat pada lampiran 4.
Time Windows depot dan tiap ritel
Tabel 4.6 Time windows depot dan tiap ritel
No Ritel Time Windows No Ritel Time Windows
Buka (Jam) Buka (Menit) Tutup (Jam) Tutup (Menit) Buka (Jam) Buka (Menit) Tutup (Jam) Tutup (Menit)
0 8 480 17 1020 41 9 540 21 1260
1 9 540 21 1260 42 9 540 21 1260
2 9 540 21 1260 43 9 540 21 1260
3 9 540 21 1260 44 9 540 21 1260
4 9 540 21 1260 45 9 540 21 1260
5 9 540 21 1260 46 9 540 21 1260
6 9 540 21 1260 47 9 540 21 1260
7 9 540 21 1260 48 9 540 21 1260
8 9 540 21 1260 49 9 540 21 1260
9 9 540 21 1260 50 9 540 21 1260
10 9 540 21 1260 51 9 540 21 1260
11 9 540 21 1260 52 9 540 21 1260
12 9 540 21 1260 53 9 540 21 1260
13 9 540 21 1260 54 9 540 21 1260
14 9 540 21 1260 55 9 540 21 1260
15 9 540 21 1260 56 9 540 21 1260
16 9 540 21 1260 57 9 540 21 1260
17 9 540 21 1260 58 9 540 21 1260
18 9 540 21 1260 59 9 540 21 1260
19 9 540 21 1260 60 9 540 21 1260
20 9 540 21 1260 61 9 540 21 1260
21 9 540 21 1260 62 9 540 21 1260
22 9 540 21 1260 63 9 540 21 1260
23 9 540 21 1260 64 9 540 21 1260
24 9 540 21 1260 65 9 540 21 1260
25 9 540 21 1260 66 9 540 21 1260
26 9 540 21 1260 67 9 540 21 1260
27 9 540 21 1260
28 9 540 21 1260
29 9 540 21 1260
30 9 540 21 1260
31 9 540 21 1260
32 9 540 21 1260
33 9 540 21 1260
34 9 540 21 1260
35 9 540 21 1260
36 9 540 21 1260
37 9 540 21 1260
38 9 540 21 1260
39 9 540 21 1260
40 9 540 21 1260
Durasi pengiriman
Durasi pengiriman merupakan waktu yang dibutuhkan untuk melakukan kegiatan pengiriman barang pada masing – masing ritel. Pada penelitian ini waktu distribusi didapatkan dengan cara rata - rata kecepatan laju kendaraan kemudian dibagi dengan jarak distribusi masing – masing ritel. Rata – rata kecepatan laju kendaraan didapatkan dari asumsi pada penelitian ini yaitu 50 km/jam, karena perhitungan ini memiliki satuan jam sedangkan waktu yang dibutuhkan adalah satuan menit, maka perhitungan waktu distribusi dikalikan 60. Berikut ini rumus yang digunakan :
waktu distribusi=(jarak distribusi)/(kecepatan laju kendaraan) x 60
Durasi pengiriman bisa dilihat pada lampiran 11 yang menampilkan tentang matriks dari durasi pengiriman antar gudang dan tiap ritel.
Biaya pengiriman
Biaya distribusi merupakan biaya yang akan dikeluarkan oleh perusahaan untuk melakukan pengiriman barang. Biaya tersebut meliputi gaji supir, parkir, bahan bakar. Berikut ini tabel perhitungan rincian biaya distribusi:
Tabel 4.7 Biaya distribusi
Biaya
BBM (Solar) Rp 5.150 / liter
Karena 1 liter BBM dapat menempuh 4 km, maka dalam tiap km membutuhkan biaya BBM :
Rp 5.150 / 4 = Rp 1.288 / km
Uang Makan Rp 60.000 / hari / trip / supir
Hotel Rp 150.000 / supir (trip > 1 hari/12 jam)
Parkir Rp 5.000 / ritel
Toll dan lain - lain Rp 50.000 / ritel
Rute Aktual Pengiriman
Gudang CFC Surabaya memiliki 11 rute dengan 67 ritel yang tersebar di Jawa Timur, Jawa Tengah, dan Yogyakarta. Masing – masing rute memiliki rincian perhitungan jarak, waktu, dan biaya yang bisa dilihat pada lampiran 1. Berikut ini penjelasan perhitungan jarak, waktu dan biaya pada rute aktual distribusi, penulis ambil contoh pada rute 1.
Jarak pengiriman
Pada perhitungan jarak, penulis menjumlahkan jarak antar ritel pada masing - masing rute. Penulis ambil contoh pada rute 1 yang memiliki 4 ritel dengan urutan kunjungan ritel (0-1-2-3-4-0) dengan total jarak 46,6 km yang bisa dilihat tabel jarak pada rute 1 di bawah.
Tabel 4.8 Contoh Jarak Rute Aktual Pada Rute 1
No Ritel Jarak (km) Tujuan
0 Gudang 8.9 CFC Transmart Rungkut
1 CFC Transmart Rungkut 6.8 Maspion Square
2 Maspion Square 6.2 CFC Bungurasih
3 CFC Bungurasih 12.4 Transmart Sidoarjo (Pagerwojo)
4 Transmart Sidoarjo (Pagerwojo) 12.3 Gudang
Total jarak 46.6
Durasi pengiriman
Pada perhitungan durasi pengiriman, penulis menjumlahkan waktu distribusi dan waktu bongkar muat menggunakan rumus berikut :
waktu distribusi=(jarak distribusi)/(kecepatan laju kendaraan) x 60
Untuk penelitian ini telah diasumsikan bahwa kendaraan memiliki kecepatan laju kendaraan sebesar 50 Km/jam. Karena pada penelitian ini membutuhkan satuan menit sedangkan rumus diatas menghasilkan satuan jam, maka penulis mengkalikan 60. Penulis ambil contoh pada rute 1, dan berikut ini contoh perhitungannya :
waktu distribusi=(46.6 Km)/(50 Km/jam) x 60=55,92 menit
Untuk waktu bongkar muat atau loading dan unloading pada penelitian ini di asumsikan sebesar 30 menit per kunjungan. Karena pada rute 1 memiliki total kunjungan sebanyak 5 kunjungan. Berikut ini contoh perhitungannya :
waktu loading & unloading=30 menit x total kunjungan
waktu loading & unloading=30 menit x 5=150 menit
Dari kedua perhitungan waktu diatas, kemudian dijumlahkan antara waktu distribusi dan waktu loading dan unloading 55,92 + 150 = 205,92. Untuk lebih jelasnya bisa dilihat pada tabel dibawah ini.
Tabel 4.9 Durasi pengiriman Rute 1
Waktu Rute 1 Rumus
Durasi Pengiriman (menit) 55.92 (total jarak/50)*60
Waktu Loading dan unloading (30
menit/kunjungan) 150 30*total kunjungan
Total waktu (menit) 205.92
Total waktu (jam) 3.43
Total hari 1.00 1 hari =12 jam
Penulis juga mengubah waktu dari satuan menit ke hari yang digunakan untuk menentukan biaya hotel, rute tersebut akan mendapatkan biaya hotel jika pengiriman melebihi satu hari dan jika waktu pengiriman hanya satu hari saja tidak mendapatkan biaya hotel. Karena pengiriman dalam satu hari sama dengan 12 jam, berikut ini contoh perhitungan mengubah satuan menit ke hari pada rute 1.
Total hari=(total waktu (jam))/(12 jam)
Total hari=2,93/(12 jam)=0,24≈1 hari
Biaya Pengiriman
Pada perhitungan biaya pengiriman, penulis melakukan penjumlahan antar komponen biaya yang meliputi : BBM (Solar), uang makan, hotel, parkir, toll dan lain – lain. Berikut tabel biaya distribusi di bawah ini :
Tabel 4.10 Biaya Pengiriman
Biaya
BBM (Solar) Rp 5.150 / liter
Karena 1 liter BBM dapat menempuh 4 km, maka dalam tiap km membutuhkan biaya BBM :
Rp 5.150 / 4 = Rp 1.288 / km
Uang Makan Rp 60.000 / hari / trip / supir
Hotel Rp 150.000 / supir (trip > 1 hari/12 jam)
Parkir Rp 5.000 / kunjungan
Toll dan lain - lain Rp 50.000 / kunjungan
Dari tabel diatas, bisa dijelaskan bahwa :
BBM (Solar)
Karena 1 liter BBM dapat menempuh sejauh 4 Km, maka tiap km membutuhkan biaya sebesar :
BBM (solar)=(Harga BBM)/(4 Km/liter)
BBM (solar)=(Rp 5.150)/(4 Km/liter)=Rp 1.288
Uang makan
Setiap supir mendapatkan uang makan sebesar Rp 60.000 per hari dan tiap supir. Dikarenakan setiap rute memiliki dua supir maka berikut ini perhitungannya :
Uang makan=uang makan x jumlah supir x waktu distribusi (hari)
Hotel
Pengiriman pada setiap rute akan mendapatkan biaya hotel jika waktu pengiriman lebih dari satu hari dan jika waktu pengiriman sama dengan satu hari maka tidak mendapatkan biaya hotel. Biaya hotel sebesar Rp 150.000 untuk tiap supir, maka berikut ini perhitungannya :
Hotel=Rp 150.000 x jumlah supir
Parkir
Setiap rute pengiriman memiliki biaya parkir sebesar Rp 5.000 tiap ritel dalam masing – masing rute, maka berikut ini perhitungannya :
Parkir=Rp 5.000 x total kunjungan
Toll dan lain – lain
Biaya toll dan lain – lain digunakan untuk membayar toll atau untuk biaya lain – lain yang diperlukan oleh supir. Biaya toll dan lain – lain ini diberikan sebesar Rp 50.000 tiap ritel pada masing – masing rute. Berikut ini perhitungannya :
Toll dan lain-lain=Rp 50.000 x total kunjungan
Berikut ini penulis ambil contoh perhitungan tabel biaya pengiriman pada rute 1 :
Tabel 4.11 Biaya Pengiriman Rute 1
Biaya Rumus
BBM (Solar) Rp60,021 Total jarak*biaya BBM
Uang Makan Rp120,000 Jumlah supir*uang makan*Total hari
Hotel Rp0 Biaya hotel*jumlah supir
Parkir Rp25,000 Biaya parkir*total kunjungan
Toll dan lain - lain Rp250,000 biaya toll dll*total kunjungan
Total Rp455,021
BBM (Solar)
BBM (solar)=Rp 1.288 x Total jarak
BBM (solar)=Rp 1.288 x 46,6=Rp 60.021
Uang makan
Uang makan=Rp 60.000 x2 x 1=Rp 120.000
Hotel
Karena waktu pengiriman pada rute 1 hanya membutuhkan satu hari, maka tidak mendapatkan biaya hotel.
Parkir
Parkir=Rp 5.000 x 5=Rp 25.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 5=Rp 250.000
Untuk perhitungan jarak, waktu, dan biaya distribusi pada rute aktual selanjutnya bisa dilihat pada lampiran 1. Berikut ini rekapitulasi rute aktual meliputi jarak, waktu, dan biaya distribusi masing – masing rute :
Tabel 4.12 Rekapitulasi jarak, durasi, biaya pengiriman pada rute aktual
Rute Jarak (km) Durasi (Menit) Biaya
1 46.6 205.92 Rp455,021
2 87.7 225.24 Rp452,958
3 47.8 207.36 Rp456,566
4 409.5 641.4 Rp922,436
5 453.3 783.96 Rp1,563,850
6 367.9 651.48 Rp1,278,855
7 726 1021.2 Rp1,750,088
8 580 906 Rp1,672,040
9 1005.9 1567.08 Rp2,615,599
10 771.6 1225.92 Rp2,083,821
11 1145.8 1674.96 Rp2,685,790
Total 5642.1 9110.52 Rp15,937,025
Dari hasil rekapitulasi tabel diatas, setiap melakukan proses pengiriman dalam satu periode yaitu dalam satu minggu, didapatkan bahwa pada rute aktual memiliki rute pengiriman sebanyak 11 rute dengan total jarak sebesar 5642,1 km, total durasi pengiriman sebesar 9110,52 menit, dan memiliki total biaya pengiriman sebesar Rp15.937.025.
Pengolahan Data
Pengelompokan Tiap Ritel Menggunakan Algoritma Sweep
Menentukan koordinat kartesius dengan meletakkan depot sebagai pusat koordinat, kemudian meletakkan masing – masing ritel sesuai dengan letak ritel tersebut di maps. Pada tahap ini penulis menggunakan bantuan software GeoGebra.
Gambar 4.1 Koordinat kartesius algoritma sweep dengan bantuan software GeoGebra
PT. Pioneerindo Gourmet International Tbk Kantor Cabang Gudang DC Surabaya sebagai depot diletakkan sebagai pusat koordinat yaitu (0, 0). Kemudian untuk lokasi masing – masing ritel ditempatkan sesuai titik – titik biru seperti gambar pada Google Maps diatas. Software GeoGebra akan menampilkan titik koordinat setelah meletakkan masing – masing ritel tersebut.
Setelah mendapatkan koordinat kartesius masing – masing ritel, kemudian mengubah koordinat kartesius tersebut ke koordinat polar untuk mendapatkan sudut polar. Berikut ini contoh cara untuk mengubah koordinat kartesius (x, y) menjadi koordinat polar (r,θ) pada ritel 1 sebagai berikut:
r=√(x^2+y^2 )
r=√(〖3.11〗^2+〖5.32〗^2 )
r=√(9.67+28.30)=√37.97=6.16
θ=arc tan y/x
θ=arc tan 5.32/3.11
θ=arc tan(1.7106)=59.69°
Karena (x, y) pada ritel 1 (positif, positif) maka θ (sudut polar) terletak pada kuadran I menjadi 59.69°
Hasil perhitungan sudut polar bisa dilihat pada tabel 4.13 berikut :
Tabel 4.13 Hasil perhitungan sudut polar
Ritel Nama Ritel x y Sudut Polar (θ)
0 Gudang CFC Surabaya 0 0 0
1 CFC Transmart Rungkut 3.11 5.32 59.69
2 Maspion Square 0.33 6.04 86.87
3 CFC Bungurasih -1.78 2.36 127.02
4 Transmart Sidoarjo (Pagerwojo) -3.38 -8.19 247.57
5 CFC Tidar -1.78 12.52 98.09
6 CFC Icon Mall Gresik -15.85 22.93 124.65
7 CFC Ramayana Gresik -12.59 25.11 116.63
8 CFC Atom -0.52 11.48 92.59
9 CFC Kaza City 1.3 12.16 83.90
10 CFC WTC -1.24 11.52 96.14
11 CFC Stasiun Gubeng -0.82 11.27 94.16
12 CFC Lumajang 48.56 -80.7 301.04
13 Transmart Jember 99.31 -85.86 319.15
14 CFC Lippo Plaza Jember 100.17 -85.41 319.55
15 Golden Market Jember 100.65 -85.5 319.65
16 Sunrise Mall Mojokerto -31.63 -10.76 198.79
17 Kediri Town Square -76.27 -50.55 213.54
18 Stasiun Kediri -76.6 -50.93 213.62
19 Plaza Madiun -127.09 -27.17 192.07
20 CFC SunCity Madiun -126.19 -27.52 192.30
21 Stasiun Madiun -128.74 -27.74 192.16
22 CFC Ponorogo City Center -134.08 -53.26 201.66
23 CFC Jatimpark -24 -52 245.22
24 Malang Town Square (Matos) -11.94 -60.41 258.82
25 Stasiun Malang -11.32 -63.01 259.82
26 Giant Sawojajar -9.34 -63.74 261.66
27 Matahari Mitra Malang -12.05 -64.47 259.41
28 CFC Blitar Square -60.46 -76.65 231.73
29 CFC Cepu -122.48 24 168.91
30 CFC Purwodadi -195.09 33.74 170.19
31 CFC Pati -178.09 66.48 159.53
32 CFC Kudus -200 60 163.30
33 Rest area KM 519 A SOKER -190 -10 183.01
34 Rest area KM 519 B Masaran -190.64 -11.8 183.54
35 Transmart Solo Pabelan -208.29 -19.23 185.27
36 Stasiun Solo Balapan -201.13 -19.27 185.47
37 Grandmall Solo -202.41 -19.61 185.53
38 CFC Hartono Mall Solo -202.98 -21.22 185.97
39 Bandara adisutjipto -242.08 -41.82 189.80
40 CFC Transmart Maguwo -243.71 -42.2 189.82
41 CFC Ramai Mall -251.16 -42.62 189.63
42 CFC Progo Jogja -249.49 -43.5 189.89
43 Stasiun Lempuyangan -249.25 -41.91 189.54
44 CFC Stasiun Kutoarjo -298 -36 186.89
45 CFC Kebumen -321 -32.56 185.79
46 Rita Mall Purwokerto -367.51 -4.48 180.70
47 CFC Stasiun Purwokerto -368.93 -3.87 180.60
48 CFC Artos Mall -264.33 -11.59 182.51
49 CFC Sleman City hall -250 -36 188.19
50 CFC Lawang sewu -243.39 40.58 170.53
51 CFC Stasiun Poncol -242.04 43.65 169.78
52 CFC Stasiun Tawang -240.36 44.02 169.62
53 CFC Fatmawati -239.25 38.71 170.81
54 CFC Siliwangi -246 42 170.31
55 Plaza Simpang lima (Simpang lima) -242 41.56 170.26
56 CFC Majapahit -240.96 38.32 170.96
57 CFC Paragon Mall -242.47 40.24 170.58
58 CFC Rest area KM 429 (Ungaran) -242.74 26.51 173.77
59 Matahari Pekalongan -320.14 51.28 170.90
60 CFC Stasiun Pekalongan -322.08 52.66 170.71
61 CFC Pemalang -351.31 52.84 171.45
62 CFC Stasiun Tegal -379.16 53.95 171.90
63 Rita SuperMall Tegal -380.67 53.32 172.03
64 CFC Rest area KM 294 B -364.45 47.24 172.61
65 CFC Rest area KM 260 PG -393.11 51.03 172.60
66 CFC Toserba Yogya (Brebes) -387.8 54.28 172.03
67 CFC Slawi -377.57 44.56 173.27
Melakukan “sweep” atau “sapuan” pada semua ritel. ”Sapuan” yang dilakukan pada penelitian ini yaitu sapuan berlawanan arah jarum jam sehingga perlu mengurutkan semua ritel yang memiliki sudut polar terkecil hingga terbesar.
Berikut ini tabel hasil pengurutan sudut polar dari yang terkecil hingga terbesar beserta permintaan total kubikasi dan berat dari barang dry dan frozen pada bulan September minggu ke-1 sesuai dengan batasan pada penelitian.
Tabel 4.14 Hasil pengurutan sudut polar
Ritel Sudut Polar (θ) Permintaan
Kubikasi (m^3) Berat (kg)
0 0 0 0
1 59.69 0.74 339.31
9 83.90 1.17 487.6
2 86.87 0.33 182.9
8 92.59 1.67 465.24
11 94.16 3.11 1037.2
10 96.14 0.68 296.76
5 98.09 3.09 927.78
7 116.63 0.67 227.02
6 124.65 1.06 267.26
3 127.02 0.42 97.64
31 159.53 1.03 322.31
32 163.30 1.40 523.71
29 168.91 1.16 397.51
52 169.62 1.42 407.36
51 169.78 1.35 395.55
30 170.19 0.33 329.7
55 170.26 0.00 0
54 170.31 0.34 154.7
50 170.53 0.86 235.69
57 170.58 0.24 130.2
60 170.71 0.70 224.62
53 170.81 0.05 17.68
59 170.90 1.17 394.69
56 170.96 0.83 243.29
61 171.45 1.08 361.54
62 171.90 0.60 174.72
63 172.03 0.71 224.24
66 172.03 0.72 203.21
65 172.60 1.68 563.86
64 172.61 2.30 758.02
67 173.27 1.28 410.17
58 173.77 0.39 135.08
47 180.60 1.03 644.54
46 180.70 1.25 598.79
48 182.51 0.80 398.64
33 183.01 1.63 649.29
34 183.54 0.15 127.15
35 185.27 3.75 298.26
36 185.47 1.16 239.172
37 185.53 0.33 44.97
45 185.79 0.41 278.37
38 185.97 0.05 24.2
44 186.89 0.11 75.01
49 188.19 1.37 172.47
43 189.54 1.18 282.25
41 189.63 0.33 143.92
39 189.80 0.46 232.22
40 189.82 1.25 240.64
42 189.89 0.63 114.43
19 192.07 0.68 244.71
21 192.16 1.30 553.38
20 192.30 0.89 369.06
16 198.79 1.60 571.82
22 201.66 2.37 792.21
17 213.54 1.61 608.21
18 213.62 1.11 433.27
28 231.73 1.77 458.75
23 245.22 1.11 330.72
4 247.57 1.20 344.75
24 258.82 0.91 338.99
27 259.41 1.45 602.72
25 259.82 2.43 884.85
26 261.66 0.51 138.21
12 301.04 1.32 442.95
13 319.15 0.21 81.84
14 319.55 1.56 354.43
15 319.65 1.74 436.79
Melakukan pengelompokan (cluster) untuk semua ritel yang sesuai pada “sapuan” sudut polar terkecil hingga terbesar.
Pada langkah ini, melakukan pengelompokan setiap ritel dimulai dari yang memiliki sudut polar terkecil hingga terbesar. Masing – masing ritel memiliki permintaan barang berupa kubikasi dan berat. Pengelompokkan pada cluster pertama akan dihentikan jika mendekati batasan yaitu tidak boleh melebihi kapasitas kubikasi dan berat pada kendaraan yang akan digunakan pada cluster tersebut. Setelah itu melanjutkan lagi dengan membuat cluster baru pada ritel yang memiliki sudut polar terkecil atau ritel yang terakhir ditinggalkan. Langkah – langkah seperti ini terus diulangi hingga semua ritel masuk ke dalam cluster yang telah di buat.
Berikut ini hasil dari pengelompokan (cluster) masing – masing ritel dan kendaraan yang akan digunakan pada cluster tersebut.
Tabel 4.15 Hasil Pengelompokan (cluster) masing – masing ritel
Sudut Polar (θ) Ritel Permintaan Akumulasi Permintaan Cluster Kendaraan Nomor Truk
Kubikasi (m^3) Berat (kg) Kubikasi (m^3) Berat (kg) Kubikasi (m^3) Berat (kg)
0 0 0 0 0 0
59.69 1 0.74 339.31 0.74 339.31 1 10,99 4230 B 9344 PCE
83.90 9 1.17 487.6 1.91 826.91
86.87 2 0.33 182.9 2.25 1009.81
92.59 8 1.67 465.24 3.91 1475.05
94.16 11 3.11 1037.2 7.02 2512.25
96.14 10 0.68 296.76 7.71 2809.01
98.09 5 3.09 927.78 10.79 3736.79
116.63 7 0.67 227.02 0.67 227.02 2 11.71 4230 B 9049 PCB
124.65 6 1.06 267.26 1.73 494.28
127.02 3 0.42 97.64 2.14 591.92
159.53 31 1.03 322.31 3.17 914.23
163.30 32 1.40 523.71 4.57 1437.94
168.91 29 1.16 397.51 5.73 1835.45
169.62 52 1.42 407.36 7.15 2242.81
169.78 51 1.35 395.55 8.50 2638.36
170.19 30 0.33 329.7 8.83 2968.06
170.26 55 0.00 0 8.83 2968.06
170.31 54 0.34 154.7 9.17 3122.76
170.53 50 0.86 235.69 10.03 3358.45
170.58 57 0.24 130.2 10.27 3488.65
170.71 60 0.70 224.62 10.97 3713.27
170.81 53 0.05 17.68 11.02 3730.95
170.90 59 1.17 394.69 1.17 394.69 3 11.51 4230 B 9213 BCX
170.96 56 0.83 243.29 2.00 637.98
171.45 61 1.08 361.54 3.08 999.52
171.90 62 0.60 174.72 3.68 1174.24
172.03 63 0.71 224.24 4.39 1398.48
172.03 66 0.72 203.21 5.11 1601.69
172.60 65 1.68 563.86 6.79 2165.55
172.61 64 2.30 758.02 9.09 2923.57
173.27 67 1.28 410.17 10.37 3333.74
173.77 58 0.39 135.08 10.76 3468.82
180.60 47 1.03 644.54 1.03 644.54 4 11,51 4230 B 9215 BCX
180.70 46 1.25 598.79 2.28 1243.33
182.51 48 0.80 398.64 3.08 1641.97
183.01 33 1.63 649.29 4.71 2291.26
183.54 34 0.15 127.15 4.86 2418.41
185.27 35 3.75 298.26 8.61 2716.67
185.47 36 1.16 239.172 9.77 2955.84
185.53 37 0.33 44.97 10.09 3000.81
185.79 45 0.41 278.37 10.50 3279.18
185.97 38 0.05 24.2 10.55 3303.38
186.89 44 0.11 75.01 10.66 3378.39
188.19 49 1.37 172.47 1.37 172.47 5 11.32 4230 B 9810 BCT
189.54 43 1.18 282.25 2.55 454.72
189.63 41 0.33 143.92 2.88 598.64
189.80 39 0.46 232.22 3.34 830.86
189.82 40 1.25 240.64 4.59 1071.50
189.89 42 0.63 114.43 5.22 1185.93
192.07 19 0.68 244.71 5.90 1430.64
192.16 21 1.30 553.38 7.20 1984.02
192.30 20 0.89 369.06 8.09 2353.08
198.79 16 1.60 571.82 9.69 2924.90
201.66 22 2.37 792.21 2.37 792.21 6 11.32 4230 B 9810 BCT
213.54 17 1.61 608.21 3.98 1400.42
213.62 18 1.11 433.27 5.09 1833.69
231.73 28 1.77 458.75 6.87 2292.44
245.22 23 1.11 330.72 7.98 2623.16
247.57 4 1.20 344.75 9.17 2967.91
258.82 24 0.91 338.99 10.08 3306.90
259.41 27 1.45 602.72 1.45 602.72 7 10,99 4230 B 9344 PCE
259.82 25 2.43 884.85 3.87 1487.57
261.66 26 0.51 138.21 4.38 1625.78
301.04 12 1.32 442.95 5.70 2068.73
319.15 13 0.21 81.84 5.91 2150.57
319.55 14 1.56 354.43 7.47 2505.00
319.65 15 1.74 436.79 9.21 2941.79
Pengembangan Model Matematis Pembuatan Rute Dengan MILP
Kegunaan dari pengembangan model matematis adalah untuk mengembangkan atau memperbarui model matematis yang sudah dilakukan sehingga sesuai dengan permasalahan yang dihadapi dan untuk mencapai tujuan penelitian yang diharapkan.
Notasi pengembangan model matematis
Fungsi dari notasi pengembangan model matematis antara lain untuk mempermudah pembacaan pada model matematis yang akan digunakan, seperti pada notasi berikut :
Himpunan dan Indeks model
N = Himpunan dari node termasuk gudang DC dan ritel.
i = Indeks ritel i.
j = Indeks ritel j.
Notasi Parameter
Buka = Waktu buka ritel.
Tutup = Waktu tutup ritel.
Bongkar = Waktu loading/unloading di ritel.
D = Jarak antar ritel.
T = Waktu memulai pelayanan pada ritel.
Durasi = Durasi pengiriman
R = Bilangan rill yang bernilai besar.
Notasi Variabel Keputusan
x_ij={■(bernilai 1 jika kendaraan beroperasi dari i ke j@bernilai 0 jika kendaraan tidak beroperasi)┤
Perumusan model matematis
Perumusan model matematis yaitu menguraikan dan menjelaskan fungsi tujuan dan fungsi batasan sesuai dengan model yang akan di kembangkan.
Fungsi Tujuan :
min ∑_(i=1)^N▒∑_(j=1)^N▒〖D_ij x_ij 〗 (4.1)
Fungsi tujuan yaitu tujuan dari model matematis yang akan digunakan. Pada (4.1) menjelaskan bahwa tujuannya adalah meminimumkan jarak pengiriman dari kendaraan yang beroperasi pada ritel i ke ritel j.
Fungsi Batasan
∑_(i≠j)▒〖x_ij=1〗 ∀j>1 (4.2)
Pada fungsi batasan (4.2) menjelaskan bahwa kendaraan yang beroperasi hanya mengunjungi ritel sekali saja.
∑_(j>1)▒〖x_ij=1〗 ∀i=1 (4.3)
Pada fungsi batasan (4.3) menjelaskan bahwa kendaraan akan berangkat dari depot (gudang DC).
∑_(i>1)▒〖x_ij=1〗 ∀j=1 (4.4)
Pada fungsi batasan (4.4) menjelaskan bahwa kendaraan akan berakhir di depot (gudang DC).
T_j≥ T_i 〖+ bongkar〗_i+durasi(i,j) - R (1-x_ij ) ∀i=1 (4.5)
Pada fungsi batasan (4.5) menjelaskan bahwa kendaraan tidak diperkenankan memulai pelayanan ke ritel j sebelum melayani ritel i ditambah waktu loadng/unloading ritel i ditambah durasi pengiriman pada ritel i dan j dan beroperasi dari ritel i ke j. R merupakan bilangan rill bernilai besar.
∑_(i=z)▒〖x_iz-〗 ∑_(j=z)▒x_zj =0 (4.6)
Pada fungsi batasan (4.6) menjelaskan untuk pembentukan rute kendaraan yang beroperasi setelah tiba di ritel i, maka kendaraan akan berangkat lagi ke ritel j.
∑_(i=1)▒〖〖buka〗_i≤〗 T_i (4.7)
∑_(i=1)▒〖〖tutup〗_i≥〗 T_i+〖bongkar〗_i (4.8)
Pada fungsi batasan (4.6) menjelaskan untuk batasan time windows. Yaitu waktu memulai pelayanan ritel i lebih dari jam buka ritel i. kemudian waktu memulai pelayanan ritel dan waktu loading/unloadng kurang dari jam tutup ritel i.
x_ij∈{0,1} ∀(i,j)=N (4.9)
Pada fungsi batasan (4.9) merupakan variabel keputusan yang menjelaskan untuk kendaraan yang beroperasi akan memiliki variabel binary yaitu nilai 1 dan 0, 1 untuk kendaraan yang melakukan perjalanan pada ritel i ke j, bernilai 0 untuk kendaraan yang tidak beroperasi.
Verifikasi Dan Validasi
Verifikasi
Pada tahap verifikasi, penulis menganggap bahwa model matematis yang dibuat sudah sesuai dengan fungsi tujuan model yang diinginkan. Dan proses pengubahan dari model matematis ke bahasa pemrograman Lingo yang digunakan juga dianggap sudah sesuai.
Berikut capture dari hasil running software Lingo yang membuktikan bahwa model sudah terverifikasi, penulis ambil contoh pada Solve Cluster 1.
Gambar 4.2 Verifikasi model
Dari gambar diatas, didapatkan model class MILP yang artinya model yang digunakan sudah sesuai dengan tujuan pada penelitian ini yaitu MILP (Mixed Integer Linear Programming).
Validasi
Pada tahap validasi, penulis menganggap bahwa model matematis yang dibuat sudah sesuai dengan tujuan dari penelitian ini yaitu meminimumkan jarak pada masing – masing cluster sehingga didapatkan total jarak yang paling minimum.
Berikut capture dari hasil running software Lingo yang membuktikan bahwa model sudah tervalidasi, penulis juga ambil contoh pada Solve Cluster 1.
Gambar 4.3 Validasi model
Dari gambar diatas, didapatkan objective value sebesar 52 yang artinya didapatkan total jarak yang paling optimal pada cluster tersebut sebesar 52 km. Dan didapatkan urutan kunjungan ritel yang sudah sesuai dengan urutannya.
