Wandhansari Sekar Jatiningrum, Anna Maria Sri Asih
3.1 Pemetaan 2 Perusahaan Tanpa Strategi Kolaborasi
Gambar 2 menunjukkan hasil pemetaan seluruh toko yang dimiliki oleh perusahaan A dan B yang tersebar di wilayah Kota Yogyakarta dan sebagian Kabupaten Sleman dan Klaten. Pemetaan dilakukan dengan menggunakan software Google Earth. Pin berwarna ungu menunjukkan titik lokasi toko perusahaan A sejumlah 58 toko, sedangkan pin berwarna kuning menunjukkan titik lokasi toko perusahaan B sejumlah 84. Pengiriman produk ke toko dilakukan oleh masing-masing DC yang dimiliki perusahaan. Produk untuk toko dari perusahaan A disuplai oleh DC A, sedangkan produk untuk toko perusahaan B disuplai oleh DC B. Hal ini
menyebabkan terjadinya beberapa jarak tempuh yang cukup jauh untuk distribusi pengiriman produk dari masing-masing perusahaan karena titik lokasi toko menyebar merata ke seluruh wilayah yang menjadi objek penelitian.
Gambar 2 Pemetaan 2 Perusahaan Tanpa Strategi Kolaborasi 3.2 Pemetaan 2 Perusahaan dengan Strategi Kolaborasi
Gambar 3 menunjukkan hasil pemetaan dengan skenario dilakukan strategi kolaborasi antara 2 perusahaan. Konsep kolaborasi yang dimaksud berupa kerjasama dan koordinasi antara 2 perusahaan dalam hal distribusi pengiriman produk dari DC ke toko. Sehingga DC A dan DC B di dalam skenario menjadi Urban Consolidation Centre (UCC) yang dapat menyuplai produk untuk kedua perusahaan, sehingga setiap toko akan disuplai oleh UCC yang terdekat saja. Masing-masing UCC tidak dibatasi kapasitasnya, sehingga mampu menyuplai sejumlahtoko yang letaknya lebih dekat dengan UCC tersebut. Bagian yang diblok sebelah kanan menunjukkan sejumlah toko yang akan disuplai produk oleh UCC A yaitu DC A sejumlah 36 toko, sedangkan bagian yang diblok sebelah kiri menunjukkan sejumlah toko yang akan disuplai produk oleh UCC B yaitu DC B sejumlah 106 toko.
3.3 Perhitungan Biaya Bahan Bakar Transportasi 3.3.1 Formulasi Model Matematis
Formulasi model matematis yang digunakan dalam penentuan rute distribusi atau kasus Vehicle Routing Problem dapat dilihat pada persamaan (1) sampai (8).
Fungsi Tujuan: ...(1) Konstrain: ...(2) ...(3) ...(4) ...(5) ...(6) ...(7) ...(8) Keterangan:
N: node (titik) depot dan pelanggan, N=(0, 1, 2, ..., n) K: himpunan kendaraan, K=(1, 2, ..., k)
W: kapasitas maksimum kendaraan k dj: total permintaan pelanggan j
cijk: jarak untuk menempuh lokasi pelanggan i ke pelanggan j menggunakan kendaraan k xijk: 1, lintasan jalan i,j dilalui oleh kendaraan k
0, lintasan jalan i,j tidak dilalui oleh kendaraan k
Fungsi tujuan (1) dari permasalahan VRP ini adalah untuk meminimalkan total jarak tempuh kendaraan. Konstrain (2) dan (3) memastikan tepat hanya satu kendaraan yang datang dan pergi dari konsumen, sedangkan konstrain (4) memastikan kokontinyuan rute dari setiap kendaraan yang beroperasi. Konstrain (5) dan (6) memastikan rute diawali dari depot dan berakhir di depot, sedangkan konstrain (7) memastikan bahwa total permintaan konsumen yang dituju tidak melebihi kapasitas kendaraan. Konstrain (8) memastikan tidak terdapat subrute dari setiap rute yang terbentuk.
3.3.2 Test Problem
Penyelesaian test problem bertujuan untuk melakukan verifikasi terhadap model VRP dengan algoritma Ant Colony System yang telah dibangun di Matlab. Test Problem dilakukan dengan menggunakan contoh kasus VRP sederhana untuk 4, 6, 10, 12, dan 15 kota tujuan yang diselesaikan dengan metode eksak menggunakan CPLEX. Parameter yang digunakan untuk ACS yaitu α=1, β=1, ρ=0,5, τ0=0,01,q0=0,9, m=20, dan iterasi maksimal=100. Berdasarkan hasil running CPLEX dan Matlab yang telah dilakukan, didapatkan hasil yang tidak berbeda secara signifikan. Untuk itu model VRP yang dibangun dengan menggunakan algoritma Ant Colony System disimpulkan dapat digunakan untuk kasus selanjutnya yang lebih
kompleks.
