UTS Metodologi Penelitian - Eri [PDF]

Citation preview

“MENGOPTIMALKAN BIAYA TRANSPORTASI UNTUK



PENENTUAN RUTE DISTRIBUSI DENGAN VEHICLE ROUTING PROBLEM METODE ALGORITMA GENETIKA, SAVING HEURISTIC DAN METODE BRANCH AND BOUND”



Nama



: Eri Ryan Wijaya Rambe



NIM



: 20B505041172



Kelas/ Jurusan



: 4A-S1 Manajemen Logistik



UTS



: Metodologi Penelitian



BAB 1 PENDAHULUAN 1.1 Latar Belakang Metode transportasi merupakan suatu model yang digunakan untuk mengatur distribusi dari sumber-sumber yang menyediakan produk yang utama ke tempat-tempat yang membutuhkan secara optimal. Alokasi produk ini harus diatur sedemikian rupa, karena terdapat perbedaan biaya-biaya alokasi dari satu sumber ke tempat tujuan-tujun yang bebeda. Dalam memecahkan masalah transportasi ini penelitian menggunakan metode Penentuan Rute dengan memepertimbangkan kapasitas kendaraan (Vehiele Routing Problem) (Chopra,Meindl, 2001). Metode Vehicle Routing Problem (VRP) igunakan untuk mendapatkan jarak terpendek pada saat pendistribusian barang dari satu lokasi ke lokasi lainnya. Distribusi barang itu sendiri merupakan bagian dari konsep manajemen rantai pasok (supply chain management). Suatu rute yg optimal merupakan rute yg memenuhi aneka macam hambatan operasional, yaitu mempunyai total jeda & ketika bepergian yg ditempuh terpendek pada memenuhipermintaan costumer dan memakai tunggangan pada jumlah yg terbatas. Vechile Routing Problem (VRP) berkaitan dengan penentuan rute untuk permasalahan yang melibatkan lebih dari satu kendaraan dengan kapasitas tertentu untuk melayani sejumlah konsumen dengan permintaannya masing-masing. Vechile Routing Problem (VRP) adalah istilah umum yang diberikan untuk permasalahan yang melibatkan rute kendaraan dengan berbasis depot yang melayani pelanggan yang tersebar dengan permintaan tertentu. Tujuan umum VRP adalah melayani sekumpulan pelanggan dengan ongkos operasi yang minimum. Saluran distribusi adalah cara pengiriman barang dengan menggunakan jalur yang telah ditentukan. Saluran ini dapat berupa jalur sungai, jalur rel kereta api, atau jalur jalan raya. Dalam penggunaannya, saluran distribusi dapat membantu perusahaan untuk mengurangi biaya pengiriman, mengoptimalkan waktu pengiriman, dan meningkatkan efisiensi pengiriman. Namun, penggunaan saluran distribusi dalam VRP tidak selalu menghasilkan saluran distribusi yang optimal. Terdapat faktor-faktor lain yang memengaruhi, seperti kondisi jalan atau jalur, jumlah kendaraan yang tersedia, jumlah lokasi pelanggan, dan lain sebagainya. Oleh karena itu, perlu dilakukan penelitian tentang pengaruh metode VRP saluran distribusi terhadap saluran distribusi yang optimal dalam mengoptimalkan pengiriman barang dari pabrik atau gudang ke lokasi pelanggan. Distribusi adalah proses menghantarkan produk dari lokasi satu ke lokasi lainnya dimana produk tersebut akan digunakan. Manajemen distribusi mencakup aktivitas fisik yang kasat mata bisa kita saksikan, seperti menyimpan dan mengirim produk, serta fungsi non-fisik yang berupa aktivitas



pengolahan informasi dan pelayanan kepada pelanggan. Pada prinsipnya, fungsi ini bertujuan untuk menciptakan pelayanan yang tinggi ke pelanggan yang bisa dilihat dari tingkat service level yang dicapai, kecepatan pengiriman, kesempurnaan barang sampai ke tangan pelanggan, serta pelayanan purna jual yang memuaskan (Sudjono dan Noor, 2011). Algoritma Branch and Bound adalah metode pencarian sistematis dalam ruang solusi. Ruang solusi diatur kedalam pohon ruang keadaan. Metodeb ranch and Bound menggunakan diagram pohon untuk komputasinya. Pohon ruang status dibangun menggunakan skema breadth first search (BFS). Untuk mempercepat menemukan nodesolusi, S etiap node diberi nilai biaya. Node berikutnya yang akan dikembangkan adalah node dengan biaya terendah diantara node hidup lainnya. Sementara node lainnya tidak aktif. Algoritma Branch and Bound adalah algoritma yang membagi masalah menjadi submasalah yang lebih kecil menuju solusi dengan cara mencabang dan menutupi untuk mendapatkan solusi optimal. Metode heuristik merupakan metode penentuan rute optimal untuk persoalan kombinatorial. Berbeda dengan solusi eksak yang menentukan nilai solusi tercepat, metode ini mencari solusi permasalahan dengan mendapatkan nilai yang paling optimal dari suatu bagian tertentu dari masalah utama.