Penentuan Rute / Running Model
Penentuan rute / running model pada tahap ini yaitu melakukan pengubahan dari model matematis yang telah disusun menjadi bahasa Lingo untuk diterapkan pada software Lingo. Software Lingo yang digunakan memiliki versi 18.0 x64. Berikut ini tahapan pengubahan dari model matematis ke bahasa Lingo pada cluster 1, untuk pengubahan model matematis ke bahasa Lingo pada cluster 2, cluster 3, cluster 4, cluster 5, cluster 6, cluster 7 penulis lampirkan pada lampiran 12:
model:
!parameter model:
Buka = waktu buka ritel
Tutup = waktu tutup ritel
Bongkar = waktu loading/unloading di ritel
D = jarak antar ritel
T = waktu memulai pelayanan pada ritel
Durasi = Durasi pengiriman
R = bilangan rill yang bernilai besar
;
!variabel keputusan:
x(i, j) = 1 jika kendaraan k beroperasi dari i ke j
;
sets:
ritel/1..8/: Bongkar, buka, tutup, T;
rute(ritel, ritel) : x, D, durasi;
endsets
data:
buka = 480 540 540 540 540 540 540 540;
tutup = 1020 1260 1260 1260 1260 1260 1260 1260;
D =
!ritel;
!0 1 2 5 8 9 10 11;
0 8.9 13.6 19.7 20.7 21.5 19.2 18.1 !0;
8.9 0 6.8 13.3 14.6 13.1 10.9 8.7 !1;
13.6 6.8 0 7.9 10.3 10.5 8.1 9.4 !2;
19.7 13.3 7.9 0 3.9 4.6 4.6 5.6 !5;
20.7 14.6 10.3 3.9 0 2.6 5.4 3.4 !8;
21.5 13.1 10.5 4.6 2.6 0 3.6 2.5 !9;
19.2 10.9 8.1 4.6 5.4 3.6 0 2.8 !10;
18.1 8.7 9.4 5.6 3.4 2.5 2.8 0; !11;
durasi =
0 10.68 16.32 23.64 24.84 25.8 23.04 21.72
10.68 0 8.16 15.96 17.52 15.72 13.08 10.44
16.32 8.16 0 9.48 12.36 12.6 9.72 11.28
23.64 15.96 9.48 0 4.68 5.52 5.52 6.72
24.84 17.52 12.36 4.68 0 3.12 6.48 4.08
25.8 15.72 12.6 5.52 3.12 0 4.32 3
23.04 13.08 9.72 5.52 6.48 4.32 0 3.36
21.72 10.44 11.28 6.72 4.08 3 3.36 0;
Bongkar = 30 30 30 30 30 30 30 30;
R = 10000000;
@text() = @write("Rute yang paling optimal adalah: ", @newline(1));
@text() = @writefor(rute(i, j) | x(i, j) #NE# 0 : "rute pengiriman dari ritel ", i, " ke ritel ", j, " sebesar ", D(i, j), " km ",
@newline(1));
enddata
!fungsi objektif;
MIN =
@SUM (ritel(i) :
@SUM(ritel (j) | i#NE# j: D (i, j) * x(i, j))
);
!Fungsi batasan;
!setiap ritel dikunjungi satu kali;
@FOR(ritel (j) | j #GT# 1 :
@SUM(ritel (i) | i #NE# j: x(i, j)) = 1
);
!perjalanan diawali dari depot;
@FOR (ritel (i) | i #EQ# 1 :
@SUM (ritel (J) | j #GT# 1 :x(i, j)) = 1
);
!perjalanan akan berakhir di depot;
@FOR (ritel (j) | j #EQ# 1 :
@SUM (ritel (i) | i #GT# 1 : x(i, j)) = 1
);
!pelaksanaan;
@FOR (ritel (i)| i #NE# 1 :
@FOR (ritel (j) : T(j) >= T(i) + Bongkar(i) + durasi(i, j) - R * (1 - x(i, j)))
);
!rute;
@FOR (ritel (z) :
@SUM(ritel (i) | i #NE# z : x(i, z)) - @SUM(ritel (j) | j #NE# z : x(z, j)) = 0
);
!time windows;
@FOR (ritel (i) | i #NE# 1 : buka(i) <= T(i)
);
@FOR (ritel (i) | i #NE# 1 : tutup(i) >= T(i) + Bongkar(i)
);
! Variabel keputusan yang memiliki variabel biner;
@FOR (rute (i, j):
@BIN(x(i, j)));
End
Setelah model matematis di ubah ke dalam bahasa Lingo. Kemudian bahasa Lingo tersebut di proses optimasi ke dalam software Lingo dengan klik tombol solve atau perintah keyboard CTRL+U. Maka software Lingo akan memproses optimasi tersebut hingga muncul jendela baru yang berjudul solution report, solution report ini merupakan hasil dari proses optimasi dari model matematis tadi. Berikut ini hasil dari solution report pada cluster 1:
Gambar 4.4 Hasil solution report pada cluster 1
Hasil solution report pada gambar diatas, didapatkan bahwa model tersebut sudah terverifikasi karena sudah berjenis MILP yaitu memiliki variabel tidak hanya bilangan bulat (integer) dan desimal saja, melainkan bisa berupa variabel binary untuk pengambilan keputusan. Dan juga hasil dari model optimasi yang didapatkan sudah sesuai dengan apa yang diinginkan pada penelitian ini, yaitu mencari urutan kunjungan untuk proses pengiriman dari berbagai ritel yang tersedia pada cluster tersebut dengan tidak boleh melanggar batasan – batasan yang ada sehingga didapatkan total jarak yang paling optimum.
Berdasarkan hasil solution report pada cluster 1, di dapatkan bahwa proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 1 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 52 yang artinya total jarak pengiriman pada cluster 1 sebesar 52 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 3), x(2, 1), x(3, 4), x(4, 5), x(5, 6), x(6, 7), x(7, 8), x(8, 2) dengan urutan 1-3-4-5-6-7-8-2-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
3 = 2 = Maspion Square
4 = 5 = CFC Tidar
5 = 8 = CFC Atom
6 = 9 = CFC Kaza City
7 = 10 = CFC WTC
8 = 11 = CFC Stasiun Gubeng
2 = 1 = CFC Transmart Rungkut
1 = 0 = Gudang DC Surabaya
Maka pada cluster 1 di dapatkan urutan rute yaitu Gudang DC Surabaya - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng - CFC Transmart Rungkut - Gudang DC Surabaya menggunakan kendaraan dengan nomor truk B 9344 PCE berkapasitas 10,99 m^3 4,23 ton.
Berikut gambar pemetaan rute kunjungan tiap ritel pada cluster 1 :
Gambar 4.5 Pemetaan rute pada cluster 1
Keterangan :
A = Gudang DC Surabaya
B = Maspion Square
C = CFC Tidar
D = CFC Atom
E = CFC Kaza City
F = CFC WTC
G = CFC Stasiun Gubeng
H = CFC Transmart Rungkut
I = Gudang DC Surabaya
Berdasarkan hasil solution report pada cluster 2, di dapatkan bahwa proses optimasi menghasilkan feasible solution found, yang artinya proses optimasi pada cluster 2 menghasilkan solusi yang belum optimal tapi masih bisa diterima. Dengan objective value sebesar 844,6 yang artinya total jarak pengiriman pada cluster 2 sebesar 844,6 km. Untuk urutan rute kunjungan pada cluster 2 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 4), x(2,1 ), x(3, 2), x(4, 5), x(5, 6), x(6, 12), x(7, 3), x(8, 7), x(9, 16), x(10, 11), x(11, 8), x(12, 14), x(13, 15), x(14, 9), x(15, 10), x(16, 13) dengan urutan 1-4-5-6-12-14-9-16-13-15-10-11-8-7-3-2-1
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
4 = 7 = CFC Ramayana Gresik
5 = 29 = CFC Cepu
6 = 30 = CFC Purwodadi
12 = 53 = CFC Fatmawati
14 = 55 = Plaza Simpang lima (Simpang lima)
9 = 50 = CFC Lawang sewu
16 = 60 = CFC Stasiun Pekalongan
13 = 54 = CFC Siliwangi
15 = 57 = CFC Paragon Mall
10 = 51 = CFC Stasiun Poncol
11 = 52 = CFC Stasiun Tawang
8 = 32 = CFC Kudus
7 = 31 = CFC Pati
3 = 6 = CFC Icon Mall Gresik
2 = 3 = CFC Bungurasih
1 = 0 = Gudang DC Surabaya
Maka pada cluster 2 di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Ramayana Gresik - CFC Cepu - CFC Purwodadi - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Paragon Mall - CFC Stasiun Poncol - CFC Stasiun Tawang - CFC Kudus - CFC Pati - CFC Icon Mall Gresik - CFC Bungurasih - Gudang DC Surabaya menggunakan kendaraan dengan nomor truk B 9049 PCB berkapasitas 11,71 m^3 4,23 ton.
Berikut gambar pemetaan rute kunjungan tiap ritel pada cluster 2 :
Gambar 4.6 Pemetaan rute pada cluster 2
Keterangan :
A = Gudang DC Surabaya
B = CFC Ramayana Gresik
C = CFC Cepu
D = CFC Purwodadi
E = CFC Fatmawati
F = Plaza Simpang lima (Simpang lima)
G = CFC Lawang sewu
H = CFC Stasiun Pekalongan
I = CFC Siliwangi
J = CFC Paragon Mall
K = CFC Stasiun Poncol
L = CFC Stasiun Tawang
M = CFC Kudus
N = CFC Pati
O = CFC Icon Mall Gresik
P = CFC Bungurasih
Q = Gudang DC Surabaya
Berdasarkan hasil solution report pada cluster 3, di dapatkan bahwa proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 3 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1094,8 yang artinya total jarak pengiriman pada cluster 3 sebesar 1094,8 km. Untuk urutan rute kunjungan pada cluster 3 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 3), x(2, 4), x(3, 2), x(4, 5), x(5, 6), x(6, 10), x(7, 11), x(8, 1), x(9, 7), x(10, 9), x(11, 8), dengan urutan 1-3-2-4-5-6-10-9-7-11-8-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
3 = 58 = CFC Rest area KM 429 (Ungaran)
2 = 56 = CFC Majapahit
4 = 59 = Matahari Pekalongan
5 = 61 = CFC Pemalang
6 = 62 = CFC Stasiun Tegal
10 = 66 = CFC Toserba Yogya (Brebes)
9 = 65 = CFC Rest area KM 260 PG
7 = 63 = Rita SuperMall Tegal
11 = 67 = CFC Slawi
8 = 64 = CFC Rest area KM 294 B
1 = 0 = Gudang DC Surabaya
Maka pada cluster 3 di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Rest area KM 429 (Ungaran) - CFC Majapahit - Matahari Pekalongan - CFC Pemalang - CFC Stasiun Tegal - CFC Toserba Yogya (Brebes) - CFC Rest area KM 260 PG - Rita SuperMall Tegal - CFC Slawi - CFC Rest area KM 294 B - Gudang DC Surabaya menggunakan kendaraan dengan nomor truk B 9213 BCX berkapasitas 11,51 m^3 4,23 ton.
Berikut gambar pemetaan rute kunjungan tiap ritel pada cluster 3 :
Gambar 4.7 Pemetaan rute pada cluster 3
Keterangan :
A = Gudang DC Surabaya
B = CFC Rest area KM 429 (Ungaran)
C = CFC Majapahit
D = Matahari Pekalongan
E = CFC Pemalang
F = CFC Stasiun Tegal
G = CFC Toserba Yogya (Brebes)
H = CFC Rest area KM 260 PG
I = Rita SuperMall Tegal
J = CFC Slawi
K = CFC Rest area KM 294 B
L = Gudang DC Surabaya
Berdasarkan hasil solution report pada cluster 4, di dapatkan bahwa proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 4 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1035,3 yang artinya total jarak pengiriman pada cluster 4 sebesar 1035,3 km. Untuk urutan rute kunjungan pada cluster 4 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 5), x(3, 1), x(4, 12), x(5, 6), x(6, 4), x(7, 3), x(8, 7), x(9, 8), x(10, 9), x(11, 10), x(12, 11) dengan urutan 1-2-5-6-4-12-11-10-9-8-7-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 33 = Rest area KM 519 A SOKER
5 = 36 = Stasiun Solo Balapan
6 = 37 = Grandmall Solo
4 = 35 = Transmart Solo Pabelan
12 = 48 = CFC Artos Mall
11 = 47 = CFC Stasiun Purwokerto
10 = 46 = Rita Mall Purwokerto
9 = 45 = CFC Kebumen
8 = 44 = CFC Stasiun Kutoarjo
7 = 38 = CFC Hartono Mall Solo
3 = 34 = Rest area KM 519 B Masaran
1 = 0 = Gudang DC Surabaya
Maka pada cluster 4 di dapatkan urutan rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Stasiun Solo Balapan - Grandmall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Purwokerto - Rita Mall Purwokerto - CFC Kebumen - CFC Stasiun Kutoarjo - CFC Hartono Mall Solo - Rest area KM 519 B Masaran - Gudang DC Surabaya menggunakan kendaraan dengan nomor truk B 9215 BCX berkapasitas 11,51 m^3 4,23 ton.
Berikut gambar pemetaan rute kunjungan tiap ritel pada cluster 4 :
Gambar 4.8 Pemetaan rute pada cluster 4
Keterangan :
A = Gudang DC Surabaya
B = Rest area KM 519 A SOKER
C = Stasiun Solo Balapan
D = Grandmall Solo
E = Transmart Solo Pabelan
F = CFC Artos Mall
G = CFC Stasiun Purwokerto
H = Rita Mall Purwokerto
I = CFC Kebumen
J = CFC Stasiun Kutoarjo
K = CFC Hartono Mall Solo
L = Rest area KM 519 B Masaran
M = Gudang DC Surabaya
Berdasarkan hasil solution report pada cluster 5, di dapatkan bahwa proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 5 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 696,3 yang artinya total jarak pengiriman pada cluster 5 sebesar 696,3 km. Untuk urutan rute kunjungan pada cluster 5 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 11), x(2, 1), x(3, 2), x(4, 5), x(5, 3), x(6, 4), x(7, 6), x(8, 9), x(9, 10), x(10, 7), x(11, 8) dengan urutan 1-11-8-9-10-7-6-4-5-3-2-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
11 = 49 = CFC Sleman City hall
8 = 41 = CFC Ramai Mall
9 = 42 = CFC Progo Jogja
10 = 43 = Stasiun Lempuyangan
7 = 40 = CFC Transmart Maguwo
6 = 39 = Bandara adisutjipto
4 = 20 = CFC SunCity Madiun
5 = 21 = Stasiun Madiun
3 = 19 = Plaza Madiun
2 = 16 = Sunrise Mall Mojokerto
1 = 0 = Gudang DC Surabaya
Maka pada cluster 5 di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Sunrise Mall Mojokerto - Gudang DC Surabaya menggunakan kendaraan dengan nomor truk B 9810 BCT berkapasitas 11,32 m^3 4,23 ton.
Berikut gambar pemetaan rute kunjungan tiap ritel pada cluster 5 :
Gambar 4.9 Pemetaan rute pada cluster 5
Keterangan :
A = Gudang DC Surabaya
B = CFC Sleman City hall
C = CFC Ramai Mall
D = CFC Progo Jogja
E = Stasiun Lempuyangan
F = CFC Transmart Maguwo
G = Bandara adisutjipto
H = CFC SunCity Madiun
I = Stasiun Madiun
J = Plaza Madiun
K = Sunrise Mall Mojokerto
L = Gudang DC Surabaya
Berdasarkan hasil solution report pada cluster 6, di dapatkan bahwa proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 6 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 491,7 yang artinya total jarak pengiriman pada cluster 6 sebesar 491,7 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 3), x(2, 1), x(3, 4), x(4, 5), x(5, 8), x(6, 7), x(7, 2), x(8, 6) dengan urutan 1-3-4-5-8-6-7-2-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
3 = 17 = Kediri Town Square
4 = 18 = Stasiun Kediri
5 = 22 = CFC Ponorogo City Center
8 = 28 = CFC Blitar Square
6 = 23 = CFC Jatimpark
7 = 24 = Malang Town Square (Matos)
2 = 4 = Transmart Sidoarjo (Pagerwojo)
1 = 0 = Gudang DC Surabaya
Maka pada cluster 6 di dapatkan urutan rute yaitu Gudang DC Surabaya - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - CFC Blitar Square - CFC Jatimpark - Malang Town Square (Matos) - Transmart Sidoarjo (Pagerwojo) - Gudang DC Surabaya menggunakan kendaraan dengan nomor truk B 9810 BCT berkapasitas 11,32 m^3 4,23 ton.
Berikut gambar pemetaan rute kunjungan tiap ritel pada cluster 6 :
Gambar 4.10 Pemetaan rute pada cluster 6
Keterangan :
A = Gudang DC Surabaya
B = Kediri Town Square
C = Stasiun Kediri
D = CFC Ponorogo City Center
E = CFC Blitar Square
F = CFC Jatimpark
G = Malang Town Square (Matos)
H = Transmart Sidoarjo (Pagerwojo)
I = Gudang DC Surabaya
Berdasarkan hasil solution report pada cluster 7, di dapatkan bahwa proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 7 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 517,4 yang artinya total jarak pengiriman pada cluster 7 sebesar 517,4 km. Untuk urutan rute kunjungan pada cluster 7 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 8), x(2, 1), x(3, 5), x(4, 2), x(5, 4), x(6, 7), x(7, 3), x(8, 6) dengan urutan 1-8-6-7-3-5-4-2-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
8 = 27 = Matahari Mitra Malang
6 = 25 = Stasiun Malang
7 = 26 = Giant Sawojajar
3 = 13 = Transmart Jember
5 = 15 = Golden Market Jember
4 = 14 = CFC Lippo Plaza Jember
2 = 12 = CFC Lumajang
1 = 0 = Gudang DC Surabaya
Maka pada cluster 7 di dapatkan urutan rute yaitu Gudang DC Surabaya - Matahari Mitra Malang - Stasiun Malang - Giant Sawojajar - Transmart Jember - Golden Market Jember - CFC Lippo Plaza Jember - CFC Lumajang - Gudang DC Surabaya menggunakan kendaraan dengan nomor truk B 9344 PCE berkapasitas 10,99 m^3 4,23 ton.
Berikut gambar pemetaan rute kunjungan tiap ritel pada cluster 7 :
Gambar 4.11 Pemetaan rute pada cluster 7
Keterangan :
A = Gudang DC Surabaya
B = Matahari Mitra Malang
C = Stasiun Malang
D = Giant Sawojajar
E = Transmart Jember
F = Golden Market Jember
G = CFC Lippo Plaza Jember
H = CFC Lumajang
I = Gudang DC Surabaya
Perhitungan Durasi Pengiriman Pada Setiap Cluster
Untuk perhitungan durasi pengiriman pada setiap cluster, penulis menjumlahkan waktu distribusi dan waktu bongkar muat menggunakan rumus berikut :
waktu distribusi=(jarak distribusi)/(kecepatan laju kendaraan) x 60
Untuk penelitian ini telah diasumsikan bahwa kendaraan memiliki kecepatan laju kendaraan sebesar 50 Km/jam. Karena pada penelitian ini membutuhkan satuan menit sedangkan rumus diatas menghasilkan satuan jam, maka penulis mengkalikan 60. Berikut ini perhitungan waktu distribusinya :
Durasi pengiriman pada cluster 1
waktu distribusi=(52 Km)/(50 Km/jam) x 60=62,4 menit
Untuk waktu bongkar muat atau loading dan unloading pada penelitian ini di asumsikan sebesar 30 menit per kunjungan. Karena pada cluster 1 memiliki total kunjungan sebanyak 8 kunjungan. Berikut ini contoh perhitungannya :
waktu loading & unloading=30 menit x total kunjungan
waktu loading & unloading=30 menit x 8=240 menit
Dari kedua perhitungan waktu diatas, kemudian dijumlahkan antara waktu distribusi dan waktu loading dan unloading 62,4 + 240 = 302.4 menit. Untuk lebih rincinya, bisa dilihat pada tabel berikut.
Tabel 4.16 Durasi pengiriman pada cluster 1
Waktu Rute 1 Rumus
Durasi pengiriman (menit) 62.4 (total jarak/50)*60
Waktu Loading dan unloading (30 menit/kunjungan) 240 30*total kunjungan
Total waktu (menit) 302.4
Total waktu (jam) 5.04
Total hari 1 1 hari =12 jam
Durasi pengiriman pada cluster 2
waktu distribusi=(844,6 Km)/(50 Km/jam) x 60=1013,52 menit
Untuk waktu bongkar muat atau loading dan unloading pada penelitian ini di asumsikan sebesar 30 menit per kunjungan. Karena pada cluster 2 memiliki total kunjungan sebanyak 16 kunjungan. Berikut ini contoh perhitungannya :
waktu loading & unloading=30 menit x total kunjungan
waktu loading & unloading=30 menit x 16=480 menit
Dari kedua perhitungan waktu diatas, kemudian dijumlahkan antara waktu distribusi dan waktu loading dan unloading 1013,52 + 480 = 1493,52 menit. Untuk lebih rincinya, bisa dilihat pada tabel berikut.
Tabel 4.17 Durasi pengiriman pada cluster 2
Waktu Rute 2 Rumus
Durasi pengiriman (menit) 1013.52 (total jarak/50)*60
Waktu Loading dan unloading (30 menit/kunjungan) 480 30*total kunjungan
Total waktu (menit) 1493.52
Total waktu (jam) 24.89
Total hari 3 1 hari =12 jam
Durasi pengiriman pada cluster 3
waktu distribusi=(1094,8 Km)/(50 Km/jam) x 60=1313,8 menit
Untuk waktu bongkar muat atau loading dan unloading pada penelitian ini di asumsikan sebesar 30 menit per kunjungan. Karena pada cluster 3 memiliki total kunjungan sebanyak 11 kunjungan. Berikut ini contoh perhitungannya :
waktu loading & unloading=30 menit x total kunjungan
waktu loading & unloading=30 menit x 11=330 menit
Dari kedua perhitungan waktu diatas, kemudian dijumlahkan antara waktu distribusi dan waktu loading dan unloading 1313,8 + 330 = 1643,8 menit. Untuk lebih rincinya, bisa dilihat pada tabel berikut.
Tabel 4.18 Durasi pengiriman pada cluster 3
Waktu Rute 3 Rumus
Durasi pengiriman (menit) 1313.8 (total jarak/50)*60
Waktu Loading dan unloading (30 menit/kunjungan) 330 30*total kunjungan
Total waktu (menit) 1643.8
Total waktu (jam) 27.40
Total hari 3 1 hari =12 jam
Durasi pengiriman pada cluster 4
waktu distribusi=(1035,3 Km)/(50 Km/jam) x 60=1242,4 menit
Untuk waktu bongkar muat atau loading dan unloading pada penelitian ini di asumsikan sebesar 30 menit per kunjungan. Karena pada cluster 4 memiliki total kunjungan sebanyak 12 kunjungan. Berikut ini contoh perhitungannya :
waktu loading & unloading=30 menit x total kunjungan
waktu loading & unloading=30 menit x 12=360 menit
Dari kedua perhitungan waktu diatas, kemudian dijumlahkan antara waktu distribusi dan waktu loading dan unloading 1242,4 + 360 = 1602,4 menit. Untuk lebih rincinya, bisa dilihat pada tabel berikut.
Tabel 4.19 Durasi pengiriman pada cluster 4
Waktu Rute 4 Rumus
Durasi pengiriman (menit) 1242.4 (total jarak/50)*60
Waktu Loading dan unloading (30 menit/kunjungan) 360 30*total kunjungan
Total waktu (menit) 1602.4
Total waktu (jam) 26.71
Total hari 3 1 hari =12 jam
Durasi pengiriman pada cluster 5
waktu distribusi=(696,3 Km)/(50 Km/jam) x 60=835,56 menit
Untuk waktu bongkar muat atau loading dan unloading pada penelitian ini di asumsikan sebesar 30 menit per kunjungan. Karena pada cluster 5 memiliki total kunjungan sebanyak 11 kunjungan. Berikut ini contoh perhitungannya :
waktu loading & unloading=30 menit x total kunjungan
waktu loading & unloading=30 menit x 11=330 menit
Dari kedua perhitungan waktu diatas, kemudian dijumlahkan antara waktu distribusi dan waktu loading dan unloading 835,56 + 330 = 1165,6 menit. Untuk lebih rincinya, bisa dilihat pada tabel berikut.
Tabel 4.20 Durasi pengiriman pada cluster 5
Waktu Rute 5 Rumus
Durasi pengiriman (menit) 835.56 (total jarak/50)*60
Waktu Loading dan unloading (30 menit/kunjungan) 330 30*total kunjungan
Total waktu (menit) 1165.6
Total waktu (jam) 19.43
Total hari 2 1 hari =12 jam
Durasi pengiriman pada cluster 6
waktu distribusi=(491,7 Km)/(50 Km/jam) x 60=590,04 menit
Untuk waktu bongkar muat atau loading dan unloading pada penelitian ini di asumsikan sebesar 30 menit per kunjungan. Karena pada cluster 6 memiliki total kunjungan sebanyak 8 kunjungan. Berikut ini contoh perhitungannya :
waktu loading & unloading=30 menit x total kunjungan
waktu loading & unloading=30 menit x 8=240 menit
Dari kedua perhitungan waktu diatas, kemudian dijumlahkan antara waktu distribusi dan waktu loading dan unloading 590,04 + 240 = 830,04 menit. Untuk lebih rincinya, bisa dilihat pada tabel berikut.
Tabel 4.21 Durasi pengiriman pada cluster 6
Waktu Rute 6 Rumus
Durasi pengiriman (menit) 590.04 (total jarak/50)*60
Waktu Loading dan unloading (30 menit/kunjungan) 240 30*total kunjungan
Total waktu (menit) 830.04
Total waktu (jam) 13.83
Total hari 2 1 hari =12 jam
Durasi pengiriman pada cluster 7
waktu distribusi=(517,4 Km)/(50 Km/jam) x 60=620,88 menit
Untuk waktu bongkar muat atau loading dan unloading pada penelitian ini di asumsikan sebesar 30 menit per kunjungan. Karena pada cluster 7 memiliki total kunjungan sebanyak 8 kunjungan. Berikut ini contoh perhitungannya :
waktu loading & unloading=30 menit x total kunjungan
waktu loading & unloading=30 menit x 8=240 menit
Dari kedua perhitungan waktu diatas, kemudian dijumlahkan antara waktu distribusi dan waktu loading dan unloading 620,88 + 240 = 860,88 menit. Untuk lebih rincinya, bisa dilihat pada tabel berikut.
Tabel 4.22 Durasi pengiriman pada cluster 7
Waktu Rute 7 Rumus
Durasi pengiriman (menit) 620.88 (total jarak/50)*60
Waktu Loading dan unloading (30 menit/kunjungan) 240 30*total kunjungan
Total waktu (menit) 860.88
Total waktu (jam) 14.35
Total hari 2 1 hari =12 jam
Perhitungan Biaya Pengiriman Pada Setiap Cluster
Pada perhitungan biaya distribusi, penulis melakukan penjumlahan antar komponen biaya yang meliputi : BBM (Solar), uang makan, hotel, parkir, toll dan lain – lain. Dengan mengacu pada rincian biaya pengiriman pada tabel 4.10, maka penulis melakukan perhitungan biaya pengiriman pada setiap cluster.
Biaya pengiriman pada cluster 1
BBM (Solar)
BBM (solar)=Rp 1.288 x Total jarak
BBM (solar)=Rp 1.288 x 52=Rp66,976
Uang makan
Uang makan=uang makan x jumlah supir x waktu distribusi (hari)
Uang makan=Rp 60.000 x2 x 1=Rp 120.000
Hotel
Karena waktu pengiriman pada cluster 1 hanya membutuhkan satu hari, maka tidak mendapatkan biaya hotel.
Parkir
Parkir=Rp 5.000 x total ritel
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x total kunjungan
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Untuk lebih rinci mengenai biaya pengiriman pada cluster 1, bisa dilihat pada tabel berikut.
Tabel 4.23 Biaya pengiriman pada cluster 1
Biaya Rumus
BBM (Solar) Rp66,976 Total jarak*biaya BBM
Uang Makan Rp120,000 Jumlah supir*uang makan*Total hari
Hotel Rp0 Biaya hotel*jumlah supir
Parkir Rp40,000 Biaya parkir*total kunjugan
Toll dan lain - lain Rp400,000 biaya toll dll*total kunjungan
Total Rp626,976
Biaya pengiriman pada cluster 2
BBM (Solar)
BBM (solar)=Rp 1.288 x Total jarak
BBM (solar)=Rp 1.288 x 844,6=Rp1.087.845
Uang makan
Uang makan=uang makan x jumlah supir x waktu distribusi (hari)
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x jumlah supir
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x total ritel
Parkir=Rp 5.000 x 16=Rp 80.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x total kunjungan
Toll dan lain-lain=Rp 50.000 x 16=Rp 800.000
Untuk lebih rinci mengenai biaya pengiriman pada cluster 2, bisa dilihat pada tabel berikut.
Tabel 4.24 Biaya pengiriman pada cluster 2
Biaya Rumus
BBM (Solar) Rp1,087,845 Total jarak*biaya BBM
Uang Makan Rp360,000 Jumlah supir*uang makan*Total hari
Hotel Rp300,000 Biaya hotel*jumlah supir
Parkir Rp80,000 Biaya parkir*total kunjugan
Toll dan lain - lain Rp800,000 biaya toll dll*total kunjungan
Total Rp2,627,845
Biaya pengiriman pada cluster 3
BBM (Solar)
BBM (solar)=Rp 1.288 x Total jarak
BBM (solar)=Rp 1.288 x 1094,8=Rp1.410.102
Uang makan
Uang makan=uang makan x jumlah supir x waktu distribusi (hari)
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x jumlah supir
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x total ritel
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x total kunjungan
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Untuk lebih rinci mengenai biaya pengiriman pada cluster 3, bisa dilihat pada tabel berikut.
Tabel 4.25 Biaya pengiriman pada cluster 3
Biaya Rumus
BBM (Solar) Rp1,410,102 Total jarak*biaya BBM
Uang Makan Rp360,000 Jumlah supir*uang makan*Total hari
Hotel Rp300,000 Biaya hotel*jumlah supir
Parkir Rp55,000 Biaya parkir*total kunjugan
Toll dan lain - lain Rp550,000 biaya toll dll*total kunjungan
Total Rp2,675,102
Biaya pengiriman pada cluster 4
BBM (Solar)
BBM (solar)=Rp 1.288 x Total jarak
BBM (solar)=Rp 1.288 x 1035,3=Rp1.333.466
Uang makan
Uang makan=uang makan x jumlah supir x waktu distribusi (hari)
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x jumlah supir
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x total ritel
Parkir=Rp 5.000 x 12=Rp 60.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x total kunjungan
Toll dan lain-lain=Rp 50.000 x 12=Rp 600.000
Untuk lebih rinci mengenai biaya pengiriman pada cluster 4, bisa dilihat pada tabel berikut.
