BAB IV CONTOH NUMERIK DAN ANALISIS KOMPUTASIONAL

(1)

BAB IV

CONTOH NUMERIK DAN ANALISIS KOMPUTASIONAL

IV.1. Karakteristik Data Hipotetik.

Penyelesaian VRP dengan karakteristik fleet mix vehicle, multiple trips, split

delivery, multiple products dan multiple compartments dengan teknik algoritma

genetik diuji dengan menggunakan sembilan data hipotetik dari Komara (2006).

Arvianto (2009) juga menggunakan kesembilan data hipotetik ini untuk penyelesaian

VRP dengan karakteristik multiple trips, multiple time windows, split delivery,

multiple products and multiple compartments. Sembilan contoh data ini dibagi

menurut karakteristik lokasi pelanggan (random, berkelompok, dan campuran

random dan berkelompok). Pada masing-masing set data hipotetik, terdapat 50

pelanggan dengan lokasi pelanggan dinyatakan dalam koordinat cartesisus (x,y)

dengan batas-batas koordinat (0,0) hingga (10,10). Satu satuan dalam koordinat

ekivalen dengan 1 kilometer (km). lokasi depot terdapat pada koordinat (5,5). Jarak

antar lokasi didefinisikan sebagai jarak euclidian.

Produk yang dikirimkan terdiri dari tiga jenis. Terdapat tiga tipe kendaraan yang

digunakan dan mempunyai tiga kompartemen dengan kapasitas tertentu. Tabel IV.1

berikut memperlihatkan spesifikasi data kendaraan dan kompartemen.

Tabel IV.1. Spesifikasi Data Kendaraan dan Kompartemen

Tipe

Kendaraan

Fixed Cost (Rp/Hor.Perenc) Variabel Cost (Rp/jam) Kapasitas Kompartemen 1 (unit) Kapasitas Kompartemen 2 (unit) Kapasitas Kompartemen 3 (unit)

Tipe 1

100500

5000

4

8

12 Tipe 2

101000

5500

5

10

15 Tipe 3

101500

5750

7

14

21 Sebaran lokasi pelanggan yang teracak, terkelompok, dan tercampur diperlihatkan

pada Gambar IV.1, IV.2, IV.3 di bawah ini

(2)

Gambar. IV.1. Lokasi Pelanggan Data Hipotetik ”Random 1”

(3)

Gambar IV.3. Lokasi Pelanggan Data Hipotetik ”Campur 1”

Pada beberapa pelanggan, demand pengiriman pelanggan melebihi kapasitas

kendaraan sehingga harus melakukan split delivery. Kecepatan kendaraan adalah 50

mil/jam. Waktu loading sama dengan waktu discharging yaitu 30 unit/jam. Waktu

setup sebesar 0,2 jam. Horison perencanaan sepanjang10 jam. Sembilan contoh data

hipotetik yang digunakan dalam penelitian ini dapat dilihat pada Lampiran B.

IV.2. Contoh Numerik

Contoh numerik ini melakukan perhitungan permasalahan permasalahan VRP with

fleet mix vehicle, multiple trips, Split delivery, multiple products and multiple

compartments dengan menggunakan fungsi tujuan minimisasi total routing cost yang

terdapat dalam persamaan 3-7.

Tabel IV.2 dibawah ini memperlihatkan data input VRP dengan karateristik fleet mix

vehicle, multiple trips, split delivery, multiple products dan multiple compartments

untuk data hipotetik “cluster 1”.

(4)

Tabel IV.2. Input Data Hipotetik “Cluster 1”

Jumlah Depot 1 Jumlah Pelanggan 50 Jumlah Jenis Produk 3 Horison Perencanaan (Jam) 10 Tipe Kendaraan Heterogeneous Jumlah Tipe Kendaraan 3 Jumlah Kompartemen 3 Kecepatan Kendaraan (mil/h) 50 Waktu Setup (Jam) 0.2 Waktu Loading (Unit/Jam) 30 Waktu Unloading (Unit/Jam) 30 Kendaraan Tipe Kendaraan Fixed Cost (Rp/Hor.pernc) Variabel Cost (Rp/jam) Komp 1 (unit) Komp 2 (unit) Komp 3 (unit) Kendaraan Tipe 1 100500 5000 4 8 12 Kendaraan Tipe 2 101000 5500 5 10 15 Kendaraan Tipe 3 101500 5750 7 14 21 Depot dan Pelanggan

Pelanggan Position Position Produk 1 Produk 2 Produk 3

X Y (Unit) (Unit) (Unit)

0 5 5 0 0 0 1 0.17 1.43 1 2 3 2 0.83 0.85 1 2 3 3 1.58 0.28 1 2 3 4 1.63 0.35 1 2 3 5 0.58 1.37 6 12 18 6 0.82 0.42 1 2 3 7 5.82 1.17 1 2 3 8 4.8 0.58 1 2 3 9 5.28 0.25 1 2 3 10 4.97 0.08 1 2 3 11 5.47 0.87 1 2 3 12 8.72 0.08 1 2 3 13 8.8 1.42 1 2 3 14 8.68 0.87 1 2 3 15 8.35 0.38 6 12 18 16 8.55 0.12 1 2 3 17 9.22 0.72 1 2 3 18 1.12 4.25 1 2 3 19 0.63 4.65 1 2 3 20 0.37 5.52 6 12 18 21 1.13 4.82 1 2 3 22 1.58 4.25 1 2 3 23 4.83 5.33 1 2 3 24 4.68 5.73 1 2 3 25 4.72 5.72 6 12 18 26 4.62 4.87 1 2 3 27 4.17 5.22 1 2 3 28 5.2 5.17 1 2 3

(5)

Lanjutan Tabel Depot dan Pelanggan 29 9.37 4.9 1 2 3 30 9.85 5.17 6 12 18 31 9.5 5.23 1 2 3 32 9.33 4.88 1 2 3 33 9.37 4.28 1 2 3 34 0.73 8.43 1 2 3 35 1.23 9.67 6 12 18 36 0.52 8.97 1 2 3 37 0.27 8.43 1 2 3 38 0.12 9.42 1 2 3 39 0.98 8.55 1 2 3 40 5.2 8.5 6 12 18 41 4.87 9.98 1 2 3 42 5.27 8.57 1 2 3 43 5.52 9.77 1 2 3 44 5.02 8.77 1 2 3 45 8.72 9.13 6 12 18 46 9.88 9.47 1 2 3 47 9.47 9.68 1 2 3 48 9.08 9.15 1 2 3 49 9.92 9.9 1 2 3 50 9.72 8.63 1 2 3

Nilai parameter dan nilai operator genetik yang di gunakan di tunjukan pada Tabel

IV.3 di bawah ini.

