DAFTAR PUSTAKA
Anbuudayansankar, S.P, 2014, Models for Practical Routing Problems in Logistics, Springer : New York
Ballou H. Ronald, 2000 Business Logistics Management, Prentice-Hall : International, United State.
Bowersox J., Donald, 1996. Manajemen Logistik, PT Bumi Aksara : Jakarta Gitosarmo, Indriyo dan Agus Mulyono, 2004, Manajemen Bisnis Logistik, BPFE:
Yogyakarta.
Mahardika, Amri dkk 2012 `Penyelesaian Vehicle Routing Problem dengan Menggunakan Metode Nearest Neighbour Studi Kasus MTP Nganjuk Distributor Coca Cola` UB
Pujawan, I Nyoman. 2005. Supply Chain Management. Edisi Pertama. Surabaya: Guna Widya.
Salim Abbas, 2005. Manajemen Transportasi. Edisi I, Jakarta : PT. Raja Grafindo Persada.
Sinulingga, Sukaria.2009. Perencanaan dan Pengendalian Produksi. Graha Ilmu: Yogyakarta.
Sutalaksana, Iftikar Z. 1979.Teknik Tata Cara Kerja. Bandung: ITB.
Toth,P. & Vigo, D.2002. The Vehicle Routing Problem, Philadeelphia: Society for Industrial and Applied Mathematics.
BAB III
LANDASAN TEORI
3.1 Manajemen Logistik
Logistik merupakan seni dan ilmu mengatur dan mengontrol arus barang, energi, informasi, dan sumber daya lainnya, seperti produk, jasa, dan manusia, dari sumber produksi ke pasar dengan tujuan mengoptimalkan penggunaan modal. Manufaktur dan marketing akan sulit dilakukan tanpa dukungan logistik. Logistik juga mencakup integrasi informasi, transportasi, inventori,dan pergudangan.
1
1
Gitosudarmo, Indriyo, Manajemen Bisnis Logistik (1998)
3.2. Konsep Logistik Terpadu
Dekade sekarang ini manajemen logistik dalam perkembangannya menuju pada manajemen logistik terpadu. Kalau kita lihat sebelum tahun 1950 organisasi perusahaan hanya menangani manajemen logistik secara terpisah. Pada tahun 1970-1978 merupakan periode perubahan prioritas. Dalam periode prioritas ini pihak manajemen mulai merumuskan rencanaterhadap penyimpanan atau pergudangan, pengangkutan, pengolahan, dan bukan hanya merencanakan operasi untuk bereaksi terhadap permintaan pasar. Konsep logistik terpadu terdiri dari 2 usaha yang berkaitan yaitu(Bowersox,1978,p.24) :
1. Operasi Logistik
Aspek operasional logistik ini adalah mengenai manajemen pemindahan dan penyimpanan material dan produk jadi perusahaan. Jadi operasi logistik itu dapat dipandang berawal dari pengangkutan pertama material atau komponen-komponen dari sumber perolehannya dan berakhir pada penyerahan produk yang dibuat atau diolah pada langganan atau konsumen. Operasi logistik dapat dibagi dalam tiga kategori yaitu :
a. Manajemen Distribusi Fisik
nasabah menjadi bagian yang internal dari pemasaran. Jadi distribusi fisik menghubungkan suatu perusahaan dengan nasabahnya.
b. Manajemen Material
Manajemen material adalah menyangkut perolehan dan pengangkutan material, suku cadang, dan persediaan barang jadi dari tempat pembelian ke tempat pembuatan atau perakitan, gudang, atau toko pengecer. Seperti halnya distribusi fisik, manajemen material berkenaan dengan penyediaan jenis material yang dikehendaki ditempat dan pada waktu yang dibutuhkan. Sedangkan distribusi fisik adalah mengenai pengiriman keluar yaitu nasabah, maka manajemen material adalah mengenai pergerakan ke dalam yaitu pembuatan, penyortiran atau perakitan.
c. Internal Inventory Transfer
2. Koordinasi Logistik
Koordinasi logistik adalah mengenai identifikasi kebutuhan pergerakan dan penetapan rencana untuk memadukan seluruh kegiatan operasi logistik. Koordinasi logistik adalah menyangkut perencanaan dan pengawasan terhadap masalah-masalah operasional. Fungsi koordinasi logistik adalah untuk memastikan bahwa seluruh pergerakan dan penyimpanan diselesaikan seefektif dan seefisien mungkin.
Prestasi logistik diukur dengan tiga variabel, yaitu :
a. Penyediaan (availability) adalah menyangkut kemampuan perusahaan untuk secara konsisten memenuhi kebutuhan material/bahan produksi. Jadi hal ini menyangkut level persediaan atau variabel persediaan, semakin rendah frekuensi pengeluaran untuk stok yang direncanakan, berarti semakin tinggi investasi yang harus disiapkan.
b. Kemampuan (capability) adalah menyangkut jarak waktu antara penerimaan suatu pesanan dengan pengantaran barang yang dipesan. Kemampuan ini terdiri dari kecepatan pengantaran dan konsistensinya dalam jangka waktu tertentu.
c. Mutu (quality) adalah menyangkut seberapa jauh sebaiknya tugas logistik secara keseluruhan dilaksanakan, besarnya kerusakan, item-item yang betul, pemecahan
3.3. Sistem Transportasi2
Faktor kecepatan merupakan waktu yang dibutuhkan guna menyelesaikan suatu tugas pengangkutan di antara tempat asal barang ke tempat tujuan yang dikehendaki. Faktor kecepatan harus selalu dikaitkan dengan kondisi barang yang dipindahkan agar jangan sampai terjadi kerusakan walau mungkin dari segi waktu lebih cepat dari penggunaan transportasi lainnya. Bisa dikatakan waktu yang paling cepat dalam kegiatan transportasi suatu barang belum menjamin tercapainya kegiatan logistik yang baik.
Peran proses transportasi sendiri di dalam pengaturan rantai pasok dirasakan cukup besar. Hal itu disebabkan karena pengaturan rantai pasoktidak dapat berjalan dengan baik apabila tidak ada proses transportasi yangbaik. Sistem transportasi dapat diartikan sebagai gabungan dari beberapa komponen atau obyek yang saling berkaitan dalam hal pengangkutan barang/manusia oleh berbagai jenis kendaraan sesuai dengan kemajuan teknologi.
Sistem logistik memandang kegiatan transportasi dengan empat faktor yang memegang peranan penting, yaitu :
a. Biaya
Biaya transportasi merupakan pembanyaran sesungguhnya yang harus dikeluarkan guna mengganti balas jasa pengangkutan barang yang telah dikeluarkan, jadi bukan berarti metode transportasi yang termurah itu merupakan metode yang pasti dikehendaki
b. Kecepatan
2
c. Pelayanan
Faktor pelayanan merupakan suatu kegiatan servis yang diberikan terhadap barang perusahaan selama dalam kegiatan pemindahan barang. Pelayanan atau servis datangnya dari berbagai pihak, baik pengangkutan barang itu dikelola oleh perusahaan sendiri atau dengan cara menyewa dari perusahaan pengangkutan yang resmi. Pelayanan barang datangnya dari para karyawan yang membawa, mengendalikan alat transportasi para petugas yang berhubungan dengan alat transportasi. Pelayanan yang terbaik yang kita harapkan dengan tidak menambah biaya transportasi dari biaya yang normal.
d. Konsistensi
Sistem yang digunakan untuk mengangkut barang-barang dengan menggunakan alat angkut tertentu dinamakan moda transportasi (mode of transportasion). Ada lima cara utama transportasi yang biasa disebut dengan moda transportasi. Lima cara utama tersebut adalah kereta api, jalan raya, jalan air, saluran pipa dan penerbangan.Masing-masing alat transportasi ini mempunyai kebaikan dan kelemahan terhadap kegiatan logistik di perusahaan.
3.4. Optimalisasi Kombinatorial3
Masalah optimasi sangat penting dalam dunia industri maupun dunia akademis. Contoh dari masalah-masalah optimasi adalah penjadwalan rute kereta yang bertujuan untuk menentukan jadwal kedatangan kereta yang efisien dengan jumlah kereta yang telah ditetapkan, penjadwalan waktu, optimasi bentuk, dan desain jaringan telekomunikasi. Aplikasi optimasi dalam dunia industri sebagai contoh
3
3.5. Vehicle Routing Problem4
Secara sederhana, VRP merupakan permasalahan yang meliputi konstruksi rute-rute dari sejumlah kendaraan yang dimulai dari suatu depot utama menuju ke lokasi sejumlah konsumen dengan jumlah permintaan tertentu. Tujuannya adalah untuk meminimumkan biaya total tanpa melebihi kapasitas kendaraan.VRP merupakan manajemen distribusi barang yang memperhatikan pelayanan, periode waktu tertentu, sekelompok konsumen dengan sejumlah kendaraan yang berlokasi pada satu atau lebih depot yang dijalankan oleh sekelompok pengendara dengan menggunakan road network yang sesuai. VRP dapat didefinisikan sebagai suatu pencarian solusi yang meliputi penentuan sejumlah rute, dimana masing-masing rute dilalui oleh satu kendaraan yang berawal dan berakhir di depot asalnya,sehingga kebutuhan/permintaan semua pelanggan terpenuhi dengan tetap
Vehicle Routing Problem (VRP), atau dapat juga disebut dengan Vehicle Scheduling Problem, berhubungan dengan distribusi produk atau barang jadi antara depot dengan konsumen. VRP pertama kali diperkenalkan oleh Dantzig dan Ramser pada tahun 1959.VRP ini memegang peranan penting pada manajemen distribusi dan telah menjadi salah satu permasalahan dalam optimasi kombinasi yang dipelajari secara luas. Model dan algoritmanya dapat digunakan secara efektif tidak hanya untuk pengiriman dan pengambilan barang, tetapi juga dapat diaplikasikan untuk masalah sistem transportasi sehari-hari, misalnya untuk perencanaan rute bis sekolah, pengumpulan sampah, pembersihan jalan, rute untuk penjual keliling, dan lainnya.