Tabel 4.26 Biaya pengiriman pada cluster 4
Biaya Rumus
BBM (Solar) Rp1,333,466 Total jarak*biaya BBM
Uang Makan Rp360,000 Jumlah supir*uang makan*Total hari
Hotel Rp300,000 Biaya hotel*jumlah supir
Parkir Rp60,000 Biaya parkir*total kunjugan
Toll dan lain - lain Rp600,000 biaya toll dll*total kunjungan
Total Rp2,653,466
Biaya pengiriman pada cluster 5
BBM (Solar)
BBM (solar)=Rp 1.288 x Total jarak
BBM (solar)=Rp 1.288 x 696,3=Rp896.834
Uang makan
Uang makan=uang makan x jumlah supir x waktu distribusi (hari)
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x jumlah supir
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x total ritel
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x total kunjungan
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Untuk lebih rinci mengenai biaya pengiriman pada cluster 5, bisa dilihat pada tabel berikut.
Tabel 4.27 Biaya pengiriman pada cluster 5
Biaya Rumus
BBM (Solar) Rp896,834 Total jarak*biaya BBM
Uang Makan Rp240,000 Jumlah supir*uang makan*Total hari
Hotel Rp300,000 Biaya hotel*jumlah supir
Parkir Rp55,000 Biaya parkir*total kunjugan
Toll dan lain - lain Rp550,000 biaya toll dll*total kunjungan
Total Rp2,041,834
Biaya pengiriman pada cluster 6
BBM (Solar)
BBM (solar)=Rp 1.288 x Total jarak
BBM (solar)=Rp 1.288 x 491,7=Rp633.310
Uang makan
Uang makan=uang makan x jumlah supir x waktu distribusi (hari)
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x jumlah supir
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x total ritel
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x total kunjungan
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Untuk lebih rinci mengenai biaya pengiriman pada cluster 6, bisa dilihat pada tabel berikut.
Tabel 4.28 Biaya pengiriman pada cluster 6
Biaya Rumus
BBM (Solar) Rp633,310 Total jarak*biaya BBM
Uang Makan Rp240,000 Jumlah supir*uang makan*Total hari
Hotel Rp300,000 Biaya hotel*jumlah supir
Parkir Rp40,000 Biaya parkir*total kunjugan
Toll dan lain - lain Rp400,000 biaya toll dll*total kunjungan
Total Rp1,613,310
Biaya pengiriman pada cluster 7
BBM (Solar)
BBM (solar)=Rp 1.288 x Total jarak
BBM (solar)=Rp 1.288 x 517,4=Rp666.411
Uang makan
Uang makan=uang makan x jumlah supir x waktu distribusi (hari)
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x jumlah supir
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x total ritel
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x total kunjungan
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Untuk lebih rinci mengenai biaya pengiriman pada cluster 7, bisa dilihat pada tabel berikut.
Tabel 4.29 Biaya pengiriman pada cluster 7
Biaya Rumus
BBM (Solar) Rp666,411 Total jarak*biaya BBM
Uang Makan Rp240,000 Jumlah supir*uang makan*Total hari
Hotel Rp300,000 Biaya hotel*jumlah supir
Parkir Rp40,000 Biaya parkir*total kunjugan
Toll dan lain - lain Rp400,000 biaya toll dll*total kunjungan
Total Rp1,646,411
Setelah itu penulis melakukan rekapitulasi hasil dari menentukan dan menghitung jarak, durasi, biaya pengiriman dari rute hasil dari pengolahan, maka berikut ini tabel hasil dari rekapitulasi tersebut.
Tabel 4.30 Rekapitulasi jarak, waktu, biaya pada rute hasi pengolahan
Rute Jarak (km) Waktu (Menit) Biaya
1 52 302.4 Rp626,976
2 844.6 1493.52 Rp2,627,845
3 1094.8 1643.76 Rp2,675,102
4 1035.3 1602.36 Rp2,653,466
5 696.3 1165.56 Rp2,041,834
6 491.7 830.04 Rp1,613,310
7 517.4 860.88 Rp1,646,411
Total 3723 6207.6 Rp10,625,224
Dari hasil rekapitulasi tabel diatas, didapatkan bahwa pada rute hasil penelitian memiliki rute pengiriman sebanyak 7 rute dengan total jarak sebesar 3723 km, total durasi pengiriman sebesar 6207.6 menit, dan memiliki total biaya pengiriman sebesar Rp10,625,224.
Kemudian penulis juga membuat tabel alokasi kendaraan yang digunakan untuk melakukan proses distribusi pada rute hasil dari pengolahan bisa di lihat pada tabel berikut :
Tabel 4.31 Alokasi kendaraan pada rute hasil penelitian
Kode Kendaraan Kapasitas box Jumlah Alokasi Kendaraan (Truk)
Kubikasi
(p x l x t) (m3) Berat (ton)
B 9215 BCX
B 9344 PCE
B 9049 PCB
B 9810 BCT
B 9213 BCX 11,51
10,99
11,71
11,32
11,51 4,23
4,23
4,23
4,23
4,23 1
2
1
2
1
Analisis Sensitivitas
Dengan dilakukannya analisis sensitivitas, bisa di lihat pengaruh apa yang terjadi jika terdapat parameter yang diubah, penulis mempunyai beberapa skenario jika dilakukan pengubahan secara acak time windows pada ritel terhadap setiap cluster dikarenakan ritel tersebut terdapat event yang mengharuskan pengiriman barang didahulukan sehingga diberikan batasan pelayanan pengiriman hanya 2 jam dari buka dan tutup pelayanan pengiriman, maka pengaruh apa saja yang akan terjadi. Untuk melakukan analisis sensitivitas, penulis menggunakan bantuan software Lingo 18.0 x64.
Skenario Pertama
Pada tahap skenario pertama, yaitu dilakukan pengubahan secara acak time windows satu ritel pada setiap cluster. Pada skenario pertama batasan pelayanan pengiriman hanya dari jam 09:00 sampai jam 11:00.
Berikut ini tabel masing – masing ritel setelah terdapat pengubahan time windows.
Tabel 4.32 Analisis sensitivitas time windows skenario pertama
Ritel Nama Ritel Time Windows Cluster
Buka (Jam) Buka (Menit) Tutup (Jam) Tutup (Menit)
0 Gudang CFC Surabaya 8 480 17 1020
1 CFC Transmart Rungkut 9 540 11 660 1
9 CFC Kaza City 9 540 21 1260
2 Maspion Square 9 540 21 1260
8 CFC Atom 9 540 21 1260
11 CFC Stasiun Gubeng 9 540 21 1260
10 CFC WTC 9 540 21 1260
5 CFC Tidar 9 540 21 1260
7 CFC Ramayana Gresik 9 540 21 1260 2
6 CFC Icon Mall Gresik 9 540 21 1260
3 CFC Bungurasih 9 540 11 660
31 CFC Pati 9 540 21 1260
32 CFC Kudus 9 540 21 1260
29 CFC Cepu 9 540 21 1260
52 CFC Stasiun Tawang 9 540 21 1260
51 CFC Stasiun Poncol 9 540 21 1260
30 CFC Purwodadi 9 540 21 1260
55 Plaza Simpang lima (Simpang lima) 9 540 21 1260
54 CFC Siliwangi 9 540 21 1260
50 CFC Lawang sewu 9 540 21 1260
57 CFC Paragon Mall 9 540 21 1260
60 CFC Stasiun Pekalongan 9 540 21 1260
53 CFC Fatmawati 9 540 21 1260
59 Matahari Pekalongan 9 540 11 660 3
56 CFC Majapahit 9 540 21 1260
61 CFC Pemalang 9 540 21 1260
62 CFC Stasiun Tegal 9 540 21 1260
63 Rita SuperMall Tegal 9 540 21 1260
66 CFC Toserba Yogya (Brebes) 9 540 21 1260
65 CFC Rest area KM 260 PG 9 540 21 1260
64 CFC Rest area KM 294 B 9 540 21 1260
67 CFC Slawi 9 540 21 1260
58 CFC Rest area KM 429 (Ungaran) 9 540 21 1260
47 CFC Stasiun Purwokerto 9 540 21 1260 4
46 Rita Mall Purwokerto 9 540 21 1260
48 CFC Artos Mall 9 540 21 1260
33 Rest area KM 519 A SOKER 9 540 21 1260
34 Rest area KM 519 B Masaran 9 540 11 660
35 Transmart Solo Pabelan 9 540 21 1260
36 Stasiun Solo Balapan 9 540 21 1260
37 Grandmall Solo 9 540 21 1260
45 CFC Kebumen 9 540 21 1260
38 CFC Hartono Mall Solo 9 540 21 1260
44 CFC Stasiun Kutoarjo 9 540 21 1260
49 CFC Sleman City hall 9 540 21 1260 5
43 Stasiun Lempuyangan 9 540 21 1260
41 CFC Ramai Mall 9 540 21 1260
39 Bandara adisutjipto 9 540 21 1260
40 CFC Transmart Maguwo 9 540 21 1260
42 CFC Progo Jogja 9 540 21 1260
19 Plaza Madiun 9 540 21 1260
21 Stasiun Madiun 9 540 21 1260
20 CFC SunCity Madiun 9 540 21 1260
16 Sunrise Mall Mojokerto 9 540 11 660
22 CFC Ponorogo City Center 9 540 21 1260 6
17 Kediri Town Square 9 540 21 1260
18 Stasiun Kediri 9 540 21 1260
28 CFC Blitar Square 9 540 21 1260
23 CFC Jatimpark 9 540 21 1260
4 Transmart Sidoarjo (Pagerwojo) 9 540 11 660
24 Malang Town Square (Matos) 9 540 21 1260
27 Matahari Mitra Malang 9 540 21 1260 7
25 Stasiun Malang 9 540 21 1260
26 Giant Sawojajar 9 540 21 1260
12 CFC Lumajang 9 540 11 660
13 Transmart Jember 9 540 21 1260
14 CFC Lippo Plaza Jember 9 540 21 1260
15 Golden Market Jember 9 540 21 1260
Dari tabel diatas dapat dijabarkan bahwa pada cluster 1 terdapat pengubahan time windows pada ritel CFC Transmart Rungkut, cluster 2 terdapat pengubahan time windows pada ritel CFC Bungurasih, cluster 3 terdapat pengubahan time windows pada ritel Matahari Pekalongan, cluster 4 terdapat pengubahan time windows pada ritel Rest area KM 519 B Masaran, cluster 5 terdapat pengubahan time windows pada ritel Sunrise Mall Mojokerto, cluster 6 terdapat pengubahan time windows pada ritel Transmart Sidoarjo (Pagerwojo), cluster 7 terdapat pengubahan time windows pada ritel CFC Lumajang.
Setelah itu, penulis melakukan pengolahan menggunakan bantuan software Lingo 18.0 x64 untuk memperoleh pengaruh dari pengubahan time windows tersebut. Berikut ini penulis ambil contoh pada cluster 1. Untuk cluster 2, cluster 3, cluster 4, cluster 5, cluster 6, cluster 7 bisa dilihat pada lampiran 13.
model:
!parameter model:
Buka = waktu buka ritel
Tutup = waktu tutup ritel
Bongkar = waktu loading/unloading di ritel
D = jarak antar ritel
T = waktu memulai pelayanan pada ritel
Durasi = Durasi pengiriman
R = bilangan rill yang bernilai besar
;
!variabel keputusan:
x(i, j) = 1 jika kendaraan k beroperasi dari i ke j
;
sets:
ritel/1..8/: Bongkar, buka, tutup, T;
rute(ritel, ritel) : x, D, durasi;
endsets
data:
buka = 480 540 540 540 540 540 540 540;
tutup = 1020 660 1260 1260 1260 1260 1260 1260;
D =
!ritel;
!0 1 2 5 8 9 10 11;
0 8.9 13.6 19.7 20.7 21.5 19.2 18.1 !0;
8.9 0 6.8 13.3 14.6 13.1 10.9 8.7 !1;
13.6 6.8 0 7.9 10.3 10.5 8.1 9.4 !2;
19.7 13.3 7.9 0 3.9 4.6 4.6 5.6 !5;
20.7 14.6 10.3 3.9 0 2.6 5.4 3.4 !8;
21.5 13.1 10.5 4.6 2.6 0 3.6 2.5 !9;
19.2 10.9 8.1 4.6 5.4 3.6 0 2.8 !10;
18.1 8.7 9.4 5.6 3.4 2.5 2.8 0; !11;
durasi =
0 10.68 16.32 23.64 24.84 25.8 23.04 21.72
10.68 0 8.16 15.96 17.52 15.72 13.08 10.44
16.32 8.16 0 9.48 12.36 12.6 9.72 11.28
23.64 15.96 9.48 0 4.68 5.52 5.52 6.72
24.84 17.52 12.36 4.68 0 3.12 6.48 4.08
25.8 15.72 12.6 5.52 3.12 0 4.32 3
23.04 13.08 9.72 5.52 6.48 4.32 0 3.36
21.72 10.44 11.28 6.72 4.08 3 3.36 0;
Bongkar = 30 30 30 30 30 30 30 30;
R = 10000000;
@text() = @write("Rute yang paling optimal adalah: ", @newline(1));
@text() = @writefor(rute(i, j) | x(i, j) #NE# 0 : "rute pengiriman dari ritel ", i, " ke ritel ", j, " sebesar ", D(i, j), " km ",
@newline(1));
enddata
!fungsi objektif;
MIN =
@SUM (ritel(i) :
@SUM(ritel (j) | i#NE# j: D (i, j) * x(i, j))
);
!Fungsi batasan;
!setiap ritel dikunjungi satu kali;
@FOR(ritel (j) | j #GT# 1 :
@SUM(ritel (i) | i #NE# j: x(i, j)) = 1
);
!perjalanan diawali dari depot;
@FOR (ritel (i) | i #EQ# 1 :
@SUM (ritel (J) | j #GT# 1 :x(i, j)) = 1
);
!perjalanan akan berakhir di depot;
@FOR (ritel (j) | j #EQ# 1 :
@SUM (ritel (i) | i #GT# 1 : x(i, j)) = 1
);
!pelaksanaan;
@FOR (ritel (i)| i #NE# 1 :
@FOR (ritel (j) : T(j) >= T(i) + Bongkar(i) + durasi(i, j) - R * (1 - x(i, j)))
);
!rute;
@FOR (ritel (z) :
@SUM(ritel (i) | i #NE# z : x(i, z)) - @SUM(ritel (j) | j #NE# z : x(z, j)) = 0
);
!time windows;
@FOR (ritel (i) | i #NE# 1 : buka(i) <= T(i)
);
@FOR (ritel (i) | i #NE# 1 : tutup(i) >= T(i) + Bongkar(i)
);
! Variabel keputusan yang memiliki variabel biner;
@FOR (rute (i, j):
@BIN(x(i, j)));
End
Hasil reporting solution cluster 1 sebagai berikut :
Global optimal solution found.
Objective value (Total jarak pengiriman): 52.00000
Rute yang paling optimal adalah:
rute pengiriman dari ritel 1 ke ritel 2 sebesar 8.9 km
rute pengiriman dari ritel 2 ke ritel 8 sebesar 8.7 km
rute pengiriman dari ritel 3 ke ritel 1 sebesar 13.6 km
rute pengiriman dari ritel 4 ke ritel 3 sebesar 7.9 km
rute pengiriman dari ritel 5 ke ritel 4 sebesar 3.9 km
rute pengiriman dari ritel 6 ke ritel 5 sebesar 2.6 km
rute pengiriman dari ritel 7 ke ritel 6 sebesar 3.6 km
rute pengiriman dari ritel 8 ke ritel 7 sebesar 2.8 km
Berdasarkan hasil solution report pada cluster 1, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 1 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 52 yang artinya total jarak pengiriman pada cluster 1 sebesar 52 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 8), x(3, 1), x(4, 3), x(5, 4), x(6, 5), x(7, 6), x(8, 7) dengan urutan 1-2-8-7-6-5-4-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 1 = CFC Transmart Rungkut
8 = 11 = CFC Stasiun Gubeng
7 = 10 = CFC WTC
6 = 9 = CFC Kaza City
5 = 8 = CFC Atom
4 = 5 = CFC Tidar
3 = 2 = Maspion Square
1 = 0 = Gudang DC Surabaya
Maka pada cluster 1 yang awalnya memiliki rute yaitu Gudang DC Surabaya - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng - CFC Transmart Rungkut - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - CFC Stasiun Gubeng - CFC WTC - CFC Kaza City - CFC Atom - CFC Tidar - Maspion Square - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 2, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan feasible solution found, yang artinya proses optimasi pada cluster 2 menghasilkan solusi yang belum optimal tapi masih bisa diterima. Dengan objective value sebesar 867,8 yang artinya total jarak pengiriman pada cluster 2 sebesar 867,8 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 2, maka di dapatkan x(1, 2), x(2, 3), x(3, 7), x(4, 1), x(5, 4), x(6, 5), x(7, 8), x(8, 1), x(9, 10), x(10, 6), x(11, 15), x(12, 14), x(13, 16), x(14, 9), x(15, 13), x(16, 12), dengan urutan 1-2-3-7-8-11-15-13-16-12-14-9-10-6-5-4-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 3 = CFC Bungurasih
3 = 6 = CFC Icon Mall Gresik
7 = 31 = CFC Pati
8 = 32 = CFC Kudus
11 = 52 = CFC Stasiun Tawang
15 = 57 = CFC Paragon Mall
13 = 54 = CFC Siliwangi
16 = 60 = CFC Stasiun Pekalongan
12 = 53 = CFC Fatmawati
14 = 55 = Plaza Simpang lima (Simpang lima)
9 = 50 = CFC Lawang sewu
10 = 51 = CFC Stasiun Poncol
6 = 30 = CFC Purwodadi
5 = 29 = CFC Cepu
4 = 7 = CFC Ramayana Gresik
1 = 0 = Gudang DC Surabaya
Maka pada cluster 2 yang awalnya memiliki rute yaitu Gudang DC Surabaya - CFC Ramayana Gresik - CFC Cepu - CFC Purwodadi - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Paragon Mall - CFC Stasiun Poncol - CFC Stasiun Tawang - CFC Kudus - CFC Pati - CFC Icon Mall Gresik - CFC Bungurasih - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Icon Mall Gresik - CFC Pati - CFC Kudus - CFC Stasiun Tawang - CFC Paragon Mall - CFC Siliwangi - CFC Stasiun Pekalongan - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Poncol - CFC Purwodadi - CFC Cepu - CFC Ramayana Gresik - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 3, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 3 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1095 yang artinya total jarak pengiriman pada cluster 3 sebesar 1095 km. Untuk urutan rute kunjungan pada cluster 3 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 4), x(2, 3), x(3, 1), x(4, 8), x(5, 2), x(6, 5), x(7, 9), x(8, 11), x(9, 10), x(10, 6), x(11, 7), dengan urutan 1-4-8-11-7-9-10-6-5-2-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
4 = 59 = Matahari Pekalongan
8 = 64 = CFC Rest area KM 294 B
11 = 67 = CFC Slawi
7 = 63 = Rita SuperMall Tegal
9 = 65 = CFC Rest area KM 260 PG
10 = 66 = CFC Toserba Yogya (Brebes)
6 = 62 = CFC Stasiun Tegal
5 = 61 = CFC Pemalang
2 = 56 = CFC Majapahit
3 = 58 = CFC Rest area KM 429 (Ungaran)
1 = 0 = Gudang DC Surabaya
Maka pada cluster 3 yang awalnya memiliki rute yaitu Gudang DC Surabaya - CFC Rest area KM 429 (Ungaran) - CFC Majapahit - Matahari Pekalongan - CFC Pemalang - CFC Stasiun Tegal - CFC Toserba Yogya (Brebes) - CFC Rest area KM 260 PG - Rita SuperMall Tegal - CFC Slawi - CFC Rest area KM 294 B - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas di dapatkan urutan rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Rest area KM 294 B - CFC Slawi - Rita SuperMall Tegal - CFC Rest area KM 260 PG - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Pemalang - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 4, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 4 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1035,3 yang artinya total jarak pengiriman pada cluster 4 sebesar 1035,3 km. Untuk urutan rute kunjungan pada cluster 4 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 3), x(2, 1), x(3, 7), x(4, 6), x(5, 2), x(6, 5), x(7, 8), x(8, 9), x(9, 10), x(10, 11), x(11, 12), x(12, 4) dengan urutan 1-3-7-8-9-10-11-12-4-6-5-2-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
3 = 34 = Rest area KM 519 B Masaran
7 = 38 = CFC Hartono Mall Solo
8 = 44 = CFC Stasiun Kutoarjo
9 = 45 = CFC Kebumen
10 = 46 = Rita Mall Purwokerto
11 = 47 = CFC Stasiun Purwokerto
12 = 48 = CFC Artos Mall
4 = 35 = Transmart Solo Pabelan
6 = 37 = Grandmall Solo
5 = 36 = Stasiun Solo Balapan
2 = 33 = Rest area KM 519 A SOKER
1 = 0 = Gudang DC Surabaya
Maka pada cluster 4 yang awalnya memiliki rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Stasiun Solo Balapan - Grandmall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Purwokerto - Rita Mall Purwokerto - CFC Kebumen - CFC Stasiun Kutoarjo - CFC Hartono Mall Solo - Rest area KM 519 B Masaran - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas di dapatkan urutan rute yaitu Gudang DC Surabaya - Rest area KM 519 B Masaran - CFC Hartono Mall Solo - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - CFC Artos Mall - Transmart Solo Pabelan - Grandmall Solo - Stasiun Solo Balapan - Rest area KM 519 A SOKER - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 5, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 5 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 696,3 yang artinya total jarak pengiriman pada cluster 5 sebesar 696,3 km. Untuk urutan rute kunjungan pada cluster 5 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 5), x(4, 11), x(5, 4), x(6, 1), x(7, 6), x(8, 9), x(9, 10), x(10, 7), x(11, 8) dengan urutan 1-2-3-5-4-11-8-9-10-7-6-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 16 = Sunrise Mall Mojokerto
3 = 19 = Plaza Madiun
5 = 21 = Stasiun Madiun
4 = 20 = CFC SunCity Madiun
11 = 49 = CFC Sleman City hall
8 = 41 = CFC Ramai Mall
9 = 42 = CFC Progo Jogja
10 = 43 = Stasiun Lempuyangan
7 = 40 = CFC Transmart Maguwo
6 = 39 = Bandara adisutjipto
1 = 0 = Gudang DC Surabaya
Maka pada cluster 5 yang awalnya memiliki rute yaitu Gudang DC Surabaya - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Sunrise Mall Mojokerto - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas di dapatkan urutan rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - Plaza Madiun - Stasiun Madiun - CFC SunCity Madiun - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 6, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 6 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 491,7 yang artinya total jarak pengiriman pada cluster 6 sebesar 491,7 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 7), x(3, 1), x(4, 3), x(5, 4), x(6, 8), x(7, 6), x(8, 5) dengan urutan 1-2-7-6-8-5-4-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 4 = Transmart Sidoarjo (Pagerwojo)
7 = 24 = Malang Town Square (Matos)
6 = 23 = CFC Jatimpark
8 = 28 = CFC Blitar Square
5 = 22 = CFC Ponorogo City Center
4 = 18 = Stasiun Kediri
3 = 17 = Kediri Town Square
1 = 0 = Gudang DC Surabaya
Maka pada cluster 6 yang awalnya memiliki rute yaitu Gudang DC Surabaya - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - CFC Blitar Square - CFC Jatimpark - Malang Town Square (Matos) - Transmart Sidoarjo (Pagerwojo) - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas di dapatkan urutan rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - Malang Town Square (Matos) - CFC Jatimpark - CFC Blitar Square - CFC Ponorogo City Center - Stasiun Kediri - Kediri Town Square - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 7, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 7 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 517,4 yang artinya total jarak pengiriman pada cluster 7 sebesar 517,4 km. Untuk urutan rute kunjungan pada cluster 7 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 4), x(3, 7), x(4, 5), x(5, 3), x(6, 8), x(7, 6), x(8, 1) dengan urutan 1-2-4-5-3-7-6-8-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 12 = CFC Lumajang
4 = 14 = CFC Lippo Plaza Jember
5 = 15 = Golden Market Jember
3 = 13 = Transmart Jember
7 = 26 = Giant Sawojajar
6 = 25 = Stasiun Malang
8 = 27 = Matahari Mitra Malang
1 = 0 = Gudang DC Surabaya
Maka pada cluster 7 yang awalnya memiliki rute yaitu Gudang DC Surabaya - Matahari Mitra Malang - Stasiun Malang - Giant Sawojajar - Transmart Jember - Golden Market Jember - CFC Lippo Plaza Jember - CFC Lumajang - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Lumajang - CFC Lippo Plaza Jember - Golden Market Jember - Transmart Jember - Giant Sawojajar - Stasiun Malang - Matahari Mitra Malang - Gudang DC Surabaya.
Perhitungan durasi pengiriman untuk analisis sensitivitas skenario pertama
Durasi pengiriman pada cluster 1
waktu distribusi=(52 Km)/(50 Km/jam) x 60=62,4 menit
waktu loading & unloading=30 menit x 8=240 menit
62,4+240= 302,4 menit
Durasi pengiriman pada cluster 2
waktu distribusi=(867,8 Km)/(50 Km/jam) x 60=1041,36 menit
waktu loading & unloading=30 menit x 16=480 menit
1041,36+480= 1521,36 menit
Durasi pengiriman pada cluster 3
waktu distribusi=(1095 Km)/(50 Km/jam) x 60=1314 menit
waktu loading & unloading=30 menit x 11=330 menit
1314+330= 1644 menit
Durasi pengiriman pada cluster 4
waktu distribusi=(1035,3 Km)/(50 Km/jam) x 60=1242,36 menit
waktu loading & unloading=30 menit x 12=360 menit
1242,36+360= 1602,36 menit
Durasi pengiriman pada cluster 5
waktu distribusi=(696,3 Km)/(50 Km/jam) x 60=835,56 menit
waktu loading & unloading=30 menit x 11=330 menit
835,56+330= 1165,56 menit
Durasi pengiriman pada cluster 6
waktu distribusi=(491,7 Km)/(50 Km/jam) x 60=590,04 menit
waktu loading & unloading=30 menit x 8=240 menit
590,04+240= 830,04 menit
Durasi pengiriman pada cluster 7
waktu distribusi=(517,4 Km)/(50 Km/jam) x 60=620,88 menit
waktu loading & unloading=30 menit x 8=240 menit
620,88+240=860,88 menit
Perhitungan biaya pengiriman untuk analisis sensitivitas skenario pertama
Biaya pengiriman pada cluster 1
BBM (Solar)
BBM (solar)=Rp 1.288 x 52=Rp 66.976
Uang makan
Uang makan=Rp 60.000 x2 x 1=Rp 120.000
Hotel
Karena waktu pengiriman pada cluster 1 hanya membutuhkan satu hari, maka tidak mendapatkan biaya hotel.
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 66,976+ Rp 120.000+Rp 40.000+Rp 400.000=Rp 626.976
Biaya pengiriman pada cluster 2
BBM (Solar)
BBM (solar)=Rp 1.288 x 867,8=Rp 1.117.726
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 16=Rp 80.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 16=Rp 800.000
Total= Rp 1.117.726+Rp 360.000+Rp 300.000+Rp 80.000+Rp 800.000=Rp 2.657.726
Biaya pengiriman pada cluster 3
BBM (Solar)
BBM (solar)=Rp 1.288 x 1095=Rp 1.410.360
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 1.410.360+Rp 360.000+Rp 300.000+p 55.000+p 550.000= Rp 2.675.360
Biaya pengiriman pada cluster 4
BBM (Solar)
BBM (solar)=Rp 1.288 x 1035,3=Rp 1.333.466
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 12=Rp 60.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 12=Rp 600.000
Total=Rp 1.333.466+Rp 360.000+Rp 300.000+Rp 60.000+Rp 600.000=Rp 2.653.466
Biaya pengiriman pada cluster 5
BBM (Solar)
BBM (solar)=Rp 1.288 x 696,3=Rp 896.834
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 896.834+Rp 240.000+Rp 300.000+Rp 55.000+Rp 550.000=Rp 2.041.834
Biaya pengiriman pada cluster 6
BBM (Solar)
BBM (solar)=Rp 1.288 x 491,7=Rp 633.310
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 633.310+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.613.310
Biaya pengiriman pada cluster 7
BBM (Solar)
BBM (solar)=Rp 1.288 x 517,4=Rp 666.411
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 666.411+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.646.411
Setelah menentukan total jarak, waktu, dan biaya pengiriman masing – masing cluster pada analisis sensitivitas, maka berikut ini hasil rekapitulasi total jarak, waktu, dan biaya pengirimannya :
Tabel 4.33 Rekapitulasi total jarak, waktu, dan biaya pengiriman setelah di analisis sensitivitas skenario pertama
Rute Jarak (km) Waktu (Menit) Biaya
1 52 302.4 Rp626,976
2 867.8 1521.36 Rp2,657,726
3 1095 1644 Rp2,675,360
4 1035.3 1602.36 Rp2,653,466
5 696.3 1165.56 Rp2,041,834
6 491.7 830.04 Rp1,613,310
7 517.4 860.88 Rp1,646,411
Total 3746.4 6235.68 Rp10,655,363
Dari hasil rekapitulasi tabel diatas, didapatkan bahwa total jarak, waktu, dan biaya pengiriman setelah dilakukan analisis sensitivitas mengalami perubahan yang awalnya total jarak sebesar 3723 km setelah dilakukan analisis sensitivitas menjadi 3746,4 km, total durasi pengiriman yang awalnya sebesar 6207.6 menit setelah dilakukan analisis sensitivitas menjadi 6235,68 menit, dan memiliki total biaya pengiriman yang awalnya sebesar Rp10,625,224 setelah dilakukan analisis sensitivitas menjadi Rp 10.655.363. Maka dapat disimpulkan bahwa antara total jarak, waktu dan biaya hasil penelitian dengan total jarak, waktu, biaya hasil analisis sensitivitas tidak ada perbedaan yang signifikan atau tidak terlalu besar, karena analisis sensitivitas hanya dilakukan pada parameter time windows sehingga ritel yang yang memiliki time windows secara singkat harus dikunjungi terlebih dahulu sehingga pengaruh pada total jarak, waktu, dan biaya pada tiap periode pengiriman yang didapatkan tidak terlalu besar.
Skenario Kedua
Pada tahap skenario kedua, yaitu dilakukan pengubahan secara acak time windows dua ritel pada setiap cluster. Pada skenario kedua batasan pelayanan pengiriman hanya dari jam 09:00 sampai jam 11:00 untuk satu ritel sama dengan skenario pertama, namun ditambahkan lagi batasan pelayanan hanya dari jam 11:00 sampai jam 13:00 satu ritel lagi, jadi total ada dua ritel pada setiap cluster yang diubah secara acak time windowsnya.
