OPTIMASI RUTE PENGIRIMAN CASH CARTRIDGE ATM
MENGGUNAKAN INTEGER LINEAR PROGRAMMING
MUHAMMAD DINAR MARDIANA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
PERNYATAAN MENGENAI SKRIPSI DAN
SUMBER INFORMASI SERTA PELIMPAHAN HAK CIPTA*
Dengan ini saya menyatakan bahwa skripsi berjudul Optimasi Rute
Pengiriman
Cash Cartridge
ATM Menggunakan
Integer Linear Programming
adalah benar karya saya dengan arahan dari komisi pembimbing dan belum
diajukan dalam bentuk apa pun kepada perguruan tinggi mana pun. Sumber
informasi yang berasal atau dikutip dari karya yang diterbitkan maupun tidak
diterbitkan dari penulis lain telah disebutkan dalam teks dan dicantumkan dalam
Daftar Pustaka di bagian akhir skripsi ini.
Dengan ini saya melimpahkan hak cipta dari karya tulis saya kepada Institut
Pertanian Bogor.
Bogor, Agustus 2015
Muhammad Dinar Mardiana
ABSTRAK
MUHAMMAD DINAR MARDIANA. Optimasi Rute Pengiriman
Cash Cartridge
ATM Menggunakan
Integer Linear Programming
. Dibimbing oleh PRAPTO TRI
SUPRIYO dan SISWANDI.
Pengisian ulang
cash cartridge
pada ATM (
Automatic Teller Machine
) yang
berfungsi sebagai kotak penyimpanan uang tunai terkait erat dengan masalah
pendistribusiannya. Upaya untuk menentukan skenario pendistribusian
cash
cartridge
yang meminimumkan biaya operasional sangat diperlukan untuk
memaksimumkan keuntungan. Karya ilmiah ini memberikan model untuk
menentukan rute armada kendaraan guna mendistribusikan
cash cartridge
ke
beberapa ATM dengan biaya operasional yang minimum. Model diformulasikan
menggunakan
Integer Linear Programming
dengan kendala
time windows
pada
setiap ATM yang harus dikunjungi. Model selanjutnya diimplementasikan
menggunakan
software
LINGO 11.0 untuk menentukan skenario pendistribusian
cash cartridge
dari bank ke delapan ATM yang terpisah relatif jauh satu dengan
yang lain. Hasil implementasi menggunakan komputer dengan prosesor 1.5 GHz
dan RAM 4 GB diperoleh solusi optimal dalam waktu 3 jam 8 menit dan 47 detik.
Hasil ini menunjukan bahwa model ini cukup beralasan untuk diterapkan pada
situasi nyata.
Kata kunci: CVRPTW, pengiriman
cash cartridge
.
ABSTRACT
MUHAMMAD DINAR MARDIANA. Route Optimization of ATM Cash
Cartridge Replenishment Using Integer Linear Programming. Supervised by
PRAPTO TRI SUPRIYO and SISWANDI.
Cash cartridge replenishment of ATM (Automatic Teller Machine) that
serves as storage box for cash closely related to the problem of distribution. Efforts
to determine the distribution scenario of cash cartridges that minimizes the
operational costs are indispensable to maximize profits. This paper provides model
to determine the routes for a fleet of vehicles to distribute the cash cartridges to
several ATMs with the minimum operational costs. This model is formulated using
integer linear programming with regard to time windows constraints at ATMs
which must be visited. This model is then implemented using the software LINGO
11.0 to determine the distribution scenario of cash cartridges from the the bank to
eight ATMs which relatively far apart from each other. The implementation using
a computer with a 1.5 GHz processor and 4 GB of RAM provides optimal solution
within 3 hours 8 minutes and 47 seconds. These results indicate that the model is
reasonable to be applied in real situations.
Skripsi
sebagai salah satu syarat untuk memperoleh gelar
Sarjana Sains
pada
Departemen Matematika
OPTIMASI RUTE PENGIRIMAN CASH CARTRIDGE ATM
MENGGUNAKAN INTEGER LINEAR PROGRAMMING
MUHAMMAD DINAR MARDIANA
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Judul Skripsi : Optimasi Rute Pengiriman
Cash Cartridge
ATM Menggunakan
Integer Linear Programming
Nama
: Muhammad Dinar Mardiana
NIM
: G54110033
Disetujui oleh
Disetujui oleh
Drs Prapto Tri Supriyo, MKom
Pembimbing I
Drs Siswandi, MSi
Pembimbing II
Diketahui oleh
Dr Toni Bakhtiar, MSc
Ketua Departemen
PRAKATA
Puji syukur kehadirat Allah SWT atas segala rahmat dan karunia-Nya
sehingga penulis dapat menyelesaikan karya ilmiah yang berjudul Optimasi Rute
Pengiriman
Cash Cartridge
ATM Menggunakan
Integer Linear Programming
.
Penulis mengucapkan terima kasih kepada:
1.
Ibu, Bapak, Eki, Alan, Zalfa, dan seluruh keluarga tercinta yang sudah
memberikan dukungan, motivasi, dan doa-doanya kepada penulis,
2.
Bapak Drs Prapto Tri Supriyo MKom selaku dosen pembimbing 1, Bapak Drs
Siswandi MSi selaku dosen pembimbing 2, dan Bapak Dr Ir Bib Paruhum
Silalahi MKom selaku dosen penguji, terima kasih untuk bimbingan, ilmu,
saran, motivasi, dan bantuannya selama penyelesaian karya ilmiah ini,
3.
Semua dosen di Departemen Matematika, terima kasih untuk ilmu dan motivasi
yang telah diberikan,
4.
Staff
Departemen Matematika: Bu Susi, Pak Yono, Bu Ade, dan
staff
lainnya,
terima kasih untuk bantuannya,
5.
Intan Fitria Sari, terima kasih telah selalu menjadi pendengar keluh kesah
penulis, dan pembagi ilmu dalam mengerjakan karya ilmiah ini,
6.
Teman-teman Matematika angkatan 48 yang selalu saling memberi dukungan
dan semangat kepada penulis terutama yang sudah berbagi ilmu dan
bantuannya,
7.
Gilang, Jun, Adit, Agung, Rizki, Ical, terima kasih untuk hiburan kalian selama
penulis sedang jenuh dikontrakan,
8.
Semua pihak yang sudah membantu penulis dan tidak dapat disebutkan satu
per satu.
Penulis menyadari bahwa karya ilmiah ini masih memiliki kekurangan. Oleh
karena itu, penulis sangat menghargai kritik dan saran dari pembaca.
Semoga karya ilmiah ini bermanfaat.
Bogor, Agustus 2015
DAFTAR ISI
PRAKATA
iv
DAFTAR ISI
v
DAFTAR TABEL
vi
DAFTAR GAMBAR
vi
DAFTAR LAMPIRAN
vi
PENDAHULUAN
1
Latar Belakang
1
Tujuan Penelitian
1
TINJAUAN PUSTAKA
1
Linear Programming
1
Integer Programming
2
Vehicle Routing Problem
2
Capacitated Vehicle Routing Problem with Time Windows
2
DESKRIPSI DAN FORMULASI MASALAH
3
Deskripsi Masalah Pengiriman
Cash Cartridge
3
Formulasi Masalah Pengiriman
Cash Cartridge
3
UJI MODEL
6
Deskripsi dan Uji Kasus Pertama
7
Deskripsi dan Uji Kasus Kedua
8
Deskripsi dan Uji Kasus Ketiga
9
IMPLEMENTASI MODEL
10
Deskripsi dan Formulasi Masalah Pengiriman
Cash Cartridge
10
Hasil dan Pembahasan
15
SIMPULAN DAN SARAN
15
Simpulan
15
Saran
16
DAFTAR PUSTAKA
16
LAMPIRAN
17
DAFTAR TABEL
1
Kecepatan, kapasitas dan biaya kendaraan dalam uji model
7
2
Jarak antar-
node
(dalam km) uji kasus pertama
7
3
Time windows
dan permintaan setiap
node
uji kasus pertama
7
4
Rute pengiriman hasil uji kasus pertama
8
5
Jarak antar-
node
(dalam km) uji kasus kedua
8
6
Time windows
dan permintaan setiap
node
uji kasus kedua
9
7
Rute pengiriman hasil uji kasus kedua
9
8
Jarak antar-
node
(dalam km) uji kasus ketiga
9
9
Time windows
dan permintaan setiap
node
uji kasus ketiga
10
10
Rute pengiriman hasil uji kasus ketiga
10
11
Jarak antar-
node
(dalam km)
11
12
Time windows
dan permintaan setiap
node
11
13
Kecepatan, kapasitas dan biaya kendaraan
12
14
Rute pengiriman hasil implementasi model
15
DAFTAR LAMPIRAN
PENDAHULUAN
Latar Belakang
Pendistribusian merupakan salah satu kegiatan penting dari sebuah
perusahaan. Beberapa permasalahan perusahaan dalam melakukan pendistribusian
antara lain menentukan banyaknya kendaraan yang dioperasikan, serta menentukan
rute kendaraan yang dapat mengoptimalkan jarak tempuh atau biaya perjalanan
yang bertujuan agar semua permintaan pelanggan dapat terlayani dengan baik dan
pada akhirnya keuntungan optimal akan diperoleh perusahaan.
