ABSTRAK
Koperasi Peternak Sapi Bandung Utara (KPSBU) merupakan salah satu distributor dan produsen produk olahan susu sapi di Bandung. Pada bulan September 2015, KPSBU melayani 65 pelanggan produk olahan susu sapi dengan 2 kendaraan mobil box bermerk Mitsubishi L700. Saat ini, pihak KPSBU mempertimbangkan jumlah pelanggan yang dilayani agar mendekati seimbang untuk masing-masing kendaraan per harinya dan mempertimbangkan pembagian pelanggan secara geografis. Setiap kegiatan pengiriman terdapat uang perjalanan yang diberikan kepada supir, salah satunya adalah uang untuk pengisian bahan bakar. Pada saat uang untuk bahan bakar tidak mencukupi, maka kekurangannya akan digantikan oleh perusahaan sehingga selolah-olah supir tidak diwajibkan untuk berusaha mencari atau menentukan urutan pengiriman yang optimal dan terdapat kemungkinan penentuan pelanggan juga tidak mempertimbangkan rute yang optimal. Oleh karena itu, pada penelitian ini akan diusulkan rute yang lebih optimal, yaitu dengan kombinasi rute yang lebih baik dari segi total biaya dan waktu pengiriman.
Metode pemecahan masalah yang digunakan adalah algoritma Sequential Insertion (SI) sebagai initial solution dan algoritma Simulated Annealing (SA) sebagai metode perbaikan dari initial solution. KPSBU harus mengirimkan pesanannya dari jam 08.00 sampai jam 15.00 pada hari Senin dan hari Kamis dengan kapasitas kendaraan yang terbatas, maka permasalahan ini disebut Capacitated Vehicle Routing Problem with Time Window (CVRPTW). Model matematis dibuat untuk mengetahui hubungan dari variabel, parameter, variabel keputusan, dan ukuran kinerja terhadap total biaya pengiriman, dimana hal ini digambarkan dengan influence diagram. Pengolahan data diawali dengan pembuatan dua skenario, yaitu skenario 1 (perbaikan hasil algoritma SI dengan SA) dan skenario 2 (perbaikan rute existing dengan SA) menggunakan program Delphi 7. Setelah itu, dilakukan perhitungan jarak untuk node pelanggan hari Senin dan hari Kamis dengan pendekatan Euclidian distance menggunakan titik koordinat (lintang dan bujur). Kemudian, dilakukan pengujian normalitas terhadap faktor konversi jarak (jarak euclidean ke jarak sebenarnya) dan kecepatan kendaraan. Kecepatan kendaraan digunakan sebagai konversi jarak ke waktu. Data input berupa titik koordinat, permintaan, dan waktu pelayanan dimasukkan ke dalam program untuk diolah pada skenario 1 dan 2.
DAFTAR ISI
LEMBAR PENGESAHAN ... ii
PERNYATAAN HASIL KARYA PRIBADI ... iii
PERNYATAAN PUBLIKASI LAPORAN TUGAS AKHIR ... iv
ABSTRAK ... v
KATA PENGANTAR DAN UCAPAN TERIMA KASIH ... vi
DAFTAR ISI ... ix
DAFTAR TABEL ... xii
DAFTAR GAMBAR ... xiv
DAFTAR LAMPIRAN ... xvii
DAFTAR SIMBOL ... xviii BAB 1 PENDAHULUAN
1.1 Latar Belakang Masalah ... 1-1 1.2 Identifikasi Masalah ... 1-2 1.3 Batasan Masalah dan Asumsi ... 1-2 1.3.1 Batasan Masalah ... 1-2 1.3.2 Asumsi ... 1-3 1.4 Perumusan Masalah ... 1-3 1.5 Tujuan Penelitian dan Manfaat Penelitian ... 1-3 1.5.1 Tujuan Penelitian ... 1-4 1.5.2 Manfaat Penelitian ... 1-4 1.6 Sistematika Penulisan ... 1-4 BAB 2 TINJAUAN PUSTAKA
