Usulan Penentuan Rute Distribusi dengan Multi Trip, Multi Product, dan Time Windows Menggunakan Algoritma Nearest Addition Heuristic

Usulan Penentuan Rute Distribusi dengan Multi Trip,

Multi Product, dan Time Windows Menggunakan

Algoritma Nearest Addition Heuristic

1st _{Yokhanan Ezra Budhie Artha}

Teknik Industri, Fakultas Teknik Universitas Kristen Maranatha

Bandung, Indonesia yokhanan09@gmail.com

2nd _{Santoso Santoso}

Teknik Industri, Fakultas Teknik Universitas Kristen Maranatha

Bandung, Indonesia santoso@eng.maranatha.edu

3rd _{David Try Liputra}

Teknik Industri, Fakultas Teknik Universitas Kristen Maranatha

Bandung, Indonesia david.tl@eng.maranatha.edu

Abstrak—Biaya distribusi memegang 10% - 20% dari biaya

akhir barang [1] dan mempengaruhi lebih dari 45% dari biaya logistik [2]. Untuk mengurangi biaya distribusi maka diperlukan sistem distribusi yang baik. Banyaknya persaingan membuat perusahaan berlomba-lomba meminimasi biaya dan mencapai

customer satisfiction. Biaya distribusi yang tinggi akan

mempengaruhi biaya akhir barang menjadi lebih tinggi. Distributor XYZ menyadari pentingnya meminimasi biaya distribusi dengan memperbaiki metode penentuan rute dan mengurangi keadaan menganggur yang terjadi pada sistem distribusi saat ini.

Adapun usulan dalam penelitian ini memecahkan masalah Vehicle

Routing Problem (VRP) menggunakan beberapa model tambahan

seperti time windows, multi-trip, dan multi-product. Pemecahan VRP ini akan dibantu dengan Metode Nearest Addition Heuristic dengan mempertimbangkan waktu dan juga jarak yang didukung dengan menggunakan tools spreadsheet Excel VBA untuk melakukan kalkulasi pencarian solusi. Pada penelitian ini juga memberikan usulan peletakan menggunakan easy cargo menggunakan aturan LIFO (Last In First Out) untuk mempermudah dan mempercepat saat proses unloading. Berdasarkan perbandingan antara metode aktual dengan metode usulan, penerapan metode usulan ini membuat distributor dapat menghemat biaya distribusi sebesar Rp 656,667.06 dalam seminggu atau rata-rata pengematan sebesar 31.27% perharinya.

Kata Kunci—Excel VBA, Multi-Trip, Multi-Product, Nearest Addition, VRP

Pada penelitian kali ini mengambil kasus salah satu distributor yang bergerak dalam bidang pendistribusian berbagai macam produk sembako, makanan, dan minuman, salah satunya adalah produk air mineral botol dengan merek “X” yang berlokasi di Kota Tegal. Pendistribusian air mineral produk “X” menggunakan 2 unit kendaraan mitsubishi L300. Distributor XYZ mendistribusikan air mineral kemasan dalam kardus dengan isi 300 ml, 600 ml, dan 1500 ml kepada toko-toko yang berada di daerah Tegal dan sekitarnya. Pendistribusian dilakukan pada hari Senin hingga Sabtu yang dilakukan dari jam 08.00 sampai 16.00. Permintaan konsumen akan diterima oleh staff distribusi yang kemudian akan mengalokasikan lokasi permintaan kedalam rute dan kemudian diberikan kepada supir.

Berdasarkan hasil wawancara saat ini perusahaan merasa bahwa sistem pengiriman saat ini masih masih belum efisien hal ini terlihat dari supir yang sering menganggur diduga akibat beban kerja dengan penggunaan dua unit kendaraan tidak sesuai. Kejadian tersebut diduga akibat penggunaan kendaraan yang terlalu berlebihan sehingga utilisasi dari kendaraan tersebut terlalu kecil Selain itu dalam proses distribusi, metode penentuan rute saat ini mengandalkan pengalaman dengan mengirimkan ke lokasi yang menurut supir lebih dekat. Tentu hal tersebut bukan hal yang buruk dan alangkah baiknya intuisi supir dipadukan dengan metode penentuan rute sehingga mampu meningkatkan performansi dari metode pembuatan rute Kemudian penyusunan produk saat ini produk yang paling berat akan diletakkan pada paling bawah hal ini akan membuat proses unloading menjadi lebih lama.