ATM (
Automatic Teller Machine
) merupakan fasilitas di mana nasabah bisa
menarik tabungan atau gironya dengan kartu ATM melalui jaringan ATM bank dan
jaringan ATM yang terafiliasi dengan bank baik dalam maupun luar negeri (IBI
2015). Dalam mesin ATM terdapat salah satu komponen penting yaitu
cash
cartridge
yang berfungsi sebagai kotak penyimpanan uang tunai pada mesin ATM
yang harus diisi ulang secara rutin. Pengisian ulang
cash cartridge
ini terkait erat
dengan
masalah pendistribusiannya. Hal ini sangatlah penting karena mengingat
fungsi mesin ATM untuk melakukan transaksi agar lebih cepat dan efisien.
Sehingga tidak terjadi kekosongan uang tunai dalam mesin-mesin ATM. Upaya
menentukan rute pengiriman
cash cartridge
yang meminimumkan biaya
operasional tentu sangat diperlukan dalam upaya memaksimumkan keuntungan.
Tujuan Penelitian
Tujuan karya ilmiah ini adalah memformulasikan masalah optimasi rute
pengiriman
cash cartridge
ATM untuk meminimumkan total biaya pengiriman
dengan menggunakan ILP (
Integer Linear Programming
). Selanjutnya model
diimplementasikan pada suatu kasus dengan menggunakan bantuan
software
LINGO 11.0.
TINJAUAN PUSTAKA
Penentuan rute optimal pengiriman
cash cartridge
ATM dapat
diformulasikan sebagai model
Vehicle Routing Problem
(VRP) menggunakan
Integer Linear Programming
(ILP). Berikut ini diberikan beberapa teori dan
definisi yang digunakan terkait dengan ILP.
Linear Programming
Menurut Winston (2004),
Linear Programming
(LP) adalah suatu masalah
pengoptimuman yang memenuhi ketentuan-ketentuan sebagai berikut:
2
2.
nilai-nilai pada variabel keputusan harus memenuhi semua kendala yang ada.
Setiap kendala harus berupa persamaan linear atau pertaksamaan linear, dan
3.
terdapat pembatasan tanda bergantung untuk setiap variabel. Untuk sembarang
variabel
�
, pembatasan tanda menentukan
�
harus taknegatif (
�
) atau
tandanya tidak dibatasi.
Integer Programming
Integer Programming
(IP) adalah suatu masalah
Linear Progamming
dengan
sebagian atau semua variabel yang digunakan berupa bilangan bulat (
integer
)
taknegatif. Masalah IP dengan semua variabel yang digunakan berupa bilangan
integer
disebut
pure integer programming
. IP dengan beberapa variabel yang
digunakan berupa bilangan
integer
disebut
mixed integer programming
. IP dengan
semua variabelnya bernilai 0 atau 1 disebut 0-1 IP (Winston 2004).
Vehicle Routing Problem
Vehicle Routing Problem
(VRP) adalah model yang digunakan untuk
perencanaan dan proses pengambilan keputusan. Contoh masalah yang dapat
diselesaikan dengan VRP antara lain yakni pengiriman barang dan pengumpulan
sampah (Sarker dan Newton 2008).
Menurut (Sarker dan Newton 2008), VRP sederhana dapat digambarkan
sebagai berikut:
1
di depot terdapat kendaraan sejumlah
M
yang diketahui kapasitasnya,
2
terdapat pelanggan sejumlah
−
dengan masing-masing pelanggan memiliki
permintaan,
3
terdapat biaya perjalanan dari lokasi ke lokasi , dan
4
tujuannya untuk menemukan rute pengiriman barang ke (dari) pelanggan dengan
biaya minimum.
Rute kendaraan harus mengawali dan mengakhiri perjalanan di depot. Solusi dari
VRP adalah suatu himpunan rute yang dilakukan oleh satu kendaraan. Rute yang
dihasilkan harus memenuhi semua permintaan pelanggan dan semua kendala yang
diberikan untuk menghasilkan total biaya perjalanan yang minimum.
Capacitated Vehicle Routing Problem with Time Windows
3
DESKRIPSI DAN FORMULASI MASALAH
Deskripsi Masalah Pengiriman
Cash Cartridge
Pengiriman
cash cartridge
merupakan salah satu bagian dari manajemen
operasional bank. Bank akan mengirimkan
cash cartridge
yang berisi uang tunai ke
beberapa ATM untuk mengisi ulang
cash cartridge
yang kosong pada mesin ATM,
dengan setiap ATM memiliki
time windows
, yaitu terdapat selang waktu untuk
melakukan pengisian ulang. Sistem pengisian ulang uang pada mesin ATM secara
rutin dan teratur akan membuat pengelolaan transaksi pada mesin ATM menjadi
baik. Perencanaan pada sistem pengisian perlu dilakukan. Penentuan rute
pengiriman
cash cartridge
yang optimal merupakan bagian dari perencanaan sistem
pengisian. Optimal pada pengiriman dapat ditinjau dari biaya yang minimum,
jumlah kendaraan yang digunakan minimum, dan jarak tempuh yang minimum.
Secara umum, dalam suatu mesin ATM berisi lima
cash cartridge
dan setiap
cash cartridge
berisi lembaran uang tunai kertas. Ketentuan mesin ATM yang harus
diisi ulang adalah ketika hanya tersisa satu
cash cartridge
yang masih terisi uang
tunai kertas, artinya setiap mesin ATM akan diisi ulang sebanyak empat
cash
cartridge
. Pengiriman
cash cartridge
dilakukan oleh pihak bank yang memantau
mesin-mesin ATM (server ATM) dalam satu wilayah. Pengiriman dilakukan dari
bank ke ATM menggunakan kendaraan yang mempunyai kapasitas angkut
cash
cartridge
tertentu. Setelah
cash cartridge
yang berisi uang tunai dalam kendaraan
habis, kendaraan harus kembali ke bank. Kendaraan yang sudah kembali ke bank
dapat mengunjungi ATM kembali apabila masih ada mesin ATM yang harus diisi
ulang. Dengan demikian, kendaraan dapat mengunjungi bank lebih dari satu kali
dalam satu periode untuk menukar
cash cartridge
kosong dengan
cash cartridge
berisi uang tunai. Frekuensi kendaraan berangkat dari bank disebut ritasi, dengan
satuan rit. Setelah semua mesin ATM diisi ulang, kendaraan kembali ke bank.
Formulasi Masalah Pengiriman
Cash Cartridge
Misalkan dalam masalah ini terdapat suatu bank yang memiliki beberapa
ATM.
Selanjutnya
depot
merepresentasikan
bank
dan
setiap
node
merepresentasikan keberadaan ATM.
Node
tersebut terbagi dalam dua tipe yaitu,
terdapat sejumlah
�
node
dengan permintaan
cash castridge
tidak melebihi
kapasitas maksimal kendaraan dan sejumlah
� +
node
dengan permintaan
cash
cartridge
melebihi kapasitas maksimal kendaraan. Depot menyediakan sejumlah
kendaraan yang mempunyai kapasitas angkut
cash cartridge
tertentu untuk
melakukan pegiriman. Untuk menyelesaikan masalah ini akan dibangun sebuah
model dengan asumsi-asumsi sebagai berikut:
1
laju setiap kendaraan konstan,
2
kendaraan yang tersedia tidak harus digunakan semua untuk mengirim
cash
cartridge
,
4
1, jika kendaraan
k
digunakan untuk mengantarkan
cash cartridge
0, lainnya.
1, jika kendaraan
k
mengunjungi
node j
setelah
node i
0, lainnya.
4
biaya pengiriman
cash cartridge
hanya dihitung dari total biaya tetap ditambah
total biaya perjalanan per km untuk setiap kendaraan yang digunakan,
5
setiap kendaraan yang digunakan dan sudah kembali ke depot dapat digunakan
kembali untuk mengirim
cash cartridge
dalam satu periode, dan
6
node
dapat dikunjungi lebih dari satu kali apabila
node
yang permintaannya
melebihi kapasitas maksimal kendaraan.
Masalah pengiriman
cash cartridge
ini
dapat diformulasikan sebagai berikut:
Himpunan
= himpunan semua kendaraan,
= { , , … , }
,
= himpunan
node
dengan permintaan kurang dari atau sama dengan kapasitas
maksimal kendaraan,
= { , , … , �}
,
= himpunan
node
dengan permintaan lebih dari kapasitas maksimal kendaraan,
= {� + , � + , … , � + }
,
= himpunan semua
node
,
= { , , … , �, � + , � + , … , � + , � + + }
,
dengan 1 dan
� + +
menyatakan depot yang sama.
Indeks
i,j,p
= indeks untuk menyatakan
node
,
k
= indeks untuk menyatakan kendaraan.