2.2.1 Definisi VRP ... 2-3 2.2.2 Model Matematis VRP... 2-5 2.2.2.1 Model Matematis Berbasis Travelling
Salesman Problem ... 2-5
2.2.2.2 Model Matematis Berbasis Travelling
Salesman Problem ... 2-6
2.3 Vehicle Routing Problem with Time Window (VRPTW) ... 2-7 2.3.1 Definisi VRPTW ... 2-7 2.3.2 Model Matematis VRPTW ... 2-8 2.4 Algoritma Sequential Insertion (SI) ... 2-11 2.5 Algoritma Simulated Annealing (SA) ... 2-13 2.6 Perhitungan Euclidian Distance ... 2-16 2.7 Uji Normalitas Data SPSS ... 2-17 BAB 3 METODOLOGI PENELITIAN
3.1 Flowchart Penelitian ... 3-1 3.2 Keterangan Flowchart ... 3-1 3.2.1 Penelitian Pendahuluan ... 3-1 3.2.2 Batasan Masalah dan Asumsi ... 3-1 3.2.3 Perumusan Masalah ... 3-1 3.2.4 Penentuan Tujuan Penelitian dan Manfaat Penelitian ... 3-1 3.2.5 Tinjauan Pustaka ... 3-4 3.2.6 Penentuan Metode Pemecahan Masalah ... 3-4 3.2.7 Pengumpulan Data ... 3-15 3.2.8 Pengolahan Data ... 3-18 3.2.9 Kesimpulan dan Saran ... 3-20 BAB 4 PENGUMPULAN DATA
4.6 Data Biaya ... 4-6 4.7 Rute Existing Pengiriman Hari Senin dan Hari Kamis ... 4-7 4.8 Kecepatan Kendaraan ... 4-9 4.9 Jam Kerja ... 4-10 4.10 Input Data Program ... 4-11 BAB 5 PENGOLAHAN DATA DAN ANALISIS
5.1 Pengolahan Data ... 5-1 5.1.1 Deskripsi Sistem ... 5-1 5.1.2 Perumusan Model Matematis CVRPTW ... 5-2 5.1.3 Pengujian Model ... 5-11 5.1.4 Pengujian Normalitas Kecepatan Kendaraan ... 5-11 5.1.5 Penentuan dan Pengujian Normalitas Rasio Jarak ... 5-14 5.1.6 Hasil Program ... 5-22 5.1.7 Verifikasi Hasil Program ... 5-28 5.2 Analisis ... 5-28 5.2.1 Analisis Kelemahan Metode Penentuan Rute Saat Ini .... 5-28 5.2.2 Analisis Metode Penentuan Rute Usulan ... 5-30 5.2.3 Analisis Perbandingan Biaya Total Pengiriman ... 5-38 5.2.4 Analisis Sensitivitas ... 5-43 5.2.5 Analisis Perbaikan Rute Usulan dari Rute Existing ... 5-45 BAB 6 KESIMPULAN DAN SARAN
DAFTAR TABEL
Tabel Judul Halaman
4.1 Data Pelanggan, Permintaan, dan Waktu Pelayanan 4-3
4.2 Pelanggan Pengiriman Hari Senin 4-4
4.3 Pelanggan Pengiriman Hari Kamis 4-5
4.4 Rute Kendaraan Pengiriman Hari Senin dan Hari Kamis 4-7 4.5 Kecepatan Kendaraan Rute Existing Hari Senin 4-10
4.6 Input Program Hari Senin 4-11
4.7 Input Program Hari Kamis 4-12
5.1 Data Kecepatan Kendaraan Pengiriman Hari Senin 5-12 5.2 Output Uji Normal SPSS Data Kecepatan Kendaraan
Pengiriman Hari Senin 5-12
5.3 Titik Koordinat Node Pengiriman Hari Senin 5-15 5.4 Output Uji Normal SPSS Data Rasio Jarak Pengiriman Hari
Senin 5-16
5.5 Hasil Perhitungan Jarak (Satuan Derajat) Pengiriman Hari
Senin 5-18
5.6 Hasil Perhitungan Jarak Sebenarnya Pengiriman Hari Senin 5-19 5.7 Jarak Sebenarnya (Google Maps) Pengiriman Hari Senin 5-20
5.8 Rasio Jarak Pengiriman Hari Senin 5-21
5.9 Hasil SI Hari Senin 5-22
5.10 Hasil SI Hari Kamis 5-23
