IV IMPLEMENTASI VEHICLE ROUTING PROBLEM (VRP) PADA KEGIATAN DISTRIBUSI PRODUK DI PT NIPPON INDOSARI CORPINDO (PT NIC)

7

dimana pukul 06.00 dimisalkan sebagai 0 dan pukul 16.00 sebagai 540 dan kendaraan mampu memuat hingga 200 crate (wadah roti). Langkah pertama adalah menentukan letak setiap konsumen dan mengetahui jarak dari setiap konsumen, seperti terlihat pada Lampiran 4. Nilai jarak setiap tempat didapat dengan melakukan estimasi, menggunakan bantuan peta dan benang kemudian akan diambil jarak terdekat setiap tempat. Langkah berikutnya, matriks jarak yang didapat dikonversi menjadi koordinat

Cartesius dengan menggunakan metode multidimensional scaling (MDS). Setelah didapat letak dari setiap titik, data tersebut menjadi input untuk program ILOG bersama dengan data permintaan dan waktu bongkarmuat di setiap tempat. Penggunaan metode nearest addition heuristic sebagai fase pertama dan metode 2-opt, or-opt, relocate dan exchange sebagai fase kedua dengan alat bantu ILOG akan digunakan sebagai langkah terakhir dalam penelitian ini.

IV IMPLEMENTASI VEHICLE ROUTING PROBLEM (VRP) PADA KEGIATAN DISTRIBUSI PRODUK DI PT NIPPON INDOSARI CORPINDO (PT NIC) Bab ini diawali dengan gambaran umum perusahaan tempat penelitian ini berlangsung, selain itu juga terdapat rumusan masalah yang dihadapi serta formulasinya secara matematis. Hasil dan pembahasan dari penelitian yang dilakukan terdapat pada bagian akhir bab ini. 4.1 Gambaran Umum Perusahaan PT Nippon Indosari Corpindo (PT NIC) adalah perusahaan yang bergerak dalam bidang pangan, khususnya industri pembuatan roti. Perusahaan ini didirikan pada tanggal 8 Maret 1995 dan mulai beroperasi pada Oktober 1996. PT NIC terletak dalam wilayah perindustrian Jababeka I Real Estate Cikarang, Bekasi, tepatnya berlokasi di Jl. Jababeka XII A Blok W 40-41 Cikarang, Bekasi 17530. Pada mulanya perusahaan tersebut hanya menjual empat jenis roti antara lain roti tawar dan tiga jenis roti manis, isi coklat, isi keju, dan isi strawberry dengan merek dagang “Sari Roti”. Produk Sari Roti yang dipasarkan hanya untuk memenuhi permintaan konsumen di daerah Cikarang, Bekasi dan sekitarnya. Dengan berjalannya waktu, PT NIC dapat mengembangkan pemasarannya hingga daerah Jabotabek. Selanjutnya, pada tahun 2003, PT NIC sudah mampu memperluas pemasarannya ke daerah Jawa Barat dan Semarang. Puncaknya, yaitu pembukaan depot di daerah Bandung yang berfungsi sebagai peyalur untuk daerah Jawa Barat. Saat ini PT NIC memproduksi tujuh jenis produk roti, antara lain: roti tawar, roti manis, roti krim, roti sobek, roti burger, roti hot dog, dan remah roti. PT NIC mendistribusikan produk rotinya melalui 56% jaringan distribusi modern

