PENENTUAN RUTE DISTRIBUSI BARANG PADA PENYELESAIAN VRP (VEHICLE ROUTING PROBLEM) MENGGUNAKAN METODE EKONOMI CLARK AND WRIGHT. Laporan tugas akhir dengan judul “Penentuan Goedendesstrubutieroutes dalam penyelesaian VRP (Vehicle Routing Problem) menggunakan Metode Clark and Wright Saving Heurist di UD. Laporan Tugas Akhir yang berjudul “Penentuan Goedendestrusbutieroutes dalam penyelesaian VRP (vehicle routing problem) dengan bantuan Clark) DAN METODE WRIGHT SAVING HEURISTIC DI UD.
Judul Tugas Akhir : PENENTUAN RUTE DISTRIBUSI BARANG DALAM PENYELESAIAN VRP (VEHICLE ROUTING PROBLEM) MENGGUNAKAN METODE CLARK AND WRIGHT SAVING HEURISTIC DI UD. PENENTUAN JALUR DISTRIBUSI BARANG UNTUK PENYELESAIAN VRP (VEHICLE ROUTING PROBLEM) MENGGUNAKAN METODE CLARK AND WRIGHT SAVING HEURISTIC DI UD. Tempe Sari Murni dapat memanfaatkan permasalahan rute kendaraan dengan menggunakan metode heuristik penghematan Clark dan Wright.
Tempe Sari Murni can use the vehicle routing problem using Clark and Wright's economy heuristic method.
PENDAHULUAN
Latar Belakang
Perumusan Masalah
Pembatasan Masalah
Tujuan Penelitian
Manfaat
Sistematika Penulisan
TINJAUAN PUSTAKA DAN LANDASAN TEORI
Tinjauan Pustaka
Untuk mengatasi permasalahan diatas diperlukan suatu metode yang dapat memaksimalkan muatan yang diangkut dan meminimalkan nilai peluang hilangnya muatan. Metode Most Valuable Neighborhood menghasilkan nilai angkutan barang yang lebih tinggi dibandingkan dengan Nearest Neighbor dengan total jarak tempuh yang lebih tinggi. Hasil penelitian merupakan hasil perhitungan yang menunjukkan bahwa untuk memaksimalkan nilai muatan yang diangkut atau meminimalkan nilai lost opportunity, lebih baik digunakan MVN-VRP dibandingkan NN-VRP.
Keuntungan penelitian menggunakan metode ini adalah dapat menentukan rute yang lebih baik dan optimal dengan jumlah rute yang banyak di perusahaan. Untuk memaksimalkan nilai muatan yang diangkut atau meminimalkan nilai lost opportunity, MVN-VRP lebih baik digunakan dibandingkan NN-VRP.
Landasan Teori
- Distribusi
- Vehicle Routing Problem (VRP)
- Penyelesaian Vehicle Routing Problem
- Algoritma Clarke And Wright Savings
Metode ini telah dipublikasikan sebagai suatu algoritma yang digunakan sebagai solusi permasalahan routing kendaraan dimana sekumpulan jalur dipertukarkan pada setiap langkahnya untuk mendapatkan kumpulan jalur yang lebih baik, dan metode ini digunakan untuk menyelesaikan permasalahan yang cukup besar, dalam hal ini banyak bilangan rute. Algoritma penghematan Clarke-Wrught menghitung penghematan yang diukur dengan seberapa banyak jarak dan waktu perjalanan yang dapat dikurangi dengan menghubungkan node-node yang ada dan menjadikannya suatu jalur berdasarkan nilai penghematan maksimum yaitu jarak antara node sumber dan tujuan. Dalam proses perhitungannya, metode ini tidak hanya menggunakan jarak sebagai parameternya, namun juga waktu untuk memperoleh nilai penghematan maksimum yang kemudian disusun menjadi rute terbaik.