Parameter
= kapasitas pada kendaraan
k
,
= biaya perjalanan per km pada kendaraan
k
,
= biaya tetap untuk setiap kendaraan yang digunakan,
= kecepatan untuk setiap kendaraan
k
,
= lamanya pelayanan pada
node i
,
= batas awal waktu pelayanan pada
node i
,
= batas akhir waktu pelayanan pada
node i
,
= permintaan
cash cartridge
untuk setiap
node i
,
= jarak antara
node i
dan
node j
,
bigM
= konstanta positif yang nilainya relatif besar.
Variabel Keputusan
= total ritasi kendaraan
k
,
= waktu tempuh antara
node i
dan
node j
untuk kendaraan
k
,
= waktu
node
mulai dilayani oleh kendaraan ,
= banyaknya
cash cartridge
yang kosong pada kendaraan
k
setelah
meninggalkan
node i
,
= proporsi dari permintaan
cash cartridge
pada
node
yang diangkut
kendaraan ,
=
{
5
Fungsi Objektif
Fungsi objektif model ini adalah meminimumkan biaya perjalanan ditinjau
dari jumlah biaya tetap ditambah jumlah biaya per km untuk setiap kendaraan yang
digunakan, yakni:
min � = ∑
∈
+ ∑ ∑ ∑
∈� ∈� ∈
.
Kendala
Kendala yang harus dipenuhi untuk model ini adalah sebagai berikut:
1
Setiap kendaraan tidak harus digunakan,
∑
∈�∪
,
∀ ∈ .
2
Kendaraan yang meninggalkan depot dipastikan untuk mengantarkan
cash
cartridge
,
∑
∈�∪
= ,
∀ ∈ .
3
Tidak ada
node
yang dikunjungi oleh kendaraan yang tidak digunakan,
,
∀ , ∈ ; ∀ ∈ .
4
Kendaraan yang mengunjungi
node
harus meninggalkan
node
tersebut,
∑
�∈� ≠�
− ∑
� ∈� �≠= ,
∀� ∈ ; ∀ ∈ .
5
Node
yang memiliki permintaan kurang dari atau sama dengan kapasitas
maksimal kendaraan dikunjungi tepat satu kali,
∑ ∑
∈� ≠
=
∈
,
∀ ∈ .
6
Node
yang memiliki permintaan lebih dari kapasitas maksimal kendaraan
dikunjungi lebih dari satu kali,
∑
∈
= ,
∀ ∈ ,
∑
∈�
,
∀ ∈ ; ∀ ∈ .
7
Jumlah
cash cartridge
kosong kumulatif pada kendaraan yang meninggalkan
node
akan bertambah,
+
−
( −
)� � ,
∀ ∈ ; ∀ ∈ ; ∀ ∈ ,
+
−
( −
)� � ,
∀ ∈ ; ∀ ∈ ; ∀ ∈ .
8
Kendaraan yang digunakan harus kembali ke depot,
∑
∈�∪
= ,
∀ ∈ .
9
Jumlah
cash cartridge
kosong kumulatif tidak boleh melebihi kapasitas setiap
kendaraan,
6
10
Jumlah
cash cartridge
kosong kumulatif setiap kendaraan yang meninggalkan
depot adalah 0,
= ,
∀ ∈ ,
�+�+
= ,
∀ ∈ .
11
Banyaknya ritasi setiap kendaraan merupakan frekuensi setiap kendaraan
berangkat dari depot dalam satu periode,
∑
+
�+�+∈�∪
=
,
∀ ∈ .
12
Tidak ada perjalanan ke
node
yang sama,
= ,
∀ ∈ ; ∀ ∈ ,
�+�+
= ,
∀ ∈ ; � + +
∈ .
13
Lama perjalanan dari
node i
ke
node j
untuk kendaraan
k,
=
,
∀ ∈ ; ∀ , ∈ .
14
Waktu mulai pelayanan pada
node j
,
+
+ − � � ( −
)
,
∀ ∈ ; ∀ ∈ ; ∀ ∈ .
15
Batas awal waktu pelayanan pada
node i
,
,
∀ ∈ ; ∀ ∈ .
16
Batas akhir waktu pelayanan pada
node i
,
+
,
∀ ∈ ; ∀ ∈ .
17
Kendala ketaknegatifan,
,
∀ ∈ ; ∀ ∈ ,
,
∀ ∈ ; ∀ ∈ .
18
Kendala biner.
∈ { , },
∀ ∈ ; ∀ , ∈ ,
∈ { , },
∀ ∈ .
UJI MODEL
Dalam membangun sebuah model matematika perlu dilakukan uji model
untuk meyakinkan bahwa model yang dibangun adalah benar dan dapat
diaplikasikan ke dalam masalah-masalah yang serupa atau kasus-kasus tertentu
sesuai tujuan. Pada karya ilmiah ini, model yang dibangun adalah untuk
menentukan rute pengiriman yang optimal dan telah dijelaskan secara terperinci
dalam deskripsi masalah. Selanjutnya dalam masalah ini diberikan tiga uji kasus,
yaitu kasus pertama adalah pendistribusian
cash cartridge
menggunakan satu
kendaraan dengan satu ritasi, kasus kedua adalah pendistribusian
cash cartridge
menggunakan satu kendaraan dengan dua ritasi, dan kasus ketiga adalah
pendistribusian
cash cartridge
menggunakan dua kendaraan dengan satu ritasi
untuk setiap kendaraan.
7
biaya per km sebesar Rp 7000. Biaya tetap untuk setiap kendaraan yang digunakan
sebesar Rp 200000, biaya tetap itu dikeluarkan untuk biaya pengawalan kendaraan
yang digunakan selama pengiriman. Data yang berkaitan dengan kendaraan untuk
semua kasus dalam uji model ini dapat dilihat pada Tabel 1 berikut:
Tabel 1 Kecepatan, kapasitas, dan biaya kendaraan dalam uji model
Kode
Kendaraan
Kecepatan
(km/jam)
Biaya
Tetap
Biaya
per km
Kapasitas
Cash Cartridge
1
40
200000
5000
12
2
40
200000
5000
12
3
40
200000
7000
16
Deskripsi dan Uji Kasus Pertama
Misalkan dalam uji kasus pertama, hasil yang diharapkan adalah
pendistribusikan menggunakan satu kendaraan dengan satu ritasi untuk memenuhi
semua permintaan setiap
node
. Terdapat tiga
node
yang akan dikunjungi yaitu
node
2,
node
3, dan
node
4. Jarak antar-
node
untuk uji kasus pertama diberikan oleh
Tabel 2 berikut, dengan
node
1 dan
node
5 menyatakan depot yang sama:
Tabel 2 Jarak antar-
node
(dalam km) uji kasus pertama
Node
1
2
3
4
5
1
0
1
1
2
0
2
1
0
1
1
1
3
1
1
0
1
1
4
2
1
1
0
2
5
0
1
1
2
0
Setiap
node
memiliki permintaan
cash cartridge
dan
time windows
masing-masing. Kendala permintaan dan
time windows
yang dimaksud untuk uji kasus
pertama dapat dilihat pada Tabel 3 berikut:
Tabel 3
Time windows
dan permintaan setiap
node
uji kasus pertama
Node
Lama Pelayanan
(dalam jam)
Time Windows
Permintaan
Cash Cartridge
1
1
00.00
–
24.00
0
2
1
00.00
–
24.00
4
3
1
00.00 – 24.00
4
4
1
00.00
–
24.00
4
8
Dari data-data yang digunakan dalam uji kasus pertama ini, setelah
diimplementasikan ke dalam model menghasilkan solusi sesuai dengan yang
diinginkan dengan nilai fungsi objektif atau biaya pengiriman sebesar Rp 220000.
Rute pengiriman yang dihasilkan dapat dilihat pada Tabel 4 berikut:
Tabel 4 Rute pengiriman hasil uji kasus pertama
Kode
Kendaraan
Jenis
Kendaraan
Banyak
Ritasi
Rute Pengangkutan
1
12
cash cartridge
1
1 → 2
[4]
→ 4
[4]
→ 3
[4]
→ 1
2
12
cash cartridge
0
-
3
16
cash cartridge
0
-
a
Angka di dalam [ ] menunjukkan banyaknya
cash cartridge
yang diisi ulang untuk
setiap
node
.
Deskripsi dan Uji Kasus Kedua
Misalkan dalam uji kasus kedua, hasil yang diharapkan adalah
pendistribusikan menggunakan satu kendaraan dengan dua ritasi untuk memenuhi
semua permintaan setiap
node
. Terdapat empat
node
yang akan dikunjungi yaitu
node
2,
node
3,
node
4, dan
node
5. Jarak antar-
node
untuk uji kasus kedua
diberikan oleh Tabel 5 berikut, dengan
node
1 dan
node
6 menyatakan depot yang
sama:
Tabel 5 Jarak antar-
node
(dalam km) uji kasus kedua
Node
1
2
3
4
5
6
1
0
1
1
2
3
0
2
1
0
1
1
1
1
3
1
1
0
1
1
1
4
2
1
1
0
1
2
5
3
1
1
1
0
3
6
0
1
1
2
3
0
9
Tabel 6
Time windows
dan permintaan setiap
node
uji kasus kedua
Node
Lama Pelayanan
(dalam jam)
Time Windows
Permintaan
Cash Cartridge
1
1
00.00
–
24.00
0
2
1
00.00
–
24.00
4
3
1
00.00
–
24.00
4
4
2
00.00 – 24.00
8
5
2
00.00
–
24.00
8
6
1
00.00
–
24.00
0
Dari data-data yang digunakan dalam uji kasus kedua ini, setelah
diimplementasikan ke dalam model menghasilkan solusi sesuai dengan yang
diinginkan dengan nilai fungsi objektif atau biaya pengiriman sebesar Rp 245000.