seperti hypermarket, supermarket dan minimarket, sementara itu 44% sisanya didistribusikan melalui jaringan tradisional seperti agen dan stock point. 4.1.1 Divisi Distribusi PT NIC menggunakan jasa pihak ketiga, dalam hal ini perusahaan ekspedisi, yang transporter, untuk disebut sebagai mendistribusikan produk ke konsumen. Masing–masing transporter menyewakan kendaraan, driver dan helper pada PT NIC untuk mendistribusikan produk ke konsumen. Setiap transporter dikepalai oleh koordinator, karyawan dari perusahaan ekspedisi, yang bertanggung jawab untuk memastikan ketersediaan kendaraan, driver, dan helper pada setiap pengiriman. Koordinator sendiri bertanggung jawab pada distribution officer, yang merupakan karyawan PT NIC. Pembagian tugas pada level distribution officer didasarkan pada daerah pengiriman, yakni daerah pusat-Bogor, daerah selatan, daerah barat, dan daerah timur - utara. Setiap distribution officer bertanggung jawab untuk seluruh saluran pada daerah pengiriman yang telah ditentukan. Lebih jelas tentang struktur departemen SCM, dapat dilihat pada Lampiran 1. 4.1.2 Kegiatan Distribusi Kegiatan distribusi pada PT NIC dibagi dalam lima rute saluran yang memiliki karakteristik yang berbeda satu sama lain. Lima saluran distribusi, yaitu: agen, stock point (SP), distribution center (DC), retail/outlet (RO) dan institusi. Pada saluran agen dan SP, pengiriman produk dilakukan pada sore hari, antara pukul

8

16.00-17.00. Transporter mengirim produk langsung ke agen yang ada, kemudian agen akan membagi produk yang dikirim tadi ke sejumlah tricycle yang ada. Selanjutnya tricycle tersebut akan dibawa oleh hawker sesuai rute masing-masing untuk langsung menemui konsumen. Proses di SP berbeda dengan agen, setelah produk sampai di SP kemudian SP akan membagikan produk ke sejumlah sepeda motor yang ada. Kemudian sepeda motor tersebut akan meletakkan produk di warung warung yang memesan sebelum sampai ke tangan konsumen. Agen dan SP biasanya terletak di sekitar perumahan padat penduduk. Proses pada saluran DC berbeda dengan agen dan SP. Pada saluran DC pengiriman dilakukan dua kali sehari yakni pada pukul 05.00 - 06.00 dan 10.00-11.00. Transporter hanya mengirim ke DC yang telah ditunjuk, kemudian produk akan dikirimkan sendiri oleh pihak pengelola DC ke tempat yang telah ditentukan. Saluran DC terdiri dari: Alfamart, Indomart dan Alfamidi. Saluran untuk Carrefour, Giant, Makro dan beberapa pasar swalayan lainnya masuk dalam saluran RO. Pada saluran ini, produk dikirim langsung dari produsen ke RO yang ada. Berbeda dengan saluran DC, pada saluran RO transporter bahkan mengatur produk pada tempat yang telah tersedia. Pengiriman dilakukan pada pukul 06.00 - 07.00 setiap harinya. Pada saluran institusi, pemesanan dilakukan oleh perusahaan lain untuk keperluan perusahaan tersebut, misalnya sarapan karyawan. Waktu pengirimannya dilakukan bersamaan dengan waktu pengiriman saluran RO. Bagan pada Lampiran 2 memberikan gambaran tentang alur kegiatan distribusi secara lebih jelas. 4.1.3 Kegiatan pada saluran distribusi RO Penelitian ini akan dibatasi pada saluran RO di daerah Bekasi dan sekitarnya. Pada diagram alir yang terdapat di Lampiran 3, konsumen memberikan pesanan atau purchase order (PO) kepada bagian penjualan, sales Selanjutnya sales administrator. administrator akan membuat surat jalan atau delivery note (DN) yang berisi jumlah produk dan daftar konsumen yang memesan produk tersebut. Selain membuat DN, sales administrator juga membuat faktur penjualan (FP) yang berisi total harga yang harus dibayar oleh konsumen untuk produk yang dipesan. Kemudian kedua dokumen tersebut yaitu DN dan FP akan diserahkan kepada