Tabel IV.3. Data Algoritma Genetik

Populasi

20 Maksimum Generasi

50 Elitis

10 %

Migrasi

40 %

Mutasi

20 %

Crossover

30 %

Hasil pengolahan numerik secara rinci ditunjukkan pada Tabel IV.4 di bawah ini.

Tabel IV.4. Solusi Contoh VRPFMVMTMPMC Individu Terbaik Generasi Data

Hipotetik “ Cluster 1”

SUMMARY of GENETIC ALGORITHM SOLUTION Created on : 4/30/2009 12:37:36 PM File name Cluster 1.txt Name of Experiment Genetic Algorithm Process Time (second) 44.78 detik Number of Vehicles 6 Kendaraan Total Tour Duration Time 55.76 jam Range of Duration Time 2.6 jam Objective Function Rp.628665/Hrsn Prnc. VERIFICATIONS All Customers are Assigned: TRUE Feasibility of Vehicle Compartments: TRUE Feasibility of Planning Horizon: TRUE Number of Customer Splitted: 6 Splitted Customers: 15, 25, 30, 35, 40,45

(6)

Lanjutan tabel solusi VRPFMVMTSDMPMC Individu Terbaik GenerasiData Hipotetik “Cluster 1” DETAIL SCHEDULE Tour 1 Tipe Kendararaan : 1 Tour Duration Time : 9.393769 Jam Rute : 1

Customer Prod. 1 Prod. 2 Prod. 3 Waktu Utilitas Biaya

(Unit) (Unit) (Unit) (Jam) (Persen) (Rp)

0 0 0 0 25 4 8 12 0 0 0 0 Total 4 8 12 100% W. Setup 0.4 jam W. L/UL 1.6 jam W. Temp. 0.031 jam Rute : 2

0 0 0 0 28 1 2 3 23 1 2 3 26 1 2 3 27 1 2 3 0 0 0 0 Total 4 8 12 100% W. Setup 1 jam W. L/UL 1.6 jam W. Temp. 0.052 jam Rute : 3

0 0 0 0 25 2 4 6 24 1 2 3 40 1 2 3 0 0 0 0 Total 4 8 12 100% W. Setup 0.8 jam W. L/UL 1.6 jam W. Temp. 0.143 jam Rute : 4

0 0 0 0 22 1 2 3 18 1 2 3 21 1 2 3 0 0 0 0 Total 3 6 9 75% W. Setup 0.8 jam W. L/UL 1.2 jam W. Temp. 0.168 jam Biaya Perj. Tour Rp. 1,969.‐

(7)

Lanjutan tabel solusi VRPFMVMTSDMPMC Individu Terbaik GenerasiData Hipotetik “Cluster 1”

Tour 2 Tipe Kendararaan : 2

Tour Duration Time : 9.463558 Jam

Rute : 1

0 0 0 0 40 5 10 15 0 0 0 0 Total 5 10 15 100% W. Setup 0.4 jam W. L/UL 2 jam W. Temp. 0.14 jam Rute : 2

0 0 0 0 42 1 2 3 44 1 2 3 43 1 2 3 41 1 2 3 45 1 2 3 0 0 0 0 Total 5 10 15 100% W. Setup 1.2 jam W. L/UL 2 jam W. Temp. 0.304 jam Rute : 3

0 0 0 0 7 1 2 3 11 1 2 3 8 1 2 3 9 1 2 3 10 1 2 3 0 0 0 0 Total 5 10 15 100% W. Setup 1.2 jam W. L/UL 2 jam W. Temp. 0.219 jam Biaya Perj. Tour Rp. 3,650.‐ Tour 3 Tipe Kendararaan : 3 Tour Duration Time : 9.603667 Jam Rute : 1

0 0 0 0 32 1 2 3 29 1 2 3 31 1 2 3 30 4 8 12 0 0 0 0 Total 7 14 21 100% W. Setup 1 jam W. L/UL 2.8 jam W. Temp. 0.199 jam

(8)

Rute : 2

0 0 0 0 19 1 2 3 20 6 12 18 0 0 0 0 Total 7 14 21 100% W. Setup 0.6 jam W. L/UL 2.8 jam W. Temp. 0.199 jam Rute : 3

0 0 0 0 33 1 2 3 30 2 4 6 0 0 0 0 Total 3 6 9 42.86% W. Setup 0.6 jam W. L/UL 1.2 jam W. Temp. 0.206 jam Biaya Perj. Tour Rp. 3,471.‐ Tour 4 Tipe Kendararaan : 1 Tour Duration Time : 9.971546 Jam Rute : 1

0 0 0 0 45 4 8 12 0 0 0 0 Total 4 8 12 100% W. Setup 0.4 jam W. L/UL 1.6 jam W. Temp. 0.222 jam

(9)

Rute : 4

0 0 0 0 45 1 2 3 48 1 2 3 50 1 2 3 0 0 0 0 Total 3 6 9 75% W. Setup 0.8 jam W. L/UL 1.2 jam W. Temp. 0.254 jam Biaya Perj. Tour Rp. 4,858.‐ Tour 5 Tipe Kendararaan : 3 Tour Duration Time : 9.956523 Jam Rute : 1

0 0 0 0 5 6 12 18 1 1 2 3 0 0 0 0 Total 7 14 21 100% W. Setup 0.6 jam W. L/UL 2.8 jam W. Temp. 0.243 jam Rute : 3

0 0 0 0 4 1 2 3 3 1 2 3 2 1 2 3 0 0 0 0 Total 3 6 9 42.86% W. Setup 0.8 jam W. L/UL 1.2 jam W. Temp. 0.253 jam Biaya Perj. Tour Rp. 4,350.‐

(10)

Rute : 1

0 0 0 0 35 4 8 12 0 0 0 0 Total 4 8 12 100% W. Setup 0.4 jam W. L/UL 1.6 jam W. Temp. 0.24 jam Rute : 2

0 0 0 0 47 1 2 3 46 1 2 3 49 1 2 3 0 0 0 0 Total 3 6 9 75% W. Setup 0.8 jam W. L/UL 1.2 jam W. Temp. 0.286 jam Biaya Perj. Tour Rp. 4,868.‐ Jmlh Kend Tipe 1 : 3 Kend Jmlh Kend Tipe 2 : 1 Kend Jmlh Kend Tipe 3 : 2 Kend NV 6 Kend. TDT 55.76265 jam RCT 2.597962 jam Biaya Total Perj. Rp. 23,165.‐ Fitness Function 628,665.00

Gambar IV.4 sampai dengan gambar IV. 10 memperlihatkan map solusi keseluruhan

tur dan setiap tur dari individu terbaik generasi untuk permasalahan VRP with fleet

mix vehicle, multiple trips, Split delivery, multiple products and multiple

compartments dengan data hipotetik “Cluster 1”, dimana dibutuhkan 6 tur dengan tur

1 dilayani oleh kendaraan tipe 1n tur 2 oleh kendaraan tipe 2, tur 3 oleh kendaraan

tipe 3, tur 4 dilayani oleh kendaraan tipe 1, tur 5 dilyani oleh kendaraan tipe 3 dan

tur 6 dilayani oleh kendaraan tipe 1. Jadi dibutuhkan 6 kendaraan (kendaraan tipe 1

(11)

sebanyak 3 kendaraan, kendaraan tipe 2 sebanyak 1 kendaraan dan kendaraan tipe 3

sebanyak 2 kendaraan) untuk melayani permintaan 50 pelanggan.