Tabel 4.34 Analisis sensitivitas time windows skenario kedua
Ritel Nama Ritel Time Windows Cluster
Buka (Jam) Buka (Menit) Tutup (Jam) Tutup (Menit)
0 Gudang CFC Surabaya 8 480 17 1020
1 CFC Transmart Rungkut 9 540 11 660 1
9 CFC Kaza City 9 540 21 1260
2 Maspion Square 11 660 13 780
8 CFC Atom 9 540 21 1260
11 CFC Stasiun Gubeng 9 540 21 1260
10 CFC WTC 9 540 21 1260
5 CFC Tidar 9 540 21 1260
7 CFC Ramayana Gresik 9 540 21 1260 2
6 CFC Icon Mall Gresik 9 540 21 1260
3 CFC Bungurasih 9 540 11 660
31 CFC Pati 9 540 21 1260
32 CFC Kudus 9 540 21 1260
29 CFC Cepu 11 660 13 780
52 CFC Stasiun Tawang 9 540 21 1260
51 CFC Stasiun Poncol 9 540 21 1260
30 CFC Purwodadi 9 540 21 1260
55 Plaza Simpang lima (Simpang lima) 9 540 21 1260
54 CFC Siliwangi 9 540 21 1260
50 CFC Lawang sewu 9 540 21 1260
57 CFC Paragon Mall 9 540 21 1260
60 CFC Stasiun Pekalongan 9 540 21 1260
53 CFC Fatmawati 9 540 21 1260
59 Matahari Pekalongan 9 540 11 660 3
56 CFC Majapahit 9 540 21 1260
61 CFC Pemalang 9 540 21 1260
62 CFC Stasiun Tegal 9 540 21 1260
63 Rita SuperMall Tegal 9 540 21 1260
66 CFC Toserba Yogya (Brebes) 9 540 21 1260
65 CFC Rest area KM 260 PG 11 660 13 780
64 CFC Rest area KM 294 B 9 540 21 1260
67 CFC Slawi 9 540 21 1260
58 CFC Rest area KM 429 (Ungaran) 9 540 21 1260
47 CFC Stasiun Purwokerto 9 540 21 1260 4
46 Rita Mall Purwokerto 9 540 21 1260
48 CFC Artos Mall 9 540 21 1260
33 Rest area KM 519 A SOKER 9 540 21 1260
34 Rest area KM 519 B Masaran 9 540 11 660
35 Transmart Solo Pabelan 9 540 21 1260
36 Stasiun Solo Balapan 9 540 21 1260
37 Grandmall Solo 11 660 13 780
45 CFC Kebumen 9 540 21 1260
38 CFC Hartono Mall Solo 9 540 21 1260
44 CFC Stasiun Kutoarjo 9 540 21 1260
49 CFC Sleman City hall 9 540 21 1260 5
43 Stasiun Lempuyangan 9 540 21 1260
41 CFC Ramai Mall 9 540 21 1260
39 Bandara adisutjipto 9 540 21 1260
40 CFC Transmart Maguwo 9 540 21 1260
42 CFC Progo Jogja 9 540 21 1260
19 Plaza Madiun 9 540 21 1260
21 Stasiun Madiun 9 540 21 1260
20 CFC SunCity Madiun 11 660 13 780
16 Sunrise Mall Mojokerto 9 540 11 660
22 CFC Ponorogo City Center 9 540 21 1260 6
17 Kediri Town Square 9 540 21 1260
18 Stasiun Kediri 9 540 21 1260
28 CFC Blitar Square 11 660 13 780
23 CFC Jatimpark 9 540 21 1260
4 Transmart Sidoarjo (Pagerwojo) 9 540 11 660
24 Malang Town Square (Matos) 9 540 21 1260
27 Matahari Mitra Malang 9 540 21 1260 7
25 Stasiun Malang 9 540 21 1260
26 Giant Sawojajar 9 540 21 1260
12 CFC Lumajang 9 540 11 660
13 Transmart Jember 9 540 21 1260
14 CFC Lippo Plaza Jember 11 660 13 780
15 Golden Market Jember 9 540 21 1260
Dari tabel diatas dapat dijabarkan bahwa pada cluster 1 terdapat pengubahan time windows pada ritel CFC Transmart Rungkut dan Maspion Square, cluster 2 terdapat pengubahan time windows pada ritel CFC Bungurasih dan CFC Cepu, cluster 3 terdapat pengubahan time windows pada ritel Matahari Pekalongan dan CFC Rest area KM 260 PG, cluster 4 terdapat pengubahan time windows pada ritel Rest area KM 519 B Masaran dan Grandmall Solo, cluster 5 terdapat pengubahan time windows pada ritel Sunrise Mall Mojokerto dan CFC SunCity Madiun, cluster 6 terdapat pengubahan time windows pada ritel Transmart Sidoarjo (Pagerwojo) dan CFC Blitar Square, cluster 7 terdapat pengubahan time windows pada ritel CFC Lumajang dan CFC Lippo Plaza Jember.
Setelah itu, penulis melakukan pengolahan menggunakan bantuan software Lingo 18.0 x64 untuk memperoleh pengaruh dari pengubahan time windows tersebut. Berikut ini penulis ambil contoh pada cluster 1. Untuk cluster 2, cluster 3, cluster 4, cluster 5, cluster 6, cluster 7 bisa dilihat pada lampiran 14.
model:
!parameter model:
Buka = waktu buka ritel
Tutup = waktu tutup ritel
Bongkar = waktu loading/unloading di ritel
D = jarak antar ritel
T = waktu memulai pelayanan pada ritel
Durasi = Durasi pengiriman
R = bilangan rill yang bernilai besar
;
!variabel keputusan:
x(i, j) = 1 jika kendaraan k beroperasi dari i ke j
;
sets:
ritel/1..8/: Bongkar, buka, tutup, T;
rute(ritel, ritel) : x, D, durasi;
endsets
data:
buka = 480 540 660 540 540 540 540 540;
tutup = 1020 660 780 1260 1260 1260 1260 1260;
D =
!ritel;
!0 1 2 5 8 9 10 11;
0 8.9 13.6 19.7 20.7 21.5 19.2 18.1 !0;
8.9 0 6.8 13.3 14.6 13.1 10.9 8.7 !1;
13.6 6.8 0 7.9 10.3 10.5 8.1 9.4 !2;
19.7 13.3 7.9 0 3.9 4.6 4.6 5.6 !5;
20.7 14.6 10.3 3.9 0 2.6 5.4 3.4 !8;
21.5 13.1 10.5 4.6 2.6 0 3.6 2.5 !9;
19.2 10.9 8.1 4.6 5.4 3.6 0 2.8 !10;
18.1 8.7 9.4 5.6 3.4 2.5 2.8 0; !11;
durasi =
0 10.68 16.32 23.64 24.84 25.8 23.04 21.72
10.68 0 8.16 15.96 17.52 15.72 13.08 10.44
16.32 8.16 0 9.48 12.36 12.6 9.72 11.28
23.64 15.96 9.48 0 4.68 5.52 5.52 6.72
24.84 17.52 12.36 4.68 0 3.12 6.48 4.08
25.8 15.72 12.6 5.52 3.12 0 4.32 3
23.04 13.08 9.72 5.52 6.48 4.32 0 3.36
21.72 10.44 11.28 6.72 4.08 3 3.36 0;
Bongkar = 30 30 30 30 30 30 30 30;
R = 10000000;
@text() = @write("Rute yang paling optimal adalah: ", @newline(1));
@text() = @writefor(rute(i, j) | x(i, j) #NE# 0 : "rute pengiriman dari ritel ", i, " ke ritel ", j, " sebesar ", D(i, j), " km ",
@newline(1));
enddata
!fungsi objektif;
MIN =
@SUM (ritel(i) :
@SUM(ritel (j) | i#NE# j: D (i, j) * x(i, j))
);
!Fungsi batasan;
!setiap ritel dikunjungi satu kali;
@FOR(ritel (j) | j #GT# 1 :
@SUM(ritel (i) | i #NE# j: x(i, j)) = 1
);
!perjalanan diawali dari depot;
@FOR (ritel (i) | i #EQ# 1 :
@SUM (ritel (J) | j #GT# 1 :x(i, j)) = 1
);
!perjalanan akan berakhir di depot;
@FOR (ritel (j) | j #EQ# 1 :
@SUM (ritel (i) | i #GT# 1 : x(i, j)) = 1
);
!pelaksanaan;
@FOR (ritel (i)| i #NE# 1 :
@FOR (ritel (j) : T(j) >= T(i) + Bongkar(i) + durasi(i, j) - R * (1 - x(i, j)))
);
!rute;
@FOR (ritel (z) :
@SUM(ritel (i) | i #NE# z : x(i, z)) - @SUM(ritel (j) | j #NE# z : x(z, j)) = 0
);
!time windows;
@FOR (ritel (i) | i #NE# 1 : buka(i) <= T(i)
);
@FOR (ritel (i) | i #NE# 1 : tutup(i) >= T(i) + Bongkar(i)
);
! Variabel keputusan yang memiliki variabel biner;
@FOR (rute (i, j):
@BIN(x(i, j)));
End
Hasil reporting solution cluster 1 sebagai berikut :
Global optimal solution found.
Objective value: (Total jarak pengiriman) : 54.60000
Rute yang paling optimal adalah:
rute pengiriman dari ritel 1 ke ritel 2 sebesar 8.9 km
rute pengiriman dari ritel 2 ke ritel 3 sebesar 6.8 km
rute pengiriman dari ritel 3 ke ritel 4 sebesar 7.9 km
rute pengiriman dari ritel 4 ke ritel 5 sebesar 3.9 km
rute pengiriman dari ritel 5 ke ritel 6 sebesar 2.6 km
rute pengiriman dari ritel 6 ke ritel 8 sebesar 2.5 km
rute pengiriman dari ritel 7 ke ritel 1 sebesar 19.2 km
rute pengiriman dari ritel 8 ke ritel 7 sebesar 2.8 km
Berdasarkan hasil solution report pada cluster 1, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 1 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 54,6 yang artinya total jarak pengiriman pada cluster 1 sebesar 54,6 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 4), x(4, 5), x(5, 6), x(6, 8), x(7, 1), x(8, 7) dengan urutan 1-2-3-4-5-6-8-7-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 1 = CFC Transmart Rungkut
3 = 2 = Maspion Square
4 = 5 = CFC Tidar
5 = 8 = CFC Atom
6 = 9 = CFC Kaza City
8 = 11 = CFC Stasiun Gubeng
7 = 10 = CFC WTC
1 = 0 = Gudang DC Surabaya
Maka pada cluster 1 yang awalnya pada skenario pertama memiliki rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - CFC Stasiun Gubeng - CFC WTC - CFC Kaza City - CFC Atom - CFC Tidar - Maspion Square - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kedua di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC Stasiun Gubeng - CFC WTC - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 2, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan feasible solution found, yang artinya proses optimasi pada cluster 2 menghasilkan solusi yang belum optimal tapi masih bisa diterima. Dengan objective value sebesar 997,2 yang artinya total jarak pengiriman pada cluster 2 sebesar 997,2 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 2, maka di dapatkan x(1, 2), x(2, 4), x(3, 5), x(4, 3), x(5, 6), x(6, 8), x(7, 12), x(8, 7), x(9, 13), x(10, 15), x(11, 16), x(12, 14), x(13, 11), x(14, 9), x(15, 1), x(16, 10), dengan urutan 1-2-4-3-5-6-8-7-12-14-9-13-11-16-10-15-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 3 = CFC Bungurasih
4 = 7 = CFC Ramayana Gresik
3 = 6 = CFC Icon Mall Gresik
5 = 29 = CFC Cepu
6 = 30 = CFC Purwodadi
8 = 32 = CFC Kudus
7 = 31 = CFC Pati
12 = 53 = CFC Fatmawati
14 = 55 = Plaza Simpang lima (Simpang lima)
9 = 50 = CFC Lawang sewu
13 = 54 = CFC Siliwangi
11 = 52 = CFC Stasiun Tawang
16 = 60 = CFC Stasiun Pekalongan
10 = 51 = CFC Stasiun Poncol
15 = 57 = CFC Paragon Mall
1 = 0 = Gudang DC Surabaya
Maka pada cluster 2 yang awalnya pada skenario pertama memiliki rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Icon Mall Gresik - CFC Pati - CFC Kudus - CFC Stasiun Tawang - CFC Paragon Mall - CFC Siliwangi - CFC Stasiun Pekalongan - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Poncol - CFC Purwodadi - CFC Cepu - CFC Ramayana Gresik - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kedua di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Ramayana Gresik - CFC Icon Mall Gresik - CFC Cepu - CFC Purwodadi - CFC Kudus - CFC Pati - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Siliwangi - CFC Stasiun Tawang - CFC Stasiun Pekalongan - CFC Stasiun Poncol - CFC Paragon Mall - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 3, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 3 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1099,1 yang artinya total jarak pengiriman pada cluster 3 sebesar 1099,1 km. Untuk urutan rute kunjungan pada cluster 3 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 4), x(2, 3), x(3, 1), x(4, 5), x(5, 7), x(6, 11), x(7, 9), x(8, 2), x(9, 10), x(10, 6), x(11, 8), dengan urutan 1-4-5-7-9-10-6-11-8-2-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
4 = 59 = Matahari Pekalongan
5 = 61 = CFC Pemalang
7 = 63 = Rita SuperMall Tegal
9 = 65 = CFC Rest area KM 260 PG
10 = 66 = CFC Toserba Yogya (Brebes)
6 = 62 = CFC Stasiun Tegal
11 = 67 = CFC Slawi
8 = 64 = CFC Rest area KM 294 B
2 = 56 = CFC Majapahit
3 = 58 = CFC Rest area KM 429 (Ungaran)
1 = 0 = Gudang DC Surabaya
Maka pada cluster 3 yang awalnya pada skenario pertama memiliki rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Rest area KM 294 B - CFC Slawi - Rita SuperMall Tegal - CFC Rest area KM 260 PG - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Pemalang - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kedua di dapatkan urutan rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Pemalang - Rita SuperMall Tegal - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Slawi - CFC Rest area KM 294 B - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 4, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 4 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1036,3 yang artinya total jarak pengiriman pada cluster 4 sebesar 1036,3 km. Untuk urutan rute kunjungan pada cluster 4 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 5), x(4, 1), x(5, 6), x(6, 7), x(7, 8), x(8, 9), x(9, 10), x(10, 11), x(11, 12), x(12, 4) dengan urutan 1-2-3-5-6-7-8-9-10-11-12-4-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 33 = Rest area KM 519 A SOKER
3 = 34 = Rest area KM 519 B Masaran
5 = 36 = Stasiun Solo Balapan
6 = 37 = Grandmall Solo
7 = 38 = CFC Hartono Mall Solo
8 = 44 = CFC Stasiun Kutoarjo
9 = 45 = CFC Kebumen
10 = 46 = Rita Mall Purwokerto
11 = 47 = CFC Stasiun Purwokerto
12 = 48 = CFC Artos Mall
4 = 35 = Transmart Solo Pabelan
1 = 0 = Gudang DC Surabaya
Maka pada cluster 4 yang awalnya pada skenario pertama memiliki rute yaitu Gudang DC Surabaya - Rest area KM 519 B Masaran - CFC Hartono Mall Solo - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - CFC Artos Mall - Transmart Solo Pabelan - Grandmall Solo - Stasiun Solo Balapan - Rest area KM 519 A SOKER - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kedua di dapatkan urutan rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Stasiun Solo Balapan - Grandmall Solo - CFC Hartono Mall Solo - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - CFC Artos Mall - Transmart Solo Pabelan - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 5, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 5 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 697,3 yang artinya total jarak pengiriman pada cluster 5 sebesar 697,3 km. Untuk urutan rute kunjungan pada cluster 5 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 4), x(3, 6), x(4, 5), x(5, 3), x(6, 7), x(7, 10), x(8, 11), x(9, 8), x(10, 9), x(11, 1) dengan urutan 1-2-4-5-3-6-7-10-9-8-11-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 16 = Sunrise Mall Mojokerto
4 = 20 = CFC SunCity Madiun
5 = 21 = Stasiun Madiun
3 = 19 = Plaza Madiun
6 = 39 = Bandara adisutjipto
7 = 40 = CFC Transmart Maguwo
10 = 43 = Stasiun Lempuyangan
9 = 42 = CFC Progo Jogja
8 = 41 = CFC Ramai Mall
11 = 49 = CFC Sleman City hall
1 = 0 = Gudang DC Surabaya
Maka pada cluster 5 yang awalnya pada skenario pertama memiliki rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - Plaza Madiun - Stasiun Madiun - CFC SunCity Madiun - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kedua di dapatkan urutan rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Bandara adisutjipto - CFC Transmart Maguwo - Stasiun Lempuyangan - CFC Progo Jogja - CFC Ramai Mall - CFC Sleman City hall - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 6, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 6 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 623,9 yang artinya total jarak pengiriman pada cluster 6 sebesar 623,9 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 8), x(3, 4), x(4, 5), x(5, 1), x(6, 3), x(7, 6), x(8, 7) dengan urutan 1-2-8-7-6-3-4-5-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 4 = Transmart Sidoarjo (Pagerwojo)
8 = 28 = CFC Blitar Square
7 = 24 = Malang Town Square (Matos)
6 = 23 = CFC Jatimpark
3 = 17 = Kediri Town Square
4 = 18 = Stasiun Kediri
5 = 22 = CFC Ponorogo City Center
1 = 0 = Gudang DC Surabaya
Maka pada cluster 6 yang awalnya pada skenario pertama memiliki rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - Malang Town Square (Matos) - CFC Jatimpark - CFC Blitar Square - CFC Ponorogo City Center - Stasiun Kediri - Kediri Town Square - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kedua di dapatkan urutan rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - CFC Blitar Square - Malang Town Square (Matos) - CFC Jatimpark - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 7, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 7 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 517,4 yang artinya total jarak pengiriman pada cluster 7 sebesar 517,4 km. Untuk urutan rute kunjungan pada cluster 7 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 4), x(3, 7), x(4, 5), x(5, 3), x(6, 8), x(7, 6), x(8, 1) dengan urutan 1-2-4-5-3-7-6-8-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 12 = CFC Lumajang
4 = 14 = CFC Lippo Plaza Jember
5 = 15 = Golden Market Jember
3 = 13 = Transmart Jember
7 = 26 = Giant Sawojajar
6 = 25 = Stasiun Malang
8 = 27 = Matahari Mitra Malang
1 = 0 = Gudang DC Surabaya
Maka pada cluster 7 yang awalnya pada skenario pertama memiliki rute yaitu Gudang DC Surabaya - Matahari Mitra Malang - Stasiun Malang - Giant Sawojajar - Transmart Jember - Golden Market Jember - CFC Lippo Plaza Jember - CFC Lumajang - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kedua di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Lumajang - CFC Lippo Plaza Jember - Golden Market Jember - Transmart Jember - Giant Sawojajar - Stasiun Malang - Matahari Mitra Malang - Gudang DC Surabaya.
Perhitungan durasi pengiriman untuk analisis sensitivitas skenario kedua
Durasi pengiriman pada cluster 1
waktu distribusi=(54,6 Km)/(50 Km/jam) x 60=65,52 menit
waktu loading & unloading=30 menit x 8=240 menit
65,52+240= 305,52 menit
Durasi pengiriman pada cluster 2
waktu distribusi=(997,2 Km)/(50 Km/jam) x 60=1196,6 menit
waktu loading & unloading=30 menit x 16=480 menit
1196,6+480= 1676,6 menit
Durasi pengiriman pada cluster 3
waktu distribusi=(1099,1 Km)/(50 Km/jam) x 60=1318,9 menit
waktu loading & unloading=30 menit x 11=330 menit
1318+330= 1648.9 menit
Durasi pengiriman pada cluster 4
waktu distribusi=(1036,3 Km)/(50 Km/jam) x 60=1243,6 menit
waktu loading & unloading=30 menit x 12=360 menit
1243,6+360= 1603,6 menit
Durasi pengiriman pada cluster 5
waktu distribusi=(697,3 Km)/(50 Km/jam) x 60=836,76 menit
waktu loading & unloading=30 menit x 11=330 menit
836,76+330= 1166,8 menit
Durasi pengiriman pada cluster 6
waktu distribusi=(623,9 Km)/(50 Km/jam) x 60=748,68 menit
waktu loading & unloading=30 menit x 8=240 menit
748,68+240= 988,68 menit
Durasi pengiriman pada cluster 7
waktu distribusi=(517,4 Km)/(50 Km/jam) x 60=620,88 menit
waktu loading & unloading=30 menit x 8=240 menit
620,88+240=860,88 menit
Perhitungan biaya pengiriman untuk analisis sensitivitas skenario kedua
Biaya pengiriman pada cluster 1
BBM (Solar)
BBM (solar)=Rp 1.288 x 54,6=Rp 70.325
Uang makan
Uang makan=Rp 60.000 x2 x 1=Rp 120.000
Hotel
Karena waktu pengiriman pada cluster 1 hanya membutuhkan satu hari, maka tidak mendapatkan biaya hotel.
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 70.325+ Rp 120.000+Rp 40.000+Rp 400.000=Rp 630.325
Biaya pengiriman pada cluster 2
BBM (Solar)
BBM (solar)=Rp 1.288 x 997,2=Rp 1.284.394
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 16=Rp 80.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 16=Rp 800.000
Total= Rp 1.284.394+Rp 360.000+Rp 300.000+Rp 80.000+Rp 800.000=Rp 2.824.394
Biaya pengiriman pada cluster 3
BBM (Solar)
BBM (solar)=Rp 1.288 x 1099,1=Rp 1.415.641
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 1.415.641+Rp 360.000+Rp 300.000+p 55.000+p 550.000= Rp 2.680.641
Biaya pengiriman pada cluster 4
BBM (Solar)
BBM (solar)=Rp 1.288 x 1036,3=Rp 1.334.756
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 12=Rp 60.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 12=Rp 600.000
Total=Rp 1.334.756+Rp 360.000+Rp 300.000+Rp 60.000+Rp 600.000=Rp 2.654.754
Biaya pengiriman pada cluster 5
BBM (Solar)
BBM (solar)=Rp 1.288 x 697,3=Rp 898.122
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 898.122+Rp 240.000+Rp 300.000+Rp 55.000+Rp 550.000=Rp 2.043.122
Biaya pengiriman pada cluster 6
BBM (Solar)
BBM (solar)=Rp 1.288 x 623.9=Rp 803.583
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 803.583+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.783.583
Biaya pengiriman pada cluster 7
BBM (Solar)
BBM (solar)=Rp 1.288 x 517,4=Rp 666.411
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 666.411+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.646.411
Setelah menentukan total jarak, waktu, dan biaya pengiriman masing – masing cluster pada analisis sensitivitas, maka berikut ini hasil rekapitulasi total jarak, waktu, dan biaya pengirimannya :
Tabel 4.35 Rekapitulasi total jarak, waktu, dan biaya pengiriman setelah di analisis sensitivitas skenario kedua
Rute Jarak (km) Waktu (Menit) Biaya
1 54.6 305.52 Rp630,325
2 997.2 1676.64 Rp2,824,394
3 1099.1 1648.92 Rp2,680,641
4 1036.3 1603.56 Rp2,654,754
5 697.3 1166.76 Rp2,043,122
6 623.9 988.68 Rp1,783,583
7 517.4 860.88 Rp1,646,411
Total 3884.5 6401.4 Rp10,833,236
Dari hasil rekapitulasi tabel diatas, didapatkan bahwa total jarak, waktu, dan biaya pengiriman setelah dilakukan analisis sensitivitas skenario kedua mengalami perubahan yang awalnya pada skenario pertama total jarak sebesar 3746,4 km setelah dilakukan analisis sensitivitas skenario kedua menjadi 3884,5 km, total durasi pengiriman yang awalnya pada skenario pertama sebesar 6235,68 menit setelah dilakukan analisis sensitivitas skenario kedua menjadi 6401,4 menit, dan memiliki total biaya pengiriman yang awalnya pada skenario pertama sebesar Rp 10.655.363 setelah dilakukan analisis sensitivitas skenario kedua menjadi Rp10,833,236.
Skenario Ketiga
Pada tahap skenario ketiga, yaitu dilakukan pengubahan secara acak time windows tiga ritel pada setiap cluster. Pada skenario ketiga batasan pelayanan pengiriman hanya dari jam 09:00 sampai jam 11:00 untuk satu ritel sama dengan skenario pertama, dari jam 11:00 sampai jam 13:00 untuk satu ritel sama dengan skenario kedua, namun ditambahkan lagi batasan pelayanan hanya dari jam 13:00 sampai jam 15:00 satu ritel lagi, jadi total ada tiga ritel pada setiap cluster yang diubah secara acak time windowsnya.
Tabel 4.36 Analisis sensitivitas time windows skenario ketiga
Ritel Nama Ritel Time Windows Cluster
Buka (Jam) Buka (Menit) Tutup (Jam) Tutup (Menit)
0 Gudang CFC Surabaya 8 480 17 1020
1 CFC Transmart Rungkut 9 540 11 660 1
9 CFC Kaza City 9 540 21 1260
2 Maspion Square 11 660 13 780
8 CFC Atom 13 780 15 900
11 CFC Stasiun Gubeng 9 540 21 1260
10 CFC WTC 9 540 21 1260
5 CFC Tidar 9 540 21 1260
7 CFC Ramayana Gresik 9 540 21 1260 2
6 CFC Icon Mall Gresik 9 540 21 1260
3 CFC Bungurasih 9 540 11 660
31 CFC Pati 9 540 21 1260
32 CFC Kudus 13 780 15 900
29 CFC Cepu 11 660 13 780
52 CFC Stasiun Tawang 9 540 21 1260
51 CFC Stasiun Poncol 9 540 21 1260
30 CFC Purwodadi 9 540 21 1260
55 Plaza Simpang lima (Simpang lima) 9 540 21 1260
54 CFC Siliwangi 9 540 21 1260
50 CFC Lawang sewu 9 540 21 1260
57 CFC Paragon Mall 9 540 21 1260
60 CFC Stasiun Pekalongan 9 540 21 1260
53 CFC Fatmawati 9 540 21 1260
59 Matahari Pekalongan 9 540 11 660 3
56 CFC Majapahit 9 540 21 1260
61 CFC Pemalang 9 540 21 1260
62 CFC Stasiun Tegal 13 780 15 900
63 Rita SuperMall Tegal 9 540 21 1260
66 CFC Toserba Yogya (Brebes) 9 540 21 1260
65 CFC Rest area KM 260 PG 11 660 13 780
64 CFC Rest area KM 294 B 9 540 21 1260
67 CFC Slawi 9 540 21 1260
58 CFC Rest area KM 429 (Ungaran) 9 540 21 1260
47 CFC Stasiun Purwokerto 9 540 21 1260 4
46 Rita Mall Purwokerto 9 540 21 1260
48 CFC Artos Mall 9 540 21 1260
33 Rest area KM 519 A SOKER 9 540 21 1260
34 Rest area KM 519 B Masaran 9 540 11 660
35 Transmart Solo Pabelan 9 540 21 1260
36 Stasiun Solo Balapan 13 780 15 900
37 Grandmall Solo 11 660 13 780
45 CFC Kebumen 9 540 21 1260
38 CFC Hartono Mall Solo 9 540 21 1260
44 CFC Stasiun Kutoarjo 9 540 21 1260
49 CFC Sleman City hall 9 540 21 1260 5
43 Stasiun Lempuyangan 9 540 21 1260
41 CFC Ramai Mall 9 540 21 1260
39 Bandara adisutjipto 9 540 21 1260
40 CFC Transmart Maguwo 9 540 21 1260
42 CFC Progo Jogja 9 540 21 1260
19 Plaza Madiun 9 540 21 1260
21 Stasiun Madiun 13 780 15 900
20 CFC SunCity Madiun 11 660 13 780
16 Sunrise Mall Mojokerto 9 540 11 660
22 CFC Ponorogo City Center 9 540 21 1260 6
17 Kediri Town Square 9 540 21 1260
18 Stasiun Kediri 9 540 21 1260
28 CFC Blitar Square 11 660 13 780
23 CFC Jatimpark 9 540 21 1260
4 Transmart Sidoarjo (Pagerwojo) 9 540 11 660
24 Malang Town Square (Matos) 13 780 15 900
27 Matahari Mitra Malang 9 540 21 1260 7
25 Stasiun Malang 9 540 21 1260
26 Giant Sawojajar 9 540 21 1260
12 CFC Lumajang 9 540 11 660
13 Transmart Jember 9 540 21 1260
14 CFC Lippo Plaza Jember 11 660 13 780
15 Golden Market Jember 13 780 15 900
Dari tabel diatas dapat dijabarkan bahwa pada cluster 1 terdapat pengubahan time windows pada ritel CFC Transmart Rungkut, Maspion Square dan CFC Atom, cluster 2 terdapat pengubahan time windows pada ritel CFC Bungurasih, CFC Cepu dan CFC Kudus, cluster 3 terdapat pengubahan time windows pada ritel Matahari Pekalongan, CFC Rest area KM 260 PG dan CFC Stasiun Tegal, cluster 4 terdapat pengubahan time windows pada ritel Rest area KM 519 B Masaran, Grandmall Solo dan Stasiun Solo Balapan, cluster 5 terdapat pengubahan time windows pada ritel Sunrise Mall Mojokerto, CFC SunCity Madiun dan Stasiun Madiun, cluster 6 terdapat pengubahan time windows pada ritel Transmart Sidoarjo (Pagerwojo), CFC Blitar Square dan Malang Town Square (Matos), cluster 7 terdapat pengubahan time windows pada ritel CFC Lumajang, CFC Lippo Plaza Jember dan Golden Market Jember.
Setelah itu, penulis melakukan pengolahan menggunakan bantuan software Lingo 18.0 x64 untuk memperoleh pengaruh dari pengubahan time windows tersebut. Berikut ini penulis ambil contoh pada cluster 1. Untuk cluster 2, cluster 3, cluster 4, cluster 5, cluster 6, cluster 7 bisa dilihat pada lampiran 15.
model:
!parameter model:
Buka = waktu buka ritel
Tutup = waktu tutup ritel
Bongkar = waktu loading/unloading di ritel
D = jarak antar ritel
T = waktu memulai pelayanan pada ritel
Durasi = Durasi pengiriman
R = bilangan rill yang bernilai besar
;
!variabel keputusan:
x(i, j) = 1 jika kendaraan k beroperasi dari i ke j
;
sets:
ritel/1..8/: Bongkar, buka, tutup, T;
rute(ritel, ritel) : x, D, durasi;
endsets
data:
buka = 480 540 660 540 780 540 540 540;
tutup = 1020 660 780 1260 900 1260 1260 1260;
D =
!ritel;
!0 1 2 5 8 9 10 11;
0 8.9 13.6 19.7 20.7 21.5 19.2 18.1 !0;
8.9 0 6.8 13.3 14.6 13.1 10.9 8.7 !1;
13.6 6.8 0 7.9 10.3 10.5 8.1 9.4 !2;
19.7 13.3 7.9 0 3.9 4.6 4.6 5.6 !5;
20.7 14.6 10.3 3.9 0 2.6 5.4 3.4 !8;
21.5 13.1 10.5 4.6 2.6 0 3.6 2.5 !9;
19.2 10.9 8.1 4.6 5.4 3.6 0 2.8 !10;
18.1 8.7 9.4 5.6 3.4 2.5 2.8 0; !11;
durasi =
0 10.68 16.32 23.64 24.84 25.8 23.04 21.72
10.68 0 8.16 15.96 17.52 15.72 13.08 10.44
16.32 8.16 0 9.48 12.36 12.6 9.72 11.28
23.64 15.96 9.48 0 4.68 5.52 5.52 6.72
24.84 17.52 12.36 4.68 0 3.12 6.48 4.08
25.8 15.72 12.6 5.52 3.12 0 4.32 3
23.04 13.08 9.72 5.52 6.48 4.32 0 3.36
21.72 10.44 11.28 6.72 4.08 3 3.36 0;
Bongkar = 30 30 30 30 30 30 30 30;
R = 10000000;
@text() = @write("Rute yang paling optimal adalah: ", @newline(1));
@text() = @writefor(rute(i, j) | x(i, j) #NE# 0 : "rute pengiriman dari ritel ", i, " ke ritel ", j, " sebesar ", D(i, j), " km ",
@newline(1));
enddata
!fungsi objektif;
MIN =
@SUM (ritel(i) :
@SUM(ritel (j) | i#NE# j: D (i, j) * x(i, j))
);
!Fungsi batasan;
!setiap ritel dikunjungi satu kali;
@FOR(ritel (j) | j #GT# 1 :
@SUM(ritel (i) | i #NE# j: x(i, j)) = 1
);
!perjalanan diawali dari depot;
@FOR (ritel (i) | i #EQ# 1 :
@SUM (ritel (J) | j #GT# 1 :x(i, j)) = 1
);
!perjalanan akan berakhir di depot;
@FOR (ritel (j) | j #EQ# 1 :
@SUM (ritel (i) | i #GT# 1 : x(i, j)) = 1
);
!pelaksanaan;
@FOR (ritel (i)| i #NE# 1 :
@FOR (ritel (j) : T(j) >= T(i) + Bongkar(i) + durasi(i, j) - R * (1 - x(i, j)))
);
!rute;
@FOR (ritel (z) :
@SUM(ritel (i) | i #NE# z : x(i, z)) - @SUM(ritel (j) | j #NE# z : x(z, j)) = 0
);
!time windows;
@FOR (ritel (i) | i #NE# 1 : buka(i) <= T(i)
);
@FOR (ritel (i) | i #NE# 1 : tutup(i) >= T(i) + Bongkar(i)
);
! Variabel keputusan yang memiliki variabel biner;
@FOR (rute (i, j):
@BIN(x(i, j)));
End
Hasil reporting solution cluster 1 sebagai berikut :
Global optimal solution found.