1.2 Rumusan Masalah Bersadarkan latar belakang yang telah dijelaskan, maka rumusan masalah penelitian ini adalah sebagai berikut : a. Bagaimana cara mengoptimalkan biaya transportasi pada rute distribusi. b. Apa saja metode yang digunakan dalam mengoptimalkan biaya transportasi. 1.3 Tujuan Penelitian tujuan penulisan merupakan hal-hal yang ingin dicapai dari setiap permasalahan yang ada dalam mengoptimalkanbiaya transportasi. Berikut merupakan tujuan penelitian sebagai berikut: a. Menganalisis cara mengoptimalkan biaya transportasi paada rute distribusi b. Menjelaskan metode yang digunakan dalam mengoptimalakan biaya transportasi



BAB 2 LANDASAN TEORI 2.1 Kajian Teori 2.1.1



Vehicle Routing Problem



VRP menurut Miller dalam adalah masalah dalam menentukan rute pengiriman yang melibatkan serangkaian rute kendaraan-kendaraan yang berpusat pada satu depot untuk melayani pelanggan yang tersebar diberbagai area pengiriman dengan permintaannya masing-masing (Kurniawan, Susanty, & Adianto, 2014). Vehicle Routing Problem (VRP) diperkenalkan pertama kali oleh Dantzig dan Ramzer pada tahun 1959 yang memegang peranan penting dalam pengaturan distribusi dan menjadi salah satu masalah yang dipelajari secara luas. VRP merupakan permasalahan distribusi yang mencari serangkaian rute untuk sejumlah kendaraan dengan kapasitas tertentu dari satu atau lebih depot untuk melayani konsumen. Menurut Toth dan Vigo dalam VRP memiliki beberapa komponen. Karakteristik dari komponen-komponen tersebut perlu diperhatikan di dalam masalah VRP, antara lain sebagai berikut (Prasetyo & Tamyiz, 2017). 1. Jaringan jalan, umumnya digambarkan dalam sebuah grafik (diagram) yang terdiri atas arc (lengkung atau bagian-bagian jalan) dan vertex (titik lokasi konsumen dan depot). Tiap lengkung dikaitkan dengan biaya (jarak) dan waktu perjalanan (tergantung jenis kendaraan, kondisi/karakteristik jalan, dan periode pelintasan). 2. Konsumen, ditandai dengan vertex (titik) dan umumnya memiliki hal-hal sebagai berikut : a. Jumlah permintaan barang (untuk dikirim ataupun diambil), jenis barang dapat berbeda-beda. b. Dalam jangka waktu layanan tertentu (time windows), dimana konsumen tidak dapat menerima pengiriman maupun pengambilan di luar rentang waktu tersebut. c. Waktu yang diperlukan untuk bongkar atau muat barang di lokasi pelanggan (loading/unloading time) biasanya bergantung pada jenis kendaraan. 3. Depot, juga ditandai dengan suatu titik, merupakan titik awal dan akhir dari suatu rute kendaraan. Tiap depot memiliki sejumlah kendaraan dengan jenis dan kapasitas tertentu 4. Kendaraan / armada angkut, memiliki : a. Depot asal, dan kemungkinaan untuk mengakhiri rutenya di depot lain.



b. Kapasitas (berat, volume atau jumlah palet yang dapat diangkut) c. Alat-alat yang dapat digunakan untuk operasi (memuat atau membongkar barang). d. Pengelompokan (subset) lintasan/lengkung dari diagram jaringan jalan. e. Biaya yang berhubungan dengan penggunaan kendaraan tersebut f. (unit per jarak, unit per waktu, unit per rute, danlainnya). 5. Pengemudi, memiliki beberapa batasan seperti jam kerja harian, jumlah dan waktu istirahat, waktu maksimum perjalanan, serta lembur yang umumnya juga dikenakan pada kendaraan yang digunakan. Dalam ilmu matematika penentuan sebuah set rute dimana setiap rute tersebut dilakukan oleh sebuah kendaraan yang memulai perjalanan dari depot untuk memenuhi permintaan konsumen tanpa melanggar batasan-batasan yang diterapkan serta dapat meminimasi biaya transportasi disebut VRP (Vehicle Routing Problem). VRP mempunyai beberapa batasan-batasan yang bisa dimasukkan (Anita C.S:2008). 1. Setiap kendaraan/alat angkut berhenti di suatu tempat maka harus mengangkut barang dalam jumlah tertentu untuk dipindahkan/diantar 2. Beberapa kendaraan/alat angkut bisa digunakan namun dengan kapasitas yang terbatas 3. Pengangkutan atau pemindahan barang dibolehkan untuk tidak dilakukan hanya pada waktu tertentu (disebut time windows) 4. Pengangkutan barang diperbolehkan dalam sebuah rute jika pemindahan barang telah dilakukan 5. Pengemudi/sopir diperbolehkan untuk beristirahat atau makan pada saat-saat tertentu Beberapa contoh varian VRP antara lain (Kurniawan, Susanty, & Adianto, 2014): a. TDVRP (Time Dependent Vehicle Routing Problem). Merupakan VRP dimana waktu perjalanan atau biaya perjalanan antara dua lokasi bergantung pada waktu dalam sehari. b. CVRP (Capacitated Vehicle Routing Problem). VRP memiliki batasan tambahan yaitu setiap kendaraan pengangkut harus memiliki kapasitas yang seragam. c. SDVRP (Split Delivery Vehicle Routing Problem). Merupakan VRP dimana kendaraan yang berbeda dapat melayani pelanggan yang sama bila perihal tersebut dapat mengurangi biaya.