4
memenuhi kendala operasional yang ada, juga dengan meminimalisasi biaya transportasi global.
Karakteristik konsumen dalam VRP:
1. Menempatkan road graph dimana konsumen berada.
2. Adanya demand dalam berbagai tipe dan harus diantarkan ke tempat konsumen.
3. Terdapat periode waktu (time window) dimana konsumen dapat dilayani. 4. Waktu yang dibutuhkan untuk mengantarkan barang ke lokasi konsumen
(loading time), hal tersebut dapat berhubungan dengan jenis kendaraan. 5. Sekelompok kendaraan tersedia digunakan untuk melayani konsumen.
Dalam membuat konstruksi rute, terdapat beberapa kendala yang harus dipenuhi, seperti jenis barang yang diangkut, kualitas dari pelayanan, juga karakteristik konsumen dan kendaraan. Beberapa kendala operasional yang sering ditemui misalnya sebagai berikut:
1.Pada tiap rute, besar muatan yang diangkut oleh kendaraan tidak boleh melebihi kapasitas kendaran tersebut.
2.Konsumen yang dilayani dalam sebuah rute dapat hanya merupakan pengiriman atau pengambilan, atau mungkin keduanya.
3.Konsumen mungkin hanya dapat dilayani dalam rentang waktu tertentu (time windows) dan jam kerja dari pengemudi kendaraan yang melayaninya.
VRP with backhauls dimana pengambilan baru dapat dilakukan setelah semua pengiriman selesai dikarenakan kesulitan dalam mengatur peletakan muatan. Terdapat empat tujuan umum VRP (Toth and Vigo, 2002) , yaitu :
1. Meminimalkan biaya transportasi global, terkait dengan jarak dan biaya tetap yang berhubungan dengan kendaraan
2. Meminimalkan jumlah kendaraan (pengemudi) yang dibutuhkan untuk melayani semua konsumen
3. Menyeimbangkan rute, untuk waktu perjalanan dan muatan kendaraan 4. Meminimalkan penalti akibat service yang kurang memuaskan dari
konsumen
3.5.1. Klasifikasi Routing Problem5
a) Depot Tungal
3.5.1.1. Berdasarkan Sumber
Permasalahan depot tunggal adalah yang umum pada TSP atau VRP yang dimana harus mencari rute kendaraan dalam pengiriman barang berdasarkan pusat depot untuk melayani semua konsumen dengan total jarak minimum.
b) Multidepot
Pada permasalahan multidepot, armada kendaraan dapat berasal dari banyak
depot. Tetapi kendaraan harus berawal dan berakhir pada satu depot, contohnya
seperti pada sistem pengiriman pesanan pizza kepada pelanggan.
5
3.5.1.2. Kendala Kendaraan
a) Kapasitas Kendaraan Sejenis
Permasalahan rute dengan karakteristik kapasitas kendaraan yang sama. b) Kapasitas Kendaraan yang bervariasi.
Permasalahan rute dengan karakteristik kapasitas kendaraan yang bervariasi.
3.5.1.3. Tipe Distribusi
Casco (1988) menyatakan permasalahan pada sistem pengiriman. Sebagian besar masalah didominasi dengan keterbatasan dalam kemampuan kapasitas aktivitas pengangkutan. Masalah pengangkutan dan pengiriman memiliki karakteristik dengan aktivitas yang simultan yaitu pengiriman dan penjemputan dilakukan pada satu titik. Bagaimana cara mengatur berbagai kombinasi dalam penugasan dalam pengiriman ke konsumen.
a) Murni Pengiriman b) Murni Penjemputan
c) Kombinasi Pengiriman dan Penjemputan
VRP bersifat deterministik jika muatan dan waktu bersifat tetap (konstan), dengan kata lain jumlah permintaan dan waktu sudah terjadwal sebelumnya. VRP stokastik jika memenuhi tiga kendala berikut yaitu muatan yang tetap dan waktu bervariasi, muatan yang bervariasi dan waktu yang tetap serta waktu dan muatan yang bervariasi.
Banyak komponen yang menentukan dalam VRP lainnya seperti penjadwalan kendaraan, titik pengiriman atau pembagian rute berdasarkan wilayah pengiriman.Untuk lebih jelasnya dapat dilihat kendala dalam konfigurasi rute pada Gambar 3.2.
Gambar 3.2. Kendala dalam Konfigurasi Rute
3.5. 2. Vehicle Routing and Scheduling
Vehicle routing and scheduling merupakan perluasan dari vehicle routingproblem. Beberapa batasan yang realistis yang termasuk di dalamnya adalahsebagai berikut :
1. Dalam setiap titik pemberhentian, ada sejumlah volume yang diambil dan dikirim.
3. Pelaksanaan pengambilan maupun pengiriman hanya dapat dilakukan pada waktu tertentu (time windows).
Beberapa batasan di atas menambah kompleksitas permasalahan sehingga sulit
untuk menemukan solusi yang optimal. Untuk menemukan solusi yang paling optimal
dapat diperoleh dengan cara menerapkan beberapa panduan untuk menghasilkan
routing yang baik atau beberapa prosedur logical heuristic dengan pertimbangan kendaraan memulai perjalanan dari depot menuju ke beberapa titik pemberhentian
untuk melakukan pengiriman dan kembali ke depot pada hari yang sama.Pengembangan
rute kendaraan yang bagus dapat dilakukan denganmengaplikasikan delapan prinsip
dasar berikut6
1.Mengisi truk sebanyak volume pemberhentian yang akan didatangi dimanatitik-titik
pemberhentian tersebut letaknya berdekatan satu sama lain. Setelahitu titik-titik
pemberhentian yang berdekatan perlu dibuat kelompok rute untuk :
meminimumkan jarak antar pemberhentian, sehingga total waktu dalam saturute menjadi minimum dengan demikian total waktu perjalanan dalam rute
tersebut juga diminimumkan.
2. Dalam pembuatan rute dimulai dari titik pemberhentian terjauh dari depot
agarmendapatkan rute yg efisien. Rute yang efisien dapat dikembangkan dengan
dimulai dari titik pemberhentian paling jauh dari depot ke titik yg paling dekat.
3.Saat titik pemberhentian terjauh dari depot teridentifikasi, kapasitas yang tersisa dari
kendaraan yang ditugaskan sebaiknya diisi dengan memilih sekelompok yang
berdekatan dengan titik pemberhentian tersebut. Setelah kendaraan ditugaskan
untuk volume titik-titik pemberhentian tersebut, mulailah membuat rute dengan
6
kendaraan lain dan identifikasi titik-titik pemberhentian terjauh dari sisa titik-titik
pemberhentian yg belum ditugaskan pada kendaraan. Terus lakukan prosedur ini
sampai seluruh titik pemberhentian telah ditugaskan pada kendaraan.
4.Urutan pemberhentian pada sebuah rute sebaiknya membentuk pola air mata(tear drop pattern). Hal ini ditujukan agar tidak ada jalur yang bersilangan.
5.Rute yang paling efisien dibangun dengan menggunakan kendaraan dengankapasitas
terbesar. Idealnya, penggunaan truk berkapasitas besar untukmelayani banyak titik
pemberhentian dalam satu rute akan meminimalkan jaraktempuh kendaraan.
Sehingga, truk dengan kapastitas terbesar harusdialokasikan terlebih dahulu.
6. Pengambilan barang (pick up) sebaiknya digabungkan dengan rute pengirimanbarang (delivery), daripada pengambilan barang baru dilakukan setelah semuapengiriman dilakukan. Hal ini guna meminimalkan jalur yg bersilangan yangdapat terjadi bila
pengambilan dilakukan setelah seluruh pengiriman dilakukan.
7.Titik pemberhantian yang terpisah dari pengelompokan rute adalah kandidatterbaik
untuk penggunaan alat transportasi lain. Titik pemberhentian yangterpisah dari
pengelompokan, terutama titik pemberhentian dengan volumeyang kecil, dilayani
dengan waktu dan biaya yang relatif besar. Menggunakankendaraan berkapasitas
kecil untuk melayani titik pemberhentian tersebut dapatlebih ekonomis.
8.Batasan time windows titik pemberhentian yang berdekatan harus dihindari.Batasan
time windows yang sangat dekat di antara pemberhentian dapatmemaksa pembentukan urutan pemberhentian jauh dari pola ideal. Oleh karenatime windows
tidak bersifat mutlak maka sebaiknya dilakukan negosiasiterhadap titik
3.6. Vehicle Routing Problem Time Window
Vehicle routing problem with time windows (VRPTW) merupakan perluasan dari VRP yang paling sering ditemukan dalam pengambilan keputusan mengenai distribusi barang. Setiap kendaraan yang bertugas pada VRP jenis ini hanya dapat keluar dari depot pada jam kerja depot dan melayani konsumen pada jangka waktu tertentu yang ditentukan oleh pihak konsumen. Tiap kendaraan juga harus kembali lagi ke depot sebelum jam kerja depot berakhir. Tujuan dari VRPTW adalah menentukan sejumlah rute untuk melayani seluruh konsumen dengan biaya terkecil (dalam hal ini yang dimaksud dengan biaya adalah jarak tempuh) tanpa melanggar batasan kapasitas dan waktu tempuh kendaraan serta batasan waktu yang diberikan oleh pihak pelanggan. Jumlah rute yang ditentukan tidak boleh melebihi jumlah kendaraan yang ada.