Objective value (Total jarak optimal): 54.60000
Rute yang paling optimal adalah:
rute pengiriman dari ritel 1 ke ritel 2 sebesar 8.9 km
rute pengiriman dari ritel 2 ke ritel 3 sebesar 6.8 km
rute pengiriman dari ritel 3 ke ritel 4 sebesar 7.9 km
rute pengiriman dari ritel 4 ke ritel 5 sebesar 3.9 km
rute pengiriman dari ritel 5 ke ritel 6 sebesar 2.6 km
rute pengiriman dari ritel 6 ke ritel 8 sebesar 2.5 km
rute pengiriman dari ritel 7 ke ritel 1 sebesar 19.2 km
rute pengiriman dari ritel 8 ke ritel 7 sebesar 2.8 km
Berdasarkan hasil solution report pada cluster 1, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 1 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 54,6 yang artinya total jarak pengiriman pada cluster 1 sebesar 54,6 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 4), x(4, 5), x(5, 6), x(6, 8), x(7, 1), x(8, 7) dengan urutan 1-2-3-4-5-6-8-7-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 1 = CFC Transmart Rungkut
3 = 2 = Maspion Square
4 = 5 = CFC Tidar
5 = 8 = CFC Atom
6 = 9 = CFC Kaza City
8 = 11 = CFC Stasiun Gubeng
7 = 10 = CFC WTC
1 = 0 = Gudang DC Surabaya
Maka pada cluster 1 yang awalnya pada skenario kedua memiliki rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - CFC Stasiun Gubeng - CFC WTC - CFC Kaza City - CFC Atom - CFC Tidar - Maspion Square - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario ketiga di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC Stasiun Gubeng - CFC WTC - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 2, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan feasible solution found, yang artinya proses optimasi pada cluster 2 menghasilkan solusi yang belum optimal tapi masih bisa diterima. Dengan objective value sebesar 905 yang artinya total jarak pengiriman pada cluster 2 sebesar 905 km. Untuk urutan rute kunjungan pada cluster 2 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 4), x(4, 5), x(5, 7), x(6, 1), x(7, 8), x(8, 10), x(9, 14), x(10, 15), x(11, 16), x(12, 6), x(13, 9), x(14, 12), x(15, 11), x(16, 13), dengan urutan 1-2-3-4-5-7-8-10-15-11-16-13-9-14-12-6-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 3 = CFC Bungurasih
3 = 6 = CFC Icon Mall Gresik
4 = 7 = CFC Ramayana Gresik
5 = 29 = CFC Cepu
7 = 31 = CFC Pati
8 = 32 = CFC Kudus
10 = 51 = CFC Stasiun Poncol
15 = 57 = CFC Paragon Mall
11 = 52 = CFC Stasiun Tawang
16 = 60 = CFC Stasiun Pekalongan
13 = 54 = CFC Siliwangi
9 = 50 = CFC Lawang sewu
14 = 55 = Plaza Simpang lima (Simpang lima)
12 = 53 = CFC Fatmawati
6 = 30 = CFC Purwodadi
1 = 0 = Gudang DC Surabaya
Maka pada cluster 2 yang awalnya pada skenario kedua memiliki rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Ramayana Gresik - CFC Icon Mall Gresik - CFC Cepu - CFC Purwodadi - CFC Kudus - CFC Pati - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Siliwangi - CFC Stasiun Tawang - CFC Stasiun Pekalongan - CFC Stasiun Poncol - CFC Paragon Mall - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario ketiga di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Icon Mall Gresik - CFC Ramayana Gresik - CFC Cepu - CFC Pati - CFC Kudus - CFC Stasiun Poncol - CFC Paragon Mall - CFC Stasiun Tawang - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Lawang sewu - Plaza Simpang lima (Simpang lima) - CFC Fatmawati - CFC Purwodadi - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 3, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 3 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1099,1 yang artinya total jarak pengiriman pada cluster 3 sebesar 1099,1 km. Untuk urutan rute kunjungan pada cluster 3 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 4), x(2, 3), x(3, 1), x(4, 5), x(5, 7), x(6, 11), x(7, 9), x(8, 2), x(9, 10), x(10, 6), x(11, 8), dengan urutan 1-4-5-7-9-10-6-11-8-2-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
4 = 59 = Matahari Pekalongan
5 = 61 = CFC Pemalang
7 = 63 = Rita SuperMall Tegal
9 = 65 = CFC Rest area KM 260 PG
10 = 66 = CFC Toserba Yogya (Brebes)
6 = 62 = CFC Stasiun Tegal
11 = 67 = CFC Slawi
8 = 64 = CFC Rest area KM 294 B
2 = 56 = CFC Majapahit
3 = 58 = CFC Rest area KM 429 (Ungaran)
1 = 0 = Gudang DC Surabaya
Maka pada cluster 3 yang awalnya pada skenario kedua memiliki rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Rest area KM 294 B - CFC Slawi - Rita SuperMall Tegal - CFC Rest area KM 260 PG - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Pemalang - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario ketiga di dapatkan urutan rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Pemalang - Rita SuperMall Tegal - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Slawi - CFC Rest area KM 294 B - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 4, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 4 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1040,3 yang artinya total jarak pengiriman pada cluster 4 sebesar 1040,3 km. Untuk urutan rute kunjungan pada cluster 4 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 4), x(4, 6), x(5, 7), x(6, 5), x(7, 8), x(8, 9), x(9, 10), x(10, 11), x(11, 12), x(12, 1) dengan urutan 1-2-3-4-6-5-7-8-9-10-11-12-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 33 = Rest area KM 519 A SOKER
3 = 34 = Rest area KM 519 B Masaran
4 = 35 = Transmart Solo Pabelan
6 = 37 = Grandmall Solo
5 = 36 = Stasiun Solo Balapan
7 = 38 = CFC Hartono Mall Solo
8 = 44 = CFC Stasiun Kutoarjo
9 = 45 = CFC Kebumen
10 = 46 = Rita Mall Purwokerto
11 = 47 = CFC Stasiun Purwokerto
12 = 48 = CFC Artos Mall
1 = 0 = Gudang DC Surabaya
Maka pada cluster 4 yang awalnya pada skenario kedua memiliki rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Stasiun Solo Balapan - Grandmall Solo - CFC Hartono Mall Solo - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - CFC Artos Mall - Transmart Solo Pabelan - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario ketiga di dapatkan urutan rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Transmart Solo Pabelan - Grandmall Solo - Stasiun Solo Balapan - CFC Hartono Mall Solo - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - CFC Artos Mall - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 5, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 5 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 697,3 yang artinya total jarak pengiriman pada cluster 5 sebesar 697,3 km. Untuk urutan rute kunjungan pada cluster 5 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 4), x(3, 6), x(4, 5), x(5, 3), x(6, 7), x(7, 10), x(8, 11), x(9, 8), x(10, 9), x(11, 1) dengan urutan 1-2-4-5-3-6-7-10-9-8-11-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 16 = Sunrise Mall Mojokerto
4 = 20 = CFC SunCity Madiun
5 = 21 = Stasiun Madiun
3 = 19 = Plaza Madiun
6 = 39 = Bandara adisutjipto
7 = 40 = CFC Transmart Maguwo
10 = 43 = Stasiun Lempuyangan
9 = 42 = CFC Progo Jogja
8 = 41 = CFC Ramai Mall
11 = 49 = CFC Sleman City hall
1 = 0 = Gudang DC Surabaya
Maka pada cluster 5 yang awalnya pada skenario kedua memiliki rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - Plaza Madiun - Stasiun Madiun - CFC SunCity Madiun - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario ketiga di dapatkan urutan rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Bandara adisutjipto - CFC Transmart Maguwo - Stasiun Lempuyangan - CFC Progo Jogja - CFC Ramai Mall - CFC Sleman City hall - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 6, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 6 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 623,9 yang artinya total jarak pengiriman pada cluster 6 sebesar 623,9 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 8), x(3, 4), x(4, 5), x(5, 1), x(6, 3), x(7, 6), x(8, 7) dengan urutan 1-2-8-7-6-3-4-5-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 4 = Transmart Sidoarjo (Pagerwojo)
8 = 28 = CFC Blitar Square
7 = 24 = Malang Town Square (Matos)
6 = 23 = CFC Jatimpark
3 = 17 = Kediri Town Square
4 = 18 = Stasiun Kediri
5 = 22 = CFC Ponorogo City Center
1 = 0 = Gudang DC Surabaya
Maka pada cluster 6 yang awalnya pada skenario kedua memiliki rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - Malang Town Square (Matos) - CFC Jatimpark - CFC Blitar Square - CFC Ponorogo City Center - Stasiun Kediri - Kediri Town Square - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario ketiga di dapatkan urutan rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - CFC Blitar Square - Malang Town Square (Matos) - CFC Jatimpark - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 7, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 7 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 517,4 yang artinya total jarak pengiriman pada cluster 7 sebesar 517,4 km. Untuk urutan rute kunjungan pada cluster 7 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 4), x(3, 7), x(4, 5), x(5, 3), x(6, 8), x(7, 6), x(8, 1) dengan urutan 1-2-4-5-3-7-6-8-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 12 = CFC Lumajang
4 = 14 = CFC Lippo Plaza Jember
5 = 15 = Golden Market Jember
3 = 13 = Transmart Jember
7 = 26 = Giant Sawojajar
6 = 25 = Stasiun Malang
8 = 27 = Matahari Mitra Malang
1 = 0 = Gudang DC Surabaya
Maka pada cluster 7 yang awalnya pada skenario kedua memiliki rute yaitu Gudang DC Surabaya - Matahari Mitra Malang - Stasiun Malang - Giant Sawojajar - Transmart Jember - Golden Market Jember - CFC Lippo Plaza Jember - CFC Lumajang - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario ketiga di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Lumajang - CFC Lippo Plaza Jember - Golden Market Jember - Transmart Jember - Giant Sawojajar - Stasiun Malang - Matahari Mitra Malang - Gudang DC Surabaya.
Perhitungan durasi pengiriman untuk analisis sensitivitas skenario ketiga
Durasi pengiriman pada cluster 1
waktu distribusi=(54,6 Km)/(50 Km/jam) x 60=65,52 menit
waktu loading & unloading=30 menit x 8=240 menit
65,52+240= 305,52 menit
Durasi pengiriman pada cluster 2
waktu distribusi=(905 Km)/(50 Km/jam) x 60=1086 menit
waktu loading & unloading=30 menit x 16=480 menit
1086+480= 1566 menit
Durasi pengiriman pada cluster 3
waktu distribusi=(1099,1 Km)/(50 Km/jam) x 60=1318,9 menit
waktu loading & unloading=30 menit x 11=330 menit
1318+330= 1648.9 menit
Durasi pengiriman pada cluster 4
waktu distribusi=(1040,3 Km)/(50 Km/jam) x 60=1248,4 menit
waktu loading & unloading=30 menit x 12=360 menit
1248,4+360= 1608,4 menit
Durasi pengiriman pada cluster 5
waktu distribusi=(697,3 Km)/(50 Km/jam) x 60=836,76 menit
waktu loading & unloading=30 menit x 11=330 menit
836,76+330= 1166,8 menit
Durasi pengiriman pada cluster 6
waktu distribusi=(623,9 Km)/(50 Km/jam) x 60=748,68 menit
waktu loading & unloading=30 menit x 8=240 menit
748,68+240= 988,68 menit
Durasi pengiriman pada cluster 7
waktu distribusi=(517,4 Km)/(50 Km/jam) x 60=620,88 menit
waktu loading & unloading=30 menit x 8=240 menit
620,88+240=860,88 menit
Perhitungan biaya pengiriman untuk analisis sensitivitas skenario ketiga
Biaya pengiriman pada cluster 1
BBM (Solar)
BBM (solar)=Rp 1.288 x 54,6=Rp 70.325
Uang makan
Uang makan=Rp 60.000 x2 x 1=Rp 120.000
Hotel
Karena waktu pengiriman pada cluster 1 hanya membutuhkan satu hari, maka tidak mendapatkan biaya hotel.
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 70.325+ Rp 120.000+Rp 40.000+Rp 400.000=Rp 630.325
Biaya pengiriman pada cluster 2
BBM (Solar)
BBM (solar)=Rp 1.288 x 905=Rp 1.165.640
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 16=Rp 80.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 16=Rp 800.000
Total= Rp 1.165.640+Rp 360.000+Rp 300.000+Rp 80.000+Rp 800.000=Rp 2.705.640
Biaya pengiriman pada cluster 3
BBM (Solar)
BBM (solar)=Rp 1.288 x 1099,1=Rp 1.415.641
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 1.415.641+Rp 360.000+Rp 300.000+p 55.000+p 550.000= Rp 2.680.641
Biaya pengiriman pada cluster 4
BBM (Solar)
BBM (solar)=Rp 1.288 x 1040,3=Rp 1.339.906
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 12=Rp 60.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 12=Rp 600.000
Total=Rp 1.339.906+Rp 360.000+Rp 300.000+Rp 60.000+Rp 600.000=Rp 2.659.906
Biaya pengiriman pada cluster 5
BBM (Solar)
BBM (solar)=Rp 1.288 x 697,3=Rp 898.122
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 898.122+Rp 240.000+Rp 300.000+Rp 55.000+Rp 550.000=Rp 2.043.122
Biaya pengiriman pada cluster 6
BBM (Solar)
BBM (solar)=Rp 1.288 x 623.9=Rp 803.583
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 803.583+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.783.583
Biaya pengiriman pada cluster 7
BBM (Solar)
BBM (solar)=Rp 1.288 x 517,4=Rp 666.411
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 666.411+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.646.411
Setelah menentukan total jarak, waktu, dan biaya pengiriman masing – masing cluster pada analisis sensitivitas, maka berikut ini hasil rekapitulasi total jarak, waktu, dan biaya pengirimannya :
Tabel 4.37 Rekapitulasi total jarak, waktu, dan biaya pengiriman setelah di analisis sensitivitas skenario ketiga
Rute Jarak (km) Waktu (Menit) Biaya
1 54.6 305.52 Rp630,325
2 905 1566 Rp2,705,640
3 1099.1 1648.92 Rp2,680,641
4 1040.3 1608.36 Rp2,659,906
5 697.3 1166.76 Rp2,043,122
6 623.9 988.68 Rp1,783,583
7 517.4 860.88 Rp1,646,411
Total 3796.3 6295.56 Rp10,719,634
Dari hasil rekapitulasi tabel diatas, didapatkan bahwa total jarak, waktu, dan biaya pengiriman setelah dilakukan analisis sensitivitas skenario ketiga mengalami perubahan yang awalnya pada skenario kedua total jarak sebesar 3884,5 km setelah dilakukan analisis sensitivitas skenario ketiga menjadi 3796,3 km, total durasi pengiriman yang awalnya pada skenario kedua sebesar 6401,4 menit setelah dilakukan analisis sensitivitas skenario ketiga menjadi 6295,56 menit, dan memiliki total biaya pengiriman yang awalnya pada skenario kedua sebesar Rp10,833,236 setelah dilakukan analisis sensitivitas skenario ketiga menjadi Rp10.719.634.
Skenario Keempat
Pada tahap skenario keempat, yaitu dilakukan pengubahan secara acak time windows empat ritel pada setiap cluster. Pada skenario keenpat batasan pelayanan pengiriman hanya dari jam 09:00 sampai jam 11:00 untuk satu ritel sama dengan skenario pertama, dari jam 11:00 sampai jam 13:00 untuk satu ritel sama dengan skenario kedua, dari jam 13:00 sampai jam 15:00 untuk satu ritel sama dengan skenario ketiga namun ditambahkan lagi batasan pelayanan hanya dari jam 15:00 sampai jam 17:00 satu ritel lagi, jadi total ada empat ritel pada setiap cluster yang diubah secara acak time windowsnya.
Tabel 4.38 Analisis sensitivitas time windows skenario keempat
Ritel Nama Ritel Time Windows Cluster
Buka (Jam) Buka (Menit) Tutup (Jam) Tutup (Menit)
0 Gudang CFC Surabaya 8 480 17 1020
1 CFC Transmart Rungkut 9 540 11 660 1
9 CFC Kaza City 9 540 21 1260
2 Maspion Square 11 660 13 780
8 CFC Atom 13 780 15 900
11 CFC Stasiun Gubeng 15 900 17 1020
10 CFC WTC 9 540 21 1260
5 CFC Tidar 9 540 21 1260
7 CFC Ramayana Gresik 9 540 21 1260 2
6 CFC Icon Mall Gresik 9 540 21 1260
3 CFC Bungurasih 9 540 11 660
31 CFC Pati 15 900 17 1020
32 CFC Kudus 13 780 15 900
29 CFC Cepu 11 660 13 780
52 CFC Stasiun Tawang 9 540 21 1260
51 CFC Stasiun Poncol 9 540 21 1260
30 CFC Purwodadi 9 540 21 1260
55 Plaza Simpang lima (Simpang lima) 9 540 21 1260
54 CFC Siliwangi 9 540 21 1260
50 CFC Lawang sewu 9 540 21 1260
57 CFC Paragon Mall 9 540 21 1260
60 CFC Stasiun Pekalongan 9 540 21 1260
53 CFC Fatmawati 9 540 21 1260
59 Matahari Pekalongan 9 540 11 660 3
56 CFC Majapahit 9 540 21 1260
61 CFC Pemalang 9 540 21 1260
62 CFC Stasiun Tegal 13 780 15 900
63 Rita SuperMall Tegal 15 900 17 1020
66 CFC Toserba Yogya (Brebes) 9 540 21 1260
65 CFC Rest area KM 260 PG 11 660 13 780
64 CFC Rest area KM 294 B 9 540 21 1260
67 CFC Slawi 9 540 21 1260
58 CFC Rest area KM 429 (Ungaran) 9 540 21 1260
47 CFC Stasiun Purwokerto 9 540 21 1260 4
46 Rita Mall Purwokerto 9 540 21 1260
48 CFC Artos Mall 9 540 21 1260
33 Rest area KM 519 A SOKER 9 540 21 1260
34 Rest area KM 519 B Masaran 9 540 11 660
35 Transmart Solo Pabelan 9 540 21 1260
36 Stasiun Solo Balapan 13 780 15 900
37 Grandmall Solo 11 660 13 780
45 CFC Kebumen 9 540 21 1260
38 CFC Hartono Mall Solo 15 900 17 1020
44 CFC Stasiun Kutoarjo 9 540 21 1260
49 CFC Sleman City hall 9 540 21 1260 5
43 Stasiun Lempuyangan 9 540 21 1260
41 CFC Ramai Mall 9 540 21 1260
39 Bandara adisutjipto 9 540 21 1260
40 CFC Transmart Maguwo 9 540 21 1260
42 CFC Progo Jogja 9 540 21 1260
19 Plaza Madiun 9 540 21 1260
21 Stasiun Madiun 13 780 15 900
20 CFC SunCity Madiun 11 660 13 780
16 Sunrise Mall Mojokerto 9 540 11 660
22 CFC Ponorogo City Center 9 540 21 1260 6
17 Kediri Town Square 9 540 21 1260
18 Stasiun Kediri 9 540 21 1260
28 CFC Blitar Square 11 660 13 780
23 CFC Jatimpark 15 900 17 1020
4 Transmart Sidoarjo (Pagerwojo) 9 540 11 660
24 Malang Town Square (Matos) 13 780 15 900
27 Matahari Mitra Malang 9 540 21 1260 7
25 Stasiun Malang 9 540 21 1260
26 Giant Sawojajar 9 540 21 1260
12 CFC Lumajang 9 540 11 660
13 Transmart Jember 9 540 21 1260
14 CFC Lippo Plaza Jember 11 660 13 780
15 Golden Market Jember 13 780 15 900
Dari tabel diatas dapat dijabarkan bahwa pada cluster 1 terdapat pengubahan time windows pada ritel CFC Transmart Rungkut, Maspion Square, CFC Atom dan CFC Stasiun Gubeng, cluster 2 terdapat pengubahan time windows pada ritel CFC Bungurasih, CFC Cepu, CFC Kudus dan CFC Pati, cluster 3 terdapat pengubahan time windows pada ritel Matahari Pekalongan, CFC Rest area KM 260 PG, CFC Stasiun Tegal dan Rita SuperMall Tegal, cluster 4 terdapat pengubahan time windows pada ritel Rest area KM 519 B Masaran, Grandmall Solo, Stasiun Solo Balapan dan CFC Hartono Mall Solo, cluster 5 tidak terdapat pengubahan time windows maka masih tetap pada ritel Sunrise Mall Mojokerto, CFC SunCity Madiun dan Stasiun Madiun, cluster 6 terdapat pengubahan time windows pada ritel Transmart Sidoarjo (Pagerwojo), CFC Blitar Square, Malang Town Square (Matos) dan CFC Jatimpark, cluster 7 tidak terdapat pengubahan time windows maka masih tetap pada ritel CFC Lumajang, CFC Lippo Plaza Jember dan Golden Market Jember. Untuk cluster 5 dan 7 tidak dilakukan penambahan pengubahan time windows dikarenakan pada saat melakukan pengubahan time windows dari jam 15:00 sampai 17:00 pada setiap ritel yang ada, menghasilkan status infeasible pada software Lingo yang artinya tidak ditemukan solusi yang optimal dikarenakan waktu memulai pelayanan pada setiap ritel yang diubah time windowsnya mengalami bentrok “crash” dengan ritel yang lain.
Setelah itu, penulis melakukan pengolahan menggunakan bantuan software Lingo 18.0 x64 untuk memperoleh pengaruh dari pengubahan time windows tersebut. Berikut ini penulis ambil contoh pada cluster 1. Untuk cluster 2, cluster 3, cluster 4, cluster 6 bisa dilihat pada lampiran 16.
model:
!parameter model:
Buka = waktu buka ritel
Tutup = waktu tutup ritel
Bongkar = waktu loading/unloading di ritel
D = jarak antar ritel
T = waktu memulai pelayanan pada ritel
Durasi = Durasi pengiriman
R = bilangan rill yang bernilai besar
;
!variabel keputusan:
x(i, j) = 1 jika kendaraan k beroperasi dari i ke j
;
sets:
ritel/1..8/: Bongkar, buka, tutup, T;
rute(ritel, ritel) : x, D, durasi;
endsets
data:
buka = 480 540 660 540 780 540 540 900;
tutup = 1020 660 780 1260 900 1260 1260 1020;
D =
!ritel;
!0 1 2 5 8 9 10 11;
0 8.9 13.6 19.7 20.7 21.5 19.2 18.1 !0;
8.9 0 6.8 13.3 14.6 13.1 10.9 8.7 !1;
13.6 6.8 0 7.9 10.3 10.5 8.1 9.4 !2;
19.7 13.3 7.9 0 3.9 4.6 4.6 5.6 !5;
20.7 14.6 10.3 3.9 0 2.6 5.4 3.4 !8;
21.5 13.1 10.5 4.6 2.6 0 3.6 2.5 !9;
19.2 10.9 8.1 4.6 5.4 3.6 0 2.8 !10;
18.1 8.7 9.4 5.6 3.4 2.5 2.8 0; !11;
durasi =
0 10.68 16.32 23.64 24.84 25.8 23.04 21.72
10.68 0 8.16 15.96 17.52 15.72 13.08 10.44
16.32 8.16 0 9.48 12.36 12.6 9.72 11.28
23.64 15.96 9.48 0 4.68 5.52 5.52 6.72
24.84 17.52 12.36 4.68 0 3.12 6.48 4.08
25.8 15.72 12.6 5.52 3.12 0 4.32 3
23.04 13.08 9.72 5.52 6.48 4.32 0 3.36
21.72 10.44 11.28 6.72 4.08 3 3.36 0;
Bongkar = 30 30 30 30 30 30 30 30;
R = 10000000;
@text() = @write("Rute yang paling optimal adalah: ", @newline(1));
@text() = @writefor(rute(i, j) | x(i, j) #NE# 0 : "rute pengiriman dari ritel ", i, " ke ritel ", j, " sebesar ", D(i, j), " km ",
@newline(1));
enddata
!fungsi objektif;
MIN =
@SUM (ritel(i) :
@SUM(ritel (j) | i#NE# j: D (i, j) * x(i, j))
);
!Fungsi batasan;
!setiap ritel dikunjungi satu kali;
@FOR(ritel (j) | j #GT# 1 :
@SUM(ritel (i) | i #NE# j: x(i, j)) = 1
);
!perjalanan diawali dari depot;
@FOR (ritel (i) | i #EQ# 1 :
@SUM (ritel (J) | j #GT# 1 :x(i, j)) = 1
);
!perjalanan akan berakhir di depot;
@FOR (ritel (j) | j #EQ# 1 :
@SUM (ritel (i) | i #GT# 1 : x(i, j)) = 1
);
!pelaksanaan;
@FOR (ritel (i)| i #NE# 1 :
@FOR (ritel (j) : T(j) >= T(i) + Bongkar(i) + durasi(i, j) - R * (1 - x(i, j)))
);
!rute;
@FOR (ritel (z) :
@SUM(ritel (i) | i #NE# z : x(i, z)) - @SUM(ritel (j) | j #NE# z : x(z, j)) = 0
);
!time windows;
@FOR (ritel (i) | i #NE# 1 : buka(i) <= T(i)
);
@FOR (ritel (i) | i #NE# 1 : tutup(i) >= T(i) + Bongkar(i)
);
! Variabel keputusan yang memiliki variabel biner;
@FOR (rute (i, j):
@BIN(x(i, j)));
End
Hasil reporting solution cluster 1 sebagai berikut :
Global optimal solution found.
Objective value (Total jarak optimum): 54.60000
Rute yang paling optimal adalah:
rute pengiriman dari ritel 1 ke ritel 2 sebesar 8.9 km
rute pengiriman dari ritel 2 ke ritel 3 sebesar 6.8 km
rute pengiriman dari ritel 3 ke ritel 4 sebesar 7.9 km
rute pengiriman dari ritel 4 ke ritel 5 sebesar 3.9 km
rute pengiriman dari ritel 5 ke ritel 6 sebesar 2.6 km
rute pengiriman dari ritel 6 ke ritel 7 sebesar 3.6 km
rute pengiriman dari ritel 7 ke ritel 8 sebesar 2.8 km
rute pengiriman dari ritel 8 ke ritel 1 sebesar 18.1 km
Berdasarkan hasil solution report pada cluster 1, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 1 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 54,6 yang artinya total jarak pengiriman pada cluster 1 sebesar 54,6 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 4), x(4, 5), x(5, 6), x(6, 7), x(7, 8), x(8, 1) dengan urutan 1-2-3-4-5-6-7-8-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 1 = CFC Transmart Rungkut
3 = 2 = Maspion Square
4 = 5 = CFC Tidar
5 = 8 = CFC Atom
6 = 9 = CFC Kaza City
7 = 10 = CFC WTC
8 = 11 = CFC Stasiun Gubeng
1 = 0 = Gudang DC Surabaya
Maka pada cluster 1 yang awalnya pada skenario ketiga memiliki rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC Stasiun Gubeng - CFC WTC - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 2, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan feasible solution found, yang artinya proses optimasi pada cluster 2 menghasilkan solusi yang belum optimal tapi masih bisa diterima. Dengan objective value sebesar 996,9 yang artinya total jarak pengiriman pada cluster 2 sebesar 996,9 km. Untuk urutan rute kunjungan pada cluster 2 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 4), x(3, 1), x(4, 5), x(5, 6), x(6, 16), x(7, 3), x(8, 9), x(9, 15), x(10, 14), x(11, 10), x(12, 8), x(13, 12), x(14, 7), x(15, 11), x(16, 13), dengan urutan 1-2-4-5-6-16-13-12-8-9-15-11-10-14-7-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 3 = CFC Bungurasih
4 = 7 = CFC Ramayana Gresik
5 = 29 = CFC Cepu
6 = 30 = CFC Purwodadi
16 = 60 = CFC Stasiun Pekalongan
13 = 54 = CFC Siliwangi
12 = 53 = CFC Fatmawati
8 = 32 = CFC Kudus
9 = 50 = CFC Lawang sewu
15 = 57 = CFC Paragon Mall
11 = 52 = CFC Stasiun Tawang
10 = 51 = CFC Stasiun Poncol
14 = 55 = Plaza Simpang lima (Simpang lima)
7 = 31 = CFC Pati
3 = 6 = CFC Icon Mall Gresik
1 = 0 = Gudang DC Surabaya
Maka pada cluster 2 yang awalnya pada skenario ketiga memiliki rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Icon Mall Gresik - CFC Ramayana Gresik - CFC Cepu - CFC Pati - CFC Kudus - CFC Stasiun Poncol - CFC Paragon Mall - CFC Stasiun Tawang - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Lawang sewu - Plaza Simpang lima (Simpang lima) - CFC Fatmawati - CFC Purwodadi - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Ramayana Gresik - CFC Cepu - CFC Purwodadi - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Fatmawati - CFC Kudus - CFC Lawang sewu - CFC Paragon Mall - CFC Stasiun Tawang - CFC Stasiun Poncol - Plaza Simpang lima (Simpang lima) - CFC Pati - CFC Icon Mall Gresik - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 3, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 3 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1107,3 yang artinya total jarak pengiriman pada cluster 3 sebesar 1107,3 km. Untuk urutan rute kunjungan pada cluster 3 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 4), x(2, 3), x(3, 1), x(4, 8), x(5, 2), x(6, 11), x(7, 5), x(8, 9), x(9, 10), x(10, 6), x(11, 7), dengan urutan 1-4-8-9-10-6-11-7-5-2-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
4 = 59 = Matahari Pekalongan
8 = 64 = CFC Rest area KM 294 B
9 = 65 = CFC Rest area KM 260 PG
10 = 66 = CFC Toserba Yogya (Brebes)
6 = 62 = CFC Stasiun Tegal
11 = 67 = CFC Slawi
7 = 63 = Rita SuperMall Tegal
5 = 61 = CFC Pemalang
2 = 56 = CFC Majapahit
3 = 58 = CFC Rest area KM 429 (Ungaran)
1 = 0 = Gudang DC Surabaya
Maka pada cluster 3 yang awalnya pada skenario ketiga memiliki rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Pemalang - Rita SuperMall Tegal - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Slawi - CFC Rest area KM 294 B - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan urutan rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Rest area KM 294 B - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Slawi - Rita SuperMall Tegal - CFC Pemalang - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 4, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 4 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1109,8 yang artinya total jarak pengiriman pada cluster 4 sebesar 1109,8 km. Untuk urutan rute kunjungan pada cluster 4 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 6), x(4, 12), x(5, 7), x(6, 5), x(7, 4), x(8, 9), x(9, 10), x(10, 11), x(11, 1), x(12, 8) dengan urutan 1-2-3-6-5-7-4-12-8-9-10-11-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 33 = Rest area KM 519 A SOKER
3 = 34 = Rest area KM 519 B Masaran
6 = 37 = Grandmall Solo
5 = 36 = Stasiun Solo Balapan
7 = 38 = CFC Hartono Mall Solo
4 = 35 = Transmart Solo Pabelan
12 = 48 = CFC Artos Mall
8 = 44 = CFC Stasiun Kutoarjo
9 = 45 = CFC Kebumen
10 = 46 = Rita Mall Purwokerto
11 = 47 = CFC Stasiun Purwokerto
1 = 0 = Gudang DC Surabaya
Maka pada cluster 4 yang awalnya pada skenario ketiga memiliki rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Transmart Solo Pabelan - Grandmall Solo - Stasiun Solo Balapan - CFC Hartono Mall Solo - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - CFC Artos Mall - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan urutan rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Grandmall Solo - Stasiun Solo Balapan - CFC Hartono Mall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 5, Karena setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan hasil infeasible seperti penulis jelaskan diawal, maka tidak ditambahkan pengubahan time windows pada cluster 5, jadi urutan rute masih tetap menggunakan skenario ketiga, maka di dapatkan x(1, 2), x(2, 4), x(3, 6), x(4, 5), x(5, 3), x(6, 7), x(7, 10), x(8, 11), x(9, 8), x(10, 9), x(11, 1) dengan urutan 1-2-4-5-3-6-7-10-9-8-11-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 16 = Sunrise Mall Mojokerto
4 = 20 = CFC SunCity Madiun
5 = 21 = Stasiun Madiun
3 = 19 = Plaza Madiun
6 = 39 = Bandara adisutjipto
7 = 40 = CFC Transmart Maguwo
10 = 43 = Stasiun Lempuyangan
9 = 42 = CFC Progo Jogja
8 = 41 = CFC Ramai Mall
11 = 49 = CFC Sleman City hall
1 = 0 = Gudang DC Surabaya
Maka pada cluster 5 pada skenario keempat memiliki rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Bandara adisutjipto - CFC Transmart Maguwo - Stasiun Lempuyangan - CFC Progo Jogja - CFC Ramai Mall - CFC Sleman City hall - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 6, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 6 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 623,9 yang artinya total jarak pengiriman pada cluster 6 sebesar 623,9 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 8), x(3, 4), x(4, 5), x(5, 1), x(6, 3), x(7, 6), x(8, 7) dengan urutan 1-2-8-7-6-3-4-5-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 4 = Transmart Sidoarjo (Pagerwojo)
8 = 28 = CFC Blitar Square
7 = 24 = Malang Town Square (Matos)
6 = 23 = CFC Jatimpark
3 = 17 = Kediri Town Square
4 = 18 = Stasiun Kediri
5 = 22 = CFC Ponorogo City Center
1 = 0 = Gudang DC Surabaya
Maka pada cluster 6 yang awalnya pada skenario ketiga memiliki rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - CFC Blitar Square - Malang Town Square (Matos) - CFC Jatimpark - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan urutan rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - CFC Blitar Square - Malang Town Square (Matos) - CFC Jatimpark - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 7, Karena setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan hasil infeasible seperti penulis jelaskan diawal, maka tidak ditambahkan pengubahan time windows pada cluster 7, maka di dapatkan x(1, 2), x(2, 4), x(3, 7), x(4, 5), x(5, 3), x(6, 8), x(7, 6), x(8, 1) dengan urutan 1-2-4-5-3-7-6-8-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 12 = CFC Lumajang
4 = 14 = CFC Lippo Plaza Jember
5 = 15 = Golden Market Jember
3 = 13 = Transmart Jember
7 = 26 = Giant Sawojajar
6 = 25 = Stasiun Malang
8 = 27 = Matahari Mitra Malang
1 = 0 = Gudang DC Surabaya
Maka pada cluster 7 pada skenario keempat di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Lumajang - CFC Lippo Plaza Jember - Golden Market Jember - Transmart Jember - Giant Sawojajar - Stasiun Malang - Matahari Mitra Malang - Gudang DC Surabaya.