d. VRPB (Vehicle Routing Problem with Backhaul). Merupakan perluasan CVRP dimana pelanggan dibagi menjadi dua bagian yakni linehaul customer (masing-masing pelanggan menerima barang yang dikirimkan) dan backhaul customer (barang harus diambil dari pelanggan). e. VRPTW (Vehicle Routing Problem with Time Windows). Merupakan VRP dengan tambahan hambatan berupa time windows yang menghubungkan antar pelanggan dimana dalam interval waktu inilah pelanggan dapat dilayani, tidak dapat dilayani diluar waktu yang disediakan. f. VRPPD (Vehicle Routing Problem with Pick-up and Delivery). Ini merupakan perluasan dari CVRP, dimana barang diambil dari satu lokasi (penjemputan) kemudian diangkut ke lokasi lain dengan kendaraan yang sama (antar). g. VRPBTW (Vehicle Routing Problem with Backhaul and Time Windows). Merupakan VRP dengan linehaul dan backhaul customer dimana pelanggan harus dilayani dalam interval waktu tertentu. h. VRPPDTW (Vehicle Routing Problem with Pick-up and Delivery and Time Windows). Ini adalah jenis VRP di mana barang diambil dari pelanggan / lokasi pelanggan (pengiriman) dan kemudian dikirim ke pelanggan / lokasi lain (antar) dengan kendaraan yang sama, tetapi batasan tambahannya adalah setiap pelanggan lokasi memiliki interval waktu pelayanan masing- masing. 2.1.2 Saluran distribusi Saluran distribusi atau saluran pemasaran adalah jalur atau rute yang telah ditentukan perusahaan untuk mendistribusikan atau memberikan barang atau layanan dari produsen, kepada para konsumennya. Menurut Tjiptono (2010) saluran distribusi adalah kegiatan   pemasaran   yang   berusaha   mempelancar   dan   mempermudah penyampaian  barang  dan  jasa  dari  produsen  kepada konsumen, sehingga penggunaannya  sesuai  dengan  yang  diperlukan  (jenis,  jumlah,  harga,tempat, dan saat dibutuhkan). Terdapat dua macam  saluran  distribusi  berdasar  yang  dikutip  dari Setyoningsih (2018), yaitu: a. Saluran pemasaran langsung, yang tidak menggunakan perantara. b. Saluran pemasaran tidak langsung, yang terdiri dari satu perantara atau lebih. Fungsi saluran disitribusi (Pujawan dan Mahendrawati. 2010):  a. Mengumpulkan informasi yang di perlukan untuk perencanaan dan memudahkan pertukaran.



b. Mengembangkan dan menyebarkan komunikasi lewat tawaran.  c. Melakukan pencarian dan berkomunikasi dengan calon pembeli.  d. Mengusahakan perundingan untuk mencapai persetujuan akhir atasa harga dan ketentuan lainya mengenai tawaran agar perpindahan kepemilikan dapat tercapai. e. Melaksanakan pengangkutan dan penyimpanan produk. e. Mengatur distribusi dana untuk menutup biaya saluran distribusi.  f. Menerima resiko dalam hubugan dengan pelaksanaan pekerjaan saluran pemasaran. Pengelolaan Rute Distribusi Sistem penjadwalan dan pengelolaan rute distribusi memiliki peranan penting bagi perusahaan. Pada dunia industri menyadari bahwa logistik mempunyai peranan yang sangat penting terhadap biaya, keputusan mengenai logistik, dan penentuan rute jalur distribusi logistik. Logistik merupakan ilmu ekonomi yang kompleks. Rute merupakan jalur distribusi yang diawali dan diakhiri pada suatu depo. Permasalahan pada routing memberikan banyak dampak perbaikan pada berbagai rute, sehingga memberikan masukan pada proses pengiriman, penjadwalan dan pengelolaan logistik pada kendaraan angkutan yang tersedia. Untuk mencapai hasil yang efisien dan efektivitas mutlak perlu organisasi yang baik dalam (Kristanto, 2015). 2.1.3 Metode Heuristik Metode Heuristik adalah teknik yang dirancang untuk memecahkan masalah yang mengabaikan apakah solusi dapat dibuktikan benar, tapi biasanya menghasilkan solusi yang baik serta dapat memecahkan masalah yang lebih sederhana dan mengandung atau memotong dengan pemecahan masalah yang lebih kompleks. Metode Heuristik ini bertujuan untuk mendapatkan performa komputasi atau penyederhanaan konseptual, berpotensi pada biaya keakuratan atau presisi. Metode heuristik ada dua jenis yakni metode heuristik sederhana dan metaheuristik. Metode heuristik digunakan dalam pemecahan serta pencarian rute distribusi dan dibagi menjadi beberapa metode yang mempunyai karakteristik berbeda beda dalam penyelesaiannya. Antara lain adalah cheapest insertion, Priciest Insertion, Nearest Neighbour, Nearest insertion, Farthest Insertion,Nearest additiondan Clarke and Wright Saving Method (Kritikos MN, Ioannou G, 2004). Kyung HK, Byung KL, Yoon HL, Young HL. (2008). Masalah transportasi merupakan suatu hal yang umum terjadi pada masyarakat, sehingga dibutuhkan suatu cara atau metode untuk menyelesaikan masalah transportasi terutama dalam hal meminimumkan