pegawai pada bagian pergudangan, disebut sebagai warehouse operator. Kemudian warehouse operator akan menyiapkan produk sesuai dengan DN yang telah diberikan oleh sales administrator. Setelah memastikan produk sesuai dengan DN, driver dan helper dengan bantuan karyawan bagian pergudangan akan memeriksa kembali banyaknya produk yang akan dikirim dan jumlah crate (wadah roti) yang akan dibawa pada pengiriman kali ini, kegiatan tersebut dinamakan proses loading. Sesampai di tempat tujuan, driver dan helper memindahkan produk menuju gudang konsumen dan kembali memeriksa jumlah barang yang dikirim, disaksikan oleh perwakilan dari pihak konsumen. Setelah melewati tahap pemeriksaan tersebut helper menata produk di tempat yang telah disediakan, sedangkan driver mengurus penandatanganan DN dan FB oleh pihak konsumen. Selain itu driver juga menerima bukti terima barang dari pihak konsumen serta nota penarikan barang (NPB), sekaligus dengan produk yang mengalami pengembalian bila ada. Setelah driver dan helper mengunjungi seluruh konsumen yang ada pada DN, selanjutnya kembali ke pabrik untuk melakukan proses unloading. Pada proses ini, dilakukan pemeriksaan terhadap kelengkapan dokumen (seperti DN, FP dan NPB), kesesuaian banyaknya crate dan juga kesesuaian produk yang mengalami pengembalian dengan dokumen yang ada. 4.2. Perumusan Masalah Perusahaan memproduksi sejumlah roti setiap harinya, kemudian produk tersebut akan didistribusikan ke sejumlah konsumen (retail/outlet) yang ada – dalam karya ilmiah ini jumlah konsumennya sebanyak 24. Konsumen dinyatakan sebagai n dengan n= 1 menyatakan depot. Banyaknya permintaan setiap RO telah diketahui sebelumnya, baik jenis maupun jumlahnya. Pendistribusian akan dilakukan dengan menggunakan tiga kendaraan sejenis, sehingga kapasitas untuk setiap kendaraan seragam. Setiap kendaraan akan memulai kegiatan distribusinya dari depot. Selain melakukan pengiriman produk, driver dan helper juga melakukan bongkar muat dan mengatur produk pada tempat yang telah disediakan, disebut delay. Biaya tetap kendaraan akan muncul bila kendaraan tersebut dipakai dalam kegiatan distribusi. Masalah yang dihadapi adalah meminimumkan banyaknya kendaraan yang

9

digunakan dengan mempertimbangkan kendala kapasitas pada kendaraan dan untuk memenuhi setiap permintaan RO. Beberapa asumsi yang digunakan, antara lain: semua pesanan konsumen dapat dipenuhi oleh pabrik, kecepatan kendaraan konstan sehingga tidak ada satu pun yang dapat mempercepat atau memperlambat kecepatan kendaraan. Kendaraan yang digunakan seragam, sehingga setiap kendaraan mempunyai kapasitas yang sama. Biaya bila kendaraan digunakan (fixed cost) dan biaya setiap kilometer telah diketahui. 4.3 Formulasi Masalah Variabel Keputusan

25

3

j 1

k 1

 x 

x

 1; k  1, 2, 3

(4.4)

 1; k  1, 2, 3

(4.5)

Kekontinuan rute 25 k  1, 2,3  xik,u   xuk, j ; u  1, 2,..., 25 i 2 i2  Kapasitas

(4.6)

k 1, j

j 2 25

x

k i ,1

i 2



25

25

 q x i

i 1

k i, j

 C ; k  1, 2, 3 i , j  1, 2,..., 25

xik, j  z k ;

k  1, 2,3 i , j  1, 2,..., 25

vk tik, j  d i , j ;

Konstanta qi banyaknya permintaan konsumen i C kapasitas maksimum kendaraan yang dibutuhkan dari konsumen k ti , j waktu i ke konsumen j dengan kendaraan k