Perhitungan durasi pengiriman untuk analisis sensitivitas skenario keempat
Durasi pengiriman pada cluster 1
waktu distribusi=(54,6 Km)/(50 Km/jam) x 60=65,52 menit
waktu loading & unloading=30 menit x 8=240 menit
65,52+240= 305,52 menit
Durasi pengiriman pada cluster 2
waktu distribusi=(996,9 Km)/(50 Km/jam) x 60=1196,3 menit
waktu loading & unloading=30 menit x 16=480 menit
1196,3+480= 1676,3 menit
Durasi pengiriman pada cluster 3
waktu distribusi=(1107,3 Km)/(50 Km/jam) x 60=1328,8 menit
waktu loading & unloading=30 menit x 11=330 menit
1328,8+330= 1658,8 menit
Durasi pengiriman pada cluster 4
waktu distribusi=(1109,8 Km)/(50 Km/jam) x 60=1331,8 menit
waktu loading & unloading=30 menit x 12=360 menit
1331,8+360= 1691,8 menit
Durasi pengiriman pada cluster 5
waktu distribusi=(697,3 Km)/(50 Km/jam) x 60=836,76 menit
waktu loading & unloading=30 menit x 11=330 menit
836,76+330= 1166,8 menit
Durasi pengiriman pada cluster 6
waktu distribusi=(623,9 Km)/(50 Km/jam) x 60=748,68 menit
waktu loading & unloading=30 menit x 8=240 menit
748,68+240= 988,68 menit
Durasi pengiriman pada cluster 7
waktu distribusi=(517,4 Km)/(50 Km/jam) x 60=620,88 menit
waktu loading & unloading=30 menit x 8=240 menit
620,88+240=860,88 menit
Perhitungan biaya pengiriman untuk analisis sensitivitas skenario keempat
Biaya pengiriman pada cluster 1
BBM (Solar)
BBM (solar)=Rp 1.288 x 54,6=Rp 70.325
Uang makan
Uang makan=Rp 60.000 x2 x 1=Rp 120.000
Hotel
Karena waktu pengiriman pada cluster 1 hanya membutuhkan satu hari, maka tidak mendapatkan biaya hotel.
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 70.325+ Rp 120.000+Rp 40.000+Rp 400.000=Rp 630.325
Biaya pengiriman pada cluster 2
BBM (Solar)
BBM (solar)=Rp 1.288 x 996,9=Rp 1.284.007
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 16=Rp 80.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 16=Rp 800.000
Total= Rp 1.284.007+Rp 360.000+Rp 300.000+Rp 80.000+Rp 800.000=Rp 2.824.007
Biaya pengiriman pada cluster 3
BBM (Solar)
BBM (solar)=Rp 1.288 x 1107,3=Rp 1.426.202
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 1.426.202+Rp 360.000+Rp 300.000+p 55.000+p 550.000= Rp 2.691.202
Biaya pengiriman pada cluster 4
BBM (Solar)
BBM (solar)=Rp 1.288 x 1109,8=Rp 1.429.422
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 12=Rp 60.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 12=Rp 600.000
Total=Rp 1.429.422+Rp 360.000+Rp 300.000+Rp 60.000+Rp 600.000=Rp 2.749.422
Biaya pengiriman pada cluster 5
BBM (Solar)
BBM (solar)=Rp 1.288 x 697,3=Rp 898.122
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 898.122+Rp 240.000+Rp 300.000+Rp 55.000+Rp 550.000=Rp 2.043.122
Biaya pengiriman pada cluster 6
BBM (Solar)
BBM (solar)=Rp 1.288 x 623.9=Rp 803.583
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 803.583+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.783.583
Biaya pengiriman pada cluster 7
BBM (Solar)
BBM (solar)=Rp 1.288 x 517,4=Rp 666.411
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 666.411+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.646.411
Setelah menentukan total jarak, waktu, dan biaya pengiriman masing – masing cluster pada analisis sensitivitas, maka berikut ini hasil rekapitulasi total jarak, waktu, dan biaya pengirimannya :
Tabel 4.39 Rekapitulasi total jarak, waktu, dan biaya pengiriman setelah di analisis sensitivitas skenario keempat
Rute Jarak (km) Waktu (Menit) Biaya
1 54.6 305.52 Rp630,325
2 996.9 1676.28 Rp2,824,007
3 1107.3 1658.76 Rp2,691,202
4 1109.8 1691.76 Rp2,749,422
5 697.3 1166.76 Rp2,043,122
6 623.9 988.68 Rp1,783,583
7 517.4 860.88 Rp1,646,411
Total 3965.9 6499.08 Rp10,938,079
Dari hasil rekapitulasi tabel diatas, didapatkan bahwa total jarak, waktu, dan biaya pengiriman setelah dilakukan analisis sensitivitas skenario keempat mengalami perubahan yang awalnya pada skenario ketiga total jarak sebesar 3796,3 km setelah dilakukan analisis sensitivitas skenario keempat menjadi 3965,9 km, total durasi pengiriman yang awalnya pada skenario ketiga sebesar 6295,56 menit setelah dilakukan analisis sensitivitas skenario keempat menjadi 6499,08 menit, dan memiliki total biaya pengiriman yang awalnya pada skenario ketiga sebesar Rp10.719.634 setelah dilakukan analisis sensitivitas skenario keempat menjadi Rp10,938,079.
Skenario Kelima
Pada tahap skenario kelima, yaitu dilakukan pengubahan secara acak time windows lima ritel pada setiap cluster. Pada skenario kelima batasan pelayanan pengiriman hanya dari jam 09:00 sampai jam 11:00 untuk satu ritel sama dengan skenario pertama, dari jam 11:00 sampai jam 13:00 untuk satu ritel sama dengan skenario kedua, dari jam 13:00 sampai jam 15:00 untuk satu ritel sama dengan skenario ketiga, dari jam 15:00 sampai jam 17:00 untuk satu ritel sama dengan skenario keempat, namun ditambahkan lagi batasan pelayanan hanya dari jam 17:00 sampai jam 19:00 satu ritel lagi, jadi total ada lima ritel pada setiap cluster yang diubah secara acak time windowsnya.
Tabel 4.40 Analisis sensitivitas time windows skenario kelima
Ritel Nama Ritel Time Windows Cluster
Buka (Jam) Buka (Menit) Tutup (Jam) Tutup (Menit)
0 Gudang CFC Surabaya 8 480 17 1020
1 CFC Transmart Rungkut 9 540 11 660 1
9 CFC Kaza City 17 1020 19 1140
2 Maspion Square 11 660 13 780
8 CFC Atom 13 780 15 900
11 CFC Stasiun Gubeng 15 900 17 1020
10 CFC WTC 9 540 21 1260
5 CFC Tidar 9 540 21 1260
7 CFC Ramayana Gresik 9 540 21 1260 2
6 CFC Icon Mall Gresik 9 540 21 1260
3 CFC Bungurasih 9 540 11 660
31 CFC Pati 15 900 17 1020
32 CFC Kudus 13 780 15 900
29 CFC Cepu 11 660 13 780
52 CFC Stasiun Tawang 9 540 21 1260
51 CFC Stasiun Poncol 17 1020 19 1140
30 CFC Purwodadi 9 540 21 1260
55 Plaza Simpang lima (Simpang lima) 9 540 21 1260
54 CFC Siliwangi 9 540 21 1260
50 CFC Lawang sewu 9 540 21 1260
57 CFC Paragon Mall 9 540 21 1260
60 CFC Stasiun Pekalongan 9 540 21 1260
53 CFC Fatmawati 9 540 21 1260
59 Matahari Pekalongan 9 540 11 660 3
56 CFC Majapahit 9 540 21 1260
61 CFC Pemalang 9 540 21 1260
62 CFC Stasiun Tegal 13 780 15 900
63 Rita SuperMall Tegal 15 900 17 1020
66 CFC Toserba Yogya (Brebes) 9 540 21 1260
65 CFC Rest area KM 260 PG 11 660 13 780
64 CFC Rest area KM 294 B 9 540 21 1260
67 CFC Slawi 9 540 21 1260
58 CFC Rest area KM 429 (Ungaran) 9 540 21 1260
47 CFC Stasiun Purwokerto 9 540 21 1260 4
46 Rita Mall Purwokerto 9 540 21 1260
48 CFC Artos Mall 9 540 21 1260
33 Rest area KM 519 A SOKER 9 540 21 1260
34 Rest area KM 519 B Masaran 9 540 11 660
35 Transmart Solo Pabelan 9 540 21 1260
36 Stasiun Solo Balapan 13 780 15 900
37 Grandmall Solo 11 660 13 780
45 CFC Kebumen 9 540 21 1260
38 CFC Hartono Mall Solo 15 900 17 1020
44 CFC Stasiun Kutoarjo 17 1020 19 1140
49 CFC Sleman City hall 9 540 21 1260 5
43 Stasiun Lempuyangan 9 540 21 1260
41 CFC Ramai Mall 17 1020 19 1140
39 Bandara adisutjipto 9 540 21 1260
40 CFC Transmart Maguwo 9 540 21 1260
42 CFC Progo Jogja 9 540 21 1260
19 Plaza Madiun 9 540 21 1260
21 Stasiun Madiun 13 780 15 900
20 CFC SunCity Madiun 11 660 13 780
16 Sunrise Mall Mojokerto 9 540 11 660
22 CFC Ponorogo City Center 9 540 21 1260 6
17 Kediri Town Square 9 540 21 1260
18 Stasiun Kediri 17 1020 19 1140
28 CFC Blitar Square 11 660 13 780
23 CFC Jatimpark 15 900 17 1020
4 Transmart Sidoarjo (Pagerwojo) 9 540 11 660
24 Malang Town Square (Matos) 13 780 15 900
27 Matahari Mitra Malang 9 540 21 1260 7
25 Stasiun Malang 17 1020 19 1140
26 Giant Sawojajar 9 540 21 1260
12 CFC Lumajang 9 540 11 660
13 Transmart Jember 9 540 21 1260
14 CFC Lippo Plaza Jember 11 660 13 780
15 Golden Market Jember 13 780 15 900
Dari tabel diatas dapat dijabarkan bahwa pada cluster 1 terdapat pengubahan time windows pada ritel CFC Transmart Rungkut, Maspion Square, CFC Atom, CFC Stasiun Gubeng dan CFC Kaza City, cluster 2 terdapat pengubahan time windows pada ritel CFC Bungurasih, CFC Cepu, CFC Kudus, CFC Pati dan CFC Stasiun Poncol, cluster 3 tidak terdapat pengubahan time windows maka masih tetap pada ritel Matahari Pekalongan, CFC Rest area KM 260 PG, CFC Stasiun Tegal dan Rita SuperMall Tegal, cluster 4 terdapat pengubahan time windows pada ritel Rest area KM 519 B Masaran, Grandmall Solo, Stasiun Solo Balapan, CFC Hartono Mall Solo dan CFC Stasiun Kutoarjo, cluster 5 terdapat pengubahan time windows pada ritel Sunrise Mall Mojokerto, CFC SunCity Madiun, Stasiun Madiun dan CFC Ramai Mall, cluster 6 terdapat pengubahan time windows pada ritel Transmart Sidoarjo (Pagerwojo), CFC Blitar Square, Malang Town Square (Matos), CFC Jatimpark dan Stasiun Kediri, cluster 7 terdapat pengubahan time windows pada ritel CFC Lumajang, CFC Lippo Plaza Jember, Golden Market Jember dan Stasiun Malang. Untuk cluster 3 tidak dilakukan penambahan pengubahan time windows dikarenakan pada saat melakukan pengubahan time windows dari jam 17:00 sampai 19:00 pada setiap ritel yang ada, menghasilkan status infeasible pada software Lingo yang artinya tidak ditemukan solusi yang optimal dikarenakan waktu memulai pelayanan pada setiap ritel yang diubah time windowsnya mengalami bentrok “crash” dengan ritel yang lain.
Setelah itu, penulis melakukan pengolahan menggunakan bantuan software Lingo 18.0 x64 untuk memperoleh pengaruh dari pengubahan time windows tersebut. Berikut ini penulis ambil contoh pada cluster 1. Untuk cluster 2, cluster 4, cluster 5, cluster 6, cluster 7 bisa dilihat pada lampiran 17.
model:
!parameter model:
Buka = waktu buka ritel
Tutup = waktu tutup ritel
Bongkar = waktu loading/unloading di ritel
D = jarak antar ritel
T = waktu memulai pelayanan pada ritel
Durasi = Durasi pengiriman
R = bilangan rill yang bernilai besar
;
!variabel keputusan:
x(i, j) = 1 jika kendaraan k beroperasi dari i ke j
;
sets:
ritel/1..8/: Bongkar, buka, tutup, T;
rute(ritel, ritel) : x, D, durasi;
endsets
data:
buka = 480 540 660 540 780 1020 540 900;
tutup = 1020 660 780 1260 900 1140 1260 1020;
D =
!ritel;
!0 1 2 5 8 9 10 11;
0 8.9 13.6 19.7 20.7 21.5 19.2 18.1 !0;
8.9 0 6.8 13.3 14.6 13.1 10.9 8.7 !1;
13.6 6.8 0 7.9 10.3 10.5 8.1 9.4 !2;
19.7 13.3 7.9 0 3.9 4.6 4.6 5.6 !5;
20.7 14.6 10.3 3.9 0 2.6 5.4 3.4 !8;
21.5 13.1 10.5 4.6 2.6 0 3.6 2.5 !9;
19.2 10.9 8.1 4.6 5.4 3.6 0 2.8 !10;
18.1 8.7 9.4 5.6 3.4 2.5 2.8 0; !11;
durasi =
0 10.68 16.32 23.64 24.84 25.8 23.04 21.72
10.68 0 8.16 15.96 17.52 15.72 13.08 10.44
16.32 8.16 0 9.48 12.36 12.6 9.72 11.28
23.64 15.96 9.48 0 4.68 5.52 5.52 6.72
24.84 17.52 12.36 4.68 0 3.12 6.48 4.08
25.8 15.72 12.6 5.52 3.12 0 4.32 3
23.04 13.08 9.72 5.52 6.48 4.32 0 3.36
21.72 10.44 11.28 6.72 4.08 3 3.36 0;
Bongkar = 30 30 30 30 30 30 30 30;
R = 10000000;
@text() = @write("Rute yang paling optimal adalah: ", @newline(1));
@text() = @writefor(rute(i, j) | x(i, j) #NE# 0 : "rute pengiriman dari ritel ", i, " ke ritel ", j, " sebesar ", D(i, j), " km ",
@newline(1));
enddata
!fungsi objektif;
MIN =
@SUM (ritel(i) :
@SUM(ritel (j) | i#NE# j: D (i, j) * x(i, j))
);
!Fungsi batasan;
!setiap ritel dikunjungi satu kali;
@FOR(ritel (j) | j #GT# 1 :
@SUM(ritel (i) | i #NE# j: x(i, j)) = 1
);
!perjalanan diawali dari depot;
@FOR (ritel (i) | i #EQ# 1 :
@SUM (ritel (J) | j #GT# 1 :x(i, j)) = 1
);
!perjalanan akan berakhir di depot;
@FOR (ritel (j) | j #EQ# 1 :
@SUM (ritel (i) | i #GT# 1 : x(i, j)) = 1
);
!pelaksanaan;
@FOR (ritel (i)| i #NE# 1 :
@FOR (ritel (j) : T(j) >= T(i) + Bongkar(i) + durasi(i, j) - R * (1 - x(i, j)))
);
!rute;
@FOR (ritel (z) :
@SUM(ritel (i) | i #NE# z : x(i, z)) - @SUM(ritel (j) | j #NE# z : x(z, j)) = 0
);
!time windows;
@FOR (ritel (i) | i #NE# 1 : buka(i) <= T(i)
);
@FOR (ritel (i) | i #NE# 1 : tutup(i) >= T(i) + Bongkar(i)
);
! Variabel keputusan yang memiliki variabel biner;
@FOR (rute (i, j):
@BIN(x(i, j)));
End
Hasil reporting solution cluster 1 sebagai berikut :
Global optimal solution found.
Objective value (Total jarak optimum): 56.20000
Rute yang paling optimal adalah:
rute pengiriman dari ritel 1 ke ritel 2 sebesar 8.9 km
rute pengiriman dari ritel 2 ke ritel 3 sebesar 6.8 km
rute pengiriman dari ritel 3 ke ritel 4 sebesar 7.9 km
rute pengiriman dari ritel 4 ke ritel 5 sebesar 3.9 km
rute pengiriman dari ritel 5 ke ritel 8 sebesar 3.4 km
rute pengiriman dari ritel 6 ke ritel 7 sebesar 3.6 km
rute pengiriman dari ritel 7 ke ritel 1 sebesar 19.2 km
rute pengiriman dari ritel 8 ke ritel 6 sebesar 2.5 km
Berdasarkan hasil solution report pada cluster 1, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 1 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 56,2 yang artinya total jarak pengiriman pada cluster 1 sebesar 56,2 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 4), x(4, 5), x(5, 8), x(6, 7), x(7, 1), x(8, 6) dengan urutan 1-2-3-4-5-8-6-7-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 1 = CFC Transmart Rungkut
3 = 2 = Maspion Square
4 = 5 = CFC Tidar
5 = 8 = CFC Atom
8 = 11 = CFC Stasiun Gubeng
6 = 9 = CFC Kaza City
7 = 10 = CFC WTC
1 = 0 = Gudang DC Surabaya
Maka pada cluster 1 yang awalnya pada skenario keempat memiliki rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kelima di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - Maspion Square - CFC Tidar - CFC Atom - CFC Stasiun Gubeng - CFC Kaza City - CFC WTC - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 2, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan feasible solution found, yang artinya proses optimasi pada cluster 2 menghasilkan solusi yang belum optimal tapi masih bisa diterima. Dengan objective value sebesar 1344,1 yang artinya total jarak pengiriman pada cluster 2 sebesar 1344,1 km. Untuk urutan rute kunjungan pada cluster 2 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 4), x(4, 12), x(5, 8), x(6, 5), x(7, 11), x(8, 7), x(9, 16), x(10, 14), x(11, 15), x(12, 6), x(13, 1), x(14, 9), x(15, 10), x(16, 13), dengan urutan 1-2-3-4-12-6-5-8-7-11-15-10-14-9-16-13-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 3 = CFC Bungurasih
3 = 6 = CFC Icon Mall Gresik
4 = 7 = CFC Ramayana Gresik
12 = 53 = CFC Fatmawati
6 = 30 = CFC Purwodadi
5 = 29 = CFC Cepu
8 = 32 = CFC Kudus
7 = 31 = CFC Pati
11 = 52 = CFC Stasiun Tawang
15 = 57 = CFC Paragon Mall
10 = 51 = CFC Stasiun Poncol
14 = 55 = Plaza Simpang lima (Simpang lima)
9 = 50 = CFC Lawang sewu
16 = 60 = CFC Stasiun Pekalongan
13 = 54 = CFC Siliwangi
1 = 0 = Gudang DC Surabaya
Maka pada cluster 2 yang awalnya pada skenario kempat memiliki rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Ramayana Gresik - CFC Cepu - CFC Purwodadi - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Fatmawati - CFC Kudus - CFC Lawang sewu - CFC Paragon Mall - CFC Stasiun Tawang - CFC Stasiun Poncol - Plaza Simpang lima (Simpang lima) - CFC Pati - CFC Icon Mall Gresik - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kelima di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Icon Mall Gresik - CFC Ramayana Gresik - CFC Fatmawati - CFC Purwodadi - CFC Cepu - CFC Kudus - CFC Pati - CFC Stasiun Tawang - CFC Paragon Mall - CFC Stasiun Poncol - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Pekalongan - CFC Siliwangi - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 3, Karena setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan hasil infeasible seperti penulis jelaskan diawal, maka tidak ditambahkan, maka di dapatkan x(1, 4), x(2, 3), x(3, 1), x(4, 8), x(5, 2), x(6, 11), x(7, 5), x(8, 9), x(9, 10), x(10, 6), x(11, 7), dengan urutan 1-4-8-9-10-6-11-7-5-2-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
4 = 59 = Matahari Pekalongan
8 = 64 = CFC Rest area KM 294 B
9 = 65 = CFC Rest area KM 260 PG
10 = 66 = CFC Toserba Yogya (Brebes)
6 = 62 = CFC Stasiun Tegal
11 = 67 = CFC Slawi
7 = 63 = Rita SuperMall Tegal
5 = 61 = CFC Pemalang
2 = 56 = CFC Majapahit
3 = 58 = CFC Rest area KM 429 (Ungaran)
1 = 0 = Gudang DC Surabaya
Maka pada cluster 3 pada skenario keempat di dapatkan urutan rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Rest area KM 294 B - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Slawi - Rita SuperMall Tegal - CFC Pemalang - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 4, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 4 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1109,8 yang artinya total jarak pengiriman pada cluster 4 sebesar 1109,8 km. Untuk urutan rute kunjungan pada cluster 4 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 6), x(4, 12), x(5, 7), x(6, 5), x(7, 4), x(8, 9), x(9, 10), x(10, 11), x(11, 1), x(12, 8) dengan urutan 1-2-3-6-5-7-4-12-8-9-10-11-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 33 = Rest area KM 519 A SOKER
3 = 34 = Rest area KM 519 B Masaran
6 = 37 = Grandmall Solo
5 = 36 = Stasiun Solo Balapan
7 = 38 = CFC Hartono Mall Solo
4 = 35 = Transmart Solo Pabelan
12 = 48 = CFC Artos Mall
8 = 44 = CFC Stasiun Kutoarjo
9 = 45 = CFC Kebumen
10 = 46 = Rita Mall Purwokerto
11 = 47 = CFC Stasiun Purwokerto
1 = 0 = Gudang DC Surabaya
Maka pada cluster 4 yang awalnya pada skenario keempat memiliki rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Grandmall Solo - Stasiun Solo Balapan - CFC Hartono Mall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kelima di dapatkan urutan rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Grandmall Solo - Stasiun Solo Balapan - CFC Hartono Mall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 5, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 5 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 697,6 yang artinya total jarak pengiriman pada cluster 4 sebesar 697,6 km. Untuk urutan rute kunjungan pada cluster 5 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1,, jadi urutan rute masih tetap menggunakan skenario ketiga, maka di dapatkan x(1, 2), x(2, 4), x(3, 5), x(4, 3), x(5, 11), x(6, 1), x(7, 6), x(8, 9), x(9, 10), x(10, 7), x(11, 8) dengan urutan 1-2-4-3-5-11-8-9-10-7-6-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 16 = Sunrise Mall Mojokerto
4 = 20 = CFC SunCity Madiun
3 = 19 = Plaza Madiun
5 = 21 = Stasiun Madiun
11 = 49 = CFC Sleman City hall
8 = 41 = CFC Ramai Mall
9 = 42 = CFC Progo Jogja
10 = 43 = Stasiun Lempuyangan
7 = 40 = CFC Transmart Maguwo
6 = 39 = Bandara adisutjipto
1 = 0 = Gudang DC Surabaya
Maka pada cluster 5 yang awalnya pada skenario keempat memiliki rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Bandara adisutjipto - CFC Transmart Maguwo - Stasiun Lempuyangan - CFC Progo Jogja - CFC Ramai Mall - CFC Sleman City hall - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kelima di dapatkan urutan rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - CFC SunCity Madiun - Plaza Madiun - Stasiun Madiun - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 6, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 6 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 623,9 yang artinya total jarak pengiriman pada cluster 6 sebesar 623,9 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 8), x(3, 4), x(4, 5), x(5, 1), x(6, 3), x(7, 6), x(8, 7) dengan urutan 1-2-8-7-6-3-4-5-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 4 = Transmart Sidoarjo (Pagerwojo)
8 = 28 = CFC Blitar Square
7 = 24 = Malang Town Square (Matos)
6 = 23 = CFC Jatimpark
3 = 17 = Kediri Town Square
4 = 18 = Stasiun Kediri
5 = 22 = CFC Ponorogo City Center
1 = 0 = Gudang DC Surabaya
Maka pada cluster 6 yang awalnya pada skenario keempat memiliki rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - CFC Blitar Square - Malang Town Square (Matos) - CFC Jatimpark - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kelima di dapatkan urutan rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - CFC Blitar Square - Malang Town Square (Matos) - CFC Jatimpark - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 7, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 7 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 518,1 yang artinya total jarak pengiriman pada cluster 6 sebesar 518,1 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 4), x(3, 6), x(4, 5), x(5, 3), x(6, 8), x(7, 1), x(8, 7) dengan urutan 1-2-4-5-3-6-8-7-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 12 = CFC Lumajang
4 = 14 = CFC Lippo Plaza Jember
5 = 15 = Golden Market Jember
3 = 13 = Transmart Jember
6 = 25 = Stasiun Malang
8 = 27 = Matahari Mitra Malang
7 = 26 = Giant Sawojajar
1 = 0 = Gudang DC Surabaya
Maka pada cluster 7 yang awalnya pada skenario keempat memiliki rute yaitu Gudang DC Surabaya - CFC Lumajang - CFC Lippo Plaza Jember - Golden Market Jember - Transmart Jember - Giant Sawojajar - Stasiun Malang - Matahari Mitra Malang - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario kelima di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Lumajang - CFC Lippo Plaza Jember - Golden Market Jember - Transmart Jember - Stasiun Malang - Matahari Mitra Malang - Giant Sawojajar - Gudang DC Surabaya.
Perhitungan durasi pengiriman untuk analisis sensitivitas skenario kelima
Durasi pengiriman pada cluster 1
waktu distribusi=(56,2 Km)/(50 Km/jam) x 60=67,44 menit
waktu loading & unloading=30 menit x 8=240 menit
67,44+240= 307,44 menit
Durasi pengiriman pada cluster 2
waktu distribusi=(1344,1 Km)/(50 Km/jam) x 60=1612,9 menit
waktu loading & unloading=30 menit x 16=480 menit
1612,9+480= 2092,9 menit
Durasi pengiriman pada cluster 3
waktu distribusi=(1107,3 Km)/(50 Km/jam) x 60=1328,8 menit
waktu loading & unloading=30 menit x 11=330 menit
1328,8+330= 1658,8 menit
Durasi pengiriman pada cluster 4
waktu distribusi=(1109,8 Km)/(50 Km/jam) x 60=1331,8 menit
waktu loading & unloading=30 menit x 12=360 menit
1331,8+360= 1691,8 menit
Durasi pengiriman pada cluster 5
waktu distribusi=(697,6 Km)/(50 Km/jam) x 60=837,12 menit
waktu loading & unloading=30 menit x 11=330 menit
837,12+330= 1167,1 menit
Durasi pengiriman pada cluster 6
waktu distribusi=(623,9 Km)/(50 Km/jam) x 60=748,68 menit
waktu loading & unloading=30 menit x 8=240 menit
748,68+240= 988,68 menit
Durasi pengiriman pada cluster 7
waktu distribusi=(518,1 Km)/(50 Km/jam) x 60=621,72 menit
waktu loading & unloading=30 menit x 8=240 menit
621,72+240=861,72 menit
Perhitungan biaya pengiriman untuk analisis sensitivitas skenario kelima
Biaya pengiriman pada cluster 1
BBM (Solar)
BBM (solar)=Rp 1.288 x 56,2=Rp 72.386
Uang makan
Uang makan=Rp 60.000 x2 x 1=Rp 120.000
Hotel
Karena waktu pengiriman pada cluster 1 hanya membutuhkan satu hari, maka tidak mendapatkan biaya hotel.