3.7. Heuristik7
7
Anbuudayasankar.S.P, Models for Practical Routing Problem in Logistics (2014)
Heuristik adalah sebuah teknik yang mengembangkan efisiensi dalam proses pencarian, namun dengan kemungkinan mengorbankan kelengkapan(completeness). Fungsi heuristic digunakan untuk mengevaluasi keadaan-keadaan problema individual dan menentukan seberapa jauh hal tersebut dapat digunakan untuk mendapat solusi yang diinginkan.
1. Heuristik Konstruktif a) Nearest Neigbour
Diawali dengan penentuan titik di sumber(depot), cari titik terdekat dari titik sebelumnnya sampai semua titik saling terhubung. Membutuhkan waktu komputasi yang sangat tinggi
b) Saving ProcedureMetode ini akan membentuk suatu solusi, dengan menghitung penghematan dari pembentukan rute yang baru, yang akan menghasilakan rute yang akan lebih optimal.
2. Heuristik 2 Fase
a) Cluster-first, route-second procedure b) Route-first, cluster-second procedure 3. Local Search Improvement
a) Insertion Procedure b) Improvement Procedure
3.8. Algoritma nearest neighbor
data pembelajaran yang jaraknya paling dekat dengan objek tersebut (Widiarsana, 2011). Menurut Kusrini dan Emha (2009) algoritma nearest neighbor adalah pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama.Tujuan dari algoritma ini untuk mengklasifikasikan objek baru berdasarkan atribut dan training sample.
Dalam penelitian ini, penulis menggunakan algoritma nearest neigbour, dengan langkah-langkah sebagai berikut :
1. Tentukan kota pertama sebagai kota awal keberangkatan (simpul awal)
2. Ambil kota lain sebagai tujuan perjalanan dengan syarat biaya/jarak dari kota asal yang paling minimal.
3. Ambil kota lain sebagai tujuan perjalanan selanjutnya dengan syarat biaya/jarak paling minimal dari kota kedua dengan syarat belum pernah dikunjungi.
4. Ulangi langkah kedua dan ketiga sampai semua kota (simpul) sudah dilalui. Hitung semua rute yang telah didapatkan.
3.9. Metode Saving Matriks8
Tujuan dari metode saving matriks adalah untuk meminimisasi total jarak perjalanan semua kendaraan dan untuk meminimisasi secara langsung jumlah kendaraan yang diperlukan untuk melayani semua tempat pemberhentian. Logika dari metode ini bermula dari kendaraan yang melayani setiap pemberhentian dan kembali ke depot sepeti terlihat pada Gambar 3.3.(a). Hal ini memberikan jarak
8
maksimum dalam masalah penentuan rute. Kemudian dua tempat pemberhentian digabung dalam dua rute yang sama sehingga satu kendaraan tersebut dieliminasi dan jarak tempuh dapat dikurangi yang dapat dilihat pada Gambar 3.3.(b).Pendekatan savings mengizinkan bayak pertimbangan yang sangat penting dalam aplikasi yang realistis. Sebelum tempat pemberhentian dimasukkan dalam sebuah rute, rute tempat pemberhentian selanjutnya harus dilihat. Sejumlah pertanyaan tentang perancangan rute dapat ditanyakan, seperti apakah waktu rute melebihi waktu distribusi maksimum pengemudi yang diizinkan, apakah waktu untuk istirahat pengemudi telah dipenuhi, apakah kendaraan cukup besar untuk melakukan volume rute yang tersedia. Pelanggaran terhadap kondisi-kondisi tersebut dapat menolak tempat pemberhentian dari rute keseluruhan. Tempat perhentian selanjutnya dapat dipilih menurut nilai savings terbesar dan proses pertimbangan diulangi. Pendekatan ini tidak menjamin solusi yang optimal, tetapi dengan mempertimbangkan masalah kompleks yang ada, solusi yang baik dapat dicari.
Metode saving matriks pada hakikatnya adalah metode untuk minimumkan jarak atau waktu dan ongkos dengan mempertimbangkan kendala-kendala yang ada. Berikut ini langkah-langkah pembentukan sub-rute distribusi dengan menggunakan metode saving matriks, yaitu9
1. Identifikasi Matriks Jarak
:
Pada langkah ini, diperlukan jarak antara gudang dan ke masing-masing toko dan jarak antar toko. Untuk menyederhanakan permasalahan, lintasan terpendek digunakan sebagai jarak antar lokasi. Jadi, dengan mengetahui koordinat masing-masing lokasi maka jarak antar dua lokasi bisa dihitung dengan menggunakan rumus jarak standar. Apabila jarak riil antar lokasi diketahui, maka jarak tersebut lebih baik digunakan dibanding dengan jarak teoritis dengan menggunakan rumus. Jarak dari gudang ke masing-masing toko dan jarak antar toko akan digunakan untuk menentukan matriks penghematan (saving matriks) yang akan dikerjakan pada langkah berikutnya.
2. Mengidentifikasi matriks penghematan ( saving matriks)
Pada langkah ini, diasumsikan bahwa setiap toko akan dikunjungi oleh satu armada secara eksklusif. Saving matriks merepresentasikan penghematan yang bisa direalisasikan dengan menggabungkan dua pelanggan ke dalam satu rute. Untuk perhitungan penghematan jarak dapat mengunakan persamaan:
S(x,y) = J (G, x) + J(G,y) – J(x,y)
9
Dimana:
S(x,y) = Penghematan Jarak J (G,x) = Jarak gudang ke toko x J (G,y) = Jarak gudang ke toko y
3. Mengalokasikan Distributor ke rute
Dengan menggunakan tabel penghematan jarak, dapat dilakukan pengalokasian toko ke kendaraan atau rute. Pada tahap awal, tiap toko alokasikanke rute yang berbeda, namun toko-toko tersebut bisa digabungkan sampai pada batas kapasitas truk yang ada. Penggabungan akan dimulai dari nilai penghematan terbesar karena diupayakan memaksimumkan penghematan
3.9. Pengembangan Algoritma Heuristik
Beberapa penelitian telah mencoba mencari solusi bagi permasalahan MTVRP (Multi Trip Vehicle Routing Problem). Pada umumnya algoritma-algoritma ini menggunakan prosedur heuristik, mengingat kompleksitas permasalahan pada MTVRP. Taillard et.al. (1996) mengembangkan algoritma multi trip yang terdiri atas tiga bagian :
1. Pembangkitan sejumlah besar rute yang telah memenuhi pembatas VRP (Vehicle Routing Problem).
2. Memilih subset dari sejumlah besar rute ini dengan menggunakan algoritma enumeratif.
prosedur konstruktif dan improvement. Metode ini terdiri atas 3 fasa yaitu: 1. Fasa inisial yang membangkitkan solusi yang feasible untuk permasalahan
routing tetapi tidak harus feasible untuk permasalahan penjadwalan. 2. Fasa ini mencari solusi feasible dengan waktu perjalanan minimum. 3. Fase ini mencari solusi dengan biaya paling murah.
Berikut ini akan disajikan beberapa defenisi yang terkait dengan MTVRP.
a. Pelanggan dan depot
Sebuah permasalahan MTVRP terdiri atas n pelanggan (dituliskan sebagai 1,2,...,n) dan sebuah depot tunggal (dituliskan sebagai 0). Himpunan (0,1,...,n) yang mewakili semua konsumen dan depot disebut site. Jarak antara site i dan j dituliskan sebagai dy. Tiap konsumen i memiliki permintaan (demand) qi≥ 0 dan waktu pelayanan si ≥ 0. Waktu pelayanan juga didefenisikan pada depot, s0 ≥ 0, yang menggambarkan waktu muat di depot.
b. Alat angkut
Permasalahan ini didefenisikan pada sejumlah tak hingga alat angkut. Masing-masing alat angkut memiliki kapasitas Q dan kecepatan V yang seragam. Bersama dengan jarak antar site, dij , kecepatan V menentukan waktu tempuh antar site tij .
c. Time window
disimbolkan oleh αi didefenisikan sebagai :
��= max( ��,��−1+��−1,�) (1) dimana δi-1 merupakan waktu keberangkatan dari site sebelumnya dan tii-1,i adalah waktu perjalanan menuju site i dari site sebelumnya.Waktu keberangkatan untuk alat angkut pada site i, disimbolkan oleh
�� =��+�� (2) Waktu tunggu alat angkut di site i, disimbolkan oleh wi,diberikan oleh
Wi = {0} jika ��≤ (��−1 + ��−1,�)
{ ��≤ (��−1 + ��−1,�) jika ��≥ (�1 + ��−1,�) (3)
Sebuah rute dikatakan memenuhi pembatas waktu untuk site I jika δi< li (4) Dalam konteks ini, li merupakan waktu maksimum suatu site/gudang belum dikunjungi. Jika waktu kunjungan melebihi li, maka gudang i akan kekurangan barang.
li = (5)
dimana Ci menunjukkan kapasitas gudang pada site i, dan di menunjukkan laju permintaan barang di gudang site i. Secara khusus li dapat disebut sebagai daya tahan gudang site i.
d. Planning horizon
Hi = l0-e0 (6) e. Rute
Sebuah rute menggambarkan urutan kunjungan ke pelanggan-pelanggan, berawal dan berakhir di depot. Rute disimbolkan oleh R, dapat dituliskan sebagai:
R = {0,...,i...,0} (7) (7)
Total angkutan pada tiap rute tidak boleh melebihi kapasitas alat angkut,
∑i€Rqi≤Q (8)
f. Tour
Sebuah tour terdiri atas set rute,
T = {R1,….RNT} (9)
di mana NT menunjukkan jumlah rute dalam suatu tour. Waktu penyelesaian suatu tour (CT) tidak boleh melebihi horison perencanaan.