VRP secara umum didefinisikan sebagai masalah penentuan rute bagi sejumlah kendaraan yang bertujuan meminimasi ongkos total dan memenuhi sejumlah batas yang mencerminkan karakteristik dari situasi nyata [3]. VRP standar berkaitan dengan masalah penyusunan rencana rute kendaraan untuk mengunjungi sejumlah pelanggan, dimana setiap rute berawal dan berakhir pada suatu depot tunggal. Penelitian VRP juga mengarahkan pada perluasan dari bentuk dasar dengan muncul dalam berbagai versi. Bentuk dasar VRP mengasumsikan bahwa kendaraan adalah homogen, yaitu mempunyai kapasitas yang sama. Selain pembatas bahwa setiap pelanggan hanya dilayani oleh satu rute, pembatas lain dalam VRP adalah pembatas kapasitas dimana permintaan yang dikirimkan tidak boleh melebihi kapasitas kendaraan [4]. Untuk menggambarkan masalah nyata yang lebih realistis, VRP dikembangkan dengan berbagai karakteristik seperti [5]:  Capacitated Vehicle Routing Problem

Sebuah VRP dimana diberikan sejumlah kendaraan dengan kapasitas tersendiri yang harus melayani sejumlah permintaan pelanggan yang telah diketahui untuk satu komoditas dari sebuah depot dengan biaya transit minimum.

 Vehicle Routing Problem with Time windowss

Vehicle Routing Problem with Time windows (VRPTW), merupakan jenis VRP yang memiliki batasan yaitu sebuah jangka waktu, yang berhubungan dengan setiap pelanggan, yang mendefinisikan sebuah jangka waktu dimana permintaan I. PENDAHULUAN

pelanggan harus dipenuhi, interval waktu di depot tersebut sebagai batas penjadwalan.

 Pickup and Delivery Vehicle Routing Problem

Pickup and Delivery VRP merupakan klasifikasi dari VRP dimana barang atau produk harus diambil pada tempat tertentu dan diturunkan ke tempat tujuan. Pick-up dan drop-off harus dilakukan oleh kendaraan yang sama, maka dari itu lokasi pengambilan dan lokasi penurunan barang dimasukkan ke dalam rute yang sama.

 Vehicle Routing Problem with Backhauls

VRP with Backhauls klasifikasi VRP merupakan perluasan CVRP dimana customer dibagi menjadi dua bagian yakni linehaul customer (masing-masing customer menerima barang yang dikirimkan) dan Backhaul customer (barang harus diambil dari customer)

 Multi Depot Vehicle Routing Problem

Multi Depot VRP membutuhkan pengaturan para pelanggan ke depot-depot yang ada. Tiap kendaraan pergi dari satu depot, melayani pelanggan-pelanggan yang sudah ditentukan akan dilayani oleh depot tersebut, dan kembali lagi ke depot tersebut. Tujuan utama dari MDVRP adalah untuk melayani semua pelanggan sementara jumlah kendaraan dan jarak perjalanan diminimalisasi.

 Split Delivery Vehicle Routing Problem

Split Delivery VRP adalah perluasan VRP jika tiap pelanggan dapat dilayani dengan kendaraan yang berbeda andaikan biayanya dapat berkurang. Perluasan ini perlu dilakukan jika jumlah permintaan pelanggan sama besar dengan kapasitas dari kendaraan.

VRP diperkenalkan pertama kali oleh Dantziq dan Ramser sebagai sebuah pencarian terhadap cara penggunaan yang efisien dari sejumlah kendaraan yang harus melakukan perjalanan untuk mengunjungi sejumlah tempat untuk mengantar dan/atau menjemput orang/barang. Istilah customer digunakan untuk menunjukkan pemberhentian untuk mengantar dan/atau menjemput orang/barang [6]. Setiap customer harus dilayani oleh satu vehicle saja. Penentuan pasangan vehicle-customer ini dilakukan dengan mempertimbangkan kapasitas vehicle dalam satu kali angkut untuk meminimalkan biaya yang diperlukan. Biasanya, penentuan biaya minimal erat kaitannya dengan jarak minimal. Terdapat beberapa jenis VRP yang sangat bergantung pada jumlah faktor pembatas dan tujuan yang akan dicapai. Pembatas yang paling umum digunakan yaitu jarak dan waktu. Tujuan yang ingin dicapai biasanya meminimalkan jarak tempuh, waktu maupun biaya.

Berdasarkan kasus yang terjadi pada distributor XYZ, maka VRP with Time windows dirasa cocok untuk digunakan karena mempunyai batas waktu pengiriman yang mana jika melebihi batas waktu tersebut akan dilakukan kebijakan overtime. Kemudian bentuk VRP yang cocok digunakan berikutnya adalah Multi-Product VRP dikarenakan ukuran produk yang berbeda-beda. Selain itu Multi-trip VRP dapat digunakan mengingat salah satu permasalahan dari distributor XYZ adalah supir yang menganggur akibat beban kerja tidak

sesuai jumlah kendaraan yang digunakan. Dengan menggunakan multi-trips jumlah kendaraan yang digunakan diusahakan untuk sesedikit mungkin.