Gambar IV.4. Map Solusi Keseluruhan Tur Data Hipotetik “ Cluster 1”

(12)

Gambar IV.6. Map Solusi Tur 2 Data Hipotetik “ Cluster 1”

(13)

Gambar IV.8. Map Solusi Tur 4 Data Hipotetik “ Cluster 1”

(14)

Gambar IV.10. Map Solusi Tur 6 Data Hipotetik “ Cluster 1”

Data-data output lain yang terkait dengan solusi permasalahan VRP with fleet mix

vehicle, multiple trips, Split delivery, multiple products and multiple compartments

data hipotetik “Cluster 1” di tampilkan dalam bentuk grafik-grafik di bawah ini.

Gambar IV.11. Grafik Pergerakan Nilai Fitnees Function Individu Terbaik

Setiap Generasi Data Hipotetik “ Cluster 1”

(15)

Dari Gambar IV.11 grafik fitness function untuk data hipotetik “Cluster 1”

menampilkan proses konvergensi untuk fitness function terjadi pada generasi ke

sepuluh selama pembentukan 50 generasi .

IV.3. Analisis Kestabilan Solusi

Analisis kestabilan solusi akan diuji menggunakan sembilan set data hipotetik.

Analisis ini dilakukan untuk melihat variansi dari solusi yang dihasilkan. Software

aplikasi yang dirancang untuk pemecahan VRP dengan karakteristik fleet mix

vehicle, multiple trips, split delivery, multiple products dan multiple compartements

dengan menggunakan algoritma genetika, dilakukan dengan menggunakan

spesifikasi perangkat komputer sebagai berikut:

Processor

: Intel Core 2 Duo 1,8 GHz

Memory

: DDR2 3 GB

Opr.

System

: Microsoft Windows Vista Home Premium

Developer

: Microsoft Visual Basic Version 6.0

Nilai parameter dan nilai operator genetika yang digunakan adalah :

Maksimum

Generasi

:

50 Jumlah Populasi

: 20

Elitis

:

10 %

Migrasi

: 40 %

Mutasi

:

20 %

Crossover

: 30 %

Percobaan yang dilakukan menggunakan fungsi tujuan meminimumkan total routing

cost. Karena hasil dari setiap percobaan berbeda-beda maka dilakukan perhitungan

jumlah replikasi yang di butuhkan untuk sembilan data hipotetik. Perhitungan jumlah

replikasi yang diperlukan menggunakan relative error yang diambil dari Harrell,

et.al (2004).

2 2 /

1 (

)

(

'

⎥

⎦

⎤

⎢

⎣

⎡

⎟⎟

⎠

⎞

⎜⎜

⎝

⎛

+

=

x

re

s

z

n

α

(4-1)

(16)

dengan :

α = tingkat kesalahan yang diijinkan → digunakan 5%

re = relative error → 10%

s = simpangan baku

x = Nilai rata-rata. → dicoba dengan n = 5 replikasi

n' = Jumlah replikasi yang dibutuhkan.

Berikut adalah rekapitulasi perhitungan jumlah replikasi untuk kesembilan data

hipotetik ditunjukan pada Tabel IV.5.

Tabel IV.5. Rekapitulasi Perhitungan Jumlah Replikasi

Data

Hipotetik

Jumlah

Replikasi (n’)

Data

Hipotetik

Jumlah

Replikasi (n’)

Data

Hipotetik

Jumlah

Replikasi (n’)

Campur 1

0.000294448

Cluster 1

0.000145426

Random 1

9.13333E‐05

Campur 2

0.000277821

Cluster 2

0.000211001

Random 2

0.000211922

Campur 3

0.000236816

Cluster 3

0.001006046

Random 3

0.000112459

Dari Tabel IV.5. diatas terlihat jumlah replikasi yang dibutuhkan untuk sembilan data

hipotetik adalah sebanyak satu replikasi, karena n’ < n maka n sebanyak 5 replikasi

dinyatakan cukup untuk percobaan kesembilan data hipotetik. Tabel IV.6 sampai

dengan Tabel IV.14 berikut akan menampilkan percobaan masing-masing data

hipotetik dengan lima replikasi. Dari seluruh hasil percobaan dengan lima replikasi

terlihat bahwa koofisien variansi untuk tiap data hipotetik nilainya mendekati nol,

sehingga dapat disimpulkan bahwa solusi yang dihasilkan dari seluruh percobaan

dapat dikatakan stabil.

Tabel IV.6 Hasil Percobaan Data Hipotetik ” Campur 1”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

44.91 629036

4

2

0

57.01

0.65

2

45.2 628620

2

4

0

56.82

0.75

3

45.21 629017

4

1

56.37

1.54

4

45.27 629302

1

3

2

55.37

1.97

5

45.27 628016

4

1

56.49

1.41 Rata‐rata

45.172 628798.2

3.0

2.2

0.8

56.412

1.264 Simpangan Baku

0.150066652

500.4569912

1.4

1.3

0.8

0.6359402 0.5561295

Kooefisien Variansi

0.003322117

0.000795894

0.5

0.6

1.0

0.0112731 0.4399759

(17)

Tabel IV.7. Hasil Percobaan Data Hipotetik ” Campur 2”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

45.54 628586

1

4

1

55.52

1.08

2

44.52 627565

4

1

56.21

1.57

3

44.73 627944

3

2

1

55.96

2.12

4

44.84 628677

4

1

56.88

0.7

5

44.88 628544

4

2

0

57.16

0.79 Rata‐rata

44.902 628263.2

3.2

2.0

0.8

56.346

1.252 Simpangan Baku

0.383040468

485.7084517

1.3

1.2

0.4 0.6703581

0.5920895

0.008530588

0.000773097

0.4

0.6

0.6 0.0118972

0.472915

Tabel IV.8. Hasil Percobaan Data Hipotetik ” Campur 3”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