 Eliminasi sub-tour

d i , j  d j ,i ;

 x

k i, j

iF

k  1, 2,3

i , j  1, 2,..., 25

25

F  L : 2  F   i 1

25

x

k i, j

;

ci , j

biaya perjalanan dari konsumen i ke konsumen j

 Time windows ai  ti  bi ; i  1, 2,..., 25

vk

kecepatan rata-rata kendaraan k

wk

biaya tetap (fixed cost) bila kendaraan k digunakan waktu buka gudang pada konsumen i

ti  fi  tik, j  M (1  xik, j )  t j ;

fi

Fungsi Objektif 3

minZ   wk z k  k 1

25

25

 x i 1 j 1

k i, j i, j

c

(4.1)

Kendala-kendala 

Konsumen 25

3

i 1

k 1

 x

k i, j

 1; j  2,3,..., 25

(4.2)

(4.10)

z k  {0,1};

xik, j  {0,1};

(4.11)

j 1

k  1, 2,3

L

(4.9)

 | F | 1;

jarak dari konsumen i ke konsumen j

waktu kedatangan pada konsumen i himpunan semua konsumen termasuk depot Lama waktu servis di konsumen i

(4.8)

jF

di , j

waktu tutup gudang pada konsumen j

(4.7)

j 1

1, jika kendaraan k dioperasikan zk   0, jika selainnya

ai bi ti

(4.3)

Depot 25

25

1, jika konsumen j dikunjungi  k xi , j   setelah konsumen i oleh kendaraan k 0, jika selainnya 

 1; i  2,3,..., 25

k i, j

i, j  1,2,...,25 k  1,2,3

k  1, 2, 3

k  1, 2,3 i, j  1, 2,..., 25

(4.12) (4.13) (4.14) (4.15)

Fungsi objektif (4.1) pada model di atas adalah meminimumkan banyaknya kendaraan yang digunakan dan meminimumkan jarak tempuh kendaraan. Kendala (4.2) dan (4.3) memberikan kepastian bahwa setiap konsumen yang ada akan dilayani oleh tepat satu kendaraan. Kendala (4.4) dan (4.5) akan memastikan tersedianya kendaraan untuk melayani rute yang ada dan untuk memastikan kendaraan berangkat dan kembali dari depot. Pada kendala (4.6) akan dipastikan kontinuitas rute kendaraan artinya memastikan bahwa kendaraan yang masuk ke suatu kota harus

10

meninggalkan kota tersebut, sedangkan kendala (4.7) menggambarkan bahwa jumlah permintaan untuk satu rute tidak melebihi kapasitas kendaraan yang beroperasi. Selanjutnya, pada kendala (4.8) dipastikan bahwa tidak akan ada konsumen yang dilayani oleh kendaraan yang tidak aktif. Kendala (4.9) memperlihatkan hubungan antara jarak, yaitu kecepatan dan waktu tempuh kendaraan, jarak dan waktu tempuh berbanding lurus. Kendala (4.10) menunjukkan bahwa jarak dari i ke j sama dengan jarak dari j ke i, sedangkan kendala (4.11) memastikan tidak ada sub-tour pada model yang ada. Berikutnya, kendala (4.12) dan (4.13) berkaitan dengan waktu pelayanan. Pada kendala (4.12) dipastikan waktu kedatangan kendaraan di tempat konsumen berada di antara waktu buka dan tutup gudang. Kendala (4.13) memastikan kendaraan akan berada di j pada saat kendaraan berangkat dari i ditambah dengan waktu servis pada i dan waktu tempuh dari i ke j, sedangkan M (big-m) merupakan bilangan yang relatif besar jika M (1  xi , j ) k

bernilai besar maka rute konsumen i ke konsumen j tidak akan ditempuh dan sebaliknya. Kendala (4.14) dan (4.15) menunjukkan bahwa zk dan

xik, j merupakan

variabel keputusan yang bernilai 0 dan 1. 4.4 Hasil dan Pembahasan Pada subbab ini akan diperlihatkan hasil dari masalah yang dihadapi, kemudian hasil tersebut akan dibandingkan dengan keadaan yang terjadi di lapangan saat ini. Masalah VRP yang dihadapi dapat dicari solusinya dengan menggunakan exact method dan metode heuristik. Penggunaan exact method untuk masalah VRP yang dihadapi tidak cukup baik karena dibutuhkan waktu yang relatif lama untuk mendapatkan solusi