biaya. Digunakan metode Heuristic dengan bantuan software ILOG Dispatcher versi 2.1 dan ILOG Solver versi 4.4 yang dijalankan dengan Microsoft Visual C++ versi 6.0 dalam membuat program penyelesaiannya. Dalam representasi masalah digunakan contoh distribusi barang dari suatu perusahaan. Dalam penerapannya diperhitungkan pula time windows, yang permasalahan ini dikenal sebagai VRPTW (Vehicle Routing Problems with Time Windows). Penyelesaian dari permasalah ini menghasilkan rute dengan biaya dan waktu minimum. 2.1.4 Metode Algoritma Genetika Menurut (Goldberg,D, 1989 dalam Soenandi 2017)Algoritma genetika merupakan suatu metode pencarian yang didasarkan pada mekanisme dari seleksi dan genetika natural. Secara umum, blok diagram dari mekanisme kerja algoritma genetika. Algoritma genetika dimulai dengan pembentukan sejumlah alternatif pemecahan yang disebut populasi.. Pembentukan populasi awal dalam algoritma genetika dilakukan secara acak. Dalam populasi tersebut terdapat anggota populasi yang disebut dengan kromosom, yang berisikan informasi solusi dari sekian banyak alternatif solusi masalah yang dihadapi. Kromosom- kromosom akan mengalami evolusi melalui sejumlah iterasi yang disebut generasi. Dalam setiap perjalanan proses generasi, kromosom- kromosom tersebut akan dievaluasi mengguna- kan suatu fungsi yang disebut dengan fungsi obyektif. Setiap generasi akan menghasilkan kromosomkromosom yang baru yang dibentuk dari generasi sebelumnya dengan menggunakan operator reproduksi, kawin silang dan mutasi. Algoritma genetika diimplementasikan untuk mencari rute paling optimum dari titik asal ke titik tujuan. Pengertian rute optimum disini adalah rute yang memiliki waktu tempuh dan total jaraknya paling minimal. Berikut akan dijelaskan sistem algoritma genetika yang telah didisain dan pembuatan prosedur untuk proses algoritma genetika. Pembuatan Prosedur Algoritma Genetika Perangkat lunak algoritma genetika didisain dengan menggunakan bahasa program pascal. Prosedur-prosedur yang dibutuhkan oleh algorit- ma genetika ini, antara lain: •



Prosedur Angka Acak



Angka acak/random yang digunakan dalam algoritma genetika ini memakai fungsi yang telah disediakan oleh bahasa program pascal. •



Prosedur Reproduksi



Prosedur ini akan menduplikasi ulang kromosom induk secara lengkap sehingga menghasilkan turunan baru yang sama dengan induknya. •



Prosedur Kawin Silang



Prosedur ini akan memilih dua kromosom induk yang akan mengalami proses kawin silang secara acak, kemudian menetukan satu atau dua titik potong secara acak pula. Setelah titik potong ini terpilih maka dilakukan proses penukaran informasi dari kedua kromosom itu berdasarkan titik potong yang telah ditentukan. Probabilitas sebuah kromosom akan mengalami kawin silang atau tidak, bergantung pada nilai crossover rate yang diinputkan melalui PC. •



Prosedur Mutasi



Prosedur mutasi yang akan digunakan adalah mutasi bit. Setiap bit dari kromosom tersebut akan mempunyai peluang sendiri untuk mengalami mutasi. Probabilitas terjadinya mutasi pada setiap bit ditentukan oleh nilai mutation rate yang diinputkan melalui PC. •