44.65 628125

3

1

2

55.85

1.69

2

44.72 628302

2

4

0

56.41

0.77

3

44.8 629229

3

2

1

56.4

0.44

4

45.12 628905

2

4

0

56.51

0.57

5

45.13 628745

3

2

1

56.07

1.57 Rata‐rata

44.884 628661.2

2.6

0.8

56.248

1.008 Simpangan Baku

0.226340452

448.7183972

0.5

1.3

0.8 0.2775248

0.5813949

0.005042787

0.000713768

0.2

0.5

1.0 0.0049339

0.5767806

Tabel IV.9. Hasil Percobaan Data Hipotetik ” Cluster 1”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

44.55 628958

1

3

2

55.11

1.97

2

44.93 629316

4

1

56.96

1.29

3

44.69 629563

5

1

0

57.72

1.06

4

44.67 629309

2

55.94

2.17

5

44.78 628665

3

1

2

55.76

2.59 Rata‐rata

44.724 629162.6

3.0

1.6

1.4

56.298

1.816 Simpangan Baku

0.141350628

351.912347

1.6

0.9

0.9 1.0355289

0.6317278

0.00316051

0.000559334

0.5

0.6

0.6 0.0183937

0.3478677

(18)

Tabel IV.10. Hasil Percobaan Data Hipotetik ” Cluster 2”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

44.36 629198

3

2

1

56.73

1.07

2

44.21 628076

4

1

56.15

1.34

3

45.58 628597

3

0

56.4

1.41

4

44.46 628941

3

0

56.64

1.01

5

45.26 628824

2

55.61

1.48 Rata‐rata

44.774 628727.2

3.0

2.2

0.8

56.306

1.262 Simpangan Baku

0.607025535

423.5996931

0.7

0.8

0.8 0.4496999

0.2096902

0.013557545

0.000673742

0.2

0.4

1.0 0.0079867

0.1661571

Tabel IV.11. Hasil Percobaan Data Hipotetik ” Cluster 3”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

44.55 628961

3

2

1

56.57

0.88

2

46.14 629946

2

4

0

56.91

0.94

3

45.61 628084

4

1

56.17

2.59

4

45.83 629946

2

4

0

56.91

0.94

5

45.62 630363

5

0

1

57.55

0.6 Rata‐rata

45.55 629460

3.2

2.2

0.6

56.822

1.19 Simpangan Baku

0.598957428

926.0369863

1.3

1.8

0.5 0.5084486

0.7951729

0.01314945

0.001471161

0.4

0.8

0.9 0.0089481

0.6682126

Tabel IV.12. Hasil Percobaan Data Hipotetik ” Random 1”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

46.52 627180

1

5

0

55.62

0.38

2

49.01 627161

4

0

2

56.23

2.59

3

46.01 627310

4

1

56.57

1.11

4

46.3 627071

4

0

2

56.64

1.79

5

46.43 626589

4

1

56.63

1.84 Rata‐rata

46.854 627062.2

3.4

1.4

1.2

56.338

1.542 Simpangan Baku

1.22054496

277.9562915

1.3

2.1

0.8 0.4351666

0.8344879

0.026049963

0.000443267

0.4

1.5

0.7 0.0077242

0.5411724

(19)

Tabel IV.13. Hasil Percobaan Data Hipotetik ” Random 2”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

46.9 627517

3

0

56.16

1.65

2

45.54 627677

2

4

0

56.44

1.63

3

45.48 628308

5

0

1

57.1

1.39

4

45.43 627401

4

2

0

56.73

1.03

5

45.85 627192

4

1

56.34

1.61 Rata‐rata

45.84 627619

3.6

2.0

0.4

56.554

1.462 Simpangan Baku

0.614695046

423.7752942

1.1

1.6

0.5 0.3684834

0.2632869

0.013409578

0.000675211

0.3

0.8

1.4 0.0065156

0.1800868

Tabel IV.14. Hasil Percobaan Data Hipotetik ” Random 3”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

45.19 628625

3

1

2

56.6

0.8

2

45.33 627757

3

1

2

55.56

2.57

3

45.11 628257

2

55.3

2.64

4

45 628257

2

55.3

2.64

5

45.1 628257

2

55.3

2.64 Rata‐rata

45.146 628230.6

2.4

1.6

2.0

55.612

2.258 Simpangan Baku

0.123004065

309.0061488

0.5

0.0 0.5636666

0.8156102

0.002724584

0.000491867

0.2

0.3

0.0 0.0101357

0.3612091

IV.4. Analisis Kemamputerapan Teknik GA.

Analisis ini digunakan untuk melakukan pengukuran generalisasi teknik GA yang

dikembangkan terhadap perubahan varian. Artinya seberapa jauh teknik GA yang

dikembangkan pada penelitian ini dapat digunakan untuk menyelesaikan

permasalahan-permasalahan dalam sistem nyata. Varian yang dipertimbangkan

dalam penelitian ini terdiri dari fleet mix vehicle, multiple trips, split delivery,

multiple product dan multiple compartement. Sebagai contoh perhitungan pada

analisis ini, digunakan salah satu data hipotetik yaitu ” Campur 1”

(20)

IV.4.1. Pengujian Teknik GA untuk VRP dengan Karakteristik Kendaraan

Homogen, Single Product dan Single Compartement.

Teknik GA yang dikembangkan dalam penelitian ini dapat dipakai untuk

menyelesaikan VRP dengan karakteristik kendaraan homogen, single product dan

single compartement. Data hipotetik yang digunakan adalah ” Campur 1” dengan

mengubah inputan jenis produk, kapasitas kompartemen, tipe kendaraannya dan

tidak mengubah varian yang lain yaitu multiple trips dan split delivery. Tabel IV. 15

berikut adalah input Data Hipotetik ” Campur 1”

Tabel IV.15. Spesifikasi Data Kendaraan, Kompartemen Depot Pelanggan

Tipe kendaraan Fixed Cost (Rp/Hor.Perc) Variabel Cost (Rp/jam) Kapasitas Kompartemen (unit) Kecepatan Kendaraan (mil/jam) Waktu Setup (jam) Waktu Loading / Unloading (unit/jam) Homogen 101000 5500 5 50 0,2 30 Depot dan Pelanggan

Pelanggan Position Position Produk 1

X Y (Unit) 0 5 5 0 1 0.17 1.43 1 2 0.83 0.85 1 3 1.58 0.28 1 4 1.63 0.35 1 5 0.58 1.37 3 6 0.82 0.42 1 7 5.82 1.17 1 8 4.8 0.58 1 9 5.28 0.25 1 10 4.97 0.08 1 11 5.47 0.87 1 12 8.72 0.08 1 13 8.8 1.42 1 14 8.68 0.87 1 15 8.35 0.38 3 16 8.55 0.12 1 17 9.22 0.72 1 18 1.12 4.25 1 19 0.63 4.65 1 20 0.37 5.52 3 21 1.13 4.82 1 22 1.58 4.25 1 23 4.83 5.33 1 24 4.68 5.73 1 25 4.72 5.72 3 26 4.62 4.87 1 27 4.17 5.22 1 28 5.2 5.17 1