5.11 Hasil Perbaikan SI dengan SA Hari Senin 5-23 5.12 Hasil Perbaikan SI dengan SA Hari Kamis 5-24 5.13 Hasil 10 Replikasi Perbaikan SI dengan SA Hari Senin 5-24 5.14 Hasil 10 Replikasi Perbaikan SI dengan SA Hari Kamis 5-25 5.15 Hasil Perbaikan Rute Existing dengan SA Hari Senin 5-26 5.16 Hasil 10 Replikasi Perbaikan Rute Existing dengan SA Hari
Tabel Judul Halaman
5.17 Hasil Perbaikan Rute Existing dengan SA Hari Kamis 5-27 5.18 Hasil 10 Replikasi Perbaikan Rute Existing dengan SA Hari
Kamis 5-27
5.19 Verifikasi Hasil Program 5-28
5.20 Rute Existing Hari Senin 5-29
5.21 Rute Existing Hari Kamis 5-29
5.22 Hasil Initial Solution Algoritma SI Hari Senin 5-30 5.23 Hasil Initial Solution Algoritma SI Hari Kamis 5-30 5.24 Hasil Perbaikan SI dengan SA Hari Senin 5-31 5.25 Hasil Perbaikan SI dengan SA Hari Kamis 5-32 5.26 Hasil Perbaikan Rute Existing dengan SA Hari Senin 5-34 5.27 Hasil Perbaikan Rute Existing dengan SA Hari Kamis 5-36
5.28 Perbandingan Total Biaya Pengiriman 5-38
5.29 Proporsi Biaya 5-42
5.30 Analisis Sensitivitas Biaya Bahan Bakar 5-43
5.31 Analisis Sensitivitas Biaya Overtime 5-44
DAFTAR GAMBAR
Gambar Judul Halaman
2.1 Jaringan Supply Chain 2-2
2.2 Ilustrasi Kasus VRP 2-4
2.3 Ilustrasi Penyisipan Algoritma SI 2-12
2.4 Flowchart Sederhana Algoritma SA 2-15
2.5 Simbol Influence Diagram 2-19
3.1 Flowchart Metodologi Penelitian 3-2
3.2 Flowchart Algoritma Sequential Insertion (SI) 3-7 3.3 Flowchart Algoritma Simulated Annealing (SA) 3-12
3.4 Operator intra-exchange 1-1 3-14
3.5 Operator intra-exchange 2-2 3-14
3.6 Operator inter-exchange 1-1 3-15
3.7 Operator inter-exchange 2-2 3-15
3.8 Flowchart Operator intra-exchange a-a Algoritma
Simulated Annealing 3-16
3.9 Flowchart Operator inter-exchange a-a Algoritma
Simulated Annealing 3-17
3.10 Flowchart Pengolahan Data 3-18
4.1 Produk Olahan Susu KPSBU 4-1
4.2 Struktur Organisasi KPSBU 4-2
4.3 Kendaraan KPSBU 4-6
4.4 Rute Existing Kendaraan 1 Hari Senin 4-7
4.5 Rute Existing Kendaraan 2 Hari Senin 4-8
4.6 Rute Existing Kendaraan 1 Hari Kamis 4-8
4.7 Rute Existing Kendaraan 2 Hari Kamis 4-9
5.1 Influence Diagram 5-3
5.2 Histogram Data Kecepatan Kendaraan Pengiriman Hari
Gambar Judul Halaman
5.3 Grafik Zskew Kecepatan Kendaraan Pengiriman Hari Senin 5-13 5.4 Grafik Zkurtosis Kecepatan Kendaraan Pengiriman Hari Senin 5-14 5.5 Histogram Data Rasio Jarak Pengiriman Hari Senin 5-17 5.6 Grafik Zskew Rasio Jarak Pengiriman Hari Senin 5-17 5.7 Grafik Zkurtosis Rasio Jarak Pengiriman Hari Senin 5-22 5.8 Perbaikan Total Biaya Pengiriman SI dengan SA Hari Senin 5-31 5.9 Perbaikan Total Waktu Pengiriman SI dengan SA Hari Senin 5-32 5.10 Perbaikan Keseimbangan Utilisasi SI dengan SA Hari Senin 5-32 5.11 Perbaikan Total Biaya Pengiriman SI dengan SA Hari Kamis 5-33 5.12 Perbaikan Total Waktu Pengiriman SI dengan SA Hari
Kamis 5-33
5.13 Perbaikan Keseimbangan Utilisasi SI dengan SA Hari Kamis 5-34 5.14 Perbaikan Total Biaya Pengiriman Rute Existing dengan SA