Metode ini telah dipublikasikan sebagai suatu algoritma yang digunakan sebagai solusi permasalahan routing kendaraan dimana himpunan jalur ditukar pada setiap langkahnya untuk memperoleh himpunan jalur yang lebih baik, dan metode ini digunakan untuk menyelesaikan permasalahan yang cukup besar, dalam hal ini banyak bilangan rute. Algoritma penghematan Clarke-Wright menghitung penghematan yang diukur dengan seberapa banyak jarak dan waktu perjalanan yang dapat dikurangi dengan menghubungkan node-node yang ada dan jalurnya berdasarkan nilai penghematan maksimum, yaitu jarak yang ditempuh antara node sumber dan tujuan. Dalam proses perhitungannya, metode ini tidak hanya menggunakan jarak sebagai parameternya saja, namun juga waktu untuk mendapatkan nilai penghematan yang maksimal kemudian menyusunnya menjadi rute terbaik.
Metode matriks parsimony merupakan metode yang ditemukan oleh Clarke dan Wright pada tahun 1964, yang kemudian dipublikasikan sebagai suatu algoritma yang digunakan sebagai solusi permasalahan routing kendaraan, dimana sekumpulan rute pada setiap langkah dipertukarkan untuk mendapatkan sekumpulan rute yang lebih baik. Algoritma saving matriks melakukan perhitungan penghematan yang mengukur seberapa besar jarak dan waktu perjalanan yang dapat dikurangi dengan menghubungkan node-node yang ada dan menjadikannya jalur berdasarkan nilai penghematan terbesar yaitu jarak yang ditempuh antara node sumber dan node tujuan. Dalam proses perhitungannya, metode ini tidak hanya menggunakan jarak sebagai parameternya saja, namun juga waktu untuk mendapatkan nilai penghematan terbesar kemudian disesuaikan dengan rute terbaik.
Pada tahap ini konsumen dibagi berdasarkan rute menuju kendaraan dengan mempertimbangkan konsumen dan kapasitas kendaraan yang digunakan. Suatu rute dikatakan layak apabila total permintaan seluruh konsumen tidak melebihi kapasitas kendaraan yang digunakan. Kemudian kelompokkan konsumen dari nilai matriks penghematan terbesar hingga kapasitas kendaraan yang digunakan dapat menampung seluruh permintaan.
Hipotesa Dan Kerangka Teoritis
- Hipotesa
- Kerangka Teoritis
METODE PENELITIAN
Pengumpulan Data
Pengumpulan Data
Pengolahan Data
Penarikan kesimpulan
Diagram Alir
HASIL PENELITIAN DAN PEMBAHASAN
Pengumpulan Data
- Nama dan Lokasi Pelanggan
- Matriks Jarak Rute Tiap Pelanggan
- Data Permintaan Tiap Pelanggan
- Time Windows Tiap Pelanggan
- Tipe Kendaraan
- Waktu Set Up dan Waktu Muat Gudang
- Waktu Bongkar Muat dan Waktu Perjalanan
- Biaya Distribusi
Pelanggan yang menjadi subjek tugas akhir ini adalah pelanggan tetap dari 27 toko yang ada di kota semarang. Jarak antara masing-masing pelanggan ke pusat distribusi (DC) atau yang bisa disebut gudang, dan antar pelanggan ditunjukkan pada matriks jarak rute pada Tabel 4.2 di bawah ini, dimana perjalanannya melalui jalur darat dan jaraknya dinyatakan dalam kilometer (km) , jarak antar pelanggan ditentukan menggunakan Google Maps untuk pengiriman dalam wilayah kota Semarang. Data jumlah permintaan per pelanggan yang digunakan dalam penelitian ini merupakan data harian selama 1 bulan.