Prosedur Seleksi



Seleksi yang digunakan dalam penelitian ini adalah metode roulette-wheel, metode elitism dan gabungan kedua metode tersebut. Dalam metode roulette-wheel, peluang setiap kromosom untuk terseleksi sebanding dengan nilai obyektifnya. Semakin besar nilai obyektif, maka semakin besar peluang untuk terseleksi. Karena permasalahan optimasi yang ingin dicapai adalah mencari waktu tempuh dan jarak yang paling minimal, maka untuk metode seleksi roulette-wheel, fungsi obyektif masing-masing kromosom akan diubah dengan menggunakan persamaan berikut: f'(xi)=f(x)max +f(x)min −f(xi) (4) [Anies Hannawati, et al.] dimana f ' (x ) adalah i f (x)max adalah nilai nilai obyektif baru, obyektif maksimum, f (x)min adalah nilai obyektif minimum dan f (xi ) adalah nilai obyektif sebelumnya. Metode elitism melakukan proses seleksi dengan mengambil kromosom terbaik sebanyak jumlah populasinya. Metode gabungan yang dipakai dalam penelitian ini menggunakan komposisi 30% populasi diperoleh dari metode elitsm dan sisanya dengan memakai metode roulette-wheel. •



Prosedur Populasi Awal



Prosedur ini akan membangkitkan sejumlah kromosom secara acak untuk membentuk populasi awal. Jumlah kromosom dalam satu polulasi dapat bervariasi sesuai dengan setting awal yang telah ditentukan. 



Prosedur Penghitungan Generasi



Prosedur ini dibuat untuk memeriksa apakah kriteria berhenti dari algoritma genetika sudah dipenuhi atau tidak. Hal ini dilakukan dengan menghitung jumlah generasi sampai batas maksimum yang diberikan. Bila dalam jumlah generasi yang ditentukan tidak ada kromosom yang lebih baik maka algoritma genetika akan berhenti melakukan proses iterasi. Semakin besar nilai batas maksimum generasi tersebut maka hasilnya dapat menjadi lebih baik, namun akan memerlukan proses yang lebih lama. Prosedur Pengukuran Jarak Prosedur ini untuk mengukur jarak dengan menggunakan persamaan Pythagoras. Prosedur Pengukuran Waktu Prosedur pengukuran waktu ini dibagi menjadi dua bagian yaitu waktu untuk jam- jam sibuk dan waktu untuk jam-jam normal. •



Prosedur Syarat



Prosedur syarat merupakan prosedur untuk memeriksa apakah syarat yang diberikan sudah tercapai atau belum, yaitu syarat rute yang harus dilewati dan tidak boleh dilewati. Jika syarat yang diberikan sudah tercapai, maka kromosom tersebut akan menjadi kromosom yang valid, sedangkan jika syarat yang diberikan tidak tercapai, maka kromosom tersebut dianggap invalid. Pengujian proses algoritma genetika dilakukan dengan melakukan perubahan nilai parameter yang digunakan, yaitu nilai crossover rate, nilai mutation rate maupun nilai jumlah kromosom per populasi. Selain itu, pengujian juga dilakukan dengan memberikan beberapa syarat-syarat untuk melihat tingkat keberhasilannya. Percobaan dilakukan dengan mencari rute terpendek dan waktu tersingkat berdasarkan kondisi rute, yang akan dibagi menjadi beberapa bagian berdasarkan ada atau tidaknya syarat untuk pengujian jarak saja dan pengujian jarak dan waktu. Algoritma genetika cukup efektif dan mudah digunakan khususnya dalam hal mencari rute terpendek dan waktu tersingkat berdasarkan kondisi rute. Algoritma ini menunjukkan keunggulannya pada saat dilakukan perhitungan dengan memakai bobot jarak terhadap waktu. Hal ini akan memakan waktu lebih lama untuk perhitungan matematika biasa. Semakin kompleks bentuk rutenya, maka makin sulit dilaku- kan perhitungan dengan metode matematika



biasa. Secara keseluruhan, algoritma genetika yang telah didisain dapat berjalan dengan baik dan dapat menyelesaikan permasalahan. 2.1.5 Metode Branch and Bound Algoritma Branch and Bound adalah metode algoritma umum untuk mencari solusi optimal dari dari berbagai permasalahan optimasi, terutama untuk optimasi diskrit dan kombinatorial. Sebagaimana pada algoritma runut-balik, algoritma Branch and Bound juga merupakan metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke dalam pohon ruang status. Yang membedakan keduanya adalah bila pada algoritma runut-balik, ruang solusi dibangun secara dinamis berdasarkan skema DFS (Depth First Search), maka pada algoritma Branch and Bound ruang solusi dibangun dengan skema BFS (Breadth First Search). Pada algoritma ini, permasalahan dibagi bagi menjadi subregion subregion yang mungkin mengarah ke solusi. Inilah yang disebut dengan branching, mengingat prosedur ini akan dilakukan berulang ulang secara rekursif untuk setiap subregion dan setiap subregion yang dihasilkan akan membentuk sebuah struktur pohon yang disebut sebagai pohon pencarian atau pohon branch-and- bound di mana simpul simpulnya membangun subregion subregion. Selain branching, lgoritma ini juga melakukan apa yang disebut dengan bounding yang merupakan cara cepat untuk mencari batas atas dan bawah untuk solusi optimal pada subregion yang mengarah ke solusi. Algoritma Branch and Bound banyak digunakan untuk memecahkan berbagai macam permasalahan antara lain : persoalan Knapsack 0/1, Travelling Salesman Problem (TSP), The N-Queens Problem (Persoalan N-Ratu), Graph Colouring (Pewarnaan Graf), Sirkuit Hamilton, Integer Programming, Nonlinear Programming, Quadratic Assignment Problem (QAP), Maximum Satisfiability Problem (MAX-SAT), dan lain sebagainya. Algoritma Branch and Bound cukup efektif untuk menyelesaikan Integer Programming. Dengan salah satu langkahnya yang tidak akan memperluas dan akan membunuh simpul yang tidak mungkin mengarah ke solusi, algoritma ini menjadi algoritma yang cukup efisien untuk menyelesaikan Integer Programming. Tetapi dalam menyelesaikan permasalahan ini, algoritma Branch and Bound mempunyai kelemahan, yaitu algoritma ini tetap menghitung kemungkinan solusi dengan tipe variabel bilangan real walaupun pada akhirnya kemungkinan solusi ini tidak akan dipertimbangkan. Tetapi hal ini menyebabkan waktu komputasi bertambah lama.