Hari Senin 5-35
5.15 Perbaikan Total Waktu Pengiriman Rute Existing dengan SA
Hari Senin 5-35
5.16 Perbaikan Keseimbangan Utilisasi Rute Existing dengan SA
Hari Senin 5-36
5.17 Perbaikan Total Biaya Pengiriman Rute Existing dengan SA
Hari Kamis 5-36
5.18 Perbaikan Total Waktu Pengiriman Rute Existing dengan SA
Hari Kamis 5-37
5.19 Perbaikan Keseimbangan Utilisasi Rute Existing dengan SA
Hari Kamis 5-37
5.20 Grafik Perbandingan Total Biaya Pengiriman 5-39 5.21 Grafik Penghematan Total Biaya Pengiriman dengan
Rute Existing 5-39
Gambar Judul Halaman
5.25 Rute Pengiriman Usulan Kendaraan 2 Hari Kamis 5-42
5.26 Grafik Proporsi Biaya 5-43
5.27 Rute Existing Hari Senin 5-45
5.28 Rute Existing Hari Kamis 5-46
5.29 Rute Usulan Hari Senin 5-46
DAFTAR LAMPIRAN
Lampiran Judul Halaman
A Prosedur Penggunaan Program A-1
DAFTAR SIMBOL
ijk
c = Biaya perjalanan antara pelanggan i dan j. K = Nomor kendaraan.
di = Total permintaan kendaraan k sampai pelanggan i. N = Nomor pelanggan dimana 0 untuk depot.
dij = Jarak Euclidian antara pelanggan i dengan pelanggan j cij = Biaya perjalanan dari pelanggan i dengan pelanggan j tij = Waktu perjalanan dari pelanggan i dengan pelanggan j mi = Permintaan pelanggan i
qk = Kapasitas kendaraan k
ei = Waktu kedatangan paling awal li = Waktu kedatangan paling akhir fi = Waktu pelayanan pelanggan i
TC(θ0) = nilai fungsi tujuan solusi awal TC(θ*) = nilai fungsi tujuan solusi saat ini TC(θe) = nilai fungsi tujuan solusi akhir TC(θn) = nilai fungsi tujuan solusi baru
∆ = selisih antara nilai fungsi tujuan solusi baru dengan solusi awal, ∆ = TC(θn) - TC(θ0)
m = jumlah iterasi keseluruhan
M = jumlah iterasi keseluruan maksimum
n = jumlah iterasi pada setiap tingkatan operator
Iter = jumlah iterasi maksimum pada setiap tingkatan operator I = Indeks untuk lokasi node awal; i = {1,2,...,I}; 0 untuk depot
fk = Kebutuhan bahan bakar kendaraan per satuan jarak (liter/km)
dijrk = Jarak yang ditempuh kendaraan k dari lokasi i ke lokasi j pada rute r (km)
qirk = Permintaan produk node i untuk kendaraan k pada rute r (liter) sirk = Waktu pelayanan node i untuk kendaraan k pada rute r (jam) fc = Biaya bahan bakar kendaraan (Rp/liter)
oc = Biaya overtime (Rp/jam) twr = Time window reguler (menit)
two = Time window overtime / waktu overtime yang diperbolehkan (menit) otrk = Waktu overtime untuk kendaraan k pada rute r (jam)
OTrk = Total waktu overtime perjalanan untuk kendaraan k pada rute r (menit)
Ark = Total biaya overtime untuk kendaraan k pada rute r (Rp) Crk = Biaya pengiriman untuk kendaraan k pada rute r (Rp) Xrk =
1, apabila mobil pada rute yang terdapat pada solusi 0, apabila tidak
k r
BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