CTi < H (10) g. Jumlah alat angkut
Dalam MTVRP, masing-masing tour dilakukan oleh sebuah alat angkut. Maka permasalahan penentuan jumlah alat angkut sama ekivalen dengan permasalahan penentuan jumlah tour. Solusi bagi permasalahan MTVRP adalah rencana rute: σ = { t1, t2,... tNT} yang memenuhi pembatas kapasitas dan waktu
pelayanan (time window) dan mencapai tujuan: minimisasi jumlah alat angkut, total waktu tour, serta utilitas alat angkut.
1. Mencari rute terbaik yang belum tentu feasible (mengikuti jalur yang ada) 2. Jika solusi satu tidak feasible, membagi permasalahan awal dengan 2 sub
masalah
Demikian kedua langkah ini terus berulang sampai didapatkan solusi yang feasible. Algoritma ini dapat dibagi kedalam lima langkah yang lebih rinci yaitu: 1. Dari graph permasalahan yang diberikan, cari rute terpendek menurut
traveling salesman problem (alat angkut mengelilingi semua site dan kembalilagi ke depot dalam sekali jalan).
2. Hitung horizon perencanaan, yaitu jadwal pengiriman (shipping) yang sama berulang pada suatu site. Dalam hal ini horizon perencanaan sama dengan waktu pengiriman mengikuti rute pada langkah 1 diatas.
3. Hitung waktu teoritis (estimasi) yang diperlukan untuk memenuhi permintaan di semua pelanggan selama horizon perencanaan. Perhatikan bahwa jumlah pengiriman minimal pada masing-masing site harus sama dengan jumlah demand selama horizon perencanaan.
4. Jika feasible waktu teoritis (horizon perencanaan) terapkan algoritma penugasan (yang sudah mempersiapkan waktu pelayanan). Jika tidak, pecah graph yang bersangkutan menjadi sub graph dan kembali ke langkah 1. 5. Hasil penerapan algoritma penugasan bisa saja menjadi tidak feasible. Kalau
ini terjadi pecah graph dan kembali ke langkah 1.
Adapun ukuran performansi yang ingin dicapai dari algoritma ini adalah : 1. Utilisasi alat angkut yang dapat dihitung dengan rumus-rumus :
��= ∑ ����� �
Utilitas rata-rata tiap tour = ∑ utilitas per rute/ jumlah rute dalam satu tour ��= ∑ ���
��
Utilitas rat-rata keseluruhan armada = ∑ utilitas per alat angkut/jumlah alat angkut. � = ∑ ���
∑ �
2. Jarak tempuh total : bisa dihitung dari total jarak tempuh pada rute terbaik pada algoritma diatas.
Adapun rincian algorima heuristik yang digunakan adalah sebagai berikut:
1. Hitung jarak total dari depot (sumber) ke depot (sumber) kembali sesuai dengan rute terbaik yang dipecahkan dengan metode pemecahan masalah Traveling Salesman Problem (TSP). Dalam hal ini beberapa algoritma
heuristik dapat diterapkan.
2. Tetapkan horizon perencanaan, yaitu jarak (selisih) waktu jadwal pngiriman yang sama berulang. Misalkan jika horison perencanaan adalah 10 hari, kalau pada tanggal 1 dilakukan pengiriman sejumlah q1, maka pada tanggal 11 kembali dilakukan kembali pengiriman kembali ke site 1 sejumlah q1. Pada dasarnya, semakin kecil horizon perencanaan semakin baik. Tetapi semakin kecil horizon perencanan artinya dibutuhkan waktu yang lebih cepat dalam pendistribusian barang teradap permintaan barang yang ada. Pada dasarnya horison perencanaan dapat dibuat dengan trial error. Tetapi untuk mengurangi usaha trial error tersebut dapat dipakai patokan berikut:
b. Untuk sub-graph
1. Horison perencanaan tidak mungkin lebih besar dari daya tahan terkecil pada sub-graph yang bersangkutan.
2. Hitung demand total pada sub-graph yang bersangkutan selama horison perencanaan. Demand total merupakan penjumlahan dari demand pada tiap site selama horison perencanaan.
3. Bagi demand total dengan kapasitas alat angkut yang ada. Angka ini menunjukkan frekuensi kapal harus diisi ( jumlah rute dalam satu tour).
NT = �
�
4. Hitung waktu untuk menjalankan tour (semua site dikunjungi) penuh.
5. Jika waktu yang diturunkan lebih kecil dari horizon perencanaan hari siklus x 24 jam), maka tetapkan horizon perencanaan tersebut feasible. 6. Lakukan langkah 1 untuk beberapa ari siklus yang diperkirakan feasible. 7. Jika tidak ada yang feasible, berarti jumlah alat angkut kurang. Sub-graph
yang bersangkutan dipecah lagi menjadi sub-sub graph.Demand total yang lebih kecil dari kapasitas kapal lebih dari m, prioritas total demand yang lebih kecil. Lanjutkan ke langkah (c)
c. Jika sudah tidak ada jenis produk dengan demand yang lebih kecil dari kapasitas kapal dibagi m, pilih sembarang produk dan buat trip untuk mendistribusikan produk tersebut sejumlah kapasitas alat angkut (atau yang paling mendekati). Pendistribusian ini mulai dari site yang terjauh.
Jika feasibel, cek apakah waktu total untuk sub-graph ini tidak melampaui jam availibilitas alat angkut. Jika melampaui kembali ke langkah 3, tambah n menjadi n+1.
3.10. Pengukuran Waktu Kerja10
Pengukuran kerja adalah metode penetapan keseimbangan antara kegiatan manusia yang dikontribusikan dengan unit output yang dihasilkan. Pengukuran waktu kerja ini akan berhubungan dengan usaha-usaha untuk menetapkan waktu baku yang dibutuhkan untuk menyelesaikan suatu pekerjaan. Waktu baku merupakan waktu yang dibutuhkan oleh seorang pekerja untuk menyelesaikan satu siklus dari suatu kegiatan yang dilakukan menurut metode kerja tertentu, pada kecepatan normal
Pada umumnya teknik-teknik pengukuran waktu terdiri atas dua bagian, pertama teknik pengukuran secara langsung dan kedua secara tidak langsung. Teknik pengukuran secara langsung dilakukan langsung pada tempat dimana pekerjaan yang bersangkutan dilaksanakan. Sedangkan teknik pengukuran tidak langsung yaitu melakukan perhitungan waktu tanpa harus berada ditempat pekerjaan.Cara jam henti dan sampling pekerjaan adalah cara pengukuran kerja secara langsung. Pengukuran waktu dengan jam henti terutama sekali baik diaplikasikan untuk pekerjaan yang singkat dan berulang-ulang.Teknik sampling kerja adalah suatu teknik untuk mengadakan sejumlah besar pengamatan terhadap aktifitas kerja dari mesin, proses dan pekerja. Dari hasil
10
BAB IV
METODOLOGI PENELITIAN
4.1 Tempat dan Waktu Penelitian
Penelitian dilakukan pada PT. Varia Sekata Pharmaceutical (Varse)yang beralamat di Jalan. Letjen Jamin Ginting, KM 19,5 Pancur Batu, Medan – Brastagi . Penelitian dilaksanakan mulai bulan Februari 2016.
4.2 Jenis Penelitian11
Jenis penelitian ini adalah deskriptif researchdimana penelitian dilakukan untuk memaparkan pemecahan masalah terhadap suatu masalah yang ada sekarang secara
sistematis dan faktual berdasarkan data-data. Penelitian ini meliputi proses
pengumpulan, penyajian, dan pengolahan data, serta analisis dan interpretasi.
4.3 Objek Penelitian
Objek penelitian yang diamati adalah perencanaan dan kegiatan proses pendistribusian produk pada PT. Varia Sekata Pharmaceutical (Varse).
4.4 Variabel Penelitian
Variabel-variabel yang terdapat dalam penelitian ini adalah:
11
Variabel Independen
a. Jarak antar setiap distributor, variabel ini menunjukkan jarak yang harus dilalui
mobil angkut dari kantor cabang ke distributor maupun dari satu distributor ke
distributor lain
b. Kapasitas alat angkut, variabel ini menunjukkan batas maksimum volume barang
dalam mobil angkut yang dinyatakan dalam satuan m3
c. Waktu yang tersedia,variabel ini menunjukkan waktu yang tersedia bagi
perusahaan untuk mengantarkan produk ke distributor
d. Jumlah produk yang dikirimkan,variabel ini menunjukkan jumlah yang harus
didistribusikan perusahaan ke tiap distributor
e. Waktu Perjalanan, variabel ini menunjukkan waktu yang dibutuhkan perusahaan
untuk menempuh satu rute perjalan.
f. Waktu Bongkar-muat, variabel ini menunjukkan waktu yang dibutuhkan
operator untuk memuat barang ke kendaraan pengangkut dan menurunkan
barang di toko distributor.
g. Waktu Pengiriman, yaitu total waktu yang dibutuhkan untuk mengirimkan
produk untuk sampai ke distributor.
h. Biaya Penggunaan BBM, variabel ini menunjukkan jumlah biaya penggunaan
yang dikeluarkan perusahaan dalam proses pendistribusian.
2. Variabel Dependen
a. Rute Distribusi Optimal, adalah variabel dependen yaitu rute distribusi yang memiliki jarak tempuh, waktu dan biaya distribusi yang minimum.
Penelitian dapat terlaksana secara terstruktur dan menjadi lebih mudah apabila tersedia kerangka konseptualpenelitian yang akan dilakukan. Kerangka konseptual merupakan konsep awal bagi penelitidalam melaksanakan penelitian. Kerangka konseptual penelitian dapat dilihat pada Gambar 4.1.