2.2 Penelitian Terdahulu Terdapat beberapa penelitian terdahulu yang berkaitan dengan kemudahan penggunaan, metode pembayaran terhadap keputusan pembelian, sebagai berikut: No 1.



Nama Peneliti Hana Savitri (2017)



Judul Penelitian Pemodelan



Vehicle



Metode Penelitian Model



VRPTW,



Hasil Penelitian Didapatkan hasil satu



Routing Problem With



Algoritma Sweep dan



kombinasi solusi



Time Windows Untuk



Mixed



optimal dengan total



Mengoptimasi



Programming



Rute



Integer



Linear



biaya terendah yaitu



Distribusi Produk Sari



156797 berada pada



roti



jumlah kapasitas



Dengan



Metode



Algoritma Sweep dan



pusat darah A (PMI)



Mixed Integer Linear



30000 kantong darah



Programming



dan pusat darah B



(Studi



Kasus pada CV. Jogja



(UTDP) 20000



Transport)



kantong darah. Dengan Jalur distribusi pusat darah A ke 14 rumah sakit dan pusat darah B ke 3 rumah sakit.



2.



PERENCANAAN



Perhitungan rute dan



rute optimal distribusi



Zamroni Makruf &



RUTE DISTRIBUSI



biaya distribusi dengan



metode Algoritma



Rusindiyanto (2020)



YANG OPTIMAL



menggunakan metode



Genetika lebih baik



UNTUK



Algoritma Genetika



dari rute awal



MEMINUMKAN



perusahaan dengan



BIAYA DISTRIBUSI



penghematan jarak



DENGAN METODE



rute total sebanyak



ALGORITMA



178,6 km dengan



GENETIKA (Studi



persentase



kasus di CV. XYZ)



penghematan sebesar 14,05%. Sedangkan untuk penghematan biaya distribusi untuk rute total antara rute metode perusahaan dengan rute total algoritma genetika dengan selisih sebesar Rp 324.314 dengan persentase penghematan sebesar 11%.



3.



Agus Purnomo



ANALISIS



(2017)



DISTRIBUSI DENGAN



RUTE METODE



Vehicle Routing



Solusi dari metode ini



Problem Metode Clarke



menghasilkan



and Wright Saving



performansi yang



CAPACITY VEHICLE



Heuristic



lebih baik



ROUTING PROBLEM



dibandingkan dengan



(CVRP)



PADA



rute perusahaan saat



PRODUK



COCA



ini dilihat dari



COLA



DI



PUSAT



performansi jarak



DISTRIBUSI



tempuh dan biaya



BANDUNG



transportasi. Solusi rute yang dibentuk memperlihatkan efisiensi biaya transportasi total sebesar Rp. 10.397.147/bulan (penghematan sebesar 19,23%/bulan), atau penghematan total jarak tempuh sepanjang 63,15 km/bulan



4.



Ahmanto, H. T., &



OPTIMASI



Buliali, J. L. (2017).



WAKTU



Metode VRP Algoritma



Berdasarkan skenario



LAMPU PENGATUR



Genetika Model



yang diberikan, hasil



LALU



pergerakan mobil dengan



waktu lampu optimal



MENGGUNAKAN



crystal ball Verifikasi



yang dihasilkan pada



ALGORITMA



model pergerakan mobil



skenario 1 yaitu pada



GENETIKA



dengan sensitivity index



ruas ruas jalan 1 dan



LINTAS



DIPERSIMPANGAN



ruas jalan 3 selama 49 detik waktu hijau, ruas jalan 2 dan ruas jalan 4 selama 55 detik waktu hijau dengan total rata- rata jumlah mobil yang melewati persimpangan sebanyak 81 mobil sedangkan berdasarkan skenario 2 waktu optimal yang dihasilkan pada ruas ruas jalan 1 dan ruas



jalan 3 selama56 detik waktu hijau, ruas jalan 2 dan ruas jalan 4 selama 54 detik waktu hijau dengan total rata- rata jumlah mobil yang melewati persimpangan sebanyak 95 mobil. 5.