Rute pengiriman yang dihasilkan dapat dilihat pada Tabel 7 berikut:
Tabel 7 Rute pengiriman hasil uji kasus kedua
Kode
Kendaraan
Jenis
Kendaraan
Banyak
Ritasi
Rute Pengangkutan
1
12
cash cartridge
2
1 → 2 [4] → 5 [8] → 6 → 4 [8] →
3 [4]
→ 1
2
12
cash cartridge
0
-
3
16
cash cartridge
0
-
a
Angka di dalam [ ] menunjukkan banyaknya
cash cartridge
yang diisi ulang untuk
setiap
node
.
Deskripsi dan Uji Kasus Ketiga
Misalkan dalam uji kasus ketiga, hasil yang diharapkan adalah
pendistribusikan menggunakan dua kendaraan dengan satu ritasi untuk setiap
kendaraan untuk memenuhi semua permintaan setiap
node
. Terdapat empat
node
yang akan dikunjungi yaitu
node
2,
node
3,
node
4, dan
node
5. Jarak antar-
node
untuk uji kasus ketiga diberikan oleh Tabel 8 berikut, dengan
node
1 dan
node
6
menyatakan depot yang sama:
Tabel 8 Jarak antar-
node
(dalam km) uji kasus ketiga
10
Setiap
node
memiliki permintaan
cash cartridge
dan
time windows
masing-masing. Kendala permintaan dan
time windows
yang dimaksud untuk uji kasus
ketiga dapat dilihat pada Tabel 9 berikut:
Tabel 9
Time windows
dan permintaan setiap
node
uji kasus ketiga
Node
Lama Pelayanan
(dalam jam)
Time Windows
Permintaan
Cash Cartridge
1
1
00.00
–
24.00
0
2
2
01.00
–
06.00
8
3
1
01.00 – 06.00
4
4
2
01.00 – 06.00
8
5
1
01.00
–
06.00
4
6
1
00.00
–
24.00
0
Dari data-data yang digunakan dalam uji kasus ketiga ini, setelah
diimplementasikan ke dalam model menghasilkan solusi sesuai dengan yang
diinginkan dengan nilai fungsi objektif atau biaya pengiriman sebesar Rp 445000.
Rute pengiriman yang dihasilkan dapat dilihat pada Tabel 10 berikut:
Tabel 10 Rute pengiriman hasil uji kasus ketiga
Kode
Kendaraan
Jenis
Kendaraan
Banyak
Ritasi
Rute Pengangkutan
1
12
cash cartridge
1
1 → 3 [4] → 2
[8]
→ 1
2
12
cash cartridge
1
1 → 5 [4] → 4 [8] → 1
3
16
cash cartridge
0
-
a
Angka di dalam [ ] menunjukkan banyaknya
cash cartridge
yang diisi ulang untuk
setiap
node
.
IMPLEMENTASI MODEL
Deskripsi dan Formulasi Masalah Pengiriman
Cash Cartridge
Misalkan dalam masalah pengiriman
cash cartridge
, suatu depot akan
mengirimkan ke beberapa
node
. Pada implementasi ini depot merepresentasikan
bank dan setiap
node
merepresentasikan keberadaan ATM. Terdapat delapan
node
11
Tabel 11 Jarak antar-
node
(dalam km)
Node
1
2
3
4
5
6
7
8
9
10
1
0
1
1
2
3
3
3
6
7
0
2
1
0
1
1
1
2
5
5
9
1
3
1
1
0
1
1
1
1
5
9
1
4
2
1
1
0
1
3
5
5
7
2
5
3
1
1
1
0
1
4
6
7
3
6
3
2
1
3
1
0
5
7
8
3
7
3
5
1
5
4
5
0
3
5
3
8
6
5
5
5
6
7
3
0
2
6
9
7
8
9
7
7
8
5
2
0
7
10
0
1
1
2
3
3
3
6
7
0
Setiap
node
memiliki permintaan
cash cartridge
dan
time windows
masing-masing. Kendala permintaan dan
time windows
yang dimaksud dapat dilihat pada
Tabel 12 berikut:
Tabel 12
Time windows
dan permintaan setiap
node
Node
Lama Pelayanan
(dalam jam)
Time Windows
Permintaan
Cash Cartridge
1
1
00.00
–
24.00
0
2
1
01.00 – 06.00
4
3
2
01.00
–
06.00
8
4
1
01.00
–
06.00
4
5
2
01.00
–
06.00
8
6
5
01.00 – 11.00
20
7
1
18.00
–
23.00
4
8
1
18.00
–
23.00
4
9
1
18.00
–
23.00
4
10
1
00.00 – 24.00
0
Depot memiliki lima kendaraan dengan dua tipe kendaraan, tipe pertama
berkapasitas dua belas
cash cartridge
berjumlah tiga kendaraan dengan biaya per
km sebesar Rp 5000 dan tipe kedua berkapasitas enam belas
cash cartridge
12
Tabel 13 Kecepatan, kapasitas, dan biaya kendaraan
Kode
Kendaraan
Kecepatan
(km/jam)
Biaya
Tetap
Biaya
per km
Kapasitas
Cash Cartridge
1
40
200000
5000
12
2
40
200000
5000
12
3
40
200000
5000
12
4
40
200000
7000
16
5
40
200000
7000
16
Data yang diberikan merupakan data hipotetik yang dapat digunakan untuk
keperluan simulasi. Masalah pengiriman dalam implementasi model ini dapat
diformulasikan sebagai berikut:
Himpunan
= himpunan semua kendaraan,
= { , , … , }
,
= himpunan
node
dengan permintaan kurang dari atau sama dengan kapasitas
maksimal kendaraan,
= { , , , , , , }
,
= himpunan
node
dengan permintaan lebih dari kapasitas maksimal kendaraan,
= { }
,
= himpunan semua
node
,
= { , , … , }
, dengan 1 dan 10 menyatakan
depot yang sama.
Indeks
i,j,p
= indeks untuk menyatakan
node
,
k
= indeks untuk menyatakan kendaraan.
Parameter
= kapasitas pada kendaraan
k
(Tabel 13),
= biaya perjalanan per km pada kendaraan
k
(Tabel 13),
= biaya tetap untuk setiap kendaraan yang digunakan (Tabel 13),
= kecepatan untuk setiap kendaraan
k
(Tabel 13),
= lamanya pelayanan pada
node i
(Tabel 12),
= batas awal waktu pelayanan pada
node i
(Tabel 12),
= batas akhir waktu pelayanan pada
node i
(Tabel 12),
= permintaan
cash cartridge
untuk setiap
node i
(Tabel 12),
= jarak antara
node i
dan
node j
(Tabel 11),
bigM
= 100000.
Variabel Keputusan
= banyaknya ritasi kendaraan
k
,
= waktu tempuh antara
node i
dan
node j
untuk kendaraan
k
,
= waktu
node
mulai dilayani oleh kendaraan ,
= banyaknya
cash cartridge
yang kosong pada kendaraan
k
setelah
meninggalkan
node i
,
13
1, jika kendaraan
k
mengunjungi
node j
setelah
node i
0, lainnya.
1, jika kendaraan
k
digunakan untuk mengantarkan
cash cartridge
0, lainnya.
=
{
=
{
Fungsi Objektif
Fungsi objektif model ini adalah meminimumkan biaya perjalanan ditinjau
dari jumlah biaya tetap ditambah jumlah biaya per km untuk setiap kendaraan yang
digunakan, yakni:
min � = ∑
5
=
+ ∑ ∑ ∑
= = 5
=
.
Kendala
Kendala yang harus dipenuhi untuk model ini adalah sebagai berikut:
1
Setiap kendaraan tidak harus digunakan,
∑
9
=
,
∀ = , , … , .
2
Kendaraan yang meninggalkan depot dipastikan untuk mengantarkan
cash
cartridge
,
∑
9
=
= ,
∀ = , , … , .
3
Tidak ada
node
yang dikunjungi oleh kendaraan yang tidak digunakan,
,
∀ , = , , … , ; ∀ = , , . . , .
4
Kendaraan yang mengunjungi
node
harus meninggalkan
node
tersebut,
∑
�= ≠�
− ∑
� = �≠= ,
∀� = , , … , ; ∀ = , , … , .
5
Node
yang memiliki permintaan kurang dari atau sama dengan kapasitas
maksimal kendaraan dikunjungi tepat satu kali,
∑ ∑
= ≠
=
5
=
,
∀ = , , , , , , .