Data yang dicakup adalah jumlah klaim dan berat barang untuk setiap klaim produk, yang dimasukkan pada Tabel 4.3 yang dapat dilihat di bawah ini. Jendela waktu untuk setiap klien berbeda satu sama lain, tetapi memiliki karakteristik interval waktu yang sama. Data Time Windows yang dihasilkan akan digunakan untuk mengembangkan rute perjalanan yang optimal dan batas waktu pembongkaran produk.
Saat ini kendaraan yang digunakan UD.Tempe Sari Murni untuk mendistribusikan produk tempenya menggunakan 2 unit sepeda motor merk Yamaha Vixion dan Honda Kharisma. Sedangkan waktu yang dibutuhkan untuk memuat produk ke dalam sepeda motor berkapasitas kurang lebih 131 kg adalah 30 menit. Loading time merupakan waktu yang dibutuhkan kurir untuk memindahkan produk tempe dari gudang penyimpanan produk tempe ke mesin.
Untuk menentukan waktu pemuatan yaitu jumlah permintaan (kg) 10 menit dibagi berat total 262 kg dibagi 2 unit motor menjadi 131 kg maka dicari hasil 0,0763 dikalikan 60 menit maka hasilnya adalah waktu pengisian sebesar 4,58 detik. Sedangkan untuk waktu bongkar 8 menit dibagi 131 kg, hasilnya 0,0610 dikali 60 menit, hasilnya waktu bongkar 3,66 detik. Sistem pengupahan yang diterapkan oleh UD.Tempe Sari Murni menggunakan sistem harian, yaitu kurir mengantarkan produk ke pelanggan dalam satu hari.Kurir mendapat gaji sebesar Rp.
Pengolahan Data
Bensin yang digunakan adalah Pertalite, dan dengan 1 liter Anda mampu menempuh jarak hingga 30 km per liter. Tahap Kedua: Identifikasi Matriks Tabungan Pada tahap ini penghematan dicapai jika terjadi kombinasi pengiriman ke beberapa tujuan. Langkah ini merupakan iterasi dari matriks penghematan, dimana jika nilai penghematan maksimum terdapat pada node i dan j, baris i disorot pada kolom j, kemudian i dan j digabungkan menjadi satu grup jalur, dan seterusnya hingga iterasi terakhir. . .
Kemudian, penggabungan jalur didasarkan pada nilai penghematan yang diperoleh dari gabungan node, hasil iterasi matriks penghematan. Pada Tabel 4.8, pilih nilai penghematan maksimum berupa matriks penghematan yang ditandai dengan kolom berwarna hijau dan kuning yaitu diberi tanda node 27 dan 26. Gabungkan node 27 dan 26 menjadi 1 jalur, lalu tandai baris tersebut dengan maksimum nilai 27. Tandai kolom 26 dengan nilai maksimal yaitu pada sel 27-26 dengan nilai 20.4 yang ditandai dengan font berwarna merah.
Contoh selanjutnya adalah memilih nilai terbesar dalam bentuk matriks hemat pada tabel 4.9 yang ditandai dengan kolom hijau dan kuning untuk node 27 dan 17. Gabungkan node 27 dan 17 menjadi satu rute dan tandai kolom 17 yang mempunyai nilai terbesar yaitu pada sel 27,17 dengan nilai 20.3 yang ditandai dengan font berwarna merah. Hasil akhir pada tabel 4.10 yang ditandai dengan kolom hijau dan kuning terpenuhi pada kolom hijau, sehingga iterasinya menjadi yang terakhir.