Kode 0 1 4 0

optimalnya. Oleh karena itu, dikembangkan metode heuristik sebagai salah satu alternatif untuk menyelesaikan masalah VRP yang dihadapi secara lebih cepat. Metode heuristik yang digunakan dalam penelitian ini dibagi menjadi dua fase. Fase pertama adalah route construction yang menggunakan nearest addition heuristic untuk mencari solusi fisibel awal dari masalah VRP yang dihadapi. Fase berikutnya adalah route improvement dimana solusi awal yang telah ada diperbaiki menggunakan beberapa metode heuristik lainnya, yakni metode 2-Opt, or-Opt, relocate, exchange, dan cross. Input dari masalah yang akan diselesaikan menggunakan kedua fase heuristik terdapat pada Lampiran 8. Lampiran tersebut merupakan input bagi program yang akan digunakan. Isi dari input tersebut berupa banyaknya konsumen yang akan dikunjungi, banyaknya kendaraan yang tersedia dan kapasitas maksimum dari kendaraan yang digunakan, selain itu terdapat juga kode, jumlah permintaan, waktu buka-tutup gudang dan letak setiap konsumen. Dibutuhkan waktu 0,32 detik untuk memberikan solusi dari masalah VRP dengan menggunakan software ILOG Dispatcher versi 2.1 dan ILOG Solver versi 4.4 yang dijalankan menggunakan Microsoft Visual C++ versi 6.0 yang dioperasikan pada komputer dengan prosessor Intel Celeron 2.53 GHz (Giga Hertz) dan memori sebesar 512 MB (Megabyte). Output dari masalah VRP yang diselesaikan menggunakan software tersebut dapat dilihat pada Lampiran 10. Tabel 1, Tabel 2 dan Tabel 3 merupakan rangkaian rute yang dihasilkan dengan menggunakan metode heuristik dua fase yang telah dijelaskan sebelumnya dan masingmasing tabel merepresentasikan satu kendaraan.

Tabel 1 Hasil simulasi untuk kendaraan pertama Jarak Nama tempuh (kilometer) PT NIC 0 HARI-HARI BEKASI TRADE CENTRE 9,1988 PT CONTIMAS UTAMA IND. (BLUE MALL) 11,1864 PT NIC 22,2157

Permintaan (crate) 0 17 17 0

11

Kode 0 3 5 2 11 12 13 15 22 23 6 0

Kode 0 9 8 7 10 14 16 17 24 21 20 19 18 0

Tabel 2 Hasil simulasi untuk kendaraan kedua Jarak Nama tempuh (kilometer) PT NIC 0 LION SUPERINDO BOROBUDUR BEKAS 11,0671 CARREFOUR BEKASI SQUARE 13,6437 MITRA WISMA ASRI 17,1940 CV NAGA SWALAYAN (Pondok Ungu) 21,5975 GIANT UJUNG MENTENG 25,2667 CARREFOUR CAKUNG 26,7864 GIANT PONDOK KOPI SPM 34,4373 GIANT KALIMALANG 38,7833 SUPER INDO PONDOK BAMBU 39,5013 HERO KEMANG PRATAMA 49,7469 PT NIC 61,9235

Tabel 3 Hasil simulasi untuk kendaraan ketiga Jarak Nama tempuh (kilometer) PT NIC 0 MAKRO BEKASI 2 13,2558 LION SUPERINDO METROPOLITAN MALL 13,6606 GIANT HYPERMARKET BEKASI 13,9787 HARI-HARI BEKASI CYBER PARK 15,8856 LION SUPERINDO KALIMALANG BEKASI 17,3783 GIANT JATI BENING 21,7282 STAR MART PERSADA GOLF 23,8137 YOGYA PONDOK BAMBU TOSERBA 24,8556 TIP-TOP PONDOK BAMBU 25,2290 CV NAGA SWALAYAN (Jatiwaringin) 25,5493 GIANT PONDOK GEDE 28,7049 TIP-TOP PONDOK GEDE 32,3982 PT NIC 52,2495