(21)

Tabel lanjutan Depot dan Pelanggan

Pelanggan Position Position Produk 1

X Y (Unit) 29 9.37 4.9 1 30 9.85 5.17 3 31 9.5 5.23 1 32 9.33 4.88 1 33 9.37 4.28 1 34 0.73 8.43 1 35 1.23 9.67 3 36 0.52 8.97 1 37 0.27 8.43 1 38 0.12 9.42 1 39 0.98 8.55 1 40 5.2 8.5 3 41 4.87 9.98 1 42 5.27 8.57 1 43 5.52 9.77 1 44 5.02 8.77 1 45 8.72 9.13 3 46 9.88 9.47 1 47 9.47 9.68 1 48 9.08 9.15 1 49 9.92 9.9 1 50 9.72 8.63 1

Dengan menggunakan nilai parameter dan operator genetika yang sama seperti pada

tabel IV.3, dan dengan dilakukan percobaan sebanyak 5 replikasi maka didapat hasil

seperti pada tabel IV.16 berikut.

Tabel IV.16. Hasil Percobaan Data Hipotetik ” Campur 1”

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

1

40.86 321426

3

21.95

7.59

2

40.75 321369

3

21.94

7.19

3

39.71 321368

3

21.94

7.19

4

39.88 321368

3

21.94

7.19

5

39.58 321409

3

21.95

7.19 Terbaik

39.58 321368

3

21.94

7.19 Rata‐rata

40.156 321388

3

21.944

7.27 Standart Deviasi

0.603183223

27.59528945

0 0.0054772

0.1788854

0.015020999

8.58628E‐05

0 0.0002496

0.024606

Tabel IV.17 berikut menunjukan solusi terbaik dari model single product, single

compartement dan kendaraan homogen menggunakan data hipotetik ” campur 1”

(22)

Tabel IV.17. Solusi Terbaik Model Single Product, Single Compartement dan

Kendaraan Homogen Data Hipotetik ”Campur 1”

SUMMARY of GENETIC ALGORITHM SOLUTION Created on : 5/14/2009 3:03:13 PM File name Data Campur 1.txt Name of Experiment Genetic Algorithm Process Time 39.71 detik Number of Vehicles 3 Kendaraan Total Tour Duration Time 21.94 jam Range of Duration Time 7.19 jam Total Routing Cost Rp. 321,368.00/Hrsn Prnc. VERIFICATIONS All Customers are Assigned: TRUE Feasibility of Vehicle Compartments: TRUE Feasibility of Planning Horizon: TRUE Number of Customer Splitted: 7 Splitted Customers: 5, 15, 20, 30, 35, 40, 45 DETAIL SCHEDULE Tour 1 Tipe Kendararaan : 1 Tour Duration Time : 9.675591 Jam Rute : 1

Customer Prod. 1 Waktu Utilitas Biaya

(Unit) (Jam) (Persen) (Rp)

0 0 25 3 23 1 28 1 0 0 Total 5 100% W. Setup 0.8 jam W. L/UL 0.333 jam W. Temp. 0.037 jam Rute : 2

0 0 26 1 27 1 24 1 42 1 40 1 0 0 Total 5 100% W. Setup 1.2 jam W. L/UL 0.333 jam W. Temp. 0.164 jam Rute : 3

0 0 22 1 18 1 21 1 19 1 20 1 0 0 Total 5 100% W. Setup 1.2 jam W. L/UL 0.333 jam W. Temp. 0.213 jam

(23)

Lanjutan tabel hasil model single product, single compartement dan kendaraan homogen Rute : 4

0 0 44 1 43 1 41 1 40 2 0 0 Total 5 100% W. Setup 1 jam W. L/UL 0.333 jam W. Temp. 0.212 jam Rute : 5

0 0 32 1 29 1 31 1 33 1 30 1 0 0 Total 5 100% W. Setup 1.2 jam W. L/UL 0.333 jam W. Temp. 0.231 jam Biaya Perj. Tour Rp. 5,916.‐ Tour 2 Tipe Kendararaan : 1 Tour Duration Time : 9.724817 Jam Rute : 1

0 0 4 1 3 1 2 1 6 1 5 1 0 0 Total 5 100% W. Setup 1.2 jam W. L/UL 0.333 jam W. Temp. 0.278 jam

(24)

0 0 1 1 5 2 20 2 0 0 Total 5 100% W. Setup 0.8 jam W. L/UL 0.333 jam W. Temp. 0.305 jam

(25)

0 0 12 1 15 2 0 0 Total 3 60% W. Setup 0.6 jam W. L/UL 0.2 jam W. Temp. 0.247 jam Biaya Perj. Tour Rp. 9,120.‐ Tour 3 Tipe Kendararaan : 1 Tour Duration Time : 2.539161 Jam Rute : 1

0 0 45 2 49 1 30 2 0 0 Total 5 100% W. Setup 0.8 jam W. L/UL 0.333 jam W. Temp. 0.331 jam Rute : 2

0 0 38 1 35 2 0 0 Total 3 60% W. Setup 0.6 jam W. L/UL 0.2 jam W. Temp. 0.274 jam Biaya Perj. Tour Rp. 3,332.‐ Jmlh Kend Tipe 1 : 3 Kend NV 3 Kend. TDT 21.93957 jam RCT 7.185656 jam Biaya Total Perj. Rp. 18,368.‐ Fitness Function 321,368.00

Dari Tabel IV.17 diatas terlihat masih terjadi adanya split delivery pada pelanggan

40, 20, 35, 30, 45, 5, dan 15.

IV.5. Karakteristik Permasalahan Pendistribusian Produk Minyak di Maluku

dan Irian Jaya.

Penelitian ini menggunakan data yang diambil pada perusahan (PT Pertamina Region

IVc UPMS VIII) tahun 2008. Terdapat permasalahan pendistribusian tiga produk

minyak yaitu permium, minyak tanah, dan solar di kawasan Maluku, Maluku Utara,

(26)

Papua dan Papua Barat. Gambar IV.12 menunjukan pelabuhan-pelabuhan di Maluku,

Maluku Utara, Papua dan Papua Barat yang menjadi cakupan dalam penelitian ini.