Dengan perkembangan industri saat ini, setiap perusahaan dituntut untuk melakukan berbagai usaha agar dapat selalu memenuhi kebutuhan konsumen. Salah satu usaha yang dapat dilakukan adalah dengan melakukan perbaikan dalam bidang logistik. Logistik merupakan suatu kegiatan yang berhubungan dengan pengadaan, penyimpanan, pengelolaan, persediaan, dan pendistribusian barang dan jasa. Peran logistik dalam suatu perusahaan menjadi penting karena besarnya kebutuhan setiap unit operasional akan barang atau jasa dalam menjalankan kegiatannya. Pada persaingan global seperti saat ini, manajemen logistik yang baik akan menjadi nilai tambah bagi setiap perusahaan karena hasilnya dapat meminimasi setiap biaya yang dikeluarkan secara efektif dan efisien untuk mendapatkan keuntungan yang maksimal (Viktaria, 2015).
Permasalahan distribusi atau pengiriman barang/jasa dalam manajemen logistik merupakan salah satu aspek yang harus diperhatikan karena permasalahan tersebut memiliki pengaruh yang signifikan terhadap total biaya produk dan tingkat pelayanan kepada pelanggan. Selain itu, seringkali banyaknya kendala yang harus dihadapi dalam proses distribusi, di antaranya adalah banyaknya permintaan yang fluktuatif dan berbeda-beda pada setiap pelanggan mengingat adanya keterbatasan jumlah dan kapasitas kendaraan yang dimiliki, adanya batasan waktu pengiriman yang mengurangi nilai produk, dan lokasi pelanggan yang menyebar secara geografis. Salah satu perusahaan yang menghadapi masalah ini adalah Koperasi Peternak Sapi Bandung Utara (KPSBU). KPSBU adalah salah satu distributor susu murni dan produsen produk olahan susu sapi di Bandung, yang telah beroperasi sejak tahun 1971 sebagai badan usaha pengumpul susu murni dari para peternak sapi di daerah Lembang, Bandung.
Bab 1 Pendahuluan 1-2
dilakukan dua kali dalam satu minggu, yaitu hari Senin dan hari Kamis. Pihak KPSBU mempertimbangkan jumlah pelanggan yang dilayani agar mendekati seimbang untuk masing-masing kendaraan per harinya dan mempertimbangkan pembagian pelanggan secara geografis. Setiap kegiatan pengiriman terdapat uang perjalanan yang diberikan kepada supir, salah satunya adalah uang untuk pengisian bahan bakar. Pada saat uang untuk bahan bakar tidak mencukupi, maka kekurangannya akan digantikan oleh perusahaan sehingga seolah-olah supir tidak diwajibkan untuk berusaha mencari atau menentukan urutan pengiriman yang optimal dan terdapat kemungkinan penentuan pelanggan juga tidak mempertimbangkan rute yang optimal. Oleh karena itu, pada penelitian ini akan diusulkan rute yang lebih optimal ke pihak KPSBU, yaitu rute dengan total jarak pengiriman, total biaya pengiriman, dan total waktu pengiriman yang lebih baik.
1.2 Identifikasi Masalah
Berdasarkan latar belakang masalah yang telah diuraikan di atas dan hasil wawancara dengan pihak KPSBU, maka dapat diketahui masalah yang terjadi adalah sebagai berikut:
1. Penentuan pelanggan yang dilayani dan urutan pelanggan yang dilalui kendaraan dilakukan dengan intuisi yang tidak memiliki dasar perhitungan yang jelas, sehingga terdapat kemungkinan bahwa biaya pengiriman rute existing saat ini masih belum optimal.