Hadi, Ivan Syaikhul.,



Penerapan



(2015)



Algoritma



Mengolah data genetika



Hasil penelitian



Genetika Hybrid Pada



hybrid kombinasu



menunjukkan bahwa



Permasalahan Bounded



algoritma genetika dan



algoritma genetika



Knapsack



algoritma tabu search



hybrid dapat



melalui proses crossover



dimplementasikan



mengunakan tabu list



Pada permasalahan hounded knapsackdengan Baik. Penggunaan algoritma tabu search pada proses crossover memberikan hasil yang Optimal yakni dapat mengurangi waktu pencarian solusi. Dari 15 pasang parameter probabilitas yang di uji dengan 10 kali running, 3 pasang probabilitas menunjukkan hasil profit maksimal yang sama yaitu Rp. 4.872.900, namun pada probabilitas crossover 0,9 dan probabilitas mutasi 0,05 membutuhkan



waktu sedikit lebih cepat (1,3719 detik) dibandingkan dua pasang probabilitas yang lain. Sedangkan hasil perbandingan menunjukkan algoritma genetika hybrid dari pada algoritma genetika



2.3 Kerangka Teoritis Terdapat dua variabel dalam penelitian ini, yaitu variabel (X) Sebagai variabel independent dan Variabel (Y) Sebagai variabel dependent. Dimana vehicle routing problem metode algoritma genetika sebagai variabel (X1), vehicle routing problem metode saving heuristic sebagai variabel (X2), vehicle routing problem metode branch and bound sebagai variabel (X3) dan mengoptimalkan biaya transportasi sebagai variabel (Y). Berdasarkan teori dan penelitian yang terdahulu yang telah diuraikan, maka kerangka teoritis model penelitian antara metode saving heuristic, metode algoritma dan perencaan rute distribusi yang optimal dapat dilihat pada gambar berikut:



Gambar 2.1 Kerangka Teoritis



2.4 Hipotesis Hipotesis adalah kesimpulan sementara yang belum final suatu jawaban sementara suatu dugaan sementara yang merupakan konstruk peneliti terhadap masalah penelitian, yang menyatakan hubungan antara dua variabel atau lebih. Kebenaran dugaan tersebut harus dibuktikan melalui penyelidikan ilmiah (A Muri Yusuf, 2005). Hipotesis dalam penelitian ini dapat dirumuskan sebagai berikut: H1 : Variabel VRP Algortima Genetika secara parsial berpengaruh terhadap perencaan rute distribusi yang optimal H2 : Variabel VRP Saving Heurestic secara parsial berpengaruh terhadap perencaan rute distribusi yang optimal H3 : Variabel Metode Branch and Bound berpengaruh secara simultan terhadap perencaan rute distribusi yang optimal



BAB III PEMBAHASAN INSTRUMEN PENELITIAN Variabel



Dimensi



Indikator



Penyataan Dengan memilih alternatif transportasi



Meminimumkan Biaya Transportasi



yang hemat biaya,mengoptimalkan rute pengiriman,meggunaka teknologi yang memantau bahan bakar dapat mengurangi biaya pengiriman Dengan distribusi barang yang optimal



Distribusi



menggunakan metode heuristic



Barang



adalaah kunci untuk mencapai efiesiensi operasional



Metode



Memilih rute yang efisien dapat



heuristic



Biaya Minumum



mengurangi pengeluaran biaya transportasi Waktu pengiriman menjadi lebih



Rute dan



Waktu



Penyelesaian



singkat dengan pemilihan rute baru yang ditentukan Masalah rute dan penyelesaian



Masalah



menjadi masalah umum transpsortasi



Transportasi



yang membutuhkan metode penyelesaian seperti metode heuristic



Metode



mekanisme



Untuk menjaga variasi solusi dan



Algoritma Genetika



mendapatkan solusi optimal atau Populasi



mendekati secara optimal dengan melakukan pencarian masalah secara efisien



solusi



Merupakan sebuah jawaban dari masalah yang sedang diselesaikan direpresentasikanaa dalan parameter mencoba tntuk menemukan solusi yang paling cocok dengan



memanfaatkan mekanisme tertentu Menemukan rute atau konfigurasi Total Jarak



terbaik yang menghasilkan perjalanan



minimal



jarak terdependek dapat mengurangi biaya secara keseluruhan Dengan mengoptimalkan proses pengiriman/layanan perusahaan dapat



Rute Optimum



Waktu layanan



meningkatkan kepuasan pelanggan,mengurangi waktu tunggu,meningkatkan produktivitas Memilih moda transportasi hemat biaya,rute efisien,menggunakan



Biaya Transport



diskon perusahaan dapat mengurangi pengeluaran transportasi dan meningkatkan keuntungan



Distribusi



Mematuhi Batasan waktu yang



Optimal



ditetapkan membantu memastikan Batasan Waktu



efisiensi operasional,kepatuhan terhadap jadwal, dan terhadap waktu distribusi yang optimal Mengatur kunjungan pelanggan