Dari ketiga tabel di atas, terlihat bahwa dibutuhkan tiga kendaraan untuk melayani seluruh konsumen. Pada kendaraan pertama rute yang dilalui meliputi depot, konsumen ke-1, konsumen ke-4 dan kembali ke depot, dengan total jarak yang ditempuh sepanjang 22,2157 kilometer dan banyaknya produk yang dibawa sebanyak 25 crate. Sedangkan pada kendaraan kedua, rute yang ditempuh meliputi depot, konsumen ke3, konsumen ke-5, konsumen ke-2, konsumen ke-11, konsumen ke-12, konsumen ke-13, konsumen ke-15, konsumen ke-22, konsumen ke-23 dan konsumen ke-6 sebelum kembali ke depot. Kendaraan kedua menempuh 61,9235 kilometer dan memuat sebanyak 153 crate pada pengirimannya.

Permintaan (crate) 0 7 8 3 37 16 12 15 18 25 12 0

Permintaan (crate) 0 2 17 19 19 22 9 4 18 37 18 18 11 0

Lain halnya dengan kendaraan ketiga, kendaraan ini menempuh perjalanan sepanjang 52,2495 kilometer untuk menyelesaikan satu rute yang dijadwalkan. Rute tersebut meliputi depot, konsumen ke-9, konsumen ke-8, konsumen ke-7, konsumen ke-10, konsumen ke-14, konsumen ke-16, konsumen ke-17, konsumen ke-24, konsumen ke-21, konsumen ke-20, konsumen ke-19 dan konsumen ke-18 sebelum kembali ke depot, dengan membawa 194 crate dari maksimum 200 crate yang dapat dibawa dalam satu kali pengiriman. Total perjalanan yang ditempuh oleh ketiga kendaraan tersebut adalah 136,388 kilometer.

12

The Simulation Route 10 0 18

5 19 1 3

0 Miles kilometer

4 5

6 9 87

16

10

17

14

20 21 24

23 22

15

2 -5 11

Kendaraan pertama -10

Kendaraan kedua

12 13

Kendaraan ketiga

-15 -15

-10

-5

0

5

10

Miles

kilometer

Gambar 8 Rute hasil simulasi. Hasil simulasi di atas kemudian dibandingkan dengan data lapangan yang diamati penulis.

Kode 0 16 20 23 22 21 24 19 11 18 0

Tabel 4, Tabel 5 dan Tabel 6 merupakan rute kendaraan saat ini yang melayani 24 konsumen.

Tabel 4 Rute saat ini untuk kendaraan pertama Jarak Nama tempuh (kilometer) PT NIC 0 GIANT JATI BENING 19,3245 CV NAGA SWALAYAN (Jatiwaringin) 22,2676 SUPER INDO PONDOK BAMBU 24,7295 GIANT KALIMALANG 25,4476 TIP-TOP PONDOK BAMBU 28,3478 YOGYA PONDOK BAMBU TOSERBA 28,7212 GIANT PONDOK GEDE 32,3667 CV. NAGA SWALAYAN (Pondok Ungu) 49,0934 TIP-TOP PONDOK GEDE 63,1134 PT NIC 82,9648

Permintaan (crate) 0 9 18 25 18 37 18 18 37 11 0

13

Kode 0 15 13 12 2 3 14 10 0

Kode 0 4 1 7 6 5 8 9 17 0

Tabel 5 Rute saat ini untuk kendaraan kedua Jarak Nama tempuh (kilometer) PT NIC 0 GIANT PONDOK KOPI SPM 21,0275 CARREFOUR CAKUNG 28,6783 GIANT UJUNG MENTENG 30,1981 MITRA WISMA ASRI 38,2426 LION SUPERINDO BOROBUDUR BEKAS 42,6166 LION SUPERINDO KALIMALANG BEKASI 49,1501 HARI-HARI BEKASI CYBER PARK 50,6427 PT NIC 65,0334

