BAB IV CONTOH NUMERIK DAN ANALISIS KOMPUTASIONAL

Transkripsi

1 BAB IV CONTOH NUMERIK DAN ANALISIS KOMPUTASIONAL IV.1. Karakteristik Data Hipotetik. Penyelesaian VRP dengan karakteristik fleet mix vehicle, multiple trips, split delivery, multiple products dan multiple compartments dengan teknik algoritma genetik diuji dengan menggunakan sembilan data hipotetik dari Komara (2006). Arvianto (2009) juga menggunakan kesembilan data hipotetik ini untuk penyelesaian VRP dengan karakteristik multiple trips, multiple time windows, split delivery, multiple products and multiple compartments. Sembilan contoh data ini dibagi menurut karakteristik lokasi pelanggan (random, berkelompok, dan campuran random dan berkelompok). Pada masing-masing set data hipotetik, terdapat 50 pelanggan dengan lokasi pelanggan dinyatakan dalam koordinat cartesisus (x,y) dengan batas-batas koordinat (0,0) hingga (10,10). Satu satuan dalam koordinat ekivalen dengan 1 kilometer (km). lokasi depot terdapat pada koordinat (5,5). Jarak antar lokasi didefinisikan sebagai jarak euclidian. Produk yang dikirimkan terdiri dari tiga jenis. Terdapat tiga tipe kendaraan yang digunakan dan mempunyai tiga kompartemen dengan kapasitas tertentu. Tabel IV.1 berikut memperlihatkan spesifikasi data kendaraan dan kompartemen. Tabel IV.1. Spesifikasi Data Kendaraan dan Kompartemen Tipe Kendaraan Fixed Cost (Rp/Hor.Perenc) Variabel Cost (Rp/jam) Kapasitas Kompartemen 1 (unit) Kapasitas Kompartemen 2 (unit) Kapasitas Kompartemen 3 (unit) Tipe Tipe Tipe Sebaran lokasi pelanggan yang teracak, terkelompok, dan tercampur diperlihatkan pada Gambar IV.1, IV.2, IV.3 di bawah ini 82

2 Gambar. IV.1. Lokasi Pelanggan Data Hipotetik Random 1 Gambar. IV.2. Lokasi Pelanggan Data Hipotetik Cluster 1 83

3 Gambar IV.3. Lokasi Pelanggan Data Hipotetik Campur 1 Pada beberapa pelanggan, demand pengiriman pelanggan melebihi kapasitas kendaraan sehingga harus melakukan split delivery. Kecepatan kendaraan adalah 50 mil/jam. Waktu loading sama dengan waktu discharging yaitu 30 unit/jam. Waktu setup sebesar 0,2 jam. Horison perencanaan sepanjang10 jam. Sembilan contoh data hipotetik yang digunakan dalam penelitian ini dapat dilihat pada Lampiran B. IV.2. Contoh Numerik Contoh numerik ini melakukan perhitungan permasalahan permasalahan VRP with fleet mix vehicle, multiple trips, Split delivery, multiple products and multiple compartments dengan menggunakan fungsi tujuan minimisasi total routing cost yang terdapat dalam persamaan 3-7. Tabel IV.2 dibawah ini memperlihatkan data input VRP dengan karateristik fleet mix vehicle, multiple trips, split delivery, multiple products dan multiple compartments untuk data hipotetik cluster 1. 84

4 Tabel IV.2. Input Data Hipotetik Cluster 1 Jumlah Depot 1 Jumlah Pelanggan 50 Jumlah Jenis Produk 3 Horison Perencanaan (Jam) 10 Tipe Kendaraan Heterogeneous Jumlah Tipe Kendaraan 3 Jumlah Kompartemen 3 Kecepatan Kendaraan (mil/h) 50 Waktu Setup (Jam) 0.2 Waktu Loading (Unit/Jam) 30 Waktu Unloading (Unit/Jam) 30 Kendaraan Tipe Kendaraan Fixed Cost Variabel Cost Komp 1 Komp 2 Komp 3 (Rp/Hor.pernc) (Rp/jam) (unit) (unit) (unit) Kendaraan Tipe Kendaraan Tipe Kendaraan Tipe Depot dan Pelanggan Pelanggan Position Position Produk 1 Produk 2 Produk 3 X Y (Unit) (Unit) (Unit)