II. METODOLOGI

Influence diagram mengambarkan hubungan input dengan komponen sistem, hubungan yang terjadi antar komponen didalam sistem, dan hubungan berbagai komponen dengan output sistem, termasuk bagaimana pengaruh hubungan tersebut terhadap kinerja sistem yang diamati [7]. Berikut ini merupakan influence diagram pada permasalahan kali ini:

Minimasi total biaya distribusi Total biaya perjalanan (Rp) Waktu unloading (menit) Total waktu unloading (menit) Total jarak perjalanan (km) Kapasitas kerndaraan (kg)

Titik lokasi konsumen (nodes) Permintaan (unit) Time window (menit) Jarak perjalanan antar lokasi km) Total waktu distribusi (menit) Waktu Tunggu kendaraan (menit) Waktu tempuh kendaraan (menit) Total waktu tempuh (menit) Total waktu tunggu (menit) Biaya overtime (Rp/jam) Total Biaya Overtime (Rp) Total waktu overtime (menit) Biaya overtime (Rp/menit) Waktu overtime (menit) Time window regular (menit) Rute perjalanan

Biaya bahan bakar (Rp/km) Total biaya service (Rp) Total biaya bahan bakar (Rp) Total biaya perhantian ban (Rp) Total biaya pergantian oli (Rp) Biaya service (Rp/km)

Biaya ganti ban (Rp/ km)

Biaya ganti oli (Rp/km)

Biaya makan supir (Rp/hari) Total Biaya supir (Rp) Jumlah kendaraan Gaji operator Biaya menganggur (Rp)

Gambar 1. Influence diagram

Penelitian pada kasus distributor ini menggunakan Mutli-Trip, Multi-Product Vehicle Routing Problem With Time windows akan menggunakan model matematika untuk menentukan fungsi tujuan, variabel keputusan, dan batasan yang dihadapi oleh distributor. Model matematis ini dilihat dari beberapa jurnal acuan yang kemudian diadaptasi sesuai dengan kondisi pada distributor saat ini. Fungsi tujuan yang digunakan adalah meminimasi biaya distribusi dengan meminimasi biaya kendaraan, biaya menganggur, dan biaya overtime yang di adaptasi dari jurnal suprayogi (2003). Batasan yang digunakan adalah batasan standar yang digunakan di VRP dengan beberapa tambahan seperti batasan waktu overtime [8], kemudian pada penelitian ini disertakan pembatas kapasitas berat dan volume karena jenis produk yang didistribusikan lebih dari satu [9]. Model matematis yang digunakan pada penelitian ini sebagai berikut:

Notasi:

 i = Indeks untuk lokasi node awal; i = {1,2,…..,n}; 0 untuk depot

 j = Indeks untuk lokasi node awal; j = {1,2,…..,n}; 0 untuk depot

 r = Indeks untuk rute; r = {1,2,….R}  p = Jenis produk : p = {1,2,….,P}

 n = Indeks untuk jumlah node, n = {1,2,….,N}; 0 untuk depot

Parameter:

 mp = Berat produk p

 vp = Volume produk p

 v = Kecepatan orang berjalan (m/s)

 s = Jarak dari tempat kendaraan berhenti ke tempat penyimpanan

 t = Waktu tempuh dari kendaraan berhenti ke tempat penyimpanan

 a = Kelonggaran  z = Satuan angkat

 e = Batas bawah time window  l = Batas atas time window

 qipr = Jumlah permintaan produk p pada lokasi i pada rute r

 fe = Biaya bahan bakar per satuan jarak (Rp/km)  le = Biaya pergantian oli per satuan jarak (Rp/km)  se = Biaya service kendaraan per satuan jarak (Rp/km)  we = Biaya pergantian ban per satuan jarak (Rp/km)  oe = Biaya overtime per satuan waktu (Rp/jam)  ie = Gaji Sopir

 de = Biaya makan supir per satuan waktu (Rp/hari)

 dijr = Jarak yang ditempuh dari lokasi i ke lokasi j pada rute

r

 hijr = Waktu yang ditempuh dari lokasi i ke lokasi j pada

rute r

 wir = Waktu tunggu kendaraan di lokasi i pada rute r

 uir = Waktu unloading kendaraan pada lokasi i pada rute r

 twr = Time window reguler  dvr = jumlah supir

Variabel:

 TC = Total biaya distribusi yang dikeluarkan oleh distributor

 VC = Biaya perjalanan  FC = Biaya bahan bakar (Rp)  LC = Biaya pergantian oli (Rp)  SC = Biaya service kendaraan (Rp)  WC = Biaya pergantian ban (Rp)  OC = Biaya overtime (Rp)  DC = Biaya supir (Rp)  IC = Biaya Menganggur (Rp)  CT = Total waktu distribusi

 Hr = Total waktu yang ditempuh oleh pada rute r

 Dr = Total jarak yang ditempuh pada rute r (km)

 Wr = Total waktu tunggu pada rute r

 Ur = Total waktu unloading kendaraan pada rute r

 QW = Kapasitas berat kendaraan (kg)  QV = Kapasitas volume kendaraan (m3₎ Fungsi tujuan:

Min TC = VC+IC +OC (1)

TC =









0 0

dvr

j i ijr ijr i j

e

d

fe le s

we

X

de

 



















 







max 0, 0, 60 twr CT CT twr max ie oe twr   _    _                 _  (2) Batasan: 1 1 n P ipr p ir i p

q

m

Y

QW

 









dimana; r = {1,2,….R} (3) 1 1 n P ipr p ir i p

q

v

Y

QV

 

 





dimana; r = {1,2,….R} (4) 1

1

R ir r

Y







; i = {1,2,…,n} (5) e ≤ CT ≤ l (6)





0 0 1 1 1 1 1 1 1 60 n n R n r n P R ijr i r r i j r i r i p i r p s v e h w q a l z         











    (7) 0 0 1 1

0

n n jr i r j i

X

X

 









dimana; r = {1,2,….R} (8) CT ≤ two (9) Variabel keputusan:

1, jika kendaraan melewati jalur dari lokasi menuju lokasi pada rute 0, jika kendaraan tidak melewari dari lokasi jalur menuju konsumen pada rute

ijr X i j r i j r        (10) Yir = 1, jika kendaraan melayani konsumen pada rute

0, jika kendaraan tidak melayani konsumen pada rute

i r i r       (11) Dengan asumsi model sebagai berikut:

 Jarak tempuh dan waktu tempuh yang diambil dari aplikasi Google Maps dapat mewakili keadaan sebenarnya.

 Kualitas produk selalu terjaga selama proses distribusi dilakukan.

 Semua permintaan konsumen dapat dipenuhi oleh distributor

 Semua permintaan dapat dipenuhi oleh distributor.

Fungsi tujuan (1) adalah untuk meminimasi total biaya distribusi yang terdiri dari biaya kendaraan dan biaya overtime. Kemudian batasan (3) dan (4) merupakan batasan kendala kapasitas kendaraan. Persamaan (5) merupakan batasan dimana satu konsumen hanya boleh dilayani oleh satu kendaraan pada satu rute. Persamaan (6) dan (7) menjelaskan total waktu distribusi tidak boleh melebihi time windows reguler. Persamaan (8) merupakan batasan yang menyatakan bahwa kendaraan akan pergi dan kemudian kembali ke depot. Kemudian batasan (9) menyatakan bahwa waktu distribusi tidak boleh melebihi time windows overtime . Kemudian (10) dan (11) merupakan variabel keputusan. Variabel keputusan (10) dan (11) pada penelitian ini tidak terkait secara langsung. Variabel (10) berhubungan langsung dengan fungsi tujuan yang mana akan bernilai satu jika terdapat perpindahan dari lokasi i ke lokasi j pada rute. Sedangkan variabel (11) digunakan pada batasan yang mana akan bernilai satu jika lokasi i berada pada rute. Variabel (11) akan mempengaruhi fungsi tujuan secara tidak langsung dan menentukan apakah fungsi tujuan yang dihasilkan memenuhi batasan yang ada.

Setelah menentukan model matematis pemecahan masalah pada penelitian ini menggunakan metode Nearest Addition Heuristic. Metode yang sering disebut juga Nearest Neighbor Heuristic ini merupakan metode yang sangat efektif, berjalan cepat dan biasanya menghasilkan kualitas yang cukup layak [10]. Nearest Addition merupakan prosedur memulai rute kendaraannya dari jarak yang paling dekat dengan depot. Kemudian rute selanjutnya yaitu konsumen yang paling dekat dengan konsumen pertama yang sudah dikunjungi. Prosedur ini

akan terus berulang sampai semua pelanggan masuk ke dalam rute perjalanan. Metode Nearest Neighbour digunakan pada penelitian ini dikarenakan metode ini merupakan salah satu metode yang memiliki karakteristik pembentukan rute distribusi sesuai dengan keadaan nyata yang terdapat pada kondisi dilapangan, serta alasan penggunaan metode ini dikarenakan teknik penentuan rute yang diterapkan pada metode ini lebih mudah dilakukan dibandingkan dengan metode VRP yang lain.