Terdapat satu depot (supply point) yaitu Ambon dan terdapat 19 (destination points)

yaitu :

1. Biak (Pulau Biak)

2. Bula (Pulau Seram)

3. Dobo (Pulau Wokam)

4. Fak-fak (Pulau Irian Jaya)

5. Jayapura (Pulau Irian Jaya)

6. Kaimana (Pulau Irian Jaya)

7. Labuha (Pulau Bacan))

8. Manokwari (Pulau Irian Jaya)

9. Masohi (Pulau Seram)

10. Merauke (Pulau Irian Jaya)

11. Nabire (Pulau Irian Jaya)

12. Namlea (Pulau Buru)

13. Sanana (Pulau Sulabesi)

14. Saumlaki (Pulau Yamdena)

15. Serui (Pulau Yapen)

16. Sorong (Pulau Irian Jaya)

17. Ternate (Pulau Ternate)

18. Tobelo (Pulau Halmahera)

Tual (Pulau Kei Kecil)

Berikut adalah Gambar IV.12. yang menunjukan daerah distribusi PT. PERTAMINA

Region IVc UPMS VIII

u

ntuk

Maluku dan Irian Jaya

Gambar IV.12. Daerah distribusi PT. PERTAMINA Region IVc UPMS VIII

Untuk

Maluku dan Irian Jaya

(27)

Setiap pelabuhan memiliki kapasitas tangki timbun yang berbeda-beda yang

menentukan jumlah maksimum produk minyak yang dapat disimpan. Setiap

pelabuhan juga memiliki throughput, yaitu tingkat konsumsi produk minyak perhari,

yang berbeda-beda, sehingga setiap pelabuhan memiliki daya tahan (waktu sampai

suatu pelabuhan kekurangan stok) yang berbeda pula. Tabel IV.18 menunjukan

kapasitas tangki timbun, throughput, dan daya tahan masing-masing pelabuhan.

Tabel IV.18. Kapasitas Tangki Timbun, Throughput, dan Daya Tahan Pelabuhan.

Nama Depot

Premium Minyak Tanah Minyak Solar 1 (kl) 2 (kl/hari) 3 (Hari) 1 (kl) 2 (kl/hari) 3 (Hari) 1 (kl) 2 (kl/hari) 3 (Hari) Biak 2200 34,3 64,1 6500 20,1 323,4 10300 70,9 145,3 Bula 684 8,0 85,5 367 12,5 29,4 367 10,2 36,0 Dobo 189 7,9 23,9 682 16,7 40,8 1546 34,2 45,2 Fak‐fak 486 16,4 29,6 482 15,6 30,9 2019 17,7 114,1 Jayapura 4502 183,3 24,6 2093 91,8 22,8 10672 291,0 36,7 Kaimana 518 46,8 11,1 514 24,2 21,2 2206 111,6 19,8 Labuha 680 15,5 43,9 592 15,9 37,2 1716 20,5 83,7 Manokwari 1172 53,9 21,7 1190 22,2 53,6 2363 63,4 37,3 Masohi 781 22,9 34,1 581 35,0 16,6 491 26,5 18,5 Merauke 2460 63,3 38,9 1696 34,2 49,6 4385 164,5 26,7 Nabire 768 47,4 16,2 478 21,8 21,9 1527 47,7 32,0 Namlea 677 16,6 40,8 526 13,0 40,5 976 16,1 60,6 Sanana 477 10,1 47,2 682 14,7 46,4 681 14,3 47,6 Saumlaki 687 10.3 66,7 581 19,0 30,6 1538 63,1 24,4 Serui 972 24,7 39,4 482 14,5 33,2 872 19,5 44,7 Sorong 2560 94,3 27,1 3987 65,0 61,3 12418 465,2 26,7 Ternate 2354 83,0 28,4 2348 94,1 25,0 5631 248,2 22,7 Tobelo 685 43,7 15,7 748 22,5 33,2 2094 65,1 32,2 Tual 1169 19,4 60,3 1189 24,2 49,1 9206 95,1 96,8

Keterangan:

1 = kapasitas (dalam kiloliter)

2 = throughput (dalam kiloliter perhari)

3 = daya tahan (dalam hari)

Daya tahan adalah kapasitas tangki timbun dibagi dengan throughput.

Ketiga produk minyak (premium, minyak tanah, solar) harus didistribusikan dari

ambon ke sembilan belas pelanggan (relasi one to many) dengan menggunakan

sejumlah kapal tanker. Diasumsikan jumlah kapal tanker yang tersedia tidak terbatas.

Kapal tanker yang ada dapat mengangkut ketiga jenis produk minyak sekaligus

(28)

(premium, minyak tanah, solar) dengan kapasitas 1500 kiloliter, 3600 kiloliter, dan

7000 kiloliter. Kecepatan rata-rata kapal tanker adalah 10 knot/jam sampai 12

knot/jam. Dalam penelitian ini menggunakan kecepatan rata-rata kapal tanker adalah

10 knot/jam

Tabel IV.19 menunjukan spesifikasi data kapal dan kompartemen

Tabel IV.19. Spesifikasi Data Kapal dan Kompartemen

Tipe

Kapal

Biaya Tetap

(Rp/HP)

Biaya

Variabel

(Rp/jam)

Total

(kl)

Grade 1

(kl)

Grade 2

(kl)

Grade 3

(kl)

COMP

Tipe I

29534025

75778

1500

500

300

700 12 komp

Tipe II

34283015

99335

3600

900

900 1800

12 komp

Tipe III

46094308

113034

7000

2100

1800

3100

12 komp

Keterangan :

Grade 1 untuk premium

Grade 2 untuk minyak tanah

Grade 3 untuk minyak solar

Loading dan discharging untuk ketiga produk minyak tidak dilakukan bersamaan,

setelah produk minyak yang satu selesai dialirkan ke/dari tanker, baru produk

minyak yang lain dialirkan ke/dari tanker. Waktu loading dan discharging bersifat

relatif tergantung dari kecepatan pengaliran produk minyak yang keluar / masuk

tanker. Kecepatan berkisar antara 200 s/d 400 kiloliter/jam, tergantung dari sedikit

banyaknya minyak yang dialirkan. Semakin sedikit minyak yang dialirkan

seharusnya menggunakan kecepatan pengaliran rendah. Hal ini dilakukan untuk

menjamin ketelitian. Dalam penelitian ini dipakai kecepatan loading dan

discharging sebesar 200 kiloliter/jam.

Waktu setup di dermaga adalah total waktu yang dipergunakan ketika tanker sampai

di dermaga, sampai siap dilakukan loading dan discharging ditambah waktu yang

dipergunakan setelah loading dan discharging untuk mempersiapkan keberangkatan.

Total waktu setup di setiap pelabuhan adalah sebesar 2 jam, dan dimasukan kedalam

waktu penyelesaian tur.

Jarak antar pelabuhan, dalam mil laut (nautical mile), diberikan pada tabel IV.20

berikut ini.