6
Node
yang memiliki permintaan lebih dari kapasitas maksimal kendaraan
dikunjungi lebih dari satu kali,
∑
5
=
= ,
∀ = ,
∑
=
14
7
Jumlah
cash cartridge
kosong kumulatif pada kendaraan yang meninggalkan
node
akan bertambah,
+
−
( −
)� � ,
∀ = , , … , ; ∀ = , , … , ;
∀ = , , , , , , ,
+
−
( −
)� � ,
∀ = , , … , ;
∀ = , , … , ; ∀ = .
8
Kendaraan yang digunakan harus kembali ke depot,
∑
9
=
= ,
∀ = , , … , .
9
Jumlah
cash cartridge
kosong kumulatif tidak boleh melebihi kapasitas setiap
kendaraan,
,
∀ = , , … , ; ∀ = , , … , .
10
Jumlah
cash cartridge
kosong kumulatif setiap kendaraan yang meninggalkan
depot adalah 0,
= ,
∀ = , , … , ,
= ,
∀ = , , … , .
11
Banyaknya ritasi setiap kendaraan merupakan frekuensi setiap kendaraan
berangkat dari depot dalam satu periode,
∑
+
9
=
=
,
∀ = , , … , .
12
Tidak ada perjalanan ke
node
yang sama,
= ,
∀ = , , … , ; ∀ = , , … , ,
= ,
∀ = , , … , .
13
Lama perjalanan dari
node i
ke
node j
untuk kendaraan
k,
=
,
∀ = , , … , ; ∀ , = , , … , .
14
Waktu mulai pelayanan pada
node j
,
+
+ − � � ( −
)
,
∀ = , , … , ; ∀ = , , … , ; ∀ = , , … , .
15
Batas awal waktu pelayanan pada
node i
,
,
∀ = , , … , ; ∀ = , , … , .
16
Batas akhir waktu pelayanan pada
node i
,
+
,
∀ = , , … , ; ∀ = , , … , .
17
Kendala ketaknegatifan,
,
∀ = , , … , ; ∀ = , , … , ,
,
∀ = , , … , ; ∀ = .
18
Kendala biner.
15
Hasil dan Pembahasan
Formulasi masalah model ini diselesaikan menggunakan
software
LINGO
11.0. Solusi yang dihasilkan adalah minimum global, artinya rute yang dihasilkan
merupakan rute dengan biaya paling minimum. Nilai fungsi objektif atau biaya
pengiriman yang dihasilkan model yaitu Rp 617000. Dengan menggunakan
komputer berspesifikasi CPU 1.50 GHz dan RAM 4 GB waktu komputasi yang
diperlukan untuk menghasilkan solusi adalah selama 3 jam 8 menit 47 detik. Rute
pengiriman yang dihasilkan dapat dilihat pada Tabel 14 berikut:
Tabel 14 Rute pengiriman hasil implementasi model
Kode
Kendaraan
Jenis
Kendaraan
Banyak
Ritasi
Rute Pengangkutan
1
12
cash cartridge
0
-
2
12
cash cartridge
0
-
3
12
cash cartridge
0
-
4
16
cash cartridge
2
1 → 4 [4] → 5 [8] → 6 [4] → 10
→
7 [4]
→ 8 [4] → 9 [4] → 1
5
16
cash cartridge
2
1 → 3 [8] → 2 [4] → 10 → 6 [16]
→ 1
aAngka di dalam [ ] menunjukan banyaknya
cash cartridge
yang diisi ulang untuk
setiap
node
.
Kendaraan yang digunakan mengirim
cash cartridge
untuk menghasilkan
rute yang optimal pada model ini hanya kendaraan 4 dan 5 masing-masing
melakukan sebanyak 2 rit, sedangkan kendaraan 1, 2, dan 3 tidak digunakan.
Terlihat juga
node
6 dikunjungi dua kali sesuai dengan permintaan yang melebihi
kapastitas maksimal suatu kendaraan.
SIMPULAN DAN SARAN
Simpulan
Penentuan rute pengiriman
cash cartridge
dari bank ke ATM dapat
dimodelkan sebagai masalah
Capacitated Vehicle Routing Problem with Time
Windows
(CVRPTW) menggunakan ILP.
Node
yang memiliki sejumlah ATM
dengan permintaan kurang dari atau sama dengan kapasitas maksimal kendaraan
hanya dikunjungi tepat satu kali dan
node
yang memiliki sejumlah ATM dengan
permintaan melebihi kapasitas maksimal kendaraan membuat
node
tersebut harus
dikunjungi lebih dari satu kali.
16
Saran
Penelitian ini dapat dikembangkan dengan pengimplementasian pada data
primer dari suatu Bank secara nyata serta mempertimbangkan kendala yang
memungkinkan semua
node
dapat dikunjungi lebih dari satu kali.
DAFTAR PUSTAKA
Winston WL. 2004.
Operations Research: Applications and Algorithms
. Ed ke-4.
New York (US): Duxbury.
Sarker RA, Newton CS. 2008.
Optimization Modelling: A Practical Approach
.
Boca Raton (US): CRC Press Taylor & Francis Group.
Caric T, Gold H. 2008.
Vehicle Routing Problem
. France (FX): InTech
17
Lampiran 1 Waktu tempuh antar-
node
untuk setiap kendaraan (dalam jam)
18
Lampiran 2 Sintaks dan hasil LINGO 11.0 pada implementasi Model
model
:
sets
:
vehicle/1..5/:Y,B,C,F,E,R;
node/1..10/:D,L,W,Q;
noded/1..9/;
mix1(node,vehicle):G,M,H;
mix2(node,node):T;
mix3(node,node,vehicle):X,A;
endsets
data
:
!kecepatan untuk setiap kendaraan;
E=
@ole
('E:\DataSkripsi.xlsx','kecepatan');
!lamanya pelayanan di tempat i;
L=
@ole
('E:\DataSkripsi.xlsx','lamapelayanan');
!batas awal pelayanan;
W=
@ole
('E:\DataSkripsi.xlsx','batasawal');
!batas akhir pelayanan;
Q=
@ole
('E:\DataSkripsi.xlsx','batasakhir');
!kapasitas kendaraan;
B=
@ole
('E:\DataSkripsi.xlsx','kapasitas')
;!fix cost;
F=
@ole
('E:\DataSkripsi.xlsx','biayatetap')
;!biaya per km;
C=
@ole
('E:\DataSkripsi.xlsx','biayaperkm')
;!demand setiap ATM;
D=
@ole
('E:\DataSkripsi.xlsx','permintaan')
;!jarak antar node;
T=
@ole
('E:\DataSkripsi.xlsx','jarak')
; enddatabigM=100000;
!fungsi objektif;
min
=
@sum
(vehicle(k):F(k)*Y(k))+
@sum
(vehicle(k):
@sum
(node(j):
@sum
(node(i)|i#NE#j:C(k)*T(i,j)
*X(i,j,k))));
!kendala-kendala;
!setiap kendaraan tidak harus meninggalkan depot ;
@for
(vehicle(k):
@sum
(noded(j)|j#GT#1:X(1,j,k))<=1);
!kendaraan
yang
meninggalkan
depot
dipastikan
untuk
mengantarkan uang;
@for
(vehicle(k):
@sum
(noded(j)|j#GT#1:X(1,j,k))=Y(k));
!tidak ada node yang dikunjungi oleh kendaraan yang tidak
digunakan;
@for
(vehicle(k):
@for
(node(j):
@for
(node(i)|i#NE#j:X(i,j,k)<=Y
(k))));
!kendaraan yang mengunjungi node harus meninggalkan node
tersebut;
@for
(vehicle(k):
@for
(node(p):
@sum
(node(i)|p#NE#i:X(i,p,k))-@sum
(node(j)|p#NE#j:X(p,j,k))=0));
19
@for
(noded(j)|j#GT#1#AND#j#NE#6:
@sum
(vehicle(k):
@sum
(node(i)
|j#NE#i:X(i,j,k)))=1);
!ATM yang memiliki permintaan lebih dari kapasitas
maksimal kendaraan dikunjungi lebih dari satu kali;
@sum
(vehicle(k):H(6,k))=1;
@for
(vehicle(k):
@sum
(node(j):X(j,6,k))>=H(6,k));
!jumlah kotak uang kosong kumulatif pada kendaraan yang
meninggalkan ATM akan bertambah;
@for
(vehicle(k):
@for
(node(i):
@for
(noded(j)|j#GT#1#AND#j#NE#6
#AND#i#NE#j:G(i,k)+D(j)-G(j,k)<=(1-X(i,j,k))*bigM)));
@for
(vehicle(k):
@for
(node(i):G(i,k)+H(6,k)*D(6)-G(6,k)<=(1-X(i,6,k))*bigM));
!kendaraan yang digunakan harus kembali ke depot;
@for
(vehicle(k):
@sum
(noded(i)|i#GT#1:X(i,1,k))=Y(k));
!jumlah kotak kosong kumulatif tidak boleh melebihi kapasitas
setiap kendaraan;
@for
(vehicle(k):
@for
(node(i):G(i,k)<=B(k)));
!jumlah kotak kosong kumulatif setiap kendaraan yang
meninggalkan depot adalah 0;
@for
(vehicle(k):G(1,k)=0);
@for
(vehicle(k):G(10,k)=0);
!banyaknya rotasi seriap kendaraan merupakan frekuensi setiap
kendaraan mengunjungi depot depot dalam satu periode;
@for
(vehicle(k):
@sum
(noded(i)|i#GT#1:X(1,i,k)+X(10,i,k))=R(k
));
!tidak ada perjalanan ke node yang sama;
@for
(vehicle(k):
@for
(node(i):X(i,i,k)=0));
@for
(vehicle(k):
@for
(node(i):X(1,10,k)=0));
!lama perjalanan dari tempat i ke tempat j untuk kendaraan k;
@for
(vehicle(k):
@for
(node(i):
@for
(node(j)|i#NE#j:A(i,j,k)=(T
(i,j)/E(k)))));
!waktu mulai pelayanan ATM (Pengisian uang) di tempat j;
@for
(vehicle(k):
@for
(node(i):
@for
(node(j)|i#NE#j#AND#j#GT#1:
M(i,k)+(T(i,j)/E(k))+L(i)-bigM*(1-(x(i,j,k)))<=M(j,k))));
!batas awal pelayanan di tempat i;
@for
(vehicle(k):
@for
(node(i):M(i,k)>=W(i)));
!batas akhir pelayanan di tempai i;
@for
(vehicle(k):
@for
(node(i):M(i,k)+L(i)<=Q(i)));
!ketaknegatifan;
@for
(vehicle(k):
@for
(node(i):G(i,k)>=0));
@for
(vehicle(k):G(6,k)>=0);
!kendala biner;
@for
(vehicle(k):
@for
(node(i):
@for
(node(j)|i#NE#j:
@bin
(X(i,j,
k)))));
@for
(vehicle(k):
@bin
(Y(k)));
Global optimal solution found.