Gambar 2. Flowchart Nearest Addition

Pada penelitian kali ini, metode tersebut akan mempertimbangkan kedekatan lokasi berdasarkan jarak dan waktu. Keadaan lalu lintas saat ini membuat jarak dan waktu menjadi tidak berbanding lurus. Lokasi yang berjarak lebih dekat bisa saja memiliki waktu tempuh yang lebih lama dibandingkan lokasi yang berjarak lebih jauh namun memiliki waktu tempuh lebih cepat. Dengan memperhatikan jarak dan

waktu akan menghasilkan beberapa alternatif pemilihan lokasi yang akan dimasukan kedalam rute jika lokasi terpilih secara jarak tidak sama dengan lokasi pemilihan secara waktu. alternatif yang terpilih adalah alternatif yang memiliki nilai fungsi tujuan terbaik. Untuk lebih lengkapnya penjelasan mengenai penggunaan metode Nearest Addition kali ini akan digambarkan dalam bentuk flowchart pada Gambar 1. Data jarak dan waktu diambil menggunakan google maps dimana data tersebut akan digunakan pada perhitungan jarak dan waktu aktual dan usulan. Pengambilan data dilakukan pada waktu sibuk dengan asumsi data tersebut tidak berubah.

Setelah rute terbentuk dilakukan penyusunan produk menggunakan aplikasi easy cargo. Easy cargo akan membantu penyusunan produk secara LIFO (Last In First Out). LIFO akan membantu supir saat melakukan unloading sehingga lebih cepat sehingga total waktu distribusi dapat dikurangi.

Awalnya bagian penjualan akan melakukan menerima permintaan konsumen satu hari sebelum hari pengiriman. Kemudian data tersebut akan diberikan pada bagian distribusi untuk mengalokasikan permintaan tersebut pada rute kendaraan sesuai dengan kapasitas kendaraan. Pada hari pengiriman bagian distribusi akan memberikan daftar toko yang telah dikelompokkan kepada supir untuk memuat produk kedalam kendaraan. Proses ini dilakukan sebelum kegiatan distribusi dilakukan. Kemudian supir akan menentukan rute pengiriman berdasarkan intuisi, pengalaman, dan pengetahuan supir.

Kegiatan distribusi ini dilakukan pada hari Senin hingga Sabtu mulai pukul 08.00 WIB hingga 16.00 WIB dengan waktu istirahat selama satu jam yang dapat disesuaikan dengan kondisi pengiriman pada hari tersebut. Pengiriman dilakukan selama jam kerja distributor jika kegiatan distribusi melebihi jam kerja tersebut maka akan dilakukan sistem lembur dengan ketentuan pembayaran Rp 30,000 per jam. Kegiatan lembur diizinkan sampai jam 21:00. Proses loading dilakukan pada pagi hari jam sebelum melakukan kegiatan distribusi ke lokasi konsumen. Saat melakukan loading, produk yang memiliki berat paling besar akan diletakkan di bagian bawah kemudian ditumpuk dengan produk yang lebih ringan.

Pada saat ini kendaraan yang digunakan untuk mengirimkan air kemasan “X” adalah 2 unit mobil Mitsubishi L300. Kendaraan akan berangkat dari depot tepat jam 08:00 dan kembali sesudah mengirimkan seluruh permintaan konsumen pada hari tersebut. Berdasarkan hasil wawancara, kendaraan biasanya kembali pada siang hari jauh sebelum jam operasional berakhir sehingga supir dan kendaraan akan menganggur hingga jam kerja berakhir. Hal ini menandakan bahwa sistem saat ini masih belum efisien dan pengalokasian beban kerja yang belum baik pada kendaraan sehingga jumlah kendaraan yang digunakan melebihi beban kerja.