Rute Distribusi Optimal Kapasitas Alat
Angkut
Waktu Pengiriman Waktu Bongkar
Muat
Waktu Perjalanan Jarak Jumlah Produk Waktu Tersedia
[image:33.595.122.504.224.439.2]Biaya Penggunaan BBM
Gambar 4.1 Kerangka Konseptual Penelitian
4.6 Rancangan Penelitian
Penelitian dilaksanakan dengan terlebih dahulu melakukan penelitian pendahuluan pada perusahaan. Tujuan dilakukan penelitian pendahuluan adalah untuk mendapatkan permasalahan yang terdapat di perusahaan.
dan menganalisis data yang telah dikumpulkan. Kemudian hasil pengolahan data akan dijadikan acuan untuk dibandingkan dengan rute distribusi sebelumnya.
4.7. Instrumen Penelitian
Instrumen yang dipakai dalam pengumpulan data pada penelitian ini ialah sebagai berikut:
1. Data Primer
Data primer adalah data yang diperoleh dari pengamatan dan penelitian langsung terhadap objek penelitian di lapangan. Data primer yang akan dikumpulkan adalah sebagai berikut :
a. Jarak antar pabrik dan apotik
Sumber data : Google Earth
Metode pengumpulan data : Observasi Alat pengumpulan data : Worksheet b. Kapasitas Alat pengangkut.
Sumber data : Gudang pengiriman Metode pengumpulan data : Observasi
Alat pengumpulan data : Meteran dan Worksheet c. Waktu bongkar muat barang
Sumber data : Gudang pengiriman dan Apotik Metode pengumpulan data : Observasi dan wawancara Alat pengumpulan data : Worksheet
Sumber data : Gudang pengiriman Metode pengumpulan data : Observasi
Alat pengumpulan data : Meteran dan Worksheet
2. Data Sekunder
Data sekunder yang akan dikumpulkan adalah sebagai berikut : a. Data Permintaan Produk dan Biaya Pengiriman
Sumber data : Dokumen Perusahaan. Metode pengumpulan data : Dokumentasi
Alat pengumpulan data : Pedoman dokumentasi
4.8. Metode Pengolahan Data
Data yang primer dan data sekunder yang diperoleh akan diolah dengan berpedoman pada landasan teori. Landasan teori yang digunakan dalam menganalisa dan memecahkan permasalahan yang ada berdasarkan pada metode algoritma heuristik.
Metode pengolahan data dengan menggunakan algoritma heuristik adalah sebagai berikut :
1. Hitung jarak total dari kantor cabang ke setiap distributor dan kembali ke kantor cabang sesuai dengan rute terbaik yang dipecahkan dengan metode nearest neighbor.
3. Menghitung waktu teoritis yang dibutuhkan untuk melayani total permintaan. 4. Menghitung batas minimum jumlah alat angkut minimum yang dibutuhkan
dengan menggunakan rumus: Nmin = waktu total/waktu availabilitas mobil angkut.
5. Membagi graph (rute)menjadi n buah sub-graf (sub-rute) dan diusahakan agar masing-masing sub graf seimbang. Pembentukan sub-rute ini menggunakan metode saving matriks dengan mempertimbangkan jumlah demand dan kapasitas mobil angkut
6. Mengulangi kembali langkah penerapan algoritma ini mulai langkah 1.
7. Uji feasibilitas, jika feasible maka dapat dilakukan perhitungan utilitas. Jika tidak, maka kembali ke langkah 5 dan menambah n menjadi n + 1.
8. Perhitungan biaya distribusi pada rute distribusi yang terbentuk.
4.9. Analisis Pemecahan Masalah
4.10. Prosedur Pelaksanaan Penelitian
[image:37.595.201.468.255.718.2]Penelitian hanya dapat menghasilkan suatu hasil yang baik apabila dilakukan dengan urutan langkah-langkah pelaksanaan yang sistematis dan benar.Langkah-langkah dalam pelaksanaan penelitian ini dapat dilihat pada Gambar 4.2.
Gambar 4.2. Block Diagram Langkah-langkah Penelitian
Perumusan Permasalahan dan Penetapan T j
Identifikasi Variabel Penelitian
Analisis Pemecahan Masalah
Kesimpulan dan Saran Pengumpulan Data
1. Kecepatan bongkar muat 2. Jarak antar distributor 3. Jumlah Permintaan
4. Jenis dan Kapasitas alat angkut 5. Hari dan Jam kerja perusahaan 6. Biaya Bahan Bakar
Pengolahan Data:
1.Perhitungan waktu standar bongkar-muat barang 2.Penentuan rute terpendek
3.Penentuan waktu siklus
4.Penentuan waktu total distribusi 5.Perhitungan jumlah alat angkut 6.Pembagian rute menjadi sub rute
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1. Pengumpulan Data
5.1.1. Pola Distribusi PT Varia Sekata (Varse)
Dalam melakukan proses pendistribusian produk ke beberapa apotik, PT. Varia Sekata (Varse) mendistribusikan barang tersebut dari pabrik di Jl. Jamin Ginting Pancur Batu langsung ke konsumennya yang telah bekerjasama yaitu di apotik-apotik di daerah Medan dan sekitarnya.
5.1.2. Data Lokasi Apotik
Gambar 5.1. Peta Lokasi Apotik Tujuan Distribusi PT Varia Sekata (Varse) di Medan dan Sekitarnya
Tabel 5.1. Alamat Apotik PT Varia Sekata (Varse) di Medan dan Sekitarnya
Kode Nama Apotik Alamat
A1 Apotik Bakti Jl. Letjend. Jamin Ginting 128 A2 Apotik Karya Raya Jl. Karya Jaya No. 187-C A3 Apotik Mitra Agung Jl. Sunggal No. 252A
A4 Apotik Bromo Jl. Bromo No. 63A
A5 Apotik Jawak Farma Jl. GapertaNo. 129 A6 Apotik Dian Farma Jl. Letda Sujono No. 3
A7 Apotik Bilal Jl. Bilal No. 138
A8 Apotik Kalimas Jl. Setia Budi No.133
A9 Apotik Deli Jl. Deli Tua No.28
A10 Apotik Peringgan Jl. Iskandar Muda 48
A11 Apotik Menteng Jalan Rakyat No.53-A, Sidorame Timur A12 Apotik Asean Jaya Jalan Asia No.68 / 114, Sei Rengas I A13 Apotik City Jl. KL. Yos Sudarso No. 1-A Tanjung Mulia A14 Apotik Pinang Baris Jl. Pinang Baris No. 18
A15 Apotik Satria Jl. SM. Raja No.359 B
[image:39.595.114.507.442.722.2]5.1.4. Permintaan Produk
Tabel 5.2. Data Permintaan Produk Tanggal 18 April 2016
Kode Nama Apotik
Jumlah Permintaan (��) 18 April
A1 Apotik Bakti 2,14
A2 Apotik Karya Raya 2,36
A3 Apotik Mitra Agung 2,41
A4 Apotik Bromo 3,23
A5 Apotik Jawak Farma 2,56
A6 Apotik Dian Farma 3,07
A7 Apotik Bilal 1.68
A8 Apotik Kalimas 2,34
A9 Apotik Deli 2,25
A10 Apotik Peringgan 2,21 A11 Apotik Menteng 2,22 A12 Apotik Asean Jaya 3,34
A13 Apotik City 2,20
A14 Apotik Pinang Baris 2,22
A15 Apotik Satria 3.69
A16 Apotik Kowiba 3,23
Jumlah 41,15
Sumber : PT . Varia Sekata (Varse)
Pada Tabel 5.2 adalah jumlah permintaan pada tanggal 18 April 2016 dari tiap tiap apotik yang telah dikonversikan dalam satuan m3. Dengan dimensi kotak produk obat tablet 35cm x 20 cm x 40 cm, obat kapsul 40 cm x 40 cm x 50 cm dan obat cair 40 cm x 25 cm x 60 cm.
5.1.4. Hari dan Waktu Kerja
Tabel 5.3. Hari dan Waktu Kerja
No Hari Kerja Waktu Kerja Jam Kerja (Menit)
Waktu Istirahat
(Menit)
Waktu Distribusi
(Menit)
1 Senin 09:30-16:30 420 60 360
2 Selasa 09:30-16:30 420 60 360
3 Rabu 09:30-16:30 420 60 360
4 Kamis 09:30-16:30 420 60 360
5 Jumat 09:30-16:30 420 90 330
6 Sabtu 09:30-15:30 360 60 300
Sumber : PT . Varia Sekata (Varse)
5.1.5. Sarana Pendistribusian
Dalam melakukan proses pengiriman barang, perusahaan menggunakan sarana transportasi berupa mobil angkut. Spesifikasi dari armada kendaraan digunakan dapat dilihat pada Tabel 5.4.
Tabel 5.4. Spesifikasi Armada Kendaraan
No Jenis Kendaraan Kapasitas
Dimensi Jumlah (
Unit)
1 Suzuki Mega Carry
Box 7 m
3 2.39 m x 1.63 m x
1.8 m 6 Unit
Sumber : PT . Varia Sekata (Varse)
5.1.6. Jarak Antar Apotik
Tabel 5.5. Jarak PT Varia Sekata (Varse) ke Apotik dan Jarak Antar Apotik (meter)
VARSE A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16
VARSE 13900 17400 17800 22600 18900 26900 22100 15400 16200 17600 23900 22000 25300 18800 20400 29100 A1 7000 6600 9100 10000 13400 11500 5700 12300 3800 10300 8400 13200 11300 9300 18300 A2 12000 8800 14700 14300 13100 11300 6000 8900 12000 9000 15700 15200 6700 15200
A3 8800 3500 11600 8400 1500 16600 3800 8000 7800 8900 4700 9000 21100
A4 11400 4700 8100 8600 12700 6500 5600 3200 11100 13500 4200 16500
A5 11800 7100 5000 19900 7000 6700 9000 7600 4700 12400 25500
A6 6900 10700 16300 9000 3900 4500 12300 13100 8100 20200
A7 9800 17100 8100 3100 5400 3900 11700 9600 21800
A8 16000 2800 9300 7500 10900 6700 8400 20600
A9 14100 15900 12800 19100 20900 10500 18900
A10 6700 5100 9500 7600 6100 18300
A11 2900 6700 11400 7100 19200
A12 8000 10700 4600 16700
A13 13200 12900 25000
A14 13400 25500
A15 12100
A16
A1: Bakti A4: Bromo A7: Bilal A10: Peringgan A13: City A16:Kowiba A2: Karya Raya A5: Jawak Farma A8: Kalimas A11: Menteng A14: Pinang Baris
5.1.7. Waktu Loading dan Unloading
Waktu loading (Mengisi Barang) merupakan waktu yang dibutuhkan untuk mengisi/memuat barang ke dalam mobil angkut. Waktu unloading (Membongkar Barang) merupakan waktu yang dibutuhkan untuk membongkar barang dari mobil angkut. Proses loading dilakukan oleh karyawan perusahaan di pabrik dan unloading dilakukan di toko apotik.Proses loading (mengisi barang ke alat angkut) dilakukan di gudang PT Varia Sekata (Varse)oleh karyawan sesuai dengan permintaan dari apotik.