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 72.836 + Rp 120.000+Rp 40.000+Rp 400.000=Rp 632.386
Biaya pengiriman pada cluster 2
BBM (Solar)
BBM (solar)=Rp 1.288 x 1344,1=Rp 1.731.201
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 16=Rp 80.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 16=Rp 800.000
Total= Rp 1.731.201+Rp 360.000+Rp 300.000+Rp 80.000+Rp 800.000=Rp 3.271.201
Biaya pengiriman pada cluster 3
BBM (Solar)
BBM (solar)=Rp 1.288 x 1107,3=Rp 1.426.202
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 1.426.202+Rp 360.000+Rp 300.000+p 55.000+p 550.000= Rp 2.691.202
Biaya pengiriman pada cluster 4
BBM (Solar)
BBM (solar)=Rp 1.288 x 1109,8=Rp 1.429.422
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 12=Rp 60.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 12=Rp 600.000
Total=Rp 1.429.422+Rp 360.000+Rp 300.000+Rp 60.000+Rp 600.000=Rp 2.749.422
Biaya pengiriman pada cluster 5
BBM (Solar)
BBM (solar)=Rp 1.288 x 697,6=Rp 898.509
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 898.509+Rp 240.000+Rp 300.000+Rp 55.000+Rp 550.000=Rp 2.043.509
Biaya pengiriman pada cluster 6
BBM (Solar)
BBM (solar)=Rp 1.288 x 623.9=Rp 803.583
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 803.583+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.783.583
Biaya pengiriman pada cluster 7
BBM (Solar)
BBM (solar)=Rp 1.288 x 518,1=Rp 667.313
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 667.313+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.647.313
Setelah menentukan total jarak, waktu, dan biaya pengiriman masing – masing cluster pada analisis sensitivitas, maka berikut ini hasil rekapitulasi total jarak, waktu, dan biaya pengirimannya :
Tabel 4.41 Rekapitulasi total jarak, waktu, dan biaya pengiriman setelah di analisis sensitivitas skenario kelima
Rute Jarak (km) Waktu (Menit) Biaya
1 56.2 307.44 Rp632,386
2 1344.1 2092.92 Rp3,271,201
3 1107.3 1658.76 Rp2,691,202
4 1109.8 1691.76 Rp2,749,422
5 697.6 1167.12 Rp2,043,509
6 623.9 988.68 Rp1,783,583
7 518.1 861.72 Rp1,647,313
Total 4315 6918 Rp11,387,720
Dari hasil rekapitulasi tabel diatas, didapatkan bahwa total jarak, waktu, dan biaya pengiriman setelah dilakukan analisis sensitivitas skenario kelima mengalami perubahan yang awalnya pada skenario keempat total jarak sebesar 3965,9 km setelah dilakukan analisis sensitivitas skenario kelima menjadi 4315 km, total durasi pengiriman yang awalnya pada skenario keempat sebesar 6499,08 menit setelah dilakukan analisis sensitivitas skenario kelima menjadi 6918 menit, dan memiliki total biaya pengiriman yang awalnya pada skenario keempat sebesar Rp10,938,079 setelah dilakukan analisis sensitivitas skenario kelima menjadi Rp11,387,720.
Skenario Keenam
Pada tahap skenario keenam, yaitu dilakukan pengubahan secara acak time windows enam ritel pada setiap cluster. Pada skenario keenam batasan pelayanan pengiriman hanya dari jam 09:00 sampai jam 11:00 untuk satu ritel sama dengan skenario pertama, dari jam 11:00 sampai jam 13:00 untuk satu ritel sama dengan skenario kedua, dari jam 13:00 sampai jam 15:00 untuk satu ritel sama dengan skenario ketiga, dari jam 15:00 sampai jam 17:00 untuk satu ritel sama dengan skenario keempat, dari jam 17:00 sampai jam 19:00 untuk satu ritel sama dengan skenario kelima, namun ditambahkan lagi batasan pelayanan hanya dari jam 19:00 sampai jam 21:00 satu ritel lagi, jadi total ada enam ritel pada setiap cluster yang diubah secara acak time windowsnya.
Tabel 4.42 Analisis sensitivitas time windows skenario keenam
Ritel Nama Ritel Time Windows Cluster
Buka (Jam) Buka (Menit) Tutup (Jam) Tutup (Menit)
0 Gudang CFC Surabaya 8 480 17 1020
1 CFC Transmart Rungkut 9 540 11 660 1
9 CFC Kaza City 17 1020 19 1140
2 Maspion Square 11 660 13 780
8 CFC Atom 13 780 15 900
11 CFC Stasiun Gubeng 15 900 17 1020
10 CFC WTC 9 540 21 1260
5 CFC Tidar 19 1140 21 1260
7 CFC Ramayana Gresik 9 540 21 1260 2
6 CFC Icon Mall Gresik 19 1140 21 1260
3 CFC Bungurasih 9 540 11 660
31 CFC Pati 15 900 17 1020
32 CFC Kudus 13 780 15 900
29 CFC Cepu 11 660 13 780
52 CFC Stasiun Tawang 9 540 21 1260
51 CFC Stasiun Poncol 17 1020 19 1140
30 CFC Purwodadi 9 540 21 1260
55 Plaza Simpang lima (Simpang lima) 9 540 21 1260
54 CFC Siliwangi 9 540 21 1260
50 CFC Lawang sewu 9 540 21 1260
57 CFC Paragon Mall 9 540 21 1260
60 CFC Stasiun Pekalongan 9 540 21 1260
53 CFC Fatmawati 9 540 21 1260
59 Matahari Pekalongan 9 540 11 660 3
56 CFC Majapahit 19 1140 21 1260
61 CFC Pemalang 9 540 21 1260
62 CFC Stasiun Tegal 13 780 15 900
63 Rita SuperMall Tegal 15 900 17 1020
66 CFC Toserba Yogya (Brebes) 9 540 21 1260
65 CFC Rest area KM 260 PG 11 660 13 780
64 CFC Rest area KM 294 B 9 540 21 1260
67 CFC Slawi 9 540 21 1260
58 CFC Rest area KM 429 (Ungaran) 9 540 21 1260
47 CFC Stasiun Purwokerto 19 1140 21 1260 4
46 Rita Mall Purwokerto 9 540 21 1260
48 CFC Artos Mall 9 540 21 1260
33 Rest area KM 519 A SOKER 9 540 21 1260
34 Rest area KM 519 B Masaran 9 540 11 660
35 Transmart Solo Pabelan 9 540 21 1260
36 Stasiun Solo Balapan 13 780 15 900
37 Grandmall Solo 11 660 13 780
45 CFC Kebumen 9 540 21 1260
38 CFC Hartono Mall Solo 15 900 17 1020
44 CFC Stasiun Kutoarjo 17 1020 19 1140
49 CFC Sleman City hall 9 540 21 1260 5
43 Stasiun Lempuyangan 9 540 21 1260
41 CFC Ramai Mall 17 1020 19 1140
39 Bandara adisutjipto 9 540 21 1260
40 CFC Transmart Maguwo 9 540 21 1260
42 CFC Progo Jogja 19 1140 21 1260
19 Plaza Madiun 9 540 21 1260
21 Stasiun Madiun 13 780 15 900
20 CFC SunCity Madiun 11 660 13 780
16 Sunrise Mall Mojokerto 9 540 11 660
22 CFC Ponorogo City Center 19 1140 21 1260 6
17 Kediri Town Square 9 540 21 1260
18 Stasiun Kediri 17 1020 19 1140
28 CFC Blitar Square 11 660 13 780
23 CFC Jatimpark 15 900 17 1020
4 Transmart Sidoarjo (Pagerwojo) 9 540 11 660
24 Malang Town Square (Matos) 13 780 15 900
27 Matahari Mitra Malang 9 540 21 1260 7
25 Stasiun Malang 17 1020 19 1140
26 Giant Sawojajar 19 1140 21 1260
12 CFC Lumajang 9 540 11 660
13 Transmart Jember 9 540 21 1260
14 CFC Lippo Plaza Jember 11 660 13 780
15 Golden Market Jember 13 780 15 900
Dari tabel diatas dapat dijabarkan bahwa pada cluster 1 terdapat pengubahan time windows pada ritel CFC Transmart Rungkut, Maspion Square, CFC Atom, CFC Stasiun Gubeng, CFC Kaza City dan CFC Tidar, cluster 2 terdapat pengubahan time windows pada ritel CFC Bungurasih, CFC Cepu, CFC Kudus, CFC Pati, CFC Stasiun Poncol dan CFC Icon Mall Gresik, cluster 3 terdapat pengubahan time windows pada ritel Matahari Pekalongan, CFC Rest area KM 260 PG, CFC Stasiun Tegal, Rita SuperMall Tegal dan CFC Majapahit, cluster 4 terdapat pengubahan time windows pada ritel Rest area KM 519 B Masaran, Grandmall Solo, Stasiun Solo Balapan, CFC Hartono Mall Solo, CFC Stasiun Kutoarjo dan CFC Stasiun Purwokerto, cluster 5 terdapat pengubahan time windows pada ritel Sunrise Mall Mojokerto, CFC SunCity Madiun, Stasiun Madiun, CFC Ramai Mall dan CFC Progo Jogja, cluster 6 terdapat pengubahan time windows pada ritel Transmart Sidoarjo (Pagerwojo), CFC Blitar Square, Malang Town Square (Matos), CFC Jatimpark, Stasiun Kediri dan CFC Ponorogo City Center, cluster 7 terdapat pengubahan time windows pada ritel CFC Lumajang, CFC Lippo Plaza Jember, Golden Market Jember, Stasiun Malang dan Giant Sawojajar.
Setelah itu, penulis melakukan pengolahan menggunakan bantuan software Lingo 18.0 x64 untuk memperoleh pengaruh dari pengubahan time windows tersebut. Berikut ini penulis ambil contoh pada cluster 1. Untuk cluster 2, cluster 3, cluster 4, cluster 5, cluster 6, cluster 7 bisa dilihat pada lampiran 18.
model:
!parameter model:
Buka = waktu buka ritel
Tutup = waktu tutup ritel
Bongkar = waktu loading/unloading di ritel
D = jarak antar ritel
T = waktu memulai pelayanan pada ritel
Durasi = Durasi pengiriman
R = bilangan rill yang bernilai besar
;
!variabel keputusan:
x(i, j) = 1 jika kendaraan k beroperasi dari i ke j
;
sets:
ritel/1..8/: Bongkar, buka, tutup, T;
rute(ritel, ritel) : x, D, durasi;
endsets
data:
buka = 480 540 660 1140 780 1020 540 900;
tutup = 1020 660 780 1260 900 1140 1260 1020;
D =
!ritel;
!0 1 2 5 8 9 10 11;
0 8.9 13.6 19.7 20.7 21.5 19.2 18.1 !0;
8.9 0 6.8 13.3 14.6 13.1 10.9 8.7 !1;
13.6 6.8 0 7.9 10.3 10.5 8.1 9.4 !2;
19.7 13.3 7.9 0 3.9 4.6 4.6 5.6 !5;
20.7 14.6 10.3 3.9 0 2.6 5.4 3.4 !8;
21.5 13.1 10.5 4.6 2.6 0 3.6 2.5 !9;
19.2 10.9 8.1 4.6 5.4 3.6 0 2.8 !10;
18.1 8.7 9.4 5.6 3.4 2.5 2.8 0; !11;
durasi =
0 10.68 16.32 23.64 24.84 25.8 23.04 21.72
10.68 0 8.16 15.96 17.52 15.72 13.08 10.44
16.32 8.16 0 9.48 12.36 12.6 9.72 11.28
23.64 15.96 9.48 0 4.68 5.52 5.52 6.72
24.84 17.52 12.36 4.68 0 3.12 6.48 4.08
25.8 15.72 12.6 5.52 3.12 0 4.32 3
23.04 13.08 9.72 5.52 6.48 4.32 0 3.36
21.72 10.44 11.28 6.72 4.08 3 3.36 0;
Bongkar = 30 30 30 30 30 30 30 30;
R = 10000000;
@text() = @write("Rute yang paling optimal adalah: ", @newline(1));
@text() = @writefor(rute(i, j) | x(i, j) #NE# 0 : "rute pengiriman dari ritel ", i, " ke ritel ", j, " sebesar ", D(i, j), " km ",
@newline(1));
enddata
!fungsi objektif;
MIN =
@SUM (ritel(i) :
@SUM(ritel (j) | i#NE# j: D (i, j) * x(i, j))
);
!Fungsi batasan;
!setiap ritel dikunjungi satu kali;
@FOR(ritel (j) | j #GT# 1 :
@SUM(ritel (i) | i #NE# j: x(i, j)) = 1
);
!perjalanan diawali dari depot;
@FOR (ritel (i) | i #EQ# 1 :
@SUM (ritel (J) | j #GT# 1 :x(i, j)) = 1
);
!perjalanan akan berakhir di depot;
@FOR (ritel (j) | j #EQ# 1 :
@SUM (ritel (i) | i #GT# 1 : x(i, j)) = 1
);
!pelaksanaan;
@FOR (ritel (i)| i #NE# 1 :
@FOR (ritel (j) : T(j) >= T(i) + Bongkar(i) + durasi(i, j) - R * (1 - x(i, j)))
);
!rute;
@FOR (ritel (z) :
@SUM(ritel (i) | i #NE# z : x(i, z)) - @SUM(ritel (j) | j #NE# z : x(z, j)) = 0
);
!time windows;
@FOR (ritel (i) | i #NE# 1 : buka(i) <= T(i)
);
@FOR (ritel (i) | i #NE# 1 : tutup(i) >= T(i) + Bongkar(i)
);
! Variabel keputusan yang memiliki variabel biner;
@FOR (rute (i, j):
@BIN(x(i, j)));
End
Hasil reporting solution cluster 1 sebagai berikut :
Global optimal solution found. berubah
Objective value (total jarak optimum): 59.40000
Rute yang paling optimal adalah:
rute pengiriman dari ritel 1 ke ritel 2 sebesar 8.9 km
rute pengiriman dari ritel 2 ke ritel 3 sebesar 6.8 km
rute pengiriman dari ritel 3 ke ritel 7 sebesar 8.1 km
rute pengiriman dari ritel 4 ke ritel 1 sebesar 19.7 km
rute pengiriman dari ritel 5 ke ritel 8 sebesar 3.4 km
rute pengiriman dari ritel 6 ke ritel 4 sebesar 4.6 km
rute pengiriman dari ritel 7 ke ritel 5 sebesar 5.4 km
rute pengiriman dari ritel 8 ke ritel 6 sebesar 2.5 km
Berdasarkan hasil solution report pada cluster 1, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 1 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 59,4 yang artinya total jarak pengiriman pada cluster 1 sebesar 59,4 km. Untuk urutan rute kunjungan pada cluster 1 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 7), x(4, 1), x(5, 8), x(6, 4), x(7, 5), x(8, 6) dengan urutan 1-2-3-7-5-8-6-4-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 1 = CFC Transmart Rungkut
3 = 2 = Maspion Square
7 = 10 = CFC WTC
5 = 8 = CFC Atom
8 = 11 = CFC Stasiun Gubeng
6 = 9 = CFC Kaza City
4 = 5 = CFC Tidar
1 = 0 = Gudang DC Surabaya
Maka pada cluster 1 yang awalnya pada skenario kelima memiliki rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - Maspion Square - CFC Tidar - CFC Atom - CFC Stasiun Gubeng - CFC Kaza City - CFC WTC - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keenam di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Transmart Rungkut - Maspion Square - CFC WTC - CFC Atom - CFC Stasiun Gubeng - CFC Kaza City - CFC Tidar - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 2, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan feasible solution found, yang artinya proses optimasi pada cluster 2 menghasilkan solusi yang belum optimal tapi masih bisa diterima. Dengan objective value sebesar 1361,9 yang artinya total jarak pengiriman pada cluster 2 sebesar 1361,9 km. Untuk urutan rute kunjungan pada cluster 2 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 12), x(3, 4), x(4, 1), x(5, 8), x(6, 5), x(7, 11), x(8, 7), x(9, 16), x(10, 3), x(11, 14), x(12, 6), x(13, 15), x(14, 9), x(15, 10), x(16, 13), dengan urutan 1-2-12-6-5-8-7-11-14-9-16-13-15-10-3-4-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 3 = CFC Bungurasih
12 = 53 = CFC Fatmawati
6 = 30 = CFC Purwodadi
5 = 29 = CFC Cepu
8 = 32 = CFC Kudus
7 = 31 = CFC Pati
11 = 52 = CFC Stasiun Tawang
14 = 55 = Plaza Simpang lima (Simpang lima)
9 = 50 = CFC Lawang sewu
16 = 60 = CFC Stasiun Pekalongan
13 = 54 = CFC Siliwangi
15 = 57 = CFC Paragon Mall
10 = 51 = CFC Stasiun Poncol
3 = 6 = CFC Icon Mall Gresik
4 = 7 = CFC Ramayana Gresik
1 = 0 = Gudang DC Surabaya
Maka pada cluster 2 yang awalnya pada skenario kelima memiliki rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Icon Mall Gresik - CFC Ramayana Gresik - CFC Fatmawati - CFC Purwodadi - CFC Cepu - CFC Kudus - CFC Pati - CFC Stasiun Tawang - CFC Paragon Mall - CFC Stasiun Poncol - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Pekalongan - CFC Siliwangi - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keenam di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Bungurasih - CFC Fatmawati - CFC Purwodadi - CFC Cepu - CFC Kudus - CFC Pati - CFC Stasiun Tawang - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Paragon Mall - CFC Stasiun Poncol - CFC Icon Mall Gresik - CFC Icon Mall Gresik - CFC Ramayana Gresik - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 3, Karena setelah melakukan analisis sensitivitas pada skenario keempat di dapatkan hasil infeasible seperti penulis jelaskan diawal, maka tidak ditambahkan, maka di dapatkan x(1, 4), x(2, 3), x(3, 1), x(4, 8), x(5, 2), x(6, 11), x(7, 5), x(8, 9), x(9, 10), x(10, 6), x(11, 7), dengan urutan 1-4-8-9-10-6-11-7-5-2-3-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
4 = 59 = Matahari Pekalongan
8 = 64 = CFC Rest area KM 294 B
9 = 65 = CFC Rest area KM 260 PG
10 = 66 = CFC Toserba Yogya (Brebes)
6 = 62 = CFC Stasiun Tegal
11 = 67 = CFC Slawi
7 = 63 = Rita SuperMall Tegal
5 = 61 = CFC Pemalang
2 = 56 = CFC Majapahit
3 = 58 = CFC Rest area KM 429 (Ungaran)
1 = 0 = Gudang DC Surabaya
Maka pada cluster 3 yang awalnya pada skenario kelima di dapatkan urutan rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Rest area KM 294 B - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Slawi - Rita SuperMall Tegal - CFC Pemalang - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keenam di dapatkan urutan rute yaitu Gudang DC Surabaya - Matahari Pekalongan - CFC Rest area KM 294 B - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Stasiun Tegal - CFC Slawi - Rita SuperMall Tegal - CFC Pemalang - CFC Majapahit - CFC Rest area KM 429 (Ungaran) - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 4, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 4 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 1109,8 yang artinya total jarak pengiriman pada cluster 4 sebesar 1109,8 km. Untuk urutan rute kunjungan pada cluster 4 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 3), x(3, 6), x(4, 12), x(5, 7), x(6, 5), x(7, 4), x(8, 9), x(9, 10), x(10, 11), x(11, 1), x(12, 8) dengan urutan 1-2-3-6-5-7-4-12-8-9-10-11-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 33 = Rest area KM 519 A SOKER
3 = 34 = Rest area KM 519 B Masaran
6 = 37 = Grandmall Solo
5 = 36 = Stasiun Solo Balapan
7 = 38 = CFC Hartono Mall Solo
4 = 35 = Transmart Solo Pabelan
12 = 48 = CFC Artos Mall
8 = 44 = CFC Stasiun Kutoarjo
9 = 45 = CFC Kebumen
10 = 46 = Rita Mall Purwokerto
11 = 47 = CFC Stasiun Purwokerto
1 = 0 = Gudang DC Surabaya
Maka pada cluster 4 yang awalnya pada skenario kelima memiliki rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Grandmall Solo - Stasiun Solo Balapan - CFC Hartono Mall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keenam di dapatkan urutan rute yaitu Gudang DC Surabaya - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Grandmall Solo - Stasiun Solo Balapan - CFC Hartono Mall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 5, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 5 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 700,3 yang artinya total jarak pengiriman pada cluster 4 sebesar 700,3 km. Untuk urutan rute kunjungan pada cluster 5 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1,, jadi urutan rute masih tetap menggunakan skenario ketiga, maka di dapatkan x(1, 2), x(2, 4), x(3, 5), x(4, 3), x(5, 11), x(6, 1), x(7, 6), x(8, 10), x(9, 7), x(10, 9), x(11, 8) dengan urutan 1-2-4-3-5-11-8-10-9-7-6-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 16 = Sunrise Mall Mojokerto
4 = 20 = CFC SunCity Madiun
3 = 19 = Plaza Madiun
5 = 21 = Stasiun Madiun
11 = 49 = CFC Sleman City hall
8 = 41 = CFC Ramai Mall
10 = 43 = Stasiun Lempuyangan
9 = 42 = CFC Progo Jogja
7 = 40 = CFC Transmart Maguwo
6 = 39 = Bandara adisutjipto
1 = 0 = Gudang DC Surabaya
Maka pada cluster 5 yang awalnya pada skenario kelima memiliki rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - CFC SunCity Madiun - Plaza Madiun - Stasiun Madiun - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keenam di dapatkan urutan rute yaitu Gudang DC Surabaya - Sunrise Mall Mojokerto - CFC SunCity Madiun - Plaza Madiun - Stasiun Madiun - CFC Sleman City hall - CFC Ramai Mall - Stasiun Lempuyangan - CFC Progo Jogja - CFC Transmart Maguwo - Bandara adisutjipto - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 6, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 6 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 623,9 yang artinya total jarak pengiriman pada cluster 6 sebesar 623,9 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 8), x(3, 4), x(4, 5), x(5, 1), x(6, 3), x(7, 6), x(8, 7) dengan urutan 1-2-8-7-6-3-4-5-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 4 = Transmart Sidoarjo (Pagerwojo)
8 = 28 = CFC Blitar Square
7 = 24 = Malang Town Square (Matos)
6 = 23 = CFC Jatimpark
3 = 17 = Kediri Town Square
4 = 18 = Stasiun Kediri
5 = 22 = CFC Ponorogo City Center
1 = 0 = Gudang DC Surabaya
Maka pada cluster 6 yang awalnya pada skenario kelima memiliki rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - CFC Blitar Square - Malang Town Square (Matos) - CFC Jatimpark - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keenam di dapatkan urutan rute yaitu Gudang DC Surabaya - Transmart Sidoarjo (Pagerwojo) - CFC Blitar Square - Malang Town Square (Matos) - CFC Jatimpark - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - Gudang DC Surabaya.
Berdasarkan hasil solution report pada cluster 7, di dapatkan bahwa setelah melakukan analisis sensitivitas proses optimasi menghasilkan ¬global optimal solution found, yang artinya proses optimasi pada cluster 7 menghasilkan solusi yang yang paling optimal. Dengan objective value sebesar 518,1 yang artinya total jarak pengiriman pada cluster 6 sebesar 518,1 km. Untuk urutan rute kunjungan pada cluster 6 bisa dilihat hasil solution report pada variabel keputusan x(i, j) dengan nilai 1, maka di dapatkan x(1, 2), x(2, 4), x(3, 6), x(4, 5), x(5, 3), x(6, 8), x(7, 1), x(8, 7) dengan urutan 1-2-4-5-3-6-8-7-1.
Angka tersebut di definisikan sebagai berikut :
1 = 0 = Gudang DC Surabaya
2 = 12 = CFC Lumajang
4 = 14 = CFC Lippo Plaza Jember
5 = 15 = Golden Market Jember
3 = 13 = Transmart Jember
6 = 25 = Stasiun Malang
8 = 27 = Matahari Mitra Malang
7 = 26 = Giant Sawojajar
1 = 0 = Gudang DC Surabaya
Maka pada cluster 7 yang awalnya pada skenario kelima memiliki rute yaitu Gudang DC Surabaya - CFC Lumajang - CFC Lippo Plaza Jember - Golden Market Jember - Transmart Jember - Stasiun Malang - Matahari Mitra Malang - Giant Sawojajar - Gudang DC Surabaya.
Setelah melakukan analisis sensitivitas pada skenario keenam di dapatkan urutan rute yaitu Gudang DC Surabaya - CFC Lumajang - CFC Lippo Plaza Jember - Golden Market Jember - Transmart Jember - Stasiun Malang - Matahari Mitra Malang - Giant Sawojajar - Gudang DC Surabaya.
Perhitungan durasi pengiriman untuk analisis sensitivitas skenario keenam
Durasi pengiriman pada cluster 1
waktu distribusi=(59,4 Km)/(50 Km/jam) x 60=71,28 menit
waktu loading & unloading=30 menit x 8=240 menit
71,28+240= 311,28 menit
Durasi pengiriman pada cluster 2
waktu distribusi=(1361,9 Km)/(50 Km/jam) x 60=1634,28 menit
waktu loading & unloading=30 menit x 16=480 menit
16134,28+480= 2114,28 menit
Durasi pengiriman pada cluster 3
waktu distribusi=(1107,3 Km)/(50 Km/jam) x 60=1328,8 menit
waktu loading & unloading=30 menit x 11=330 menit
1328,8+330= 1658,8 menit
Durasi pengiriman pada cluster 4
waktu distribusi=(1109,8 Km)/(50 Km/jam) x 60=1331,8 menit
waktu loading & unloading=30 menit x 12=360 menit
1331,8+360= 1691,8 menit
Durasi pengiriman pada cluster 5
waktu distribusi=(700,3 Km)/(50 Km/jam) x 60=840,36 menit
waktu loading & unloading=30 menit x 11=330 menit
840,36+330= 1170,4 menit
Durasi pengiriman pada cluster 6
waktu distribusi=(623,9 Km)/(50 Km/jam) x 60=748,68 menit
waktu loading & unloading=30 menit x 8=240 menit
748,68+240= 988,68 menit
Durasi pengiriman pada cluster 7
waktu distribusi=(518,1 Km)/(50 Km/jam) x 60=621,72 menit
waktu loading & unloading=30 menit x 8=240 menit
621,72+240=861,72 menit
Perhitungan biaya pengiriman untuk analisis sensitivitas skenario keenam
Biaya pengiriman pada cluster 1
BBM (Solar)
BBM (solar)=Rp 1.288 x 59,4=Rp 76.507
Uang makan
Uang makan=Rp 60.000 x2 x 1=Rp 120.000
Hotel
Karena waktu pengiriman pada cluster 1 hanya membutuhkan satu hari, maka tidak mendapatkan biaya hotel.
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 76.507 + Rp 120.000+Rp 40.000+Rp 400.000=Rp 636.507
Biaya pengiriman pada cluster 2
BBM (Solar)
BBM (solar)=Rp 1.288 x 1361,9=Rp 1.754.127
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 16=Rp 80.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 16=Rp 800.000
Total= Rp 1.754.127+Rp 360.000+Rp 300.000+Rp 80.000+Rp 800.000=Rp 3.294.127
Biaya pengiriman pada cluster 3
BBM (Solar)
BBM (solar)=Rp 1.288 x 1107,3=Rp 1.426.202
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 1.426.202+Rp 360.000+Rp 300.000+p 55.000+p 550.000= Rp 2.691.202
Biaya pengiriman pada cluster 4
BBM (Solar)
BBM (solar)=Rp 1.288 x 1109,8=Rp 1.429.422
Uang makan
Uang makan=Rp 60.000 x2 x 3=Rp 360.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 12=Rp 60.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 12=Rp 600.000
Total=Rp 1.429.422+Rp 360.000+Rp 300.000+Rp 60.000+Rp 600.000=Rp 2.749.422
Biaya pengiriman pada cluster 5
BBM (Solar)
BBM (solar)=Rp 1.288 x 700,3=Rp 901.986
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 11=Rp 55.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 11=Rp 550.000
Total=Rp 901.986+Rp 240.000+Rp 300.000+Rp 55.000+Rp 550.000=Rp 2.046.986
Biaya pengiriman pada cluster 6
BBM (Solar)
BBM (solar)=Rp 1.288 x 623,9=Rp 803.583
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 803.583+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.783.583
Biaya pengiriman pada cluster 7
BBM (Solar)
BBM (solar)=Rp 1.288 x 518,1=Rp 667.313
Uang makan
Uang makan=Rp 60.000 x2 x 2=Rp 240.000
Hotel
Hotel=Rp 150.000 x 2=Rp 300.000
Parkir
Parkir=Rp 5.000 x 8=Rp 40.000
Toll dan lain – lain
Toll dan lain-lain=Rp 50.000 x 8=Rp 400.000
Total=Rp 667.313+Rp 240.000+Rp 300.000+Rp 40.000+Rp 400.000=Rp1.647.313
Setelah menentukan total jarak, waktu, dan biaya pengiriman masing – masing cluster pada analisis sensitivitas, maka berikut ini hasil rekapitulasi total jarak, waktu, dan biaya pengirimannya :
Tabel 4.43 Rekapitulasi total jarak, waktu, dan biaya pengiriman setelah di analisis sensitivitas skenario keenam
Rute Jarak (km) Waktu (Menit) Biaya
1 59.4 311.28 Rp636,507
2 1361.9 2114.28 Rp3,294,127
3 1107.3 1658.76 Rp2,691,202
4 1109.8 1691.76 Rp2,749,422
5 700.3 1170.36 Rp2,046,986
6 623.9 988.68 Rp1,783,583
7 518.1 861.72 Rp1,647,313
Total 4338.7 6946.44 Rp11,418,246
Dari hasil rekapitulasi tabel diatas, didapatkan bahwa total jarak, waktu, dan biaya pengiriman setelah dilakukan analisis sensitivitas skenario keenam mengalami perubahan yang awalnya pada skenario kelima total jarak sebesar 4315 km setelah dilakukan analisis sensitivitas skenario ketiga menjadi 4338,7 km, total durasi pengiriman yang awalnya pada skenario kelima sebesar 6918 menit setelah dilakukan analisis sensitivitas skenario keenam menjadi 6946,44 menit, dan memiliki total biaya pengiriman yang awalnya pada skenario kelima sebesar Rp11,387,720 setelah dilakukan analisis sensitivitas skenario keenam menjadi Rp11,418,246.
Rekapitulasi Skenario Analisis Sensitivitas
Setelah melakukan analisis sensitivitas dari skenario pertama hingga skenario keenam, penulis melakukan rekapitulasi hasil dari masing – masing skenario untuk mengetahui seberapa besar perbedaan dan pengaruh total jarak, waktu, dan biaya pengiriman antara hasil penelitian dengan hasil dari masing – masing skenario analisis sensitivitas yang telah dilakukan. Berikut ini grafik total jarak, waktu dan biaya pengiriman :
Gambar 4.12 Grafik total jarak pengiriman antara skenario analisis sensitivitas dengan hasil penelitian
Pada grafik diatas, dapat dilihat bahwa pada skenario pertama dengan pengubahan time windows satu ritel pada setiap cluster hingga pada skenario keenam dengan pengubahan time windows enam ritel pada setiap cluster menunjukkan bahwa semakin banyak ritel melakukan pengubahan time windows maka semakin banyak total jarak tempuh pengiriman yang akan dilakukan. Hal ini dipengaruhi karena berubahnya urutan kunjungan pengiriman masing – masing ritel yang memiliki batasan time windows yang singkat sehingga pengiriman harus didahulukan pada masing - masing ritel tersebut yang mengakibatkan jarak kunjungan dari ritel A ke B juga berubah sehingga total jarak juga akan berubah.