A. Hasil

Pemecahan metode usulan kali ini menggunakan Nearest Addition Heuristic yang dibantu menggunakan tools spreadsheet Excel VBA untuk melakukan kalkulasi pencarian

Menetapkan konsumen yang belum disisipkan

Mulai

Memilih lokasi yang mempunyai jarak dan waktu

terkecil dari depot

lokasi yang terpilih berdasarkan waktu dan

jarak sama

Membuat alternatif baru Memilih lokasi terdekat dari

lokasi sebelumnya

Perbaharui kapasitas kendaraan

Jumlah permintaan < kapasitas kendaraan

Rute terbentuk < time window overtime Perbaharui kapasitas kendaraan

Membatalkan penyisipan lokasi pada rute Membuat rute baru

Melanjutkan penyisipan lokasi pada rute

Terdapat lokasi yang belum disisipkan

Masukan depot sebagai lokasi akhir lokasi yang terpilih berdasarkan waktu dan

jarak sama

Terdapat lokasi yang belum masuk ke dalam rute

Menyajikan rute yang terbentuk Selesai Ya Tidak Ya Ya Tidak Ya B Tidak Tidak Tidak B Ya Ya Tidak C C

Mengatur peletakan barang menggunakan Easy Cargo

Seluruh permintaan dapat dimuat dalam kendaraan Gunakan rute alternatif lain

Tidak

Ya Terdapat alternatif rute lain

yang terbentuk Ya Tidak Atur ulang rute yang telah

terbentuk

Total waktu distribusi < time window overtime Menambah jumlah kendaraan

yang digunakan Ya

Tidak Mengeluarkan lokasi awal dari

rute Mengelompokan lokasi yang

dipisahkan Menambah rute baru

Mengelompokan lokasi yang telah dipisahkan Melakukan pembuatan kembali

solusi. Langkah-langkah yang dilakukan adalah mendeskripsikan sistem aktual untuk mengetahui keadaan dan masalah yang terjadi. Langkah berikutnya dilakukan perhitungan biaya aktual yang nantinya akan dijadikan acuan perbaikan. Langkah berikutnya adalah membuat model matematis yang menggambarkan kondisi pada distributor. Model matematis yang dibuat adalah model matematis dengan tujuan meminimasi biaya distribusi yang terdiri dari biaya transportasi dan overtime. Setelah itu pembuatan algoritma Nearest Addition Heuristric pada Spreadsheet Excel VBA berdasarkan algoritma dan model matematis yang telah dibangun. Langkah berikutnya adalah melakukan verifikasi dan validasi terhadap Spreadsheet Excel VBA. Berikut ini merupakan rute yang terbentuk menggunakan Spreadsheet Excel VBA:

Selanjutnya setelah mendapatkan solusi dari hasil pencarian dilakukan analisis sistem aktual dengan sistem usulan. Kemudian memberikan usulan penyusunan dalam penempatan produk menggunakan easy cargo menggunakan aturan LIFO (Last In First Out) untuk mempermudah proses unloading. Setelah semua langkah dilakukan dan mendapatkan rute usulan, dilakukan perbandingan antara sistem aktual dan sistem usulan untuk melihat seberapa besar perbaikan yang dihasilkan. Berikut ini adalah perbandingan biaya distribusi sistem aktual dan sistem usulan.

Setelah dilakukan perbandingan antara sistem aktual dan usulan didapatkan perbaikan pada biaya distribusi dengan rata-rata sebesar 31.27% dengan penghematan sebesar Rp. 656,667.06/minggu. Berikutnya adalah perbandingan jarak tempuh sistem aktual dan sistem usulan:

Aktual Usulan Aktual Usulan

Senin 226.6 206.6 8.83 480.04 452.96 5.64 Selasa 210.5 191.1 9.22 440.00 420.34 4.47 Rabu 202.8 168.3 17.01 408.05 370.63 9.17 Kamis 183.5 157.3 14.28 377.30 350.65 7.06 Jumat 203.5 151.5 25.55 428.87 350.65 18.24 Sabtu 218.7 211.7 3.20 485.05 457.93 5.59 Total 1245.60 1086.50 2619.30 2403.16 Rata-rata 207.60 181.08 13.01 436.55 400.53 8.36 Perbaikan (%)

Hari Jarak Tempuh (km) Perbaikan

(%)

Waktu Distribusi (menit)

Dapat dilihat bahwa jarak tempuh yang diusulkan memberikan perbaikan rata-rata sebesar 13.01% dengan pengurangan sebesar 159.1 km/minggu. Sedangkan dalam segi waktu distribusi rata-rata perbaikan yang dihasilkan sebesar 8.36% dengan penghematan waktu distribusi 216.14 menit/minggu.

Kemudian untuk penyusunan produk dalam kendaraan digunakan aplikasi easy cargo. Berikut ini adalah contoh penyusunan produk pada kendaraan untuk hari senin rute pertama:

Gambar 3. Penyusunan produk dalam kendaraan

Easy cargo akan melakukan pengaturan berdasarkan LIFO (Last In First Out). Permintaan konsumen pada satu lokasi yang sama akan diletakkan berdekatan dan diurutkan berdasarkan rute yang terbentuk dengan demikian supir tidak perlu menurunkan barang lain untuk mengambil permintaan dari suatu konsumen kemudian merapikan kembali penyusunan pada kendaraan saat melakukan proses unloading.