[image:43.595.189.432.472.602.2]a. Waktu Loading di Gudang PT Varia Sekata (Varse) untuk armada kendaraan kapasitas 7m3. Pengukuran waktu loading barang dengan mobil kapasitas 7m3 dilakukan selama 6 hari, sehingga dibagi menjadi 6 subgroup dengan perhitungan waktu rata-ratanya dapat dilihat pada Tabel 5.6.
Tabel 5.6. Pengukuran Waktu Loading
Sub Volume Waktu Waktu
Grup (m3) (menit) Per �� (menit)
1 2,3 15,82 6,88
2 2,95 18,85 6,39
3 2,09 13,74 6,57
4 2,59 14,97 5,78
5 2,7 17,11 6,34
6 3,23 19,87 6,15
Jumlah 38,11
b. Waktu unloading di Toko Apotik
Pemilihan toko apotik dilakukan secara simple random sampling yaitu dikatakan simple karena pengambilan anggota sampel dari populasi dilakukan
secara acak tanpa memperhatikan strata yang ada dalam populasi sampel yang dipilih
Waktu pengukuran Unloading barang dapat dilihat pada Tabel 5.7.
Tabel 5.7. Pengukuran Waktu Unloading
Sub Volume Waktu Waktu
Grup (��) (menit) Per �� (menit)
1 2,21 4,12 1,86
2 2,42 4,35 1,80
3 2,23 4,17 1,87
4 2,54 4,17 1,64
5 2,67 4,76 1,78
6 2,12 3,94 1,86
Jumlah 10,81
5.2. Pengolahan Data
5.2.1. Time Window
Time window (batasan waktu pengiriman) adalah angka yang menunjukkan jumlah hari, dimana barang yang akan dikirimkan tidak boleh melebihi dari jumlah hari yang telah ditetapkan. Pada PT. Varia Sekata (Varse), time window yang ditentukan untuk proses pendistribusian barang ke apotik adalah satu hari. Ini menunjukkan bahwa standar pengiriman barang ke setiap apotik adalah satu hari.
5.2.2. Pengujian Keseragaman Data Waktu Distribusi
Pengujian keseragaman data dilakukan sebelum perhitungan waktu standar.
5.2.2.1. Waktu Antar Apotik
Waktu = �����
��������� dengan asumsi bahwa kecepatan rata-rata adalah 40 km/jam.
5.2.2.2. Waktu Loading dan Unloading
1. Waktu Loading
Dari pengumpulan data di atas didapat rata-rata waktu pengukuran atau besarnya waktusiklus sebagai berikut:
X � = ∑xi
�
=
38,11
6
= 6,35
Standard deviasi waktu pengukuran adalah sebagai berikut:
�
=
�∑
(xj
−
x
�
)
2
� −
1
=
�
(6,88
−
6,35)
2+ (6,39
−
6,35)
2+ … . . +(6,15
−
6,35)
26
−
1
=
0,37
Nilai tengah, Batas Kendali Atas (BKA) dan Batas Kendali Bawah (BKB) dengan Tingkat Kepercayaan 95 % (k = 2) adalah sebagai berikut:
X
�= 6,35
BKA = �� + k
�
= 6,35+2(0,37) = 7,10
BKA = �� + k�
= 6,35 -2(0,37) = 5,61
Gambar 5.2 Peta Kontrol Waktu Loading
Dari Gambar 5.2. di atas dapat dilihat bahwa keseluruhan data tidak ada yang berada di luar batas kendali atas dan batas kendali bawah, sehingga keseluruhan data adalah seragam. Waktu unloading (membongkar barang) dilakukan di toko apotik. Waktu unloading ini dipengaruhi oleh banyaknya barang yang akan dibongkar di setiap apotik.
2. Waktu Unloading
Dari data di atas didapat rata-rata waktu pengukuran atau besarnya waktu siklus sebagai berikut:
X � = ∑xi
� =
10,81
6 = 1,80
Standard deviasi waktu pengukuran adalah sebagai berikut:
5,50 5,70 5,90 6,10 6,30 6,50 6,70 6,90 7,10 7,30
1 2 3 4 5 6
W a k tu ( m en it )
Peta Kontrol Waktu Loading
DATA
BKA
�
=
�∑
(xj
−
x
�
)
2� −
1
=
�
(1,86
−
1,80)
2
+ (1,80
−
1,80)
2+ … . . +(1,86
−
1,80)
26
−
1
Nilai tengah, Batas Kendali Atas (BKA) dan Batas Kendali Bawah (BKB) dengan Tingkat Kepercayaan 95 % (k=2) adalah sebagai berikut:
X
�= 1,97
[image:48.595.113.497.283.518.2]BKA = �� + k � = 1,80 +2(0,09) = 1,98 BKA = �� + k � = 1,80 -2(0,09) = 1,62
Gambar 5.3. Peta Kontrol Waktu Unloading
5.2.3. Pengujian Kecukupan Data
Jumlah pengukuran waktu kerja yang sebenarnya diperlukan dengan tingkat ketelitian 5% dan tingkat kepercayaan 95% dihitung dengan menggunakan rumus:
1,60 1,65 1,70 1,75 1,80 1,85 1,90 1,95 2,00
1 2 3 4 5 6
DATA
BKA
N’= ⎣ ⎢ ⎢
⎡40��∑X2−(∑ �)2 ∑X ⎦ ⎥ ⎥ ⎤ 2 dimana :
N’ = Jumlah pengukuran yang sebenarnya diperlukan n = Jumlah data setelah dilakukan uji keseragaman data
Jika diperoleh dari pengujian tersebut ternyata N’ > N, maka diperlukan pengukuran tambahan, tapi jika N’ < N maka data pengukuran pendahuluan sudah mencukupi.
5.2.3.1. Pengujian Kecukupan Data Waktu Loading Barang
Pengujian kecukupan data waktu loading
N’= �40�6 � 242,77−(1452,44)
38,11 �
2
N’= 4,59
N’ = 4,59 < N = 6, maka jumlah pengamatan telah mencukupi.
5.2.3.2. Pengujian Kecukupan Data Waktu Unloading Barang
Pengujian kecukupan data waktu Unloading
N’= �40�6 � 19,53−(116,958)
10,81 �
N’= 3,09
N’ = 3,09 < N = 6, maka jumlah pengamatan telah mencukupi.
5.2.4. Pengolahan data Graph (Rute) Awal
Horizon perencanaan menggambarkan waktu kerja untuk armada yang digunakan dan membatasi total waktu yang digunakan untuk waktu perjalanan, waktu Loading dan Unloading yang harus dipenuhi dalam perjalanan menyelesaikan tugasnya. Penentuan waktu siklus (horizon perencanaan) untuk graph awal menggunakan teori dari algoritma yang telah dijabarkan, yaitu horizon perencanaan sama dengan jarak atau selisih waktu jadwal pengiriman yang sama berulang. Dalam layanan pengiriman barang, proses pengiriman barang dari pabrik Varia Sekata (Varse) ke setiap apotik dilakukan setiap satu hari, maka horizon perencanaan dapat ditentukan selama satu hari.
2. Pembentukan Subrute
Penyusunan sub rute didasarkan oleh data masukan, yaitu:
a. Jumlah pengiriman ke setiap apotik
Jumlah pengiriman ke setiap apotik dapat dilihat pada 5.2 yang terdapat pada
pengumpulan data.
b. Jumlah dan kapasitas alat angkut kendaraan.
Kendaraan yang digunakan untuk melakukan proses pengiriman berjumlah 5 unit
dengan kapasitas armada alat angkut 7 m3.
c. Waktu tersedia untuk distribusi pada PT Varia Sekata (Varse) dalam satu hari adalah:
Waktu total kerja- waktu istirahat
Untuk Senin sampai Kamis
Waktu distribusi = 420 – 60 = 360 menit
Untuk hari Jumat
Untuk hari Sabtu
Waktu distribusi = 360 – 60 = 300 menit
d. Jarak antar lokasi adalah hasil perhitungan menggunakan googlemaps Jarak antar lokasi terdapat pada Tabel 5.5.
e. Dalam pembentukan sub rute digunakan metode saving matriks. Metode saving matriks pada hakikatnya adalah metode untuk meminimumkan jarak atau waktu dan ongkos dengan mempertimbangkan kendala-kendala yang ada. Berikut ini
langkah-langkah pembentukan subrute distribusi dengan menggunakan metode
saving matriks, yaitu:
1. Identifikasi Matriks Jarak
Pada langkah pertama ini diperlukan jarak antara PT Varia Sekata (Varse)
dengan setiap apotik dan jarak antar apotik. Jarak riil yang akan digunakan untuk
pembentukan sub rute dapat dilihat pada Tabel 5.8.