20
Variable Value
BIGM 100000.0 Y( 1) 0.000000 Y( 2) 0.000000 Y( 3) 0.000000 Y( 4) 1.000000 Y( 5) 1.000000 B( 1) 12.00000 B( 2) 12.00000 B( 3) 12.00000 B( 4) 16.00000 B( 5) 16.00000 C( 1) 5000.000 C( 2) 5000.000 C( 3) 5000.000 C( 4) 7000.000 C( 5) 7000.000 F( 1) 200000.0 F( 2) 200000.0 F( 3) 200000.0 F( 4) 200000.0 F( 5) 200000.0 E( 1) 40.00000 E( 2) 40.00000 E( 3) 40.00000 E( 4) 40.00000 E( 5) 40.00000 R( 1) 0.000000 R( 2) 0.000000 R( 3) 0.000000 R( 4) 2.000000 R( 5) 2.000000 D( 1) 0.000000 D( 2) 4.000000 D( 3) 8.000000 D( 4) 4.000000 D( 5) 8.000000 D( 6) 20.00000 D( 7) 4.000000 D( 8) 4.000000 D( 9) 4.000000 D( 10) 0.000000 L( 1) 1.000000 L( 2) 1.000000 L( 3) 2.000000 L( 4) 1.000000 L( 5) 2.000000 L( 6) 5.000000 L( 7) 1.000000 L( 8) 1.000000
L( 9) 1.000000 L( 10) 1.000000 W( 1) 0.000000 W( 2) 1.000000 W( 3) 1.000000 W( 4) 1.000000 W( 5) 1.000000 W( 6) 1.000000 W( 7) 18.00000
W( 8) 18.00000 W( 9) 18.00000 W( 10) 0.000000 Q( 1) 24.00000 Q( 2) 6.000000 Q( 3) 6.000000 Q( 4) 6.000000 Q( 5) 6.000000 Q( 6) 11.00000 Q( 7) 23.00000 Q( 8) 23.00000 Q( 9) 23.00000 Q( 10) 24.00000 G( 1, 1) 0.000000 G( 1, 2) 0.000000 G( 1, 3) 0.000000
G( 1, 4) 0.000000 G( 1, 5) 0.000000 G( 2, 1) 12.00000 G( 2, 2) 0.000000 G( 2, 3) 0.000000 G( 2, 4) 0.000000 G( 2, 5) 12.00000 G( 3, 1) 0.000000 G( 3, 2) 12.00000 G( 3, 3) 0.000000 G( 3, 4) 0.000000 G( 3, 5) 8.000000 G( 4, 1) 12.00000 G( 4, 2) 0.000000 G( 4, 3) 0.000000 G( 4, 4) 4.000000 G( 4, 5) 0.000000 G( 5, 1) 12.00000 G( 5, 2) 12.00000 G( 5, 3) 0.000000 G( 5, 4) 12.00000 G( 5, 5) 0.000000 G( 6, 1) 12.00000 G( 6, 2) 12.00000 G( 6, 3) 12.00000 G( 6, 4) 16.00000 G( 6, 5) 16.00000 G( 7, 1) 12.00000 G( 7, 2) 12.00000 G( 7, 3) 12.00000 G( 7, 4) 8.000000 G( 7, 5) 0.000000 G( 8, 1) 0.000000 G( 8, 2) 0.000000 G( 8, 3) 12.00000 G( 8, 4) 12.00000 G( 8, 5) 0.000000 G( 9, 1) 12.00000 G( 9, 2) 12.00000
21
G( 9, 5) 0.000000 G( 10, 1) 0.000000 G( 10, 2) 0.000000 G( 10, 3) 0.000000 G( 10, 4) 0.000000 G( 10, 5) 0.000000 M( 1, 1) 0.000000 M( 1, 2) 0.000000 M( 1, 3) 0.000000 M( 1, 4) 0.000000 M( 1, 5) 0.000000 M( 2, 1) 1.000000 M( 2, 2) 1.000000 M( 2, 3) 5.000000 M( 2, 4) 1.000000 M( 2, 5) 3.050000 M( 3, 1) 1.000000 M( 3, 2) 1.000000 M( 3, 3) 1.000000 M( 3, 4) 1.000000 M( 3, 5) 1.025000 M( 4, 1) 1.000000 M( 4, 2) 5.000000 M( 4, 3) 5.000000 M( 4, 4) 1.050000 M( 4, 5) 1.000000 M( 5, 1) 4.000000 M( 5, 2) 4.000000 M( 5, 3) 4.000000 M( 5, 4) 2.075000 M( 5, 5) 1.000000 M( 6, 1) 1.000000 M( 6, 2) 1.000000 M( 6, 3) 1.000000 M( 6, 4) 6.000000 M( 6, 5) 5.150000 M( 7, 1) 22.00000 M( 7, 2) 18.00000 M( 7, 3) 18.00000 M( 7, 4) 18.00000 M( 7, 5) 22.00000 M( 8, 1) 22.00000 M( 8, 2) 22.00000 M( 8, 3) 18.00000 M( 8, 4) 19.07500 M( 8, 5) 18.00000 M( 9, 1) 22.00000 M( 9, 2) 18.00000 M( 9, 3) 22.00000 M( 9, 4) 20.12500 M( 9, 5) 18.00000 M( 10, 1) 0.000000 M( 10, 2) 23.00000 M( 10, 3) 23.00000 M( 10, 4) 11.07500
M( 10, 5) 4.075000 H( 1, 1) 0.000000 H( 1, 2) 0.000000 H( 1, 3) 0.000000
H( 1, 4) 0.000000 H( 1, 5) 0.000000 H( 2, 1) 0.000000 H( 2, 2) 0.000000 H( 2, 3) 0.000000 H( 2, 4) 0.000000 H( 2, 5) 0.000000 H( 3, 1) 0.000000 H( 3, 2) 0.000000 H( 3, 3) 0.000000 H( 3, 4) 0.000000 H( 3, 5) 0.000000 H( 4, 1) 0.000000 H( 4, 2) 0.000000 H( 4, 3) 0.000000 H( 4, 4) 0.000000 H( 4, 5) 0.000000 H( 5, 1) 0.000000 H( 5, 2) 0.000000 H( 5, 3) 0.000000 H( 5, 4) 0.000000 H( 5, 5) 0.000000 H( 6, 1) 0.000000 H( 6, 2) 0.000000 H( 6, 3) 0.000000 H( 6, 4) 0.2000000 H( 6, 5) 0.8000000 H( 7, 1) 0.000000 H( 7, 2) 0.000000 H( 7, 3) 0.000000 H( 7, 4) 0.000000 H( 7, 5) 0.000000 H( 8, 1) 0.000000 H( 8, 2) 0.000000 H( 8, 3) 0.000000 H( 8, 4) 0.000000 H( 8, 5) 0.000000 H( 9, 1) 0.000000 H( 9, 2) 0.000000 H( 9, 3) 0.000000 H( 9, 4) 0.000000 H( 9, 5) 0.000000 H( 10, 1) 0.000000 H( 10, 2) 0.000000 H( 10, 3) 0.000000 H( 10, 4) 0.000000 H( 10, 5) 0.000000 T( 1, 1) 0.000000 T( 1, 2) 1.000000 T( 1, 3) 1.000000 T( 1, 4) 2.000000 T( 1, 5) 3.000000 T( 1, 6) 3.000000 T( 1, 7) 3.000000 T( 1, 8) 6.000000 T( 1, 9) 7.000000 T( 1, 10) 0.000000 T( 2, 1) 1.000000
22