2. Waktu pengiriman saat ini sering melewati batas jam kerja supir dan hampir mendekati batas waktu lembur yang diperbolehkan. Hal ini menjadi salah satu faktor bahwa rute existing belum optimal.
1.3 Batasan Masalah dan Asumsi
1.3.1Batasan Masalah
Pada penelitian ini terdapat beberapa batasan masalah digunakan agar penelitian lebih terfokus pada permasalahan yang ingin diselesaikan. Berikut batasan masalah yang diberikan, yaitu sebagai berikut:
Bab 1 Pendahuluan 1-3
2. Pelanggan yang diteliti hanya yang memesan produk olahan susu, yaitu sebanyak 65 pelanggan.
3. Data permintaan yang digunakan adalah data permintaan pada periode September 2015.
1.3.2Asumsi
Asumsi yang digunakan dalam penelitian ini adalah:
1. Kendaraan selalu dalam kondisi baik untuk setiap kegiatan pengiriman. 2. Biaya-biaya yang digunakan tetap atau konstan selama penelitian dilakukan.
1.4 Perumusan Masalah
Perumusan masalah yang akan diselesaikan dalam penelitian ini adalah sebagai berikut:
1. Apa kelemahan metode penentuan rute pengiriman saat ini di KPSBU?
2. Bagaimana metode usulan penentuan rute pengiriman yang tepat untuk diterapkan di KPSBU?
3. Apa manfaat yang diperoleh KPSBU apabila menggunakan metode usulan tersebut?
1.5 Tujuan dan Manfaat Penelitian
1.5.1Tujuan Penelitian
Tujuan penelitian yang dilakukan berdasarkan perumusan masalah diatas adalah sebagai berikut:
1. Mengidentifikasi kelemahan metode penentuan rute pengiriman saat ini di KPSBU.
2. Memberikan usulan metode penentuan rute pengiriman yang tepat untuk diterapkan di KPSBU.
Bab 1 Pendahuluan 1-4
1.5.2Manfaat Penelitian
Adapun penelitian yang dilakukan ini dapat memberikan manfaat baik bagi KPSBU ataupun penulis, yaitu:
Bagi KPSBU
- Mendapatkan rute yang lebih optimal, yaitu rute dengan total biaya pengiriman yang minimum.
- Meningkatkan daya saing KPSBU, yaitu biaya pengiriman yang lebih efisien.
Bagi penulis
- Mendapatkan pengalaman dan pengetahuan dalam penerapan ilmu supply chain management, khususnya mengenai penentuan rute kendaraan.
1.6 Sistematika Penulisan
Untuk memperjelas tentang isi dari tugas akhir ini, maka pembahasan dilakukan secara komprehensif dan sistematik meliputi:
BAB 1 PENDAHULUAN
Berisi tentang gambaran umum tentang penelitian, dimana terdapat latar belakang masalah, identifikasi masalah, batasan masalah, perumusan masalah, tujuan penelitian, dan sistematika penulisan.
BAB 2 TINJAUAN PUSTAKA
Berisi tentang teori yang mendukung pembahasan dari penelitian yang dilakukan.
BAB 3 METODOLOGI PENELITIAN
Berisi tentang uraian langkah-langkah mengenai kerangka penelitian, dari awal sampai dengan akhir.
BAB 4 PENGUMPULAN DATA
Berisi tentang data-data yang diperlukan dalam mencapai tujuan penelitian.