3.3.3 Capacitated Vehicle Routing Problem (CVRP)
CVRP digunakan untuk pemilihan rute optimal pada strategi tanpa kolaborasi antara 2 perusahaan. CVRP bertujuan mendapatkan total jarak optimal pendistribusian produk dari DC ke toko untuk masing-masing perusahan A dan B. Pengiriman produk dari DC ke toko dilakukan sebanyak 8 kali dalam sebulan dan terdapat 4 pola pengiriman. Pola 1 dilakukan sebanyak 4 kali dalam sebulan, pola 2 dilakukan sebanyak 2 kali dalam sebulan, pola 3 dilakukan sebanyak sekali dalam sebulan, dan pola 4 dilakukan sebanyak sekali dalam sebulan. Untuk pemilihan parameter α, β, dan ρ dilakukan dengan desain eksperimen. Tabel 1 menunjukkan hasil perhitungan total jarak optimal yang diperoleh tanpa strategi kolaborasi.
Tabel 1 Hasil Running ACS Kasus CVRP
Perusahaan Pola Parameter Total Jarak (km)
A 1 α = 0,5, β = 1, dan ρ = 0,1 883,6 2 α = 0,5, β = 1, dan ρ = 0,7 1.180,5 3 α = 0,5, β = 1, dan ρ = 0,7 1.365 4 α = 2, β = 1, dan ρ = 0,7 1.331,9 B 1 α = 0,5, β = 1, dan ρ = 0,7 718,352 2 α = 0,5, β = 1, dan ρ = 0,7 899,902 3 α = 0,5, β = 5, dan ρ = 0,1 942,932 4 α = 0,5, β = 5, dan ρ = 0,7 931,082 3.3.4 Multi Depot Vehicle Routing Problem (MDVRP)
Pada MDVRP, dilakukan strategi kolaborasi antara DC A dan DC B, sehingga masing-masing DC berperan sebagai Urban Consolidation Centre (UCC). Dengan adanya kolaborasi berupa konsolidasi, suplai produk dari DC ke toko tidak dibedakan berdasarkan perusahaan. Skenario konsolidasi ini dilakukan dengan konsep MDVRP, dengan depot atau UCC yang dimiliki sebanyak 2 buah. DC A berperan sebagai UCC A dan DC B berperan sebagai UCC B. Pada MDVRP sejumlah kendaraan dari beberapa depot (lebih dari satu) akan melakukan pendistribusian ke beberapa customer dan kembali ke depot yang sama dengan jarak pendistribusian yang minimum tanpa melanggar kendala kapasitas dari kendaraan. Tahapan yang dilakukan dalam MDVRP yaitu grouping, routing, dan scheduling (Zhen dan Zhang, 2009). Pada tahapan grouping, customer-customer dikelompokkan pada depot terdekat dengan algoritma nearest neighbor, selanjutnya pada tahapan routing dan scheduling, customer-customer dikelompokkan ke sejumlah rute dan dilakukan pengaturan urutan rute, sehingga didapatkan total jarak tempuh minimal. Tabel 2 menunjukkan hasil perhitungan total jarak optimal yang diperoleh dengan strategi kolaborasi.
Tabel 2 Hasil Running ACS Kasus MDVRP
Perusahaan Pola Parameter Total Jarak (km)
UCC A 1 α = 2, β = 1, dan ρ = 0,7 281,84 2 α = 2, β = 1, dan ρ = 0,7 412,6 3 α = 0,5, β = 1, dan ρ = 0,7 450,48 4 α = 0,5, β = 1, dan ρ = 0,7 450,48 UCC B 1 α = 0,5, β = 1, dan ρ = 0,1 613,57 2 α = 0,5, β = 5, dan ρ = 0,7. 817,651 3 α = 0,5, β = 5, dan ρ = 0,1 865,792 4 α = 0,5, β = 5, dan ρ = 0,7 873,202 3.3.5 Perbandingan Hasil CVRP dan MDVRP
Total jarak optimal yang telah diperoleh melalui strategi pemilihan rute dengan VRP dapat digunakan untuk menghitung total biaya bahan bakar transportasi yang harus dikeluarkan untuk strategi tanpa kolaborasi dan dengan strategi kolaborasi dalam sebulan. Jadwal pengiriman selama sebulan yaitu pola pengiriman 1 dilakukan pada awal minggu pertama, kedua, ketiga, dan keempat, pola pengiriman 2 dilakukan pada pertengahan minggu pertama dan ketiga, pola pengiriman 3 dilakukan pada pertengahan minggu kedua, dan pola pengiriman 4 dilakukan pada pertengahan minggu keempat. Tabel 3 menunjukkan perbandingan biaya bahan bakar transportasi yang harus dikeluarkan untuk strategi tanpa kolaborasi yaitu CVRP dan dengan kolaborasi yaitu MDVRP dalam sebulan. Perhitungan biaya bahan bakar transportasi dilakukan berdasarkan total jarak tempuh distribusi dari semua pola pengiriman. Diketahui rasio penggunaan bahan bakar sebesar 1:7, yaitu 1 liter solar dapat digunakan untuk menempuh jarak sebesar 7 km, dengan harga solar sebesar Rp. 6.900/liter.