(29)

110 Tabel IV.20. Jarak antar pelabuhan (mil laut)

AMBON 631 BIAK 251 454 BULA 386 728 241 DOBO 347 528 98 200 FAKFAK 913 291 770 1078 858 JAYAPURA 396 710 255 196 182 1060 KAIMANA 155 540 217 458 267 890 449 LABUHA 545 116 340 613 413 425 595 425 MANOKWARI 75 692 200 346 297 963 345 205 577 MASOHI 811 1132 710 478 678 1440 496 945 1067 788 MERAUKE 595 148 554 783 583 371 574 595 170 747 1107 NABIRE 82 594 215 454 329 890 463 112 485 132 895 652 NAMLEA 178 645 348 564 368 995 573 180 530 228 989 700 110 SANANA 408 857 400 220 329 1207 396 563 742 408 583 912 478 586 SAUMLAKI 692 120 576 778 578 310 760 590 150 742 1193 102 750 695 907 SERUI 332 310 216 418 218 660 400 230 195 382 833 365 290 335 547 360 SORONG 308 692 370 611 420 1015 602 90 489 358 1098 686 265 371 716 663 383 TERNATE 466 530 516 720 520 821 702 240 414 516 1135 609 575 442 874 650 302 150 TOBELO 347 695 202 109 160 992 196 429 575 307 532 690 417 525 200 739 379 582 681 TUAL

(30)

Informasi lainnya adalah sebagai berikut:

1. Waktu tempuh berbanding linear dengan jarak.

2. Tidak ada constariant arus laut dan faktor alam lainnya sehingga rute apapun

dapat dijalani.

IV.6. Penentuan Horison Perencanaan dan Demand Tiap Pelabuhan

Dalam penelitian ini tidak menggunakan horison perencanaan dengan keadaan yang

terjadi saat ini di PT Pertamina Region IVc UPMS VIII Terminal Transit Wayame –

Ambon yaitu sebesar 14 hari. Tetapi, penentuan horison perencanaan ditetapkan

berdasarkan daya tahan terkecil pelabuhan pelanggan (Komara,2006). Dari data pada

tabel IV.20, terlihat bahwa daya tahan terkecil adalah 11,1 hari, yaitu produk

premium di Kaimana, sehingga horison perencanaan tidak boleh melebihi 11 hari.

Oleh karena itu, untuk saat ini ditentukan horison perencanaan sebesar 11 hari.

Untuk horison perencanaan sebelas hari, demand pada masing-masing pelabuhan

dapat ditunjukan pada Tabel IV.21 sebagai berikut:

Tabel IV.21. Demand selama Horison Perencanaan 11 hari

Nama Depot

Premium

_(kl)

Minyak Tanah

_(kl)

Minyak Solar

_(kl)

Total

Biak

377,3

221,1

779,9

1.378,3

Bula

88,0

137,5

112,2

337.7 Dobo

86,9

183,7

376,2

646,8

Fak‐fak

180,4

171,6

194,7

546.7 Jayapura

2.016,3

1.009,8

3.201,0

6.227,1

Kaimana

514,4

266,2

1.227,6

2.008,6

Labuha

170.5 174,9

225,5

570,9

Manokwari

592,9

244,2

697,4

1.534,5

Masohi

251,9

385,0

291,5

928,4

Merauke

696,3

376,2

1.809,5

2.882,0

Nabire

521,4

239,8

524,7

1.285,9

Namlea

182,6

143,0

177,1

502,7

Sanana

111,1

161,7

157,3

430,1

Saumlaki

113,3

209,0

694,1

1.016,4

Serui

271,7

159,5

214,5

645,7

Sorong

1.037,3

715,0

5.117,2

6.869,5

Ternate

913,0

1.035,1

2.730,2

4.678,3

Tobelo

480,7

247,5

716,1

1.444,3

Tual

213,4

266,2

1.046,1

1.525,7

Total

8.819,8

6.347 20.292,8

35.459,6

(31)

Untuk waktu perjalanan (dalam jam), merupakan jarak antar pelabuhan dibagi

dengan kecepatan kapal (10 knot)

IV.7. Analisis Hasil Algoritma Genetik untuk Pendistribusian Produk Minyak

di Maluku dan Irian Jaya.

Percobaan yang dilakukan menggunakan fungsi tujuan minimasi total routing cost

Karena hasil dari setiap percobaan berbeda-beda maka dilakukan perhitungan jumlah

replikasi yang di butuhkan (n’). Perhitungan jumlah replikasi yang diperlukan

menggunakan relative error (4-1) , dimana hasilnya adalah 0.1556 replikasi atau ≈1

replikasi.

Tabel IV.22 menampilkan hasil rekapitulasi algoritma genetika dengan lima replikasi

yang ditunjukan pada tabel dibawah ini :

Tabel IV.22. Rekapitulasi Perhitungan dengan Lima Replikasi

(Horison Perencanaan 11 hari)

Replikasi

Waktu

Komputasi

(detik)

Fitnnes

Function

(Rp)/HP

NV

(unit)

TDT

(Jam)

RDT

(Jam)

Tipe

1 Tipe

2 Tipe

3

1

22.2 495680300

3

3 2198.3

39.36

2

21.65 493495400

1

6 1875.8

97.2

3

22.55 494989300

2

0

6 1992,90

49.84

4

21.88 477729800

1

2

5 1857

48.58

5

22.05 479258200

1

2

5 1869.1

95.86 Rata‐rata

22.066 488230600

1.6

5.0 1950.05

66.168 Simpangan Baku

0.339160729

8939616.004

0.9

1.1

1.2 165.68276

28.014327

0.015370286

0.018310233

0.6

0.7

0.2 0.0849633

0.4233818

Dari hasil percobaan dengan lima replikasi, terpilih replikasi keempat yang memiliki

fitness function terbaik. Tabel IV.23 menunjukan hasil perhitungan lebih detail untuk

genetic algorithm dari hasil percobaan replikasi yang keempat. Untuk hasil genetic

algorithm terdapat delapan pelabuhan pelanggan yang mengalami split delivery

yaitu : Jayapura, Kaimana, Masohi, Labuha, Namlea, Sanana, Ternate dan Sorong.

Dari kedelapan pelanggan, enam pelanggan di split sebanyak dua kali yaitu Jayapura,

Kaimana, Labuha, Namlea, Sanana, dan Ternate. Satu pelanggan di split sebanyak

tiga kali yaitu Masohi, dan satu pelanggan di split sebanyak empat kali yaitu Sorong.