Tabel 6 Rute saat ini untuk kendaraan kedua Jarak Nama tempuh (kilometer) PT NIC 0 PT CONTIMAS UTAMA IND. (BLUE MALL) 11,0293 HARI-HARI BEKASI TRADE CENTRE 13,0169 GIANT HYPERMARKET BEKASI 17,5612 HERO KEMANG PRATAMA 19,3132 CARREFOUR BEKASI SQUARE 22,6542 LION SUPERINDO METROPOLITAN MALL 24,9801 MAKRO BEKASI 2 25,3849 STAR MART PERSADA GOLF 34,5364 PT NIC 55,9374

Data di atas memperlihatkan bahwa dibutuhkan sebanyak tiga kendaraan untuk melayani seluruh konsumen. Kendaraan pertama akan menempuh jarak sepanjang 82,9648 kilometer dan membawa 191 crate dari 200 crate yang dapat dibawa. Kendaraan pertama melayani rute depot, konsumen ke16, konsumen ke-20, konsumen ke-23, konsumen ke-22, konsumen ke-21, konsumen ke-24, konsumen ke-19, konsumen ke-11, konsumen ke-18 dan kembali ke depot. Rute untuk kendaraan kedua meliputi depot, konsumen ke-15, konsumen ke-13, konsumen ke-12, konsumen ke-2, konsumen

Permintaan (crate) 0 15 12 16 3 7 22 19 0

Permintaan (crate) 0 17 17 19 12 8 17 2 4 0

ke-3, konsumen ke-14 dan konsumen ke-10 sebelum kembali ke depot. Dengan membawa 94 crate dan menempuh jarak sepanjang 65,0334 kilometer untuk rute tersebut. Rute berikutnya, untuk kendaraan ketiga, dijadwalkan akan membawa sebanyak 96 crate dan menempuh perjalanan sepanjang 55,9374 kilometer. Rute tersebut meliputi depot, konsumen ke-4, konsumen ke-1, konsumen ke-7, konsumen ke-6, konsumen ke-5, konsumen ke-8, konsumen ke-9 dan konsumen ke-17 sebelum kembali ke depot. Total jarak tempuh tiga kendaraan adalah 203,935 kilometer.

14

Current Route 10 0 18

5 19 1

4 5 3

Miles kilometer

0

6 9 87

16

10

17

14

20 21 24

23 22

15

2 -5 11

Kendaraan pertama -10

Kendaraan kedua

12 13

Kendaraan ketiga

-15 -15

-10

-5

0

5

Miles kilometer

Gambar 9 Rute saat ini. Tabel 7 memberikan perbandingan antara hasil simulasi (pada Tabel 1, Tabel 2 dan Tabel 3) dengan kondisi rute yang saat ini (pada Tabel 4, Tabel 5 dan Tabel 6).

Perbandingan tersebut meliputi muatan yang dibawa oleh masing-masing kendaraan dan total jarak yang ditempuh oleh setiap kendaraan.

Tabel 7 Perbandingan muatan kendaraan hasil simulasi dan kendaraan yang beroperasi saat ini Kapasitas Muatan Jarak Tempuh max (crate) (kilometer) (crate) Keadaan saat ini Kendaraan ke-1 191 (95,5%) 200 82,9648 Kendaraan ke-2 94 (47,0%) 200 65,0334 Kendaraan ke-3 96 (48,0%) 200 55,9374 Hasil Simulasi Kendaraan ke-1 34 (17,0%) 200 22,2157 Kendaraan ke-2 153 (76,5%) 200 61,9235 Kendaraan ke-3 194 (97,0%) 200 52,2495 Dari Tabel 7 dapat disimpulkan bahwa masing-masing rute pada hasil simulasi memiliki jarak tempuh yang lebih pendek dibandingkan dengan rute yang ditempuh oleh kendaraan pada saat ini. Pada hasil simulasi

total jarak yang ditempuh ketiga kendaraan adalah 136,388 kilometer, sedangkan total jarak pada ketiga kendaraan saat ini adalah 203,935 kilometer. Dengan kata lain, total jarak yang ditempuh pada hasil simulasi