Tabel 3 Perbandingan Biaya Bahan Bakar Transportasi CVRP dan MDVRP
Strategi Suplai dari Total Jarak/Bulan (km) Total Biaya Bahan Bakar Transportasi/Bulan (Rp.) Tanpa kolaborasi DC A 8.592,3 15.139,5 8.469.553 14.923.247 DC B 6.547,23 6.453.694 Dengan kolaborasi UCC A 2.853,5 8.682,1 2.812.755 8.588.066 UCC B 5.828,58 5.745.311
Hasil pada tabel 3 menunjukkan bahwa strategi kolaborasi yang berupa penggunaan Urban Consolidation Centre dan konsolidasi pengiriman bersama dengan strategi pemilihan rute optimal melalui penyelesaian kasus VRP mampu mengurangi total jarak tempuh sebesar 6.457,43 km dalam sebulan. Pengurangan total jarak tempuh DC untuk menyuplai produk ke toko dapat mengurangi biaya bahan bakar transportasi yang dikeluarkan sebesar 42,65%. Hal ini menunjukkan bahwa strategi kolaborasi mampu mengatasi permasalahan logistik perkotaan melalui konsolidasi pengiriman dan strategi pemilihan rute optimal.
Penerapan suplai distribusi barang yang dilakukan dengan strategi kolaborasi hanya berdasarkan kedekatan jarak antara UCC dengan toko menyebabkan perlunya dilakukan perluasan UCC secara teknis untuk menambah kapasitas UCC. Hal ini berpotensi mengakibatkan biaya setup yang dikeluarkan cukup tinggi (Browne et al., 2005). Selain itu penerapan strategi kolaborasi membutuhkan komitmen yang baik antara pihak publik dan privat (public private partnership), yaitu pemerintah, perusahaan pengirim barang, perusahaan penyedia jasa pengiriman, dan masyarakat pemukim (Duin et al., 2010). Sektor publik perlu terlibat dalam mendorong penggunaan UCC melalui peraturan (Browne et al., 2005).
4. Kesimpulan
Berdasarkan pemetaan yang dilakukan, lokasi toko dari kedua perusahaan tersebar secara merata di seluruh wilayah, meskipun di beberapa area tertentu salah satu perusahaan lebih mendominasi. Dari hasil pemetaan tersebut, analisis perhitungan strategi pemilihan rute yang dilakukan menunjukkan bahwa strategi kolaborasi menghasilkan total jarak optimal dan total biaya bahan bakar transportasi yang lebih kecil dibandingkan strategi tanpa kolaborasi.
Daftar Pustaka
Adetiloye, T. O., 2012, Master Thesis: Collaboration Planning of Stakeholders for Sustainable City Logistics Operations, Concordia University for Information Systems Engineering, Canada.
Badan Pusat Statistik, 2012, Perkembangan Beberapa Indikator Utama Sosial Ekonomi, kotimkab.bps.go.id/admin/files/Booklet_Mei_2012.pdf, online, diakses 25 Maret 2015. Badan Pusat Statistik, 2013, Perkembangan Jumlah Kendaraan Bermotor Menurut Jenis tahun
1987-2013, http://www.bps.go.id/linkTabelStatis/view/id/1413, online, diakses 25 Maret 2015.
Browne, M., Sweet, M., Woodburn, A., dan Allen, J., 2005, Urban Freight Consolidations Centres Final Report, Transport Studies Group, University of Westminster, London. Duin, J.H.R., Quak, H., dan Munuzuri, J., 2010, New Challenges for Urban Consolidation
Centres: A Case Study in The Hague, Procedia Social and Behavioral Sciences, vol. 2, pp. 6177-6188.
Koran Bisnis Kontan, 2013, Indomarco Siap Rambah Tiga Wilayah Anyar, http://industri.kontan.co.id/news/indomarco-siap-rambah-tiga-wilayah-anyar, online, diakses1 Februari 2015.
Peraturan Presiden Republik Indonesia Nomor 26 Tahun 2012.
PT. Sumber Alfaria Trijaya, Tbk. 2013. Public Expose – PT. Sumber Alfaria Trijaya, http://corporate.alfamartku.com/post/read/id/42/item/46, online, diakses 1 Februari 2015.