5 Lanjutan Tabel Depot dan Pelanggan Nilai parameter dan nilai operator genetik yang di gunakan di tunjukan pada Tabel IV.3 di bawah ini. Tabel IV.3. Data Algoritma Genetik Populasi 20 Maksimum Generasi 50 Elitis 10 % Migrasi 40 % Mutasi 20 % Crossover 30 % Hasil pengolahan numerik secara rinci ditunjukkan pada Tabel IV.4 di bawah ini. Tabel IV.4. Solusi Contoh VRPFMVMTMPMC Individu Terbaik Generasi Data Hipotetik Cluster 1 SUMMARY of GENETIC ALGORITHM SOLUTION Created on : 4/30/ :37:36 PM File name Cluster 1.txt Name of Experiment Genetic Algorithm Process Time (second) detik Number of Vehicles 6 Kendaraan Total Tour Duration Time jam Range of Duration Time 2.6 jam Objective Function Rp /Hrsn Prnc. VERIFICATIONS All Customers are Assigned: TRUE Feasibility of Vehicle Compartments: TRUE Feasibility of Planning Horizon: TRUE Number of Customer Splitted: 6 Splitted Customers: 15, 25, 30, 35, 40,45 86

6 Lanjutan tabel solusi VRPFMVMTSDMPMC Individu Terbaik GenerasiData Hipotetik Cluster 1 DETAIL SCHEDULE Tour 1 Tipe Kendararaan : 1 Tour Duration Time : Jam Total % W. Setup 0.4 jam W. L/UL 1.6 jam W. Temp jam Rute : Total % W. Setup 1 jam W. L/UL 1.6 jam W. Temp jam Rute : Total % W. Setup 0.8 jam W. L/UL 1.6 jam W. Temp jam Rute : Total % W. Setup 0.8 jam W. L/UL 1.2 jam W. Temp jam Biaya Perj. Tour Rp. 1,

7 Lanjutan tabel solusi VRPFMVMTSDMPMC Individu Terbaik GenerasiData Hipotetik Cluster 1 Tour 2 Tipe Kendararaan : 2 Tour Duration Time : Jam Total % W. Setup 0.4 jam W. L/UL 2 jam W. Temp jam Rute : Total % W. Setup 1.2 jam W. L/UL 2 jam W. Temp jam Rute : Total % W. Setup 1.2 jam W. L/UL 2 jam W. Temp jam Biaya Perj. Tour Rp. 3,650. Tour 3 Tipe Kendararaan : 3 Tour Duration Time : Jam Total % W. Setup 1 jam W. L/UL 2.8 jam W. Temp jam 88

8 Lanjutan tabel solusi VRPFMVMTSDMPMC Individu Terbaik GenerasiData Hipotetik Cluster 1 Rute : Total % W. Setup 0.6 jam W. L/UL 2.8 jam W. Temp jam Rute : Total % W. Setup 0.6 jam W. L/UL 1.2 jam W. Temp jam Biaya Perj. Tour Rp. 3,471. Tour 4 Tipe Kendararaan : 1 Tour Duration Time : Jam Total % W. Setup 0.8 jam W. L/UL 1.6 jam W. Temp jam Rute : Total % W. Setup 1 jam W. L/UL 1.6 jam W. Temp jam Rute : Total % W. Setup 0.4 jam W. L/UL 1.6 jam W. Temp jam 89

9 Lanjutan tabel solusi VRPFMVMTSDMPMC Individu Terbaik GenerasiData Hipotetik Cluster 1 Rute : Total % W. Setup 0.8 jam W. L/UL 1.2 jam W. Temp jam Biaya Perj. Tour Rp. 4,858. Tour 5 Tipe Kendararaan : 3 Tour Duration Time : Jam Total % W. Setup 1 jam W. L/UL 2.8 jam W. Temp jam Rute : Total % W. Setup 0.6 jam W. L/UL 2.8 jam W. Temp jam Rute : Total % W. Setup 0.8 jam W. L/UL 1.2 jam W. Temp jam Biaya Perj. Tour Rp. 4,