2. Mengidentifikasi Matriks Penghematan (saving matriks)
Saving Matriks mempresentasikan penghematan yang biasa direalisasikan dengan menggabungkan dua atau lebih apotik dalam satu rute.Untuk perhitungan
penghematan jarak dapat menggunakan persamaan.
S(x,y) = J (Pabrik, x) + J (Pabrik, y) – J (x,y)
Dimana: S(x,y) = Penghematan Jarak
J (Pabrik, x) = Jarak Pabrik ke apotik x
J (Pabrik, y) = Jarak Pabrik ke apotik y
J (x, y) = Jarak Apotik x ke apotik y
Berikut contoh perhitungan penghematan jarak antar apotik Bakti (D1) dan Karya Raya
S(D1,D2) = J (Pabrik ke D1) + J (Pabrik ke D2) – J(D1 ke D2)
Tabel 5.8. Matriks Penghematan Jarak Antar Apotik
Apotik A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16
A1 24300 25100 27400 22800 27400 24500 23600 17800 27700 27500 27500 26000 21400 25000 24700 A2 23200 31200 21600 30000 26400 21500 27600 26100 29300 30400 27000 21000 31100 31300 A3 31600 33200 33100 31500 31700 17400 31600 33700 32000 34200 31900 29200 25800 A4 30100 44800 36600 29400 26100 33700 40900 41400 36800 27900 38800 35200
A5 34000 33900 29300 15200 29500 36100 31900 36600 33000 26900 22500
A6 42100 31600 26800 35500 46900 44400 39900 32600 39200 35800
A7 27700 21200 31600 42900 38700 43500 29200 32900 29400
A8 15600 30200 30000 29900 29800 27500 27400 23900
A9 19700 24200 25400 22400 14100 26100 26400
A10 34800 34500 33400 28800 31900 28400
A11 43000 42500 31300 37200 33800
A12 39300 30100 37800 34400
A13 30900 32800 29400
A14 25800 22400
A15 37400
A16
Permintaan
6. Mengalokasikan Apotik ke Rute
1. Horizon perencanaan (Tanggal 18 April 2016)
Dengan menggunakan Tabel 5.8. dapat dilakukan alokasi apotik ke dalam rute. Dari rute yang terbentuk dapat dilakukan pengabungan sampai pada batas kapasitas armada yang digunakan. Dimana armada yang digunakan adalah mobil dengan kapasitas 7m3. Penggabungan akan dilakukan dari nilai penghematan yang paling besar. Penghematan terbesar dimulai dari 46.900 meter yang merupakan penghematan jarak dari penggabungan Apotik Dian Farma (A6) dengan Apotik Menteng (A11). Jumlah beban adalah (3,07 m3 + 2,22 m3) = 5,29 m3 ≤ 7m3 sehingga penggabungan layak dilakukan penambahan beban. Maka, dipilih Apotik Bilal (A7) karena lebih dekat dengan Apotik Dian Farma (A6) dan Apotik Menteng (A11) dengan penggabungan ini maka jumlah beban menjadi (5,29 m3 + 1,68m3) = 6,97 m3 ≤ 7 m3
Kapasitas maksimal alat angkut adalah 7m3, sedangkan beban dari ketiga apotik yang digabungkan adalah 6,97m3, sehingga subrute yang terbentuk tidak layak lagi ditambah dengan apotik lain.
Untuk menentukan urutan apotik yang akan dilalui untuk pembentukan sub rute 1 yang terbentuk digunakan metode nearest neighbor dengan dari melihat graph awal.
Iterasi 1
Perjalanan dari pabrik ke subrute yang terbentuk memiliki 3 kemungkinan untuk
kunjungan pertama, yaitu:
2. Menuju apotik Apotik Bilal (A7) dengan jarak 22.100 meter
3. Menuju apotik Apotik Menteng (A11) dengan jarak 23.900 meter
Dari 3 kemungkinan untuk kunjungan pertama dari pabrik adalah Apotik Apotik Bilal
(A7) karena memiliki jarak paling dekat dengan pabrik dengan jarak 22.100 meter dan
urutan sementara sub rute adalah :
(Pabrik → A7)
Iterasi 2
Perjalanan dari Apotik Bilal (A7) memiliki 2 kemungkinan untuk kunjungan berikutnya ,
yaitu:
1. Menuju apotik Apotik Dian Farma (A6) dengan jarak 6.900 meter
2. Menuju apotik Apotik Menteng (A11) dengan jarak 3.100 meter
Dari 2 kemungkinan untuk kunjungan berikutnya dari Apotik Bilal (A7) adalah Apotik
Menteng (A11) karena memiliki jarak paling dekat dengan jarak 3.100 meter dan urutan
sementara sub rute adalah :
(Pabrik → A7→ A11)
Maka untuk kunjungan berikutnya dari Apotik Menteng (A11) adalah Apotik Dian
Farma (A6) dengan jarak 3.900 meter, Maka subrute 1 adalah:
Gambar 5.4. Subrute 1
Tabel 5.10. Matriks Penghematan Setelah Pembentukan Subrute 1
Apotik A1 A2 A3 A4 A5 A8 A9 A10 A12 A13 A14 A15 A16
A1 24300 25100 27400 22800 23600 17800 27700 27500 26000 21400 25000 24700 A2 23200 31200 21600 21500 27600 26100 30400 27000 21000 31100 31300 A3 31600 33200 31700 17400 31600 32000 34200 31900 29200 25800
A4 30100 29400 26100 33700 41400 36800 27900 38800 35200
A5 29300 15200 29500 31900 36600 33000 26900 22500
A8 15600 30200 29900 29800 27500 27400 23900
A9 19700 25400 22400 14100 26100 26400
A10 34500 33400 28800 31900 28400
A12 39300 30100 37800 34400
A13 30900 32800 29400
A14 25800 22400
A15 37400
A16
Permintaan
Penghematan terbesar selanjutnya setelah apotik A6,A7, dan A11 dihapus dari
matriks penghematan adalah 41.000 meter yang merupakan penghematan jarak dari
Apotik Bromo (A4) dengan Apotik Asean Jaya (A12). Jumlah beban adalah (3,23 m3 +
3,34 m3) = 6,57 m3 ≤ 7 m3 dan rute tersebut telah memenuhi kapasitas maksimal
kendaraan angkut.
Sehingga didapatkan subrute 2 :
[image:57.595.111.508.308.641.2](Pabrik → A12 → A4 → Pabrik)
Tabel 5.11. Matriks Penghematan Setelah Pembentukan Subrute 2
Apotik A1 A2 A3 A5 A8 A9 A10 A13 A14 A15 A16
A1 24300 25100 22800 23600 17800 27700 26000 21400 25000 24700 A2 23200 21600 21500 27600 26100 27000 21000 31100 31300 A3 33200 31700 17400 31600 34200 31900 29200 25800
A5 29300 15200 29500 36600 33000 26900 22500
A8 15600 30200 29800 27500 27400 23900
A9 19700 22400 14100 26100 26400
A10 33400 28800 31900 28400
A13 30900 32800 29400
A14 25800 22400
A15 37400
A16
Permintaan
(m3) 2,14 2,36 2,41 2,56 2,34 2,25 2,21 2,20 2,22 3,69 3,23
Penghematan terbesar selanjutnya setelah apotik A4, A6,A7,A11, dan A12 dihapus dari matriks penghematan adalah 37.400 meter yang merupakan penghematan jarak dari Apotik Satria (A15) dengan Apotik Kowiba (A16). Jumlah beban adalah (3,69 m3 + 3,23 m3) = 6,29 m3≤ 7 m3. Untuk menentukan urutan apotik yang akan dilalui untuk pembentukan sub rute 3 yang terbentuk digunakan metode nearest neighbor atau melihat graph awal. Sehingga didapatkan subrute 3
Gambar 5.6 Subrute 3
Tabel 5.12. Matriks Penghematan Setelah Pembentukan Subrute 3
Apotik A1 A2 A3 A5 A8 A9 A10 A13 A14
A1 24300 25100 22800 23600 17800 27700 26000 21400 A2 23200 21600 21500 27600 26100 27000 21000
A3 33200 31700 17400 31600 34200 31900
A5 29300 15200 29500 36600 33000
A8 15600 30200 29800 27500
A9 19700 22400 14100
A10 33400 28800
A13 30900
A14
Permintaan
(m3) 2,14 2,36 2,41 2,56 2,34 2,25 2,21 2,20 2,22
Jumlah beban adalah (2,56 m3+ 2,20 m3) = 4,76 m3≤ 7 m3 Dilihat dari jumlah beban tersisa, sub rute yang terbentuk masih layak lagi ditambah dengan apotik lain. Maka, dipilih Apotik Pinang Baris (A14) karena lebih dekat dengan Apotik Jawak Farma (A5), maka jumlah beban yang dihasilkan (4,76 m3 + 2,22 m3) = 6,98 m3≤ 7 m3. Untuk menentukan urutan apotik yang akan dilalui untuk pembentukan sub rute 4 yang terbentuk digunakan metode nearest neighbor atau melihat graph awal.