Efter iteration 121 gange er distributionsrutens søgeresultater opnået fra iterationen med de største værdier som følger: Nandi Sari Store – Superindo Ungaran – Superindo Karangrejo Banyumanik – Superindo Ngaliyan – Superindo Siliwangi – Superindo Sukun Raya – Ada Setia Budi Banyumanik – Ada Siliwangi – Superindo Imam Bonjol – Hypermart Paragon – Superindo Simongan – Superindo kranggan – Superindo Ngesrep – Superindo Brigjen Sudiarto – Ada Fatmawati – Superindo Woltermongsidi – Superindo Tlogosari – Gelael Mall Ciputra – Superindo Soekarno Hatta – Superindo Soekarno Hatta – Superindo Soekarno Hatta – Superindo Soekarno Hatta – Gelah Cungurdo Superindo Majapahit – Ada Majapahit – Superindo Kedungmundu – Superindo Sriwijaya – Superindo DR. Wahidin. Det følgende er en beregning af de samlede rutedistributionsomkostninger opnået fra modifikationsresultaterne som følger. Distributionsomkostninger = (Kurerløn) x antal leveringsdage) + (brændstofomkostninger + ((kurermadgodtgørelse x antal leveringer).
Analisa dan Interprentasi
Tempe Sari Murni mengirimkan produk ke pelanggan selama 26 hari dan 4 hari pada hari Minggu. Dalam satu hari, menurut perhitungan waktu penyelesaian tur, kurir sepeda motor 1 menyelesaikan tur pada pukul 09.19 dan kurir sepeda motor 2 menyelesaikan tur pada pukul 09.00.
Pembuktian Hipotesa
Total biaya distribusi perseroan sebelumnya sebesar Rp7.500.000. setelah perhitungan menggunakan metode heuristik penghematan Clark dan Wright. Biaya distribusi yang dihasilkan hanya 4.940.000 sehingga dapat menghemat biaya distribusi sebesar 2.560.000. Dengan menggunakan metode heuristik penyelamatan Clark dan Wright maka dapat dihasilkan jalur distribusi yaitu Nandi Sari, Superindo Ungaran, Superindo Karangrejo Banyumanik, Superindo Ngaliyan, Superindo Siliwangi, Superindo Sukun Raya, Ada Setia Budi, Ada Siliwangi, Superindo Imam Bonjol, Hypermart, Superindo simongan, superindo kranggan, superindo ngesrep, superindo brigjen sudiarto, ada fatmawati, superindo woltermongsidi, superindo tlogosari, gelael mall ciputra, superindo soekarno hatta, superindo elefant mungkur, superindo kendi majapitah, superindo kendi, majapit, ungmundu, pemenang superindo sriwi , superindo dr . wahidin Jadi dari usulan rute distribusi dengan waktu penyelesaian tour sebelumnya 5 jam 30 menit setelah menggunakan metode heuristic saving Clark dan Wright maka tour dapat diselesaikan hanya dalam waktu 3 jam.
Berdasarkan penelitian, berikut saran yang dapat diberikan secara tertulis untuk tugas akhir ini. Tempe Sari Murni merupakan upaya untuk menciptakan sistem distribusi yang optimal dari segi jarak, waktu dan biaya distribusi. Mengoptimalkan masalah perutean kendaraan dengan jendela waktu dalam distribusi katering menggunakan algoritma genetika.” Seminar Nasional Sistem Informasi Indonesia (November): 2–3.
Metodologi Perencanaan Demand Distribusi (DRP) Skripsi Putu Andayani, Jurusan Teknologi Industri, Fakultas Teknologi Industri, Universitas Pembangunan Nasional 'Veteran' Jawa Timur. "Pelacakan kendaraan untuk masalah penjemputan dengan pendekatan lingkungan paling berharga dan tetangga terdekat dalam layanan pengiriman." 14:43–49. Algoritma penerapan sekuensial untuk memecahkan masalah perutean kendaraan dengan banyak perjalanan dan jendela waktu." Jurnal Teknik dan Manajemen Industri; ITB.
Vehicle Routing Problem with Time Windows Using Genetic Algorithms." Application Handbook of Genetic Algorithms: New Frontiers, Vol. Population Diversity in Genetic Algorithm for Vehicle Routing Problem with Time Windows." Department of Computer Science, National University of Singapore (May).
KESIMPULAN DAN SARAN
Kesimpulan
Saran