T( 2, 3) 1.000000 T( 2, 4) 1.000000 T( 2, 5) 1.000000 T( 2, 6) 2.000000 T( 2, 7) 5.000000 T( 2, 8) 5.000000 T( 2, 9) 9.000000 T( 2, 10) 1.000000 T( 3, 1) 1.000000 T( 3, 2) 1.000000 T( 3, 3) 0.000000 T( 3, 4) 1.000000 T( 3, 5) 1.000000 T( 3, 6) 1.000000 T( 3, 7) 1.000000 T( 3, 8) 5.000000 T( 3, 9) 9.000000 T( 3, 10) 1.000000 T( 4, 1) 2.000000 T( 4, 2) 1.000000 T( 4, 3) 1.000000 T( 4, 4) 0.000000 T( 4, 5) 1.000000 T( 4, 6) 3.000000 T( 4, 7) 5.000000 T( 4, 8) 5.000000 T( 4, 9) 7.000000 T( 4, 10) 2.000000 T( 5, 1) 3.000000 T( 5, 2) 1.000000 T( 5, 3) 1.000000 T( 5, 4) 1.000000 T( 5, 5) 0.000000 T( 5, 6) 1.000000 T( 5, 7) 4.000000 T( 5, 8) 6.000000 T( 5, 9) 7.000000 T( 5, 10) 3.000000 T( 6, 1) 3.000000 T( 6, 2) 2.000000 T( 6, 3) 1.000000 T( 6, 4) 3.000000 T( 6, 5) 1.000000 T( 6, 6) 0.000000 T( 6, 7) 5.000000 T( 6, 8) 7.000000 T( 6, 9) 8.000000 T( 6, 10) 3.000000 T( 7, 1) 3.000000 T( 7, 2) 5.000000 T( 7, 3) 1.000000 T( 7, 4) 5.000000 T( 7, 5) 4.000000 T( 7, 6) 5.000000 T( 7, 7) 0.000000 T( 7, 8) 3.000000 T( 7, 9) 5.000000 T( 7, 10) 3.000000 T( 8, 1) 6.000000
T( 8, 2) 5.000000 T( 8, 3) 5.000000 T( 8, 4) 5.000000 T( 8, 5) 6.000000 T( 8, 6) 7.000000 T( 8, 7) 3.000000 T( 8, 8) 0.000000 T( 8, 9) 2.000000 T( 8, 10) 6.000000 T( 9, 1) 7.000000 T( 9, 2) 8.000000 T( 9, 3) 9.000000 T( 9, 4) 7.000000 T( 9, 5) 7.000000 T( 9, 6) 8.000000 T( 9, 7) 5.000000 T( 9, 8) 2.000000 T( 9, 9) 0.000000 T( 9, 10) 7.000000 T( 10, 1) 0.000000 T( 10, 2) 1.000000 T( 10, 3) 1.000000 T( 10, 4) 2.000000 T( 10, 5) 3.000000 T( 10, 6) 3.000000 T( 10, 7) 3.000000 T( 10, 8) 6.000000 T( 10, 9) 7.000000 T( 10, 10) 0.000000
X( 1, 3, 5) 1.000000 X( 1, 4, 4) 1.000000 X( 2, 10, 5) 1.000000 X( 3, 2, 5) 1.000000 X( 4, 5, 4) 1.000000
X( 5, 6, 4) 1.000000 X( 6, 1, 5) 1.000000 X( 6, 10, 4) 1.000000 X( 7, 8, 4) 1.000000 X( 8, 9, 4) 1.000000 X( 9, 1, 4) 1.000000 X( 10, 6, 5) 1.000000 X( 10, 7, 4) 1.000000
A( 1, 1, 1) 0.000000 A( 1, 1, 2) 0.000000 A( 1, 1, 3) 0.000000 A( 1, 1, 4) 0.000000 A( 1, 1, 5) 0.000000 A( 1, 2, 1) 0.2500000E-01 A( 1, 2, 2) 0.2500000E-01 A( 1, 2, 3) 0.2500000E-01 A( 1, 2, 4) 0.2500000E-01 A( 1, 2, 5) 0.2500000E-01 A( 1, 3, 1) 0.2500000E-01 A( 1, 3, 2) 0.2500000E-01 A( 1, 3, 3) 0.2500000E-01 A( 1, 3, 4) 0.2500000E-01 A( 1, 3, 5) 0.2500000E-01 A( 1, 4, 1) 0.5000000E-01
23
A( 1, 4, 3) 0.5000000E-01 A( 1, 4, 4) 0.5000000E-01 A( 1, 4, 5) 0.5000000E-01 A( 1, 5, 1) 0.7500000E-01 A( 1, 5, 2) 0.7500000E-01 A( 1, 5, 3) 0.7500000E-01 A( 1, 5, 4) 0.7500000E-01 A( 1, 5, 5) 0.7500000E-01 A( 1, 6, 1) 0.7500000E-01 A( 1, 6, 2) 0.7500000E-01 A( 1, 6, 3) 0.7500000E-01 A( 1, 6, 4) 0.7500000E-01 A( 1, 6, 5) 0.7500000E-01 A( 1, 7, 1) 0.7500000E-01 A( 1, 7, 2) 0.7500000E-01 A( 1, 7, 3) 0.7500000E-01 A( 1, 7, 4) 0.7500000E-01 A( 1, 7, 5) 0.7500000E-01 A( 1, 8, 1) 0.1500000 A( 1, 8, 2) 0.1500000 A( 1, 8, 3) 0.1500000 A( 1, 8, 4) 0.1500000 A( 1, 8, 5) 0.1500000 A( 1, 9, 1) 0.1750000 A( 1, 9, 2) 0.1750000 A( 1, 9, 3) 0.1750000 A( 1, 9, 4) 0.1750000 A( 1, 9, 5) 0.1750000 A( 1, 10, 1) 0.000000 A( 1, 10, 2) 0.000000 A( 1, 10, 3) 0.000000 A( 1, 10, 4) 0.000000 A( 1, 10, 5) 0.000000 A( 2, 1, 1) 0.2500000E-01 A( 2, 1, 2) 0.2500000E-01 A( 2, 1, 3) 0.2500000E-01 A( 2, 1, 4) 0.2500000E-01 A( 2, 1, 5) 0.2500000E-01
A( 2, 2, 1) 0.000000 A( 2, 2, 2) 0.000000 A( 2, 2, 3) 0.000000 A( 2, 2, 4) 0.000000 A( 2, 2, 5) 0.000000 A( 2, 3, 1) 0.2500000E-01 A( 2, 3, 2) 0.2500000E-01 A( 2, 3, 3) 0.2500000E-01 A( 2, 3, 4) 0.2500000E-01 A( 2, 3, 5) 0.2500000E-01
A( 2, 4, 1) 0.2500000E-01 A( 2, 4, 2) 0.2500000E-01 A( 2, 4, 3) 0.2500000E-01 A( 2, 4, 4) 0.2500000E-01 A( 2, 4, 5) 0.2500000E-01 A( 2, 5, 1) 0.2500000E-01 A( 2, 5, 2) 0.2500000E-01 A( 2, 5, 3) 0.2500000E-01 A( 2, 5, 4) 0.2500000E-01 A( 2, 5, 5) 0.2500000E-01 A( 2, 6, 1) 0.5000000E-01
A( 2, 6, 2) 0.5000000E-01 A( 2, 6, 3) 0.5000000E-01 A( 2, 6, 4) 0.5000000E-01 A( 2, 6, 5) 0.5000000E-01 A( 2, 7, 1) 0.1250000 A( 2, 7, 2) 0.1250000 A( 2, 7, 3) 0.1250000 A( 2, 7, 4) 0.1250000 A( 2, 7, 5) 0.1250000 A( 2, 8, 1) 0.1250000 A( 2, 8, 2) 0.1250000 A( 2, 8, 3) 0.1250000 A( 2, 8, 4) 0.1250000 A( 2, 8, 5) 0.1250000 A( 2, 9, 1) 0.2250000 A( 2, 9, 2) 0.2250000 A( 2, 9, 3) 0.2250000 A( 2, 9, 4) 0.2250000 A( 2, 9, 5) 0.2250000 A( 2, 10, 1) 0.2500000E-01 A( 2, 10, 2) 0.2500000E-01 A( 2, 10, 3) 0.2500000E-01 A( 2, 10, 4) 0.2500000E-01 A( 2, 10, 5) 0.2500000E-01 A( 3, 1, 1) 0.2500000E-01 A( 3, 1, 2) 0.2500000E-01 A( 3, 1, 3) 0.2500000E-01 A( 3, 1, 4) 0.2500000E-01 A( 3, 1, 5) 0.2500000E-01 A( 3, 2, 1) 0.2500000E-01
A( 3, 2, 2) 0.2500000E-01 A( 3, 2, 3) 0.2500000E-01 A( 3, 2, 4) 0.2500000E-01
A( 3, 2, 5) 0.2500000E-01 A( 3, 3, 1) 0.000000 A( 3, 3, 2) 0.000000 A( 3, 3, 3) 0.000000 A( 3, 3, 4) 0.000000 A( 3, 3, 5) 0.000000 A( 3, 4, 1) 0.2500000E-01 A( 3, 4, 2) 0.2500000E-01 A( 3, 4, 3) 0.2500000E-01 A( 3, 4, 4) 0.2500000E-01 A( 3, 4, 5) 0.2500000E-01 A( 3, 5, 1) 0.2500000E-01 A( 3, 5, 2) 0.2500000E-01 A( 3, 5, 3) 0.2500000E-01 A( 3, 5, 4) 0.2500000E-01 A( 3, 5, 5) 0.2500000E-01 A( 3, 6, 1) 0.2500000E-01 A( 3, 6, 2) 0.2500000E-01