10

15

mencapai 66,88% dari total jarak yang ditempuh kendaraan saat ini. Sementara itu banyaknya produk yang dibawa oleh kendaraan kedua dan ketiga pada hasil simulasi lebih besar dibandingkan dengan banyaknya barang yang dibawa oleh

kendaraan kedua dan ketiga saat ini. Persentase kedua kendaraan tersebut mencapai 76,5% dan 97%, sedangkan pada kendaraan yang beroperasi saat ini persentase muatan pada kendaraan kedua dan ketiga sebesar 47% dan 48%.

V SIMPULAN DAN SARAN 5.1 Kesimpulan 1. Masalah penentuan rute untuk distribusi barang (VRP) dapat diformulasikan sebagai masalah Integer Linear Programming. 2. Masalah penentuan rute untuk distribusi barang (VRP) dapat diselesaikan dengan menggunakan metode heuristik, pada penelitian ini menggunakan metode nearest addition heuristic. 3. Hasil simulasi menggunakan metode heuristik memperoleh hasil yang lebih baik daripada kondisi yang ada sekarang, karena total jarak tempuh menjadi lebih pendek.

5.2 Saran Beberapa hal yang dapat dilakukan agar penelitian ini lebih baik terkait dengan implementasinya di lapangan, antara lain: 1. Jarak antar tempat dapat dibuat serealistis mungkin, karena jarak antar tempat yang terdapat pada matriks jarak merupakan hasil estimasi. 2. Waktu bongkar-muat di konsumen dapat diestimasi dengan cara yang lebih baik. Misalnya dengan melakukan beberapa kali pengamatan terhadap waktu bongkar-muat di setiap konsumen, kemudian gunakan rata-rata waktu tersebut sebagai input.

DAFTAR PUSTAKA Caric T, Galic A, Fosin J, Gold H, Reinholz. 2008. A Modelling and Optimization Framework for Real-World Vehicle Routing Problem. Vehicle Routing Problem: 142, I-Tech, Vienna, Austria. Cordeau J-F, Gendreau M, Laporte G, Potvin JY, Semet F. 2002. A Guide to Vehicle Routing Heuristics. Journal of Operation Research Society 53: 512-522. Hoffman K, Padberg M. 2009. Traveling Salesman Problem. http://iris.gmu.edu/ ~khoffman/papers/trav_salesman.html. [8 Feb 2009]. Kritikos MN, Ioannou G. 2004. A synthesis of assignment and heuristic solutions for vehicle routing with time windows. Journal of the Operational Research Society 55: 2–11. Kang HK, Byung KL, Yoon HL, Young HL. 2007. A Heuristic for the vehicle routing problem with due times. Computers and Industrial Engineering 54: 421-431.

Laporte G, Boctor F, Renaud J, Prive J. 2006. Solving a vehicle-routing problem arising in soft-drink distribution. Journal of Operation Research Society 57: 10451052. Larsen J. 1999. Vehicle Routing with Time Windows- Finding optimal solution efficiently. Machado P, Tavares J, Pereira BF, Costa E. 2002. Vehicle Routing Problem: Doing it The Evolution Way. Nilsson C. 2003. Heuristics for the Traveling Salesman Problem. Sutapa NI, Widyadana AGI, Christine. 2003. Studi tentang Traveling Salesman Problem dan Vehicle Routing Problem dengan Time windows. Jurusan Teknik Industri, Universitas Petra, Surabaya. ILOG. 1999. User’s Manual ILOG Dispatcher 2.1. France: ILOG Winston WL. 2004. Operation Research Applications and Algorithms. Ed ke-4. Belmont, California: Brooks/ColeThompson Learning.