BAB 5 PENGOLAHAN DATA DAN ANALISIS
Bab 1 Pendahuluan 1-5
BAB 6 KESIMPULAN DAN SARAN
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Beberapa kesimpulan yang diambil berdasarkan pengolahan data dan analisis adalah sebagai berikut:
1. Kelemahan metode yang diterapkan saat ini adalah penentuan pelanggan yang dilayani dan urutan pengiriman yang bersifat intuitif dengan dasar perhitungan yang belum jelas sehingga rute yang dihasilkan tidak optimal dari segi total biaya pengiriman, yaitu sebesar Rp.189,127.80 untuk hari Senin dan Rp.139,129.73 untuk hari Kamis. Dari segi total waktu pengiriman cukup lama untuk kendaraan 1 sebesar 375.335 menit dan kendaraan 2 sebesar 378.757 menit pada hari Senin sedangkan untuk hari Kamis kendaraan 1 sebesar 382.565 menit dan kendaraan 2 sebesar 252.944 menit. Dari segi utilitasi penggunaan antar kendaraan pada hari Kamis selisih total waktu pengiriman cukup besar, yaitu sebesar 129.62 menit.
2. Metode usulan yang tepat untuk penentuan rute pengiriman di Koperasi Peternak Sapi Bandung Utara (KPSBU) adalah metode perbaikan algoritma Simulated Annelaing (SA) dengan initial solution algoritma Sequential
Insertion (SI). Dengan penerapan metode ini terjadi penurunan dari segi total
biaya pengiriman untuk hari Senin menjadi sebesar Rp.126,937.32 dan hari Kamis sebesar Rp.104,651.49. Apabila dari segi total waktu pengiriman penghematan untuk hari Senin pada kendaraan 1 menjadi sebesar 300.017 menit dan pada kendaraan 2 sebesar 307.752 menit sedangkan hari Kamis pada kendaraan 2 menjadi sebesar 290.936 menit dan pada kendaraan 2 sebesar 265.039 menit. Dari segi selisih total waktu pengiriman yang dihasilkan untuk pengiriman hari Senin adalah sebesar 7.735 menit dan hari Kamis sebesar 25.897 menit.
BAB 6 Kesimpulan dan Saran 6-2
Apabila dari segi total waktu pengiriman penghematan untuk hari Senin pada kendaraan 1 adalah sebesar 72.318 menit atau 19.42% dan pada kendaraan 2 sebesar 71.005 menit atau 18.75% sedangkan hari Kamis pada kendaraan 1 adalah sebesar 91.629 menit atau 23.95%.
6.2 Saran
6.2.1 Saran untuk Perusahaan
1. KPSBU menerapkan rute berdasarkan metode usulan agar total biaya pengiriman dan total waktu pengiriman dapat diminimasi dibandingkan rute existing sehingga dapat meningkatkan daya saing perusahaan.
2. Memperhatikan keseimbangan antar waktu pengiriman masing-masing kendaraan agar utilisasi kendaraan lebih seimbang.
6.2.2 Saran untuk Penelitian Selanjutnya
1. Penggabungan metode heuristik yang lain dengan perbaikan algoritma SA atau perbandingan SA dengan metaheuristik yang lain.
2. Operator perbaikan yang digunakan pada algoritma SA sebaiknya ditambahkan operator yang lain seperti relocation.
3. Pengembangan model dan algoritma dapat diaplikasikan dengan kasus VRP yang sejenis dengan mempertimbangkan varian lainnya seperti pickup and delivery (backhaul), multi trip, dan lain-lain.
DAFTAR PUSTAKA
Balinski, M.L. dan Quandt, R.E. (1964), On an Integer Program for a Delivery Problem, Operation Research, 12, hal.300-304.
Campbell, A.M. dan Savelsbergh M. (2002), Efficient Insertion Heuristics for Vehicle Routing Problem and Scheduling Problem, Georgia Institute of
Technology.
Clarke, G. dan Wright, J.W. (1964), Scheduling of Vehicles from a Central Depot to a Number of Delivery Points, Operation Research, 12, hal. 568-581.
Comtois, C., Slack, B., dan Rodrigue, J.P. (2013). The Geography of Transport Systems (Third edition, ed.). London; Routledge, Taylor & Francis Group.
Daellenbach, H.G. dan McNickle, D.C. (2005). Decision Making Through Systems Thinking (First edition, ed.). London; The Palgrave Macmillan.