Gambar 4.13 Grafik total waktu pengiriman antara skenario analisis sensitivitas dengan hasil penelitian
Pada grafik diatas, dapat dilihat bahwa pada skenario pertama dengan pengubahan time windows satu ritel pada setiap cluster hingga pada skenario keenam dengan pengubahan time windows enam ritel pada setiap cluster menunjukkan bahwa semakin banyak ritel melakukan pengubahan time windows maka semakin banyak total waktu tempuh pengiriman yang akan dilakukan. Hal ini karena total waktu pengiriman dipengaruhi oleh total jarak tempuh pengiriman yang dilakukan. Sehingga, jika total jarak pengiriman berubah maka total waktu pengiriman juga ikut berubah.
Gambar 4.14 Grafik total biaya pengiriman antara skenario analisis sensitivitas dengan hasil penelitian
Pada grafik diatas, dapat dilihat bahwa pada skenario pertama dengan pengubahan time windows satu ritel pada setiap cluster hingga pada skenario keenam dengan pengubahan time windows enam ritel pada setiap cluster menunjukkan bahwa semakin banyak ritel melakukan pengubahan time windows maka semakin banyak total biaya pengirimannya. Hal ini karena total biaya pengiriman dipengaruhi oleh biaya bensin kendaraan. Sehingga, jika total jarak pengiriman berubah maka biaya bensin kendaraan juga ikut berubah yang mengakibatkan total biaya pengiriman juga berubah.
Analisis Perbandingan Rute Aktual Dengan Rute Hasil Penelitian
Tabel 4.44 Rute Aktual
Rute Aktual
Rute Ritel Nomor Kendaraan Jarak (km) Durasi (menit) Biaya (rupiah)
1 Gudang - CFC Transmart Rungkut - Maspion Square - CFC Bungurasih - Transmart Sidoarjo (Pagerwojo) - Gudang B 9215 BCX 46.6 205.92 Rp455,021
2 Gudang - CFC Tidar - CFC Icon Mall Gresik - CFC Ramayana Gresik - Gudang B 9049 PCB 87.7 225.24 Rp452,958
3 Gudang - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng - Gudang B 9810 BCT 47.8 207.36 Rp456,566
4 Gudang - CFC Lumajang - Transmart Jember - CFC Lippo Plaza Jember - Golden Market Jember - Gudang B 9049 PCB 409.5 641.4 Rp922,436
5 Gudang - Sunrise Mall Mojokerto - Kediri Town Square - Stasiun Kediri - Plaza Madiun - CFC SunCity Madiun - Stasiun Madiun - CFC Ponorogo City Center - Gudang B 9810 BCT 453.3 783.96 Rp1,563,850
6 Gudang - CFC Jatimpark - Malang Town Square (Matos) - Stasiun Malang - Giant Sawojajar - Matahari Mitra Malang - CFC Blitar Square - Gudang B 9049 PCB 367.9 651.48 Rp1,278,855
7 Gudang - CFC Cepu - CFC Purwodadi - CFC Pati - CFC Kudus - Gudang B 9810 BCT 726 1021.2 Rp1,750,088
8 Gudang - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Transmart Solo Pabelan - Stasiun Solo Balapan - Grandmall Solo - CFC Hartono Mall Solo - Gudang B 9213 BCX 580 906 Rp1,672,040
9 Gudang - Bandara adisutjipto - CFC Transmart Maguwo - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - CFC Artos Mall - CFC Sleman City hall - Gudang B 9215 BCX 1005.9 1567.08 Rp2,615,599
10 Gudang - CFC Lawang sewu - CFC Stasiun Poncol - CFC Stasiun Tawang - CFC Fatmawati - CFC Siliwangi - Plaza Simpang lima (Simpang lima) - CFC Majapahit - CFC Paragon Mall - CFC Rest area KM 429 (Ungaran) - Gudang B 9213 BCX 771.6 1225.92 Rp2,083,821
11 Gudang - Matahari Pekalongan - CFC Stasiun Pekalongan - CFC Pemalang - CFC Stasiun Tegal - Rita SuperMall Tegal - CFC Rest area KM 294 B - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Slawi - Gudang B 9344 PCE 1145.8 1674.96 Rp2,685,790
Total 5642.1 9110.52 Rp15,937,025
Tabel 4.45 Rute Hasil Penelitian
Rute Hasil Penelitian
Rute Ritel Nomor Kendaraan Jarak (km) Durasi (menit) Biaya (rupiah)
1 Gudang - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng - CFC Transmart Rungkut - Gudang B 9344 PCE 52 302.4 Rp626,976
2 Gudang - CFC Ramayana Gresik - CFC Cepu - CFC Purwodadi - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Paragon Mall - CFC Stasiun Poncol - CFC Stasiun Tawang - CFC Kudus - CFC Pati - CFC Icon Mall Gresik - CFC Bungurasih - Gudang B 9049 PCB 844.6 1493.52 Rp2,627,845
3 Gudang - CFC Rest area KM 429 (Ungaran) - CFC Majapahit - Matahari Pekalongan - CFC Pemalang - CFC Stasiun Tegal - CFC Toserba Yogya (Brebes) - CFC Rest area KM 260 PG - Rita SuperMall Tegal - CFC Slawi - CFC Rest area KM 294 B - Gudang B 9213 BCX 1094.8 1643.76 Rp2,675,102
4 Gudang - Rest area KM 519 A SOKER - Stasiun Solo Balapan - Grandmall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Purwokerto - Rita Mall Purwokerto - CFC Kebumen - CFC Stasiun Kutoarjo - CFC Hartono Mall Solo - Rest area KM 519 B Masaran - Gudang B 9215 BCX 1035.3 1602.36 Rp2,653,466
5 Gudang - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Sunrise Mall Mojokerto - Gudang B 9810 BCT 696.3 1165.56 Rp2,041,834
6 Gudang - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - CFC Blitar Square - CFC Jatimpark - Malang Town Square (Matos) - Transmart Sidoarjo (Pagerwojo) - Gudang B 9810 BCT 491.7 830.04 Rp1,613,310
7 Gudang - Matahari Mitra Malang - Stasiun Malang - Giant Sawojajar - Transmart Jember - Golden Market Jember - CFC Lippo Plaza Jember - CFC Lumajang - Gudang B 9344 PCE 517.4 860.88 Rp1,646,411
Total 3723 6207.6 Rp10,625,224
Tabel 4.46 Persentase penghematan jarak, durasi, biaya pengiriman
Total Jarak (km) Total Durasi (menit) Total Biaya (rupiah)
Rute Aktual 5642.1 9110.52 Rp15,937,025
Rute Hasil Penelitian 3723 6207.6 Rp10,625,224
Persentase penghematan 34.01% 31.86% 33,33%
Berdasarkan hasil dari tabel perbandingan antara rute aktual dengan rute hasil penelitian, didapatkan persentase penghematan seperti berikut :
Persentase penghematan total jarak pengiriman
(Total jarak aktual-total jarak hasil penelitian)/(total jarak aktual) x100%
(5462,1-3723)/5462,1 x100%=34,01%
Persentase penghematan total durasi pengiriman
(Total durasi aktual-total durasi hasil pengolaham)/(total durasi aktual) x100%
(9110,52-6207,6)/9110,52 x100%=31,86%
Persentase penghematan total biaya pengiriman
(Total biaya aktual-total biaya hasil pengolaham)/(total biaya aktual) x100%
(Rp15.937.025-Rp10.625.224)/Rp15.937.025 x100%=33,33%
Analisis Dan Pembahasan
Dari hasil pengolahan data untuk menentukan rute distribusi guna meminimumkan jarak pengiriman berdasarkan kapasitas kendaraan pada Gudang DC Surabaya PT. Pioneerindo Gourmet International Tbk dengan menggunakan metode heuristik yaitu Algoritma sweep dengan pendekatan Heterogeneous Fleet Vehicle Routing Problem.
Pada tahap pertama yaitu menentukan koordinat kartesius pada masing – masing ritel menggunakan bantuan software GeoGebra, mengubah koordinat kartesius ke koordinat polar untuk mendapatkan sudut polar tiap ritel, setelah itu melakukan “sapuan” atau mengurutkan sudut polar tiap ritel dari yang terkecil hingga terbesar, kemudian melakukan pengelompokkan (clustering) tiap ritel dengan batasan tidak boleh melebihi kapasitas kendaraan yang digunakan.
Pada tahap kedua yaitu menentukan rute dari hasil pengelompokkan pada tahap pertama yang berguna untuk mengatur urutan tujuan pengiriman supaya memiliki totak jarak pengiriman yang minimum. Pada tahap ini penulis mengolah dengan metode Mixed Integer Linear Programming (MILP) yaitu terdapat variabel pecahan dan integer pada data jarak, data time windows, data durasi, dan terdapat variabel biner yang berguna untuk melakukan keputusan pelayanan dari ritel i ke ritel j. Untuk menyelesaikan metode MILP penulis menggunakan bantuan software Lingo 18.0 x64.
Rute aktual pengiriman yang dimiliki oleh perusahaan meliputi sebagai berikut :
Rute 1 yaitu Gudang - CFC Transmart Rungkut - Maspion Square - CFC Bungurasih - Transmart Sidoarjo (Pagerwojo) – Gudang menggunakan kendaraan B 9215 BCX dengan jarak pengiriman sebesar 46,6 km, durasi pengiriman sebesar 205,92 menit, dan biaya pengiriman sebesar Rp455.021.
Rute 2 yaitu Gudang - CFC Tidar - CFC Icon Mall Gresik - CFC Ramayana Gresik - Gudang menggunakan kendaraan B 9049 PCB dengan jarak pengiriman sebesar 87,7 km, durasi pengiriman sebesar 225,24 menit, dan biaya pengiriman sebesar Rp452.958.
Rute 3 yaitu Gudang - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng – Gudang menggunakan kendaraan B 9810 BCT dengan jarak pengiriman sebesar 47,8 km, durasi pengiriman sebesar 207,36 menit, dan biaya pengiriman sebesar Rp456.566.
Rute 4 yaitu Gudang - CFC Lumajang - Transmart Jember - CFC Lippo Plaza Jember - Golden Market Jember - Gudang menggunakan kendaraan B 9049 PCB dengan jarak pengiriman sebesar 409,5 km, durasi pengiriman sebesar 641,4 menit, dan biaya pengiriman sebesar Rp922.436.
Rute 5 yaitu Gudang - Sunrise Mall Mojokerto - Kediri Town Square - Stasiun Kediri - Plaza Madiun - CFC SunCity Madiun - Stasiun Madiun - CFC Ponorogo City Center - Gudang menggunakan kendaraan B 9810 BCT dengan jarak pengiriman sebesar 453,3 km, durasi pengiriman sebesar 783,96 menit, dan biaya pengiriman sebesar Rp1.563.850.
Rute 6 yaitu Gudang - CFC Jatimpark - Malang Town Square (Matos) - Stasiun Malang - Giant Sawojajar - Matahari Mitra Malang - CFC Blitar Square - Gudang menggunakan kendaraan B 9049 PCB dengan jarak pengiriman sebesar 367,9 km, durasi pengiriman sebesar 651,48 menit, dan biaya pengiriman sebesar Rp1.278.855.
Rute 7 yaitu Gudang - CFC Cepu - CFC Purwodadi - CFC Pati - CFC Kudus - Gudang menggunakan kendaraan B 9810 BCT dengan jarak pengiriman sebesar 726 km, durasi pengiriman sebesar 1021,2 menit, dan biaya pengiriman sebesar Rp1.750.088.
Rute 8 yaitu Gudang - Rest area KM 519 A SOKER - Rest area KM 519 B Masaran - Transmart Solo Pabelan - Stasiun Solo Balapan - Grandmall Solo - CFC Hartono Mall Solo - Gudang menggunakan kendaraan B 9213 BCX dengan jarak pengiriman sebesar 580 km, durasi pengiriman sebesar 906 menit, dan biaya pengiriman sebesar Rp1.672.040.
Rute 9 yaitu Gudang - Bandara adisutjipto - CFC Transmart Maguwo - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Stasiun Kutoarjo - CFC Kebumen - Rita Mall Purwokerto - CFC Stasiun Purwokerto - CFC Artos Mall - CFC Sleman City hall – Gudang menggunakan kendaraan B 9215 BCX dengan jarak pengiriman sebesar 1005,9 km, durasi pengiriman sebesar 1567,08 menit, dan biaya pengiriman sebesar Rp2.615.599.
Rute 10 yaitu Gudang - CFC Lawang sewu - CFC Stasiun Poncol - CFC Stasiun Tawang - CFC Fatmawati - CFC Siliwangi - Plaza Simpang lima (Simpang lima) - CFC Majapahit - CFC Paragon Mall - CFC Rest area KM 429 (Ungaran) – Gudang menggunakan kendaraan B 9213 BCX dengan jarak pengiriman sebesar 771,6 km, durasi pengiriman sebesar 1225,92 menit, dan biaya pengiriman sebesar Rp2.083.821.
Rute 11 yaitu Gudang - Matahari Pekalongan - CFC Stasiun Pekalongan - CFC Pemalang - CFC Stasiun Tegal - Rita SuperMall Tegal - CFC Rest area KM 294 B - CFC Rest area KM 260 PG - CFC Toserba Yogya (Brebes) - CFC Slawi – Gudang menggunakan kendaraan B 9344 PCE dengan jarak pengiriman sebesar 1145,8 km, durasi pengiriman sebesar 1674,96 menit, dan biaya pengiriman sebesar Rp2.685.790.
Berdasarkan rute aktual pengiriman milik perusahaan, diperoleh total jarak pengiriman sebesar 5642,1 km, total durasi pengiriman sebesar 9110,52 menit, dan total biaya pengiriman sebesar Rp15.937.025.
Dari hasil pengolahan data menggunakan metode algoritma sweep dan MILP menggunakan software Lingo 18.0 x64. Di dapatkan rute hasil penelitian sebagai berikut :
Rute 1 yaitu Gudang - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng - CFC Transmart Rungkut - Gudang menggunakan kendaraan B 9344 PCE dengan jarak pengiriman sebesar 52 km, durasi pengiriman sebesar 302,4 menit, dan biaya pengiriman sebesar Rp626.976.
Rute 2 yaitu Gudang - CFC Ramayana Gresik - CFC Cepu - CFC Purwodadi - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Paragon Mall - CFC Stasiun Poncol - CFC Stasiun Tawang - CFC Kudus - CFC Pati - CFC Icon Mall Gresik - CFC Bungurasih - Gudang menggunakan kendaraan B 9049 PCB dengan jarak pengiriman sebesar 844,6 km, durasi pengiriman sebesar 1493,52 menit, dan biaya pengiriman sebesar Rp2.627.845.
Rute 3 yaitu Gudang - CFC Rest area KM 429 (Ungaran) - CFC Majapahit - Matahari Pekalongan - CFC Pemalang - CFC Stasiun Tegal - CFC Toserba Yogya (Brebes) - CFC Rest area KM 260 PG - Rita SuperMall Tegal - CFC Slawi - CFC Rest area KM 294 B – Gudang menggunakan kendaraan B 9213 BCX dengan jarak pengiriman sebesar 1094,8 km, durasi pengiriman sebesar 1643,76 menit, dan biaya pengiriman sebesar Rp2.675.102.
Rute 4 yaitu Gudang - Rest area KM 519 A SOKER - Stasiun Solo Balapan - Grandmall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Purwokerto - Rita Mall Purwokerto - CFC Kebumen - CFC Stasiun Kutoarjo - CFC Hartono Mall Solo - Rest area KM 519 B Masaran – Gudang menggunakan kendaraan B 9215 BCX dengan jarak pengiriman sebesar 1035,3 km, durasi pengiriman sebesar 1602,36 menit, dan biaya pengiriman sebesar Rp2.653.466.
Rute 5 yaitu Gudang - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Sunrise Mall Mojokerto – Gudang menggunakan kendaraan B 9810 BCT dengan jarak pengiriman sebesar 696,3 km, durasi pengiriman sebesar 1165,56 menit, dan biaya pengiriman sebesar Rp2.041.834.
Rute 6 yaitu Gudang - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - CFC Blitar Square - CFC Jatimpark - Malang Town Square (Matos) - Transmart Sidoarjo (Pagerwojo) – Gudang menggunakan kendaraan B 9810 BCT dengan jarak pengiriman sebesar 491,7 km, durasi pengiriman sebesar 830,04 menit, dan biaya pengiriman sebesar Rp1.613.310.
Rute 7 yaitu Gudang - Matahari Mitra Malang - Stasiun Malang - Giant Sawojajar - Transmart Jember - Golden Market Jember - CFC Lippo Plaza Jember - CFC Lumajang – Gudang menggunakan kendaraan B 9344 PCE dengan jarak pengiriman sebesar 517,4 km, durasi pengiriman sebesar 860,88 menit, dan biaya pengiriman sebesar Rp1.646.411.
Berdasarkan rute hasil penelitian, didapatkan 7 rute yang diperoleh dari pengelompokan pada algoritma sweep dengan menggunakan 5 kendaraan yang ada. Penulis mengatur dari 5 kendaraan yang ada dapat digunakan pada 7 rute tersebut dengan cara melihat durasi pengiriman pada masing – masing rute. Untuk lebih jelasnya dapat dilihat pada tabel berikut :
Tabel 4.47 Pengalokasian kendaraan
Rute Nomor Kendaraan Durasi (menit) Durasi (jam) Durasi
(hari – 12 jam)
1 B 9344 PCE 302.4 5,04 1
2 B 9049 PCB 1493.52 24,89 3
3 B 9213 BCX 1643.76 27,39 3
4 B 9215 BCX 1602.36 26,70 3
5 B 9810 BCT 1165.56 19,42 2
6 B 9810 BCT 830.04 13,83 2
7 B 9344 PCE 860.88 14,34 2
Karena pengiriman dilakukan satu minggu sekali selama 5 hari, maka didapatkan jadwal pengiriman seperti berikut :
Tabel 4.48 Jadwal kendaraan
Nomor Kendaraan Rute
Senin Selasa Rabu Kamis Jumat
B 9344 PCE 1 7
B 9049 PCB 2
B 9213 BCX 3
B 9215 BCX 4
B 9810 BCT 5 6
Karena beban kerja pada setiap supir tidak sama, maka setiap seminggu sekali dilakukan pertukaran atau pergantian supir pada kendaraan yang akan digunakannya. Contohnya pada minggu sekarang supir A mengendarai kendaraan B 9344 PCE, maka minggu berikutnya supir A akan mengendarai kendaraan B 9049 PCB, begitu juga dengan supir lainnya akan terus bergantian.
Berdasarkan rute hasil penelitian, diperoleh total jarak pengiriman sebesar 3723 km, total durasi pengiriman sebesar 6207,6 menit, dan total biaya pengiriman sebesar Rp10.625.224.
Perbandingan rute aktual pengiriman milik perusahaan dengan rute hasil penelitian di dapatkan persentase penghematan jarak sebesar 34.01%, durasi pengiriman sebesar 31.86%, biaya pengiriman sebesar 33,33%.
Setelah dilakukan analisis sensitivitas dengan berspekulasi melakukan pengubahan secara acak time windows pada salah satu ritel terhadap setiap cluster dikarenakan ritel tersebut terdapat event yang mengharuskan pengiriman barang didahulukan sehingga diberikan batasan pelayanan pengiriman hanya dua jam pada setiap ritel hingga enam ritel, maka pengaruh yang didapatkan yaitu urutan kunjungan ke ritel pada setiap rute mengalami perubahan, sehingga total keseluruhan jarak, durasi, dan biaya pengiriman juga mengalami perubahan, pada skenario satu menghasilkan perbedaan tidak signifikan atau tidak terlalu besar, melainkan pada skenario dua seterusnya, perbandingan dengan total jarak, waktu, dan biaya rute hasil penelitian menghasilkan perubahan yang besar.
KESIMPULAN DAN SARAN
Kesimpulan
Dari hasil pengolahan yang dilakukan pada penelitian ini dapat di simpulkan bahwa :
Permasalahan distribusi pada PT Pioneerindo Gourmet International Tbk Gudang DC Surabaya di selesaikan dengan menggunakan metode algoritma sweep dengan pendekatan heterogeneous fleet untuk mengelompokkan (clustering) tiap ritel menjadi kelompok kecil berdasarkan kapasitas kendaraan yang berbeda – beda. Kemudian dilakukan pembuatan rute dari hasil pengelompokkan tersebut untuk mencari total jarak yang paling optimal dari (cluster) tersebut menggunakan model matematis dengan konsep MILP (Mixed Integer Linear Programming) menggunakan bantuan software Lingo 18.0 x64.
Rute hasil penelitian didapatkan sebagai berikut :
Rute 1 yaitu Gudang - Maspion Square - CFC Tidar - CFC Atom - CFC Kaza City - CFC WTC - CFC Stasiun Gubeng - CFC Transmart Rungkut - Gudang menggunakan kendaraan B 9344 PCE dengan jarak pengiriman sebesar 52 km, durasi pengiriman sebesar 302,4 menit, dan biaya pengiriman sebesar Rp626.976.
Rute 2 yaitu Gudang - CFC Ramayana Gresik - CFC Cepu - CFC Purwodadi - CFC Fatmawati - Plaza Simpang lima (Simpang lima) - CFC Lawang sewu - CFC Stasiun Pekalongan - CFC Siliwangi - CFC Paragon Mall - CFC Stasiun Poncol - CFC Stasiun Tawang - CFC Kudus - CFC Pati - CFC Icon Mall Gresik - CFC Bungurasih - Gudang menggunakan kendaraan B 9049 PCB dengan jarak pengiriman sebesar 844,6 km, durasi pengiriman sebesar 1493,52 menit, dan biaya pengiriman sebesar Rp2.627.845.
Rute 3 yaitu Gudang - CFC Rest area KM 429 (Ungaran) - CFC Majapahit - Matahari Pekalongan - CFC Pemalang - CFC Stasiun Tegal - CFC Toserba Yogya (Brebes) - CFC Rest area KM 260 PG - Rita SuperMall Tegal - CFC Slawi - CFC Rest area KM 294 B – Gudang menggunakan kendaraan B 9213 BCX dengan jarak pengiriman sebesar 1094,8 km, durasi pengiriman sebesar 1643,76 menit, dan biaya pengiriman sebesar Rp2.675.102.
Rute 4 yaitu Gudang - Rest area KM 519 A SOKER - Stasiun Solo Balapan - Grandmall Solo - Transmart Solo Pabelan - CFC Artos Mall - CFC Stasiun Purwokerto - Rita Mall Purwokerto - CFC Kebumen - CFC Stasiun Kutoarjo - CFC Hartono Mall Solo - Rest area KM 519 B Masaran – Gudang menggunakan kendaraan B 9215 BCX dengan jarak pengiriman sebesar 1035,3 km, durasi pengiriman sebesar 1602,36 menit, dan biaya pengiriman sebesar Rp2.653.466.
Rute 5 yaitu Gudang - CFC Sleman City hall - CFC Ramai Mall - CFC Progo Jogja - Stasiun Lempuyangan - CFC Transmart Maguwo - Bandara adisutjipto - CFC SunCity Madiun - Stasiun Madiun - Plaza Madiun - Sunrise Mall Mojokerto – Gudang menggunakan kendaraan B 9810 BCT dengan jarak pengiriman sebesar 696,3 km, durasi pengiriman sebesar 1165,56 menit, dan biaya pengiriman sebesar Rp2.041.834.
Rute 6 yaitu Gudang - Kediri Town Square - Stasiun Kediri - CFC Ponorogo City Center - CFC Blitar Square - CFC Jatimpark - Malang Town Square (Matos) - Transmart Sidoarjo (Pagerwojo) – Gudang menggunakan kendaraan B 9810 BCT dengan jarak pengiriman sebesar 491,7 km, durasi pengiriman sebesar 830,04 menit, dan biaya pengiriman sebesar Rp1.613.310.
Rute 7 yaitu Gudang - Matahari Mitra Malang - Stasiun Malang - Giant Sawojajar - Transmart Jember - Golden Market Jember - CFC Lippo Plaza Jember - CFC Lumajang – Gudang menggunakan kendaraan B 9344 PCE dengan jarak pengiriman sebesar 517,4 km, durasi pengiriman sebesar 860,88 menit, dan biaya pengiriman sebesar Rp1.646.411.
Perbandingan rute aktual dengan rute hasil penelitian di dapatkan persentase penghematan pada jarak sebesar 34.01%, durasi pengiriman sebesar 31.86%, biaya pengiriman sebesar 33,33%.
Setelah dilakukan analisis sensitivitas dengan berspekulasi melakukan pengubahan secara acak time windows pada salah satu ritel terhadap setiap cluster dikarenakan ritel tersebut terdapat event yang mengharuskan pengiriman barang didahulukan sehingga diberikan batasan pelayanan pengiriman hanya dua jam pada setiap ritel hingga enam ritel, maka pengaruh yang didapatkan yaitu urutan kunjungan ke ritel pada setiap rute mengalami perubahan, sehingga total keseluruhan jarak, durasi, dan biaya pengiriman juga mengalami perubahan, pada skenario satu menghasilkan perbedaan tidak signifikan atau tidak terlalu besar, melainkan pada skenario dua seterusnya, perbandingan dengan total jarak, waktu, dan biaya rute hasil penelitian menghasilkan perubahan yang besar.
Saran
Dengan di dapatkannya rute hasil penelitian tersebut, perusahaan dapat mempertimbangkan untuk memilih atau menggunakan rute tersebut untuk menghemat jarak, durasi, biaya pengiriman.
Penelitian selanjutnya dapat dikembangkan untuk mempertimbangkan kecepatan kendaraan sesuai dengan keadaan nyata yaitu misalkan dalam keadaan jalan macet dan lancar.
Penelitian selanjutnya bisa dikembangkan dengan menggunakan Metode Metaheuristik dengan menggunakan software Matlab atau sejenisnya. Dan analisis sensitivitasnya lebih beragam dengan menggunakan beberapa parameter.
(Halaman ini sengaja dikosongkan)
DAFTAR PUSTAKA
Abadi, Chairul, Susy Susanty, and Hari Adianto. 2013. “Penentuan Rute Kendaraan Distribusi Produk Roti Menggunakan Metode Nearest Neighbor Dan Metode Sequential Insertion.” REKA INTEGRA 1(3).
Andika, Aji Dwi. 2019. “Penentuan Rute Distribusi Produk Untuk Meminimumkan Biaya Pengiriman Ke Pelanggan.”
Arvianto, Ary, Aditya Hendra Setiawan, and Singgih Saptadi. 2014. “Model Vehicle Routing Problem Dengan Karakteristik Rute Majemuk, Multiple Time Windows, Multiple Products Dan Heterogeneous Fleet Untuk Depot Tunggal.” Jurnal Teknik Industri 16(2):83–94.
Bowersox, Donald J. 2000. “Manajemen Logistik Integrasi Sistem-Sistem Manajemen Distribusi Fisik Dan Manajemen Material Jilid 1.” Jakarta: BumiAksara.
Cahyaningsih, Wahyu Kartika, Eminugroho Ratna Sari, and Kuswari Hernawati. 2015. “Penyelesaian Capacitatedvehicle Routing Problem (Cvrp) Menggunakan Algoritma Sweep Untuk Optimasi Rute Distribusi Surat Kabar Kedaulatan Rakyat.” Pp. 1–8 in Seminar Nasional Matematika dan Pendidikan Matematika UNY.
Gitosudarmo, Drs. H. Indriyo, and Drs. Agus Mulyono. 1998. Manajemen Bisnis Logistik. Edisi Pert. Yogyakarta: BPFE-YOGYAKARTA.
Hayati, Enty Nur. 2010. “Aplikasi Algoritma Branch and Bound Untuk Menyelesaikan Integer Programming.” Jurnal Ilmiah Dinamika Teknik 4(1).
Kodrat, David Sukardi. 2009. Manajemen Distribusi, Old Distribution Channel and Postmo Distribution Channel Approach Berbasis Teori Dan Praktik. Edisi Pert. Yogyakarta: Graha Ilmu.
Kusumastuti, Ir Dyah. 2014. “Peranan Manajemen Logistik Dalam Organisasi Publik.”
Martono, Ricky Virona. 2018. Manajemen Logistik. Jakarta: PT Gramedia Pustaka Utama.
Mukhsinin, Ali, Arif Imran, and Susy Susanty. 2013. “Penentuan Rute Distribusi CV. IFFA Menggunakan Metode Nearest Neighbour Dan Local Search.” REKA INTEGRA 1(2).
Nuha, Hilyatun, Putu Eka Dewi Karunia Wati, and Wiwin Widiasih. 2018. “A Comparison of Exact Method-Metaheuristic Method in Determination for Vehicle Routing Problem.” P. 2017 in MATEC Web of Conferences. Vol. 204. EDP Sciences.
Nurcahyo, Gunadi W., Rose Alinda Alias, Siti Mariyam Shamsuddin, and Mohd Noor Mohd Sap. 2002. “Sweep Algorithm in Vehicle Routing Problem for Public Transport.” Jurnal Antarabangsa Teknologi Maklumat 2:51–64.
Octora, Lita, Arif Imran, and Susy Susanty. 2014. “Pembentukan Rute Distribusi Menggunakan Algoritma Clarke & Wright Savings Dan Algoritma Sequential Insertion.” REKA INTEGRA 2(2).
Prana, Raden. 2007. “Aplikasi Kombinatorial Pada Vehicle Routing Problem.” Jurnal Teknik Informatika ITB.
Pujawan, I. Nyoman, and Mahendrawathi. 2017. Supply Chain Management. Vol. 3. Yogyakarta: Penerbit ANDI Yogyakarta.
Saputra, Nanda, Prima Denny Sentia, and Andriansyah Andriansyah. 2018. “Penentuan Rute Kendaraan Heterogen Menggunakan Algoritma Insertion Heuristic.” Jurnal Optimasi Sistem Industri 17(1):35–45.
Saraswati, Rizky, Wahyudi Sutopo, and Muh Hisjam. 2017. “PENYELESAIAN CAPACITATED VECHILE ROUTING PROBLEM DENGAN MENGGUNAKAN ALGORITMA SWEEP UNTUK PENENTUAN RUTE DISTRIBUSI KORAN: STUDI KASUS.” Jurnal Manajemen Pemasaran 11(2):41–44.
Singhtaun, Chansiri, and Siwa Tapradub. 2019. “Modeling and Solving Heterogeneous Fleet Vehicle Routing Problems in Draft Beer Delivery.” International Journal of Engineering and Advanced Technology (IJEAT) Volume-8(Issue-3S).
Toth, Paolo, and Daniele Vigo. 2002. THE VEHICLE ROUTING PROBLEM. Philadelphia: Society for Industrial and Applied Mathematics.
Toth, Paolo, and Daniele Vigo. 2014. Vehicle Routing: Problems, Methods, and Applications. SIAM.
No comments:
Post a Comment
==> Berkomentarlah dengan bahasa sopan, jelas.
==> Beritahu admin kalau ada link yang rusak / broken.
==> Boleh bertukar link, tapi dilarang untuk link spam.