A( 3, 6, 3) 0.2500000E-01 A( 3, 6, 4) 0.2500000E-01 A( 3, 6, 5) 0.2500000E-01
24
A( 3, 8, 1) 0.1250000 A( 3, 8, 2) 0.1250000 A( 3, 8, 3) 0.1250000 A( 3, 8, 4) 0.1250000 A( 3, 8, 5) 0.1250000 A( 3, 9, 1) 0.2250000 A( 3, 9, 2) 0.2250000 A( 3, 9, 3) 0.2250000 A( 3, 9, 4) 0.2250000 A( 3, 9, 5) 0.2250000 A( 3, 10, 1) 0.2500000E-01 A( 3, 10, 2) 0.2500000E-01 A( 3, 10, 3) 0.2500000E-01 A( 3, 10, 4) 0.2500000E-01 A( 3, 10, 5) 0.2500000E-01 A( 4, 1, 1) 0.5000000E-01 A( 4, 1, 2) 0.5000000E-01 A( 4, 1, 3) 0.5000000E-01 A( 4, 1, 4) 0.5000000E-01 A( 4, 1, 5) 0.5000000E-01 A( 4, 2, 1) 0.2500000E-01 A( 4, 2, 2) 0.2500000E-01 A( 4, 2, 3) 0.2500000E-01 A( 4, 2, 4) 0.2500000E-01 A( 4, 2, 5) 0.2500000E-01 A( 4, 3, 1) 0.2500000E-01 A( 4, 3, 2) 0.2500000E-01 A( 4, 3, 3) 0.2500000E-01 A( 4, 3, 4) 0.2500000E-01 A( 4, 3, 5) 0.2500000E-01 A( 4, 4, 1) 0.000000 A( 4, 4, 2) 0.000000 A( 4, 4, 3) 0.000000 A( 4, 4, 4) 0.000000 A( 4, 4, 5) 0.000000 A( 4, 5, 1) 0.2500000E-01 A( 4, 5, 2) 0.2500000E-01 A( 4, 5, 3) 0.2500000E-01 A( 4, 5, 4) 0.2500000E-01 A( 4, 5, 5) 0.2500000E-01 A( 4, 6, 1) 0.7500000E-01 A( 4, 6, 2) 0.7500000E-01 A( 4, 6, 3) 0.7500000E-01 A( 4, 6, 4) 0.7500000E-01 A( 4, 6, 5) 0.7500000E-01
A( 4, 7, 1) 0.1250000 A( 4, 7, 2) 0.1250000 A( 4, 7, 3) 0.1250000 A( 4, 7, 4) 0.1250000 A( 4, 7, 5) 0.1250000 A( 4, 8, 1) 0.1250000 A( 4, 8, 2) 0.1250000 A( 4, 8, 3) 0.1250000 A( 4, 8, 4) 0.1250000 A( 4, 8, 5) 0.1250000 A( 4, 9, 1) 0.1750000 A( 4, 9, 2) 0.1750000 A( 4, 9, 3) 0.1750000 A( 4, 9, 4) 0.1750000
A( 4, 9, 5) 0.1750000 A( 4, 10, 1) 0.5000000E-01 A( 4, 10, 2) 0.5000000E-01 A( 4, 10, 3) 0.5000000E-01 A( 4, 10, 4) 0.5000000E-01 A( 4, 10, 5) 0.5000000E-01 A( 5, 1, 1) 0.7500000E-01 A( 5, 1, 2) 0.7500000E-01 A( 5, 1, 3) 0.7500000E-01 A( 5, 1, 4) 0.7500000E-01 A( 5, 1, 5) 0.7500000E-01 A( 5, 2, 1) 0.2500000E-01 A( 5, 2, 2) 0.2500000E-01 A( 5, 2, 3) 0.2500000E-01 A( 5, 2, 4) 0.2500000E-01 A( 5, 2, 5) 0.2500000E-01 A( 5, 3, 1) 0.2500000E-01 A( 5, 3, 2) 0.2500000E-01 A( 5, 3, 3) 0.2500000E-01 A( 5, 3, 4) 0.2500000E-01 A( 5, 3, 5) 0.2500000E-01 A( 5, 4, 1) 0.2500000E-01 A( 5, 4, 2) 0.2500000E-01 A( 5, 4, 3) 0.2500000E-01 A( 5, 4, 4) 0.2500000E-01 A( 5, 4, 5) 0.2500000E-01
A( 5, 5, 1) 0.000000 A( 5, 5, 2) 0.000000 A( 5, 5, 3) 0.000000 A( 5, 5, 4) 0.000000 A( 5, 5, 5) 0.000000 A( 5, 6, 1) 0.2500000E-01 A( 5, 6, 2) 0.2500000E-01 A( 5, 6, 3) 0.2500000E-01 A( 5, 6, 4) 0.2500000E-01 A( 5, 6, 5) 0.2500000E-01 A( 5, 7, 1) 0.1000000 A( 5, 7, 2) 0.1000000 A( 5, 7, 3) 0.1000000 A( 5, 7, 4) 0.1000000 A( 5, 7, 5) 0.1000000 A( 5, 8, 1) 0.1500000 A( 5, 8, 2) 0.1500000 A( 5, 8, 3) 0.1500000 A( 5, 8, 4) 0.1500000
A( 5, 8, 5) 0.1500000
A( 5, 9, 1) 0.1750000 A( 5, 9, 2) 0.1750000 A( 5, 9, 3) 0.1750000 A( 5, 9, 4) 0.1750000 A( 5, 9, 5) 0.1750000 A( 5, 10, 1) 0.7500000E-01 A( 5, 10, 2) 0.7500000E-01 A( 5, 10, 3) 0.7500000E-01 A( 5, 10, 4) 0.7500000E-01 A( 5, 10, 5) 0.7500000E-01 A( 6, 1, 1) 0.7500000E-01 A( 6, 1, 2) 0.7500000E-01
25
A( 6, 1, 4) 0.7500000E-01 A( 6, 1, 5) 0.7500000E-01 A( 6, 2, 1) 0.5000000E-01 A( 6, 2, 2) 0.5000000E-01 A( 6, 2, 3) 0.5000000E-01 A( 6, 2, 4) 0.5000000E-01 A( 6, 2, 5) 0.5000000E-01 A( 6, 3, 1) 0.2500000E-01 A( 6, 3, 2) 0.2500000E-01 A( 6, 3, 3) 0.2500000E-01 A( 6, 3, 4) 0.2500000E-01 A( 6, 3, 5) 0.2500000E-01 A( 6, 4, 1) 0.7500000E-01 A( 6, 4, 2) 0.7500000E-01 A( 6, 4, 3) 0.7500000E-01 A( 6, 4, 4) 0.7500000E-01 A( 6, 4, 5) 0.7500000E-01 A( 6, 5, 1) 0.2500000E-01 A( 6, 5, 2) 0.2500000E-01 A( 6, 5, 3) 0.2500000E-01 A( 6, 5, 4) 0.2500000E-01 A( 6, 5, 5) 0.2500000E-01 A( 6, 6, 1) 0.000000 A( 6, 6, 2) 0.000000 A( 6, 6, 3) 0.000000 A( 6, 6, 4) 0.000000 A( 6, 6, 5) 0.000000 A( 6, 7, 1) 0.1250000 A( 6, 7, 2) 0.1250000 A( 6, 7, 3) 0.1250000 A( 6, 7, 4) 0.1250000 A( 6, 7, 5) 0.1250000 A( 6, 8, 1) 0.1750000 A( 6, 8, 2) 0.1750000 A( 6, 8, 3) 0.1750000 A( 6, 8, 4) 0.1750000 A( 6, 8, 5) 0.1750000 A( 6, 9, 1) 0.2000000 A( 6, 9, 2) 0.2000000 A( 6, 9, 3) 0.2000000 A( 6, 9, 4) 0.2000000 A( 6, 9, 5) 0.2000000 A( 6, 10, 1) 0.7500000E-01 A( 6, 10, 2) 0.7500000E-01 A( 6, 10, 3) 0.7500000E-01 A( 6, 10, 4) 0.7500000E-01 A( 6, 10, 5) 0.7500000E-01
A( 7, 1, 1) 0.7500000E-01 A( 7, 1, 2) 0.7500000E-01 A( 7, 1, 3) 0.7500000E-01 A( 7, 1, 4) 0.7500000E-01 A( 7, 1, 5) 0.7500000E-01 A( 7, 2, 1) 0.1250000 A( 7, 2,