Dantzig, G.B. dan Ramser, J.H. (1959), The Truck Dispatching Problem, Management Science, 6, hal. 80-91.
Eglese, R. W. (1990), Simulated Annealing: A Tool of Operational Research, European Journal of Operational Research, 46, hal. 271-281.
Fisher, M. L. dan Jaikumar R. (1981), A Generalized Assignment Heuristic for Vehicle Routing, Networks, 11, hal. 109-124.
Gillet, B. dan Miller, L. (1974), A Heuristic Algortihm for The Vehicle-dispatch Problem, Operation Research, 22, hal. 340-349.
Imawati, D. (2004), Pemecahan Vehicle Routing Problem with Multiple Trips and Time Window dengan Menggunakan Pendekatan Local Search dan
Simulated Annealing, Institut Teknologi Bandung.
Jihadi, M. (2012), Uji Normalitas Data dengan SPSS, Universitas Muhammadiyah Malang.
Kallehauge, B., Larsen, J., dan Marsen, O.B.G. (2001), Lagrangean Duality Applied on Vehicle Routing with Time Windows, Technical Report, IMM,
Technical University of Denmark.
Kirkpatrick, S., Gellat, Jr., C.D., dan Vecchi, M.P. (1983), Optimization by Simulated Annealing, Science 220, hal. 671-680.
Laporte, G., Gendreau, M., Potvin J.Y., dan Semet, F. (2000), Classical and Modern Heuristic for The Vehicle Routing Problem, International Transactions in Operational Research, 7, hal. 285-300.
Larsen, J. (1999), Vehicle Routing with Time Windows – Finding Optimal Solution Efficiently, DORSynt, Dans Selskab for Operations Analysis.
Lin, S. (1965), Computer Solutions of Travelling Salesman Problem, Bell Systems Technical Journal, 44, hal. 2245-2269.
Metropolis, N., Rosenbluth, A., Rosenbluth, M., Teller, A., dan Teller, E. (1953), Equaration of State Calculations by Fast Computing Machines, The Journal of Chemical Physics, 21, hal. 1087-1092.
Osman, I.H. (1993), Metastrategy Simulated Annealing and Tabu Search Algorithms for The Vehicle Routing Problem, Annals of Operations Research, 41, hal. 421-451.
Pattawala, A.A. (2013), Analisis dan Usulan Rute Optimum dengan Menggunakan Algoritma Generate and Test di Pt Agronesia Divisi AMDK (Agroplas),
Universitas Kristen Maranatha
Potvin, J.Y. dan Rousseau, J.M. (1993), A Parallel Route Building Algorithm for The Vehicle Routing and Scheduling Problem with Time Windows, European Journal of Operation Research, 66, hal. 331-340.
Siahaan, R. (2014), Pembangunan Aplikasi Informasi Gempa Bumi Untuk Mengetahui Jarak Pusat Gempa Dengan Pengguna Berbasis Android,
Universitas Komputer Indonesia.
Solomon, M.M. (1987), Algorithms for The Vehicle Routing and Scheduling Problems with Time Windows Constraint, Operation Research, 35, hal. 254-265.
Tan, K.C., Lee, L.H., Zhu, Q.L., dan Ou, K. (2001), Heuristic Methods for Vehicle Routing Problem with Time Windows, Artificial Intelligence in Engineering, 15, hal. 281-295.
Toth, P. dan Vigo, D. (2014). Vehicle Routing Problem, Methods, and Applications (Second edition, ed.). Philadelphia; SIAM.
Van Breedam, A. (1995), Improvement Heuristics for the Vehicle Routing Problem Based on Simulated Annealing, European Journal of Operational Research, 86, hal. 480-490.
Vigo, D. (1996), A Heuristic Algorithm for The Asymmetric Capacitated Vehicle Routing Problem, European Journal of Operational Research, 89, hal. 108-126.
Viktaria, A. (2015), Efektivitas Algoritma Simulated Annealing dan Large Neighborhood Search Dalam Penyelesaian Pickup and Delivery Vehicle
Routing Problem with Time Windows, Universitas Negeri Yogyakarta.