B. Analisis

Dengan melakukan usulan ini distributor XYZ akan dapat melakukan penghematan sebesar Rp656,667.06/minggu dengan perbaikan rata-rata 31.27%, sedangkan dari segi waktu distribusi dapat dilakukan penghemat waktu distribusi 216.14 menit/minggu dengan rata-rata perbaikan yang dihasilkan sebesar 8.36%. pengerjaan usulan ini memerlukan Microsoft Excel yang banyak dipasang pada komputer-komputer standar sehingga tidak perlu membuat atau membeli software tambahan. Pada keadaan aktual distributor menggunakan dua unit kendaraan untuk melakukan pengiriman. Namun supir yang melakukan pengiriman kembali ke depot sebelum waktu kerja berakhir dan masih memiliki waktu yang cukup banyak

1 0 14 22 31 33 16 8 0 2 0 23 26 25 38 41 34 0 1 0 13 20 35 40 42 29 17 5 0 2 0 7 10 2 3 43 37 24 39 0 1 0 14 13 21 32 29 4 6 0 2 0 28 36 24 23 43 27 25 0 1 0 9 2 16 4 29 42 32 0 2 0 22 20 28 43 36 24 37 0 1 0 18 11 9 19 32 30 21 12 0 2 0 39 38 24 36 28 23 0 1 0 7 5 17 29 26 37 43 0 2 0 8 19 42 41 34 35 22 0 Hari Rute Kamis Jumat Sabtu Senin Selasa Rabu Aktual Usulan Senin 365661.90 275544.61 24.64 Selasa 354088.83 241297.59 31.85 Rabu 350811.75 223448.62 36.31 Kamis 333900.64 214243.07 35.84 Jumat 347952.36 212918.69 38.81 Sabtu 355636.91 283932.74 20.16 Total 2108052.38 1451385.33 Rata-rata 351342.06 241897.55 31.27

Hari Biaya Distribusi (Rp.) Perbaikan (%)

TABEL I. RUTE USULAN

TABEL II. PERBANDINGAN BIAYA DISTRIBUSI

dan akhirnya menganggur hingga jam kerja berakhir. Sehingga pada penelitian ini mencoba melakukan pengurangan kendaraan dan mengizinkan kendaraan mengirimkan barang lebih dari satu rute. Berdasarkan hasil perhitungan menggunakan metode usulan distributor hanya memerlukan satu kendaraan untuk melakukan pengiriman air mineral “X”. kendaraan yang menganggur nantinya akan dialokasikan untuk mengirimkan produk lain

Berdasarkan hasil perbandingan sistem aktual dan sistem usulan terjadi keadaan ekstrim dimana pada hari Jumat terdapat perbandingan yang cukup besar yaitu 38.81% pada biaya distribusi. Penghematan biaya pada hari tersebut sebesar Rp. 135,033.7 yang jika dibiarkan akan menyebabkan biaya distribusi membesar. Penghematan jarak pada hari tersebut sebesar 25.55% dan perbaikan waktu sebesar 18.24%. Hal ini mungkin terjadi dikarenakan bagian distribusi belum dapat mengalokasikan konsumen pada rute dengan baik. Kemudian dengan menggunakan metode usulan ini didapatkan bahwa terdapat rata-rata perbaikan jarak tempuh sebesar 13.01% perbandingan ini berbanding lurus dengan fungsi tujuan yang ingin mengurangi biaya distribusi yang menghitung aspek biaya yang berkaitan dengan jarak yang harus ditempuh oleh kendaraan. Adapun pada hari Sabtu perbaikan jarak dan waktu paling kecil yakni 3.20% dan 5.59% hal ini mungkin terjadi jika supir sudah tahu betul keadaan jalan dan mampu memberikan rute aktual yang sudah cukup baik.

Pada keadaan aktual perusahaan menggunakan dua armada untuk melakukan pengiriman namun dengan menerapkan kebijakan multi-trips distributor hanya perlu menggunakan satu armada untuk proses distribusi. Jika dilihat dengan keadaan saat ini, jumlah kendaraan dapat dikatakan berlebihan sehingga menyebabkan kendaraan pulang ke depot terlalu cepat dan akhirnya menganggur hingga jam kerja selesai. pengurangan jumlah kendaraan akan mempengaruhi biaya distribusi yang dikeluarkan karena dengan mengurangi jumlah kendaraan perusahaan dapat mengurangi biaya menganggur setiap harinya. Kendaraan yang dikurangi nantinya akan dialihkan pada pendistribusian produk lain. Kemudian dampak dari kebijakan multi-trips ini membuat supir harus melakukan overtime pada hari senin dan sabtu. Meskipun begitu total waktu overtime yang dihasilkan dari usulan ini sebesar 71.23 menit/minggu dengan biaya overtime sebesar Rp 35,617.5/minggu.