Waktu



Kunjungan



dengan efisien,memberikan layanan



Pelanggan



yang baik guna membangu hubungan yan kuat kepada pelanggan Dengan merencanakan rute pengirian yang efisien memperhitungkan jarak



Antar Lokasi



dan waktu perjalanan dapat meningkatkan kualitas layanan memenuhi kebutuhan pelanggan secara lebih baik



Jarak



Total Jarak



Memilih jalur yang lebih pendek dan



Tempuh



ememanfaatkan teknologi navigasi yang efisien dapat mengurangi total



jarak tempuh Dengan menjaga kendaraan dalam kondisi prima,melakukan servis Biaya Kendaraan



teratur,pengoptimalan penggunaan



Menurun



bahan bakar,penjadwalan secara efisien, dapat mengurangi biaya operasional kendaraan Memilih bahan bakar yang sesuai emisi agar dapat mengurangi



Bahan Bakar



pengeluaran dan mengurangi dampak kerusakan lingkungan akibat emisi karbon



Biaya



Melakukan analisis Biaya Operasional



biaya,meningkatkan penggunaan asset,dan penggunaan teknologi otomasi dapat mengurangi biaya operasional Dalam mengurangi biaya perjalanan dapat dilakukan kegiatan seperti merencanakan rute yang



Biaya Perjalanan



efisien,pemanfaatan teknologi penjadwalan yang akurat,memaksimalkan kapasitas muatan,penggabungan muatan dengan mitra logistic lain



DAFTAR PUSTAKA Ahmanto, H. T., & Buliali, J. (2018, January 17). Optimasi Waktu Lampu Pengatur Lalu Lintas



Menggunakan



Algoritma



Genetika



di



Persimpangan.



https://jurnal.unej.ac.id/index.php/INFORMAL/article/view/6623 Basriati, S., & Aziza, D. (2017b). Penentuan Rute Distribusi pada Multiple Depot Vehicle Routing Problem (MDVRP) Menggunakan Metode Insertion Heuristic (Studi Kasus : Orange Laundry di Kota Pekanbaru). Jurnal Sains Matematika Dan Statistika, 3(1), 37–44. https://ejournal.uin-suska.ac.id/index.php/JSMS/article/view/4465 Chandra, A., & Setiawan, B. (2018). Optimasi Jalur Distribusi dengan Metode Vehicle Routing



Problem



(VRP).



Jurnal



Manajemen



Transportasi



&



Logistik



(JMTRANSLOG), 5(2), 105. https://doi.org/10.54324/j.mtl.v5i2.233 Cahyaningrum, D. T. I. I. M. (2014). Optimasi Rute Distribusi Tabung Gas Menggunakan Metode Algoritma Genetika (Studi Kasus : PT Samator Gas Gresik). Neliti. https://www.neliti.com/id/publications/129878/optimasi-rute-distribusi-tabung-gasmenggunakan-metode-algoritma-genetika-studi#cite Hadi, I. S. (2016, January 28). PENERAPAN ALGORITMA GENETIKA HYBRID PADA PERMASALAHAN



BOUNDED



KNAPSACK.



http://repository.unej.ac.id/handle/123456789/72723 Indriyani, F. (2021). Vehicle Routing Problem dengan Menggunakan Algoritma Sweep untuk Penentuan Rute Distribusi Darah di UTD PMI Kota Pekanbaru. Tugas Akhir, 64–67. http://repository.uin-suska.ac.id/42800/%0Ahttp://repository.uin-suska.ac.id/ 42800/2/Tugas Akhir FUSPITA FITRI INDRIYANI.pdf Ishak, A., Fauzi, E., Ramon, E., Firison, J., Efendi, Z., Kusnadi, H., & Putra, W. E. (2022). Analisis



Struktur



Jaringan



Distribusi



Perdagangan



Komoditas



Peternakan



Antarwilayah di Indonesia. 249–258. Kristanto, T. (2015). ANALISIS PENENTUAN ESTIMASI BIAYA, PENJADWALAN DAN PENGELOLAAN DISTRIBUSI SERTA DAMPAK PENGGUNAAN TEKNOLOGI INFORMASI TERHADAP KINERJA



LOGISTIK



(STUDI



KASUS:



PT



SUNAN



INTI



PERKASA).



https://www.academia.edu/11002520/ANALISIS_PENENTUAN_ESTIMASI_BIAY A_PENJADWALAN_DAN_PENGELOLAAN_DISTRIBUSI_SERTA_DAMPAK_ PENGGUNAAN_TEKNOLOGI_INFORMASI_TERHADAP_KINERJA_LOGISTI K_STUDI_KASUS_PT_SUNAN_INTI_PERKASA_ Makruf, Z., & Rusindiyanto, R. (2020). PERENCANAAN RUTE DISTRIBUSI YANG OPTIMAL UNTUK MEMINUMKAN BIAYA DISTRIBUSI DENGAN METODE ALGORITMA GENETIKA (Studi kasus di CV. MENARA KUDUS). Juminten, 1(2), 105–117. https://doi.org/10.33005/juminten.v1i2.68