Jumlah kapal tanker yang digunakan untuk melayani demand sembilan belas

pelanggan adalah sebanyak 8 kapal tanker dengan jumlah masing adalah 1 kapal

(32)

tanker untuk tipe 1, 2 kapal tanker untuk tipe 2, dan 5 kapal tanker untuk tipe 3. Jika

dibandingkan dengan keaadaan existing jumlah kapal tanker yang digunakan adalah

10 kapal tanker dengan 3 kapal tanker untuk tipe 1, 4 kapal tanker untuk tipe 2, dan 3

kapal tanker untuk tipe 3. Teknik genetic algorithm menghasilkan tur sebanyak 8 tur,

dengan waktu penyelesaian tur terpanjang adalah 257,532 jam (tur 2) dan waktu

penyelesaian tur tependek adalah 208,942 jam (tur 8) dengan TDT dan RDT adalah

1856,996 jam dan 48,58101 jam.

Tabel VI.23. Hasil Individu Terbaik Generasi GA untuk Pendistribusian

BBM di Maluku dan Irian Jaya. (Horison Perencanaan 11 hari)

SUMMARY of GENETIC ALGORITHM SOLUTION Created on : 5/14/2009 4:54:52 PM File name Data Pelanggan Real Case.txt Name of Experiment Genetic Algorithm Process Time 21.88 detik Number of Vehicles 8 Kendaraan Total Tour Duration Time 1,857.00 jam Range of Duration Time 48.58 jam Total Routing Cost Rp. 477,729,800.00/Hrsn Prnc. VERIFICATIONS All Customers are Assigned: TRUE Feasibility of Vehicle Compartments: TRUE Feasibility of Planning Horizon: TRUE Number of Customer Splitted: 8 Splitted Customers: 5, 6, 7, 9, 12, 13 , 17, 16 DETAIL SCHEDULE Tour 1 Tipe Kendararaan : 1 Tour Duration Time : 226.994 Jam Rute : 1

Ambon(0) 0 0 0 Saumlaki (14) 113.3 209 694.1 Masohi (9) 251.9 91 5.9 Namlea (12) 134.8 0 0 Ambon(0) 0 0 0 Total 500 300 700 100% W. Setup 8 jam W. L/UL 15 jam W. Temp. 103 jam Rute : 2

Ambon(0) 0 0 0 Namlea (12) 47.8 143 177.1 Masohi (9) 0 157 285.6 Labuha (7) 170.5 0 225.5 Sanana (13) 111.1 0 11.8 Ambon(0) 0 0 0 Total 329.4 300 700 88.63% W. Setup 10 jam W. L/UL 13.294 jam W. Temp. 77.7 jam Biaya Perj. Tour Rp. 13,693,080.‐

(33)

Lanjutan tabel hasil terbaik individu generasi GA untuk pendistribusian BBM (horison perencanaan 11 hari)

Rute : 1

Ambon(0) 0 0 0 Sanana (13) 0 161.7 145.5 Masohi (9) 0 137 0 Labuha (7) 0 174.9 0 Bula (2) 88 137.5 112.2 Fak‐fak (4) 180.4 171.6 194.7 Dobo (3) 86.9 183.7 376.2 Tual (19) 213.4 266.2 1046.1 Kaimana (6) 514.8 266.2 1225.3 Ambon(0) 0 0 0 Total 1083.5 1498.8 3100 81.18% W. Setup 18 jam W. L/UL 56.823 jam W. Temp. 182.7 jam Biaya Perj. Tour Rp. 20,651,310.‐ Tour 3 Tipe Kendararaan : 2 Tour Duration Time : 217.623 Jam Rute : 1

Ambon(0) 0 0 0 Tobelo (18) 480.7 247.5 716.1 Ternate (17) 419.3 652.5 1083.9 Ambon(0) 0 0 0 Total 900 900 1800 100% W. Setup 6 jam W. L/UL 36 jam W. Temp. 92.4 jam Rute : 2

Ambon(0) 0 0 0 Kaimana (6) 0 0 2.3 Ambon(0) 0 0 0 Total 0 0 2.299805 0.06% W. Setup 4 jam W. L/UL 0.023 jam W. Temp. 79.2 jam Biaya Perj. Tour Rp. 17,045,880.‐ Tour 4 Tipe Kendararaan : 2 Tour Duration Time : 240.026 Jam Rute : 1

Ambon(0) 0 0 0 Manokwari (8) 592.9 244.2 697.4 Sorong (16) 307.1 655.8 1102.6 Ambon(0) 0 0 0 Total 900 900 1800 100% W. Setup 6 jam W. L/UL 36 jam W. Temp. 107.2 jam

(34)

Rute : 2

Ambon(0) 0 0 0 Ternate (17) 493.7 382.6 1646.3 Ambon(0) 0 0 0 Total 493.7 382.6 1646.3 70.07% W. Setup 4 jam W. L/UL 25.226 jam W. Temp. 61.6 jam Biaya Perj. Tour Rp. 16,767,750.‐ Tour 5 Tipe Kendararaan : 3 Tour Duration Time : 212.702 Jam Rute : 1

Ambon(0) 0 0 0 Nabire (11) 521.4 239.8 524.7 Serui (15) 271.7 159.5 214.5 Biak (1) 377.3 221.1 779.9 Sorong (16) 730.2 59.2 1580.9 Ambon(0) 0 0 0 Total 1900.6 679.6 3100 81.15% W. Setup 10 jam W. L/UL 56.802 jam W. Temp. 145.9 jam Biaya Perj. Tour Rp. 16,491,660.‐ Tour 6 Tipe Kendararaan : 3 Tour Duration Time : 245.325 Jam Rute : 1

Ambon(0) 0 0 0 Merauke (10) 696.3 376.2 1809.5 Sorong (16) 0 0 1290.5 0 0 0 0 Total 696.3 376.2 3100 59.61% W. Setup 6 jam W. L/UL 41.725 jam W. Temp. 197.6 jam Biaya Perj. Tour Rp. 22,335,520.‐ Tour 7 Tipe Kendararaan : 3 Tour Duration Time : 247.861 Jam Rute : 1

Ambon(0) 0 0 0 Jayapura (5) 2016.3 1009.8 3100 Ambon(0) 0 0 0 Total 2016.3 1009.8 3100 87.52% W. Setup 4 jam W. L/UL 61.261 jam W. Temp. 182.6 jam Biaya Perj. Tour Rp. 20,640,010.‐

(35)

Rute : 1

Ambon(0) 0 0 0 Sorong (16) 0 0 1143.2 Jayapura (5) 0 0 101 Ambon(0) 0 0 0 Total 0 0 1244.2 17.77% W. Setup 6 jam W. L/UL 12.442 jam W. Temp. 190.5 jam Biaya Perj. Tour Rp. 21,532,980.‐ Jmlh Kend Tipe 1 : 1 Kend Jmlh Kend Tipe 2 : 2 Kend Jmlh Kend Tipe 3 : 5 Kend NV 8 Kend. TDT 1856.996 jam RCT 48.58101 jam Biaya Total Perj. Rp. 149,158,200.‐ Fitness Function Rp.477,729,800.00