10 Lanjutan tabel solusi VRPFMVMTSDMPMC Individu Terbaik GenerasiData Hipotetik Cluster 1 Tour 6 Tipe Kendararaan : 1 Tour Duration Time : Jam Total % W. Setup 0.4 jam W. L/UL 1.6 jam W. Temp jam Rute : Total % W. Setup 0.8 jam W. L/UL 1.6 jam W. Temp jam Rute : Total % W. Setup 0.8 jam W. L/UL 1.2 jam W. Temp jam Biaya Perj. Tour Rp. 4,868. Jmlh Kend Tipe 1 : 3 Kend Jmlh Kend Tipe 2 : 1 Kend Jmlh Kend Tipe 3 : 2 Kend NV 6 Kend. TDT jam RCT jam Biaya Total Perj. Rp. 23,165. Fitness Function 628, Gambar IV.4 sampai dengan gambar IV. 10 memperlihatkan map solusi keseluruhan tur dan setiap tur dari individu terbaik generasi untuk permasalahan VRP with fleet mix vehicle, multiple trips, Split delivery, multiple products and multiple compartments dengan data hipotetik Cluster 1, dimana dibutuhkan 6 tur dengan tur 1 dilayani oleh kendaraan tipe 1n tur 2 oleh kendaraan tipe 2, tur 3 oleh kendaraan tipe 3, tur 4 dilayani oleh kendaraan tipe 1, tur 5 dilyani oleh kendaraan tipe 3 dan tur 6 dilayani oleh kendaraan tipe 1. Jadi dibutuhkan 6 kendaraan (kendaraan tipe 1 91

11 sebanyak 3 kendaraan, kendaraan tipe 2 sebanyak 1 kendaraan dan kendaraan tipe 3 sebanyak 2 kendaraan) untuk melayani permintaan 50 pelanggan. Gambar IV.4. Map Solusi Keseluruhan Tur Data Hipotetik Cluster 1 Gambar IV.5. Map Solusi Tur 1 Data Hipotetik Cluster 1 92

12 Gambar IV.6. Map Solusi Tur 2 Data Hipotetik Cluster 1 Gambar IV.7. Map Solusi Tur 3 Data Hipotetik Cluster 1 93

13 Gambar IV.8. Map Solusi Tur 4 Data Hipotetik Cluster 1 Gambar IV.9. Map Solusi Tur 5 Data Hipotetik Cluster 1 94

14 Gambar IV.10. Map Solusi Tur 6 Data Hipotetik Cluster 1 Data-data output lain yang terkait dengan solusi permasalahan VRP with fleet mix vehicle, multiple trips, Split delivery, multiple products and multiple compartments data hipotetik Cluster 1 di tampilkan dalam bentuk grafik-grafik di bawah ini. Gambar IV.11. Grafik Pergerakan Nilai Fitnees Function Individu Terbaik Setiap Generasi Data Hipotetik Cluster 1 95

15 Dari Gambar IV.11 grafik fitness function untuk data hipotetik Cluster 1 menampilkan proses konvergensi untuk fitness function terjadi pada generasi ke sepuluh selama pembentukan 50 generasi. IV.3. Analisis Kestabilan Solusi Analisis kestabilan solusi akan diuji menggunakan sembilan set data hipotetik. Analisis ini dilakukan untuk melihat variansi dari solusi yang dihasilkan. Software aplikasi yang dirancang untuk pemecahan VRP dengan karakteristik fleet mix vehicle, multiple trips, split delivery, multiple products dan multiple compartements dengan menggunakan algoritma genetika, dilakukan dengan menggunakan spesifikasi perangkat komputer sebagai berikut: Processor : Intel Core 2 Duo 1,8 GHz Memory : DDR2 3 GB Opr. System : Microsoft Windows Vista Home Premium Developer : Microsoft Visual Basic Version 6.0 Nilai parameter dan nilai operator genetika yang digunakan adalah : Maksimum Generasi : 50 Jumlah Populasi : 20 Elitis : 10 % Migrasi : 40 % Mutasi : 20 % Crossover : 30 % Percobaan yang dilakukan menggunakan fungsi tujuan meminimumkan total routing cost. Karena hasil dari setiap percobaan berbeda-beda maka dilakukan perhitungan jumlah replikasi yang di butuhkan untuk sembilan data hipotetik. Perhitungan jumlah replikasi yang diperlukan menggunakan relative error yang diambil dari Harrell, et.al (2004). ( / 2 ) ' zα s n = re x (1 + re 2 (4-1) 96

16 dengan : α = tingkat kesalahan yang diijinkan digunakan 5% re = relative error 10% s = simpangan baku x = Nilai rata-rata. dicoba dengan n = 5 replikasi n' = Jumlah replikasi yang dibutuhkan. Berikut adalah rekapitulasi perhitungan jumlah replikasi untuk kesembilan data hipotetik ditunjukan pada Tabel IV.5. Data Hipotetik Tabel IV.5. Rekapitulasi Perhitungan Jumlah Replikasi Jumlah Replikasi (n ) Data Hipotetik Jumlah Replikasi (n ) Data Hipotetik Jumlah Replikasi (n ) Campur Cluster Random E 05 Campur Cluster Random Campur Cluster Random Dari Tabel IV.5. diatas terlihat jumlah replikasi yang dibutuhkan untuk sembilan data hipotetik adalah sebanyak satu replikasi, karena n < n maka n sebanyak 5 replikasi dinyatakan cukup untuk percobaan kesembilan data hipotetik. Tabel IV.6 sampai dengan Tabel IV.14 berikut akan menampilkan percobaan masing-masing data hipotetik dengan lima replikasi. Dari seluruh hasil percobaan dengan lima replikasi terlihat bahwa koofisien variansi untuk tiap data hipotetik nilainya mendekati nol, sehingga dapat disimpulkan bahwa solusi yang dihasilkan dari seluruh percobaan dapat dikatakan stabil. Tabel IV.6 Hasil Percobaan Data Hipotetik Campur 1 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi

17 Tabel IV.7. Hasil Percobaan Data Hipotetik Campur 2 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi Tabel IV.8. Hasil Percobaan Data Hipotetik Campur 3 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi Tabel IV.9. Hasil Percobaan Data Hipotetik Cluster 1 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi

18 Tabel IV.10. Hasil Percobaan Data Hipotetik Cluster 2 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi Tabel IV.11. Hasil Percobaan Data Hipotetik Cluster 3 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi Tabel IV.12. Hasil Percobaan Data Hipotetik Random 1 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi

19 Tabel IV.13. Hasil Percobaan Data Hipotetik Random 2 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi Tabel IV.14. Hasil Percobaan Data Hipotetik Random 3 Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi IV.4. Analisis Kemamputerapan Teknik GA. Analisis ini digunakan untuk melakukan pengukuran generalisasi teknik GA yang dikembangkan terhadap perubahan varian. Artinya seberapa jauh teknik GA yang dikembangkan pada penelitian ini dapat digunakan untuk menyelesaikan permasalahan-permasalahan dalam sistem nyata. Varian yang dipertimbangkan dalam penelitian ini terdiri dari fleet mix vehicle, multiple trips, split delivery, multiple product dan multiple compartement. Sebagai contoh perhitungan pada analisis ini, digunakan salah satu data hipotetik yaitu Campur 1 100

20 IV.4.1. Pengujian Teknik GA untuk VRP dengan Karakteristik Kendaraan Homogen, Single Product dan Single Compartement. Teknik GA yang dikembangkan dalam penelitian ini dapat dipakai untuk menyelesaikan VRP dengan karakteristik kendaraan homogen, single product dan single compartement. Data hipotetik yang digunakan adalah Campur 1 dengan mengubah inputan jenis produk, kapasitas kompartemen, tipe kendaraannya dan tidak mengubah varian yang lain yaitu multiple trips dan split delivery. Tabel IV. 15 berikut adalah input Data Hipotetik Campur 1 Tabel IV.15. Spesifikasi Data Kendaraan, Kompartemen Depot Pelanggan Tipe kendaraan Fixed Cost (Rp/Hor.Perc) Variabel Cost (Rp/jam) Kapasitas Kompartemen (unit) Kecepatan Kendaraan (mil/jam) Waktu Setup (jam) Waktu Loading / Unloading (unit/jam) Homogen ,2 30 Depot dan Pelanggan Pelanggan Position Position Produk 1 X Y (Unit)

21 Tabel lanjutan Depot dan Pelanggan Pelanggan Position Position Produk 1 X Y (Unit) Dengan menggunakan nilai parameter dan operator genetika yang sama seperti pada tabel IV.3, dan dengan dilakukan percobaan sebanyak 5 replikasi maka didapat hasil seperti pada tabel IV.16 berikut. Replikasi Tabel IV.16. Hasil Percobaan Data Hipotetik Campur 1 Waktu Komputasi (detik) Fitnnes Function (Rp)/HP NV (unit) TDT (Jam) RDT (Jam) Terbaik Rata rata Standart Deviasi Kooefisien Variansi E Tabel IV.17 berikut menunjukan solusi terbaik dari model single product, single compartement dan kendaraan homogen menggunakan data hipotetik campur 1 102

22 Tabel IV.17. Solusi Terbaik Model Single Product, Single Compartement dan Kendaraan Homogen Data Hipotetik Campur 1 SUMMARY of GENETIC ALGORITHM SOLUTION Created on : 5/14/2009 3:03:13 PM File name Name of Experiment Process Time Number of Vehicles Total Tour Duration Time Range of Duration Time Total Routing Cost Data Campur 1.txt Genetic Algorithm detik 3 Kendaraan jam 7.19 jam Rp. 321,368.00/Hrsn Prnc. VERIFICATIONS All Customers are Assigned: TRUE Feasibility of Vehicle Compartments