C. Kesimpulan

Penggunaan jumlah kendaraan dalam pendistribusian aktual tidak sesuai dengan beban kerja dan kebijakan perusahan yang menggunakan dua kendaraannya. Dengan menggunakan kebijakan Multi-trip distributor saat ini cukup menggunakan satu kendaraan sehingga kendaraan yang tidak digunakan dapat dialihkan untuk mengirimkan produk lain. Kebijakan tersebut akan memungkin distributor melakukan overtime jika permintaan konsumen meningkat. Pada penelitian ini overtime dilakukan pada hari Senin dan Sabtu.

Kemudian metode yang saat ini digunakan masih berdasarkan intuisi supir, sehingga jarak dan waktu tempuh

masih dapat ditingkatkan. Hal ini akan mempengaruhi total biaya distribusi yang harus dikeluarkan. Penggunaan metode Nearest Addition heuristic terbukti dapat mengurangi total biaya, jarak tempuh, dan waktu distribusi.

Dengan menggunakan kebijakan ini perusahaan dapat menghemat sebesar Rp656,667.06/minggu dengan rata-rata penghematan sebesar 31.27%. Kemudian pada jarak tempuh distributor dapat menghemat sebesar 159.1 km/minggu dengan rata-rata perbaikan sebesar 13.01%. Selain itu pada waktu distribusi terjadi penghematan sebesar 216.14 menit/minggu dengan rata-rata perbaikan sebesar 8.36%.

Kemudian untuk lebih lanjut, dapat menggunakan metode berbeda seperti menggunakan metaheuristik untuk mencari pada ruang solusi yang lebih luas dan metode optimisasi untuk memberikan hasil yang optimal. Meski memberi hasil yang lebih baik namun penggunakan metode metaheuristik dan optimisasi membutuhkan waktu yang lebih lama jika dibandingkan dengan metode heuristik. Metode tersebut dapat digabungkan dengan penggunaan aplikasi seperti Lingo, Matlab dan sejenisnya untuk membantu melakukan kalkulasi perhitungan rute.

[1] Toth, Paolo.,Vigo, Daniele; “The Vehicle Routing Problem. Society for Industrial and Applied Mathematics Problem”, Elsevier, 2002. [2] Osman and Laporte, I.H. Osman, G. Laporte; “Metaheuristics: A

Bibliography. Annals of Operations Research”, 63, pp. 513-623, 1996. [3] Ballou, R.H.and Agarwal, Y.K, “A performance comparison of several

popular algorithms for vehicle routing and scheduling”. Journal of Business Logistics, Vol. 9 (1), pp.: 51 – 65, 1998.

[4] Singer, B., “The Multiple Trips Vehicle Routing Problem, Marco Bijvank; Universitas Amsterdam”, 2008.

[5] Pujawan, I. Nyoman dan Mahendrawathi Er, “Supply Chain Management. Edisi 3”. Yogyakarta, 2017.

[6] Dantzig, G. and Ramser, J, “The Truck Dispatching Problem. Management Science”, 6, 80-91. 1959.

[7] Dallenbach, H. G and McNickle, D. C, “Management Science: Decision Making Through Systems Thinking. Palgrave Macmillan. Hampshire”, 2005.

[8] Ombuki, Ross, and Hanshar, “Multi-Objective Genetic Algorithms for Vehicle Routing Problem with Time Windows. Department of Computer Science”, Brock University. 2004.

[9] Y. Zhang and X.D Chen, “An Optimization Model for the Vehicle Routing Problem in Multi-Product Frozen Food Delivery”, 2014.

[10] Hutasoit, Susanty, dan Imran; “Penentuan Rute Distribusi Es Balok Menggunakan Algoritma Nearest Neighbour dan Local Search”. Jurnal Institut Teknologi Nasional, Vol (2), 2014.

[11] Chopra, Sunil dan Peter Meindl, “Supply Chain Management: Strategy, Planning and Operation, 6th Edition.” New Jersey, 2016.

[12] Francois Despaux and Sebastián Basterrech, “A study of the Multi-trip vehicle routing problem with time windows and heterogeneous fleet.”, 2015.

[13] Raden Prana A; “Aplikasi Kombinatorial pada Vehicle Routing Problem”, ITB. 2007.

[14] Suprayogi, “Algoritma Sequential Insertion untuk Memecahkan Vehicle Routing Problem with Multiple Trips and Time windows”, 2003.