Iterasi 1
Perjalanan dari pabrik ke subrute yang terbentuk memiliki 3 kemungkinan untuk
kunjungan pertama, yaitu:
1. Menuju Apotik Jawak Farma (A5) dengan jarak 18.900 meter
2. Menuju Apotik City (A13) dengan jarak 25.300 meter
3. Menuju Apotik Pinang Baris (A14) dengan jarak 18.800 meter
Dari 3 kemungkinan untuk kunjungan pertama dari pabrik adalah Apotik Apotik
Pinang Baris (A14) karena memiliki jarak paling dekat dengan pabrik dengan jarak
18.800 meter dan urutan sementara sub rute adalah :
(Pabrik → A14)
Iterasi 2
Perjalanan dari Apotik Pinang Baris (A14) memiliki 2 kemungkinan untuk kunjungan
berikutnya , yaitu:
1. Menuju Apotik Jawak Farma (A5) dengan jarak 4.700 meter
Dari 2 kemungkinan untuk kunjungan berikutnya dari Apotik Pinang Baris (A14)
adalah Apotik Jawak Farma (A5) karena memiliki jarak paling dekat dengan jarak 4.700
meter dan urutan sementara sub rute adalah :
(Pabrik → A14→ A5)
Maka untuk kunjungan berikutnya dari Jawak Farma (A5) adalah Apotik City (A13)
dengan jarak 7.600 meter, Maka subrute 4 adalah:
[image:61.595.116.501.320.687.2]( Pabrik→ A14→ A5 → A13→ Pabrik)
Gambar 5.7 Subrute 4
Tabel 5.13. Matriks Penghematan Setelah Pembentukan Subrute 4
A1 24300 25100 23600 17800 27700 A2 23200 21500 27600 26100
A3 31700 17400 31600
A8 15600 30200
A9 19700
A10
Permintaan
(m3) 2,14 2,36 2,41 2,34 2,25 2,21
Penghematan terbesar selanjutnya setelah apotik A4, A5,A6,A7,A11, A12,A3,A14, A15 dan A16 adalah 31.700 meter yang merupakan penghematan jarak Apotik Mitra Agung (A3) dan Apotik Kalimas (A8) dengan jumlah beban (2,41 m3 + 2,34 m3) = 4,75 m3 ≤ 7 m3 maka layak untuk dapat ditambahkan beban lagi, Dan, dipilih Apotik Peringgan (A10) karena lebih dekat dengan Apotik Kalimas (A8) dengan jumlah beban (4,75 m3 + 2,21 m3 ) = 6,96 m3≤ 7 m3, Untuk menentukan urutan apotik yang akan dilalui untuk pembentukan sub rute 5 terbentuk digunakan metode nearest neighbor atau melihat graph awal yaitu:
Iterasi 1
Perjalanan dari pabrik ke subrute yang terbentuk memiliki 3 kemungkinan untuk
kunjungan pertama, yaitu:
1. Menuju Apotik Mitra Agung (A3) dengan jarak 17.800 meter
2. Menuju Apotik Kalimas (A8) dengan jarak 15.400 meter
3. Menuju Apotik Peringgan (A10) dengan jarak 17.600 meter
Dari 3 kemungkinan untuk kunjungan pertama dari pabrik adalah Apotik Kalimas
(A8) karena memiliki jarak paling dekat dengan pabrik dengan jarak 15.400 meter dan
urutan sementara sub rute adalah :
Iterasi 2
Perjalanan dari Apotik Kalimas (A8) memiliki 2 kemungkinan untuk kunjungan
berikutnya , yaitu:
1. Menuju apotik Apotik Mitra Agung (A3) dengan jarak 1.500 meter
2. Menuju Apotik Peringgan (A10) dengan jarak 2.800 meter
Dari 2 kemungkinan untuk kunjungan berikutnya dari Apotik Kalimas (A8) adalah
Apotik Mitra Agung (A3) karena memiliki jarak paling dekat dengan jarak 1.500 meter
dan urutan sementara sub rute adalah :
(Pabrik → A8→ A3)
Maka untuk kunjungan berikutnya dari Mitra Agung (A3) adalah Apotik Peringgan
(A10) dengan jarak 3.800 meter, Maka subrute 5 adalah:
Gambar 5.8 Subrute 5
Tabel 5.14. Matriks Penghematan Setelah Pembentukan Subrute 5
Apotik A1 A2 A9
A1 24300 17800
A2 27600
A9
Permintaan
(m3) 2,14 2,36 2,25
Penghematan terbesar selanjutnya setelah apotik A3,A4,A5,A6,A7,A8,A10,A11, A12,A3,A14, A15 dan A16 adalah 27.600 meter yang merupakan penghematan jarak Apotik Karya Raya (A2) dan Apotik Deli (A9) dengan jumlah beban (2,36 m3 + 2,25 m3) = 4,61 m3 ≤ 7 m3 maka layak untuk dapat ditambahkan beban lagi, dipilih yang tersisa yaitu Apotik Bakti (A1) karena lebih dekat dengan Apotik Karya Raya (A2) dengan jumlah beban (4,61 m3 + 2,14 m3 ) = 6,75 m3 ≤ 7 m3, Untuk menentukan urutan apotik yang akan dilalui untuk pembentukan sub rute 6 terbentuk digunakan metode nearest neighbor atau melihat graph awal yaitu:
Iterasi 1
Perjalanan dari pabrik ke subrute yang terbentuk memiliki 3 kemungkinan untuk
kunjungan pertama, yaitu:
1. Menuju Apotik Karya Raya (A2) dengan jarak 17.400 meter
2. Menuju Apotik Deli (A9)dengan jarak 16.200 meter
3. Menuju Apotik Bakti (A1) dengan jarak 13.900 meter
Dari 3 kemungkinan untuk kunjungan pertama dari pabrik adalah Apotik Bakti (A1)
(Pabrik → A1)
Iterasi 2
Perjalanan dari Apotik Bakti (A1) memiliki 2 kemungkinan untuk kunjungan berikutnya ,
yaitu:
1. Menuju Apotik Karya Raya (A2) dengan jarak 7.000 meter
2. Menuju Apotik Deli (A9) dengan jarak 12.300 meter
Dari 2 kemungkinan untuk kunjungan berikutnya dari Bakti (A1) adalah Apotik Karya
Raya (A2) karena memiliki jarak paling dekat dengan jarak 7.000 meter dan urutan
sementara sub rute adalah :
(Pabrik → A1→ A2)
Maka untuk kunjungan berikutnya dari Karya Raya (A2) adalah Apotik Deli (A9)
dengan jarak 6.000 meter, Maka subrute 6 adalah:
[image:65.595.133.494.489.741.2](Pabrik→ A1→ A2 → A9→ Pabrik)
7 . Pemeriksaan Waktu Tersedia
Berikut merupakan perhitungan waktu total pada Horizon. a. Sub rute 1 (Armada 1)
Maka subrute 1 ( Pabrik→ A7→ A11 → A6→ Pabrik) Jumlah Permintaan = 6,97 m3
Jarak total = (22.100 + 3.100 + 3.900 + 26.900) = 56.000 meter
Perhitungan waktu total
Waktu perjalanan total = 56.000/40 km per jam= 1,4 jam = 84 menit
Waktu loading = 6,97 x 6,35 = 44,25 menit
Waktu unloading = 6,97 m3 x 1,80 = 12,54 menit
Waktu total = (84+ 44,25 + 12,54 ) = 140,79 menit
b. Sub rute 2 (Armada 2)
Maka subrute 2 (Pabrik → A12 → A4→ Pabrik)
Jumlah Permintaan = 6,57 m3
Jarak total = (22.000 + 3.200 + 22.600) = 47.800 meter
Perhitungan waktu total
Waktu perjalanan total = 47.800 /40 km per jam= 1,19 jam = 71,7 menit
Waktu loading = 6,57 m3 x 6,35 menit = 41,71 menit
Waktu unloading = 6,57 m3 x 1,80 menit = 11,82 menit
Maka subrute 3 (Pabrik → A15 → A16→ Pabrik)
Jumlah Permintaan = 6,29 m3
Jarak total = (20.400 + 12.100 + 29.100) = 61.600 meter
Perhitungan waktu total
Waktu perjalanan total = 61.600 /40 km per jam= 1,54 jam = 92,4 menit
Waktu loading = 6,29 m3 x 6,35 = 39,94 menit
Waktu unloading = 6,29 m3 x 1,80 = 11,32 menit
Waktu total = (92,4 + 39,94 + 11,32 ) = 143,66 menit d. Sub rute 4 ( Armada 4)
Maka subrute 4 ( Pabrik→ A14→ A5 → A13→ Pabrik)
Jumlah Permintaan = 6,98 m3
Jarak total = (18.800 + 4.700 +7.600 + 25.300) = 56.400 meter
Perhitungan waktu total
Waktu perjalanan total = 56.400 /40 km per jam= 1,41 jam = 84,6 menit
Waktu loading = 6,98 m3 x 6,35= 44,32 menit
Waktu unloading = 6,98 m3 x 1,80 = 125,64 menit
Waktu total = (84,6 + 44,32 + 125,64) = 254,56 menit
e. Sub rute 5 (Armada 5)
Maka subrute 5 ( Pabrik→ A8→ A3 → A10→ Pabrik)
Jumlah Permintaan = 6,96 m3
Waktu perjalanan total = 38.300 /40 km per jam= 0,95 jam = 57,45 menit
Waktu loading = 6,96 m3 x 6,35 = 44,19 menit
Waktu unloading = 6,96 m3 x 1,80 = 12,52 menit
Waktu total = (57,45 + 44,19 + 12,52 ) = 114.16 menit
f. Sub rute 6 (Armada 6)
Maka subrute Subrute 6 ( Pabrik→ A1→ A2 → A9→ Pabrik) Jumlah Permintaan = 6,75 m3
Jarak total = (13.900 + 7.000 + 12.300) = 33.200 meter Perhitungan waktu total
Waktu perjalanan total = 33.200 /40 km per jam= 0,83 jam = 49,8 menit
Waktu loading = 6,75 m3 x 6,35= 42,86 menit
Waktu unloading = 6,75 m3 x 1,80 = 12,15 menit
[image:68.595.167.457.542.776.2]Waktu total = (4,98 + 42,86 + 12,15) = 59,99 menit
Tabel 5.15. Rekapitulasi Perhitungan Pemeriksaan Waktu Tersedia
Subrute Jarak
(m)
Waktu Distribusi
(menit)
Waktu Tersedia
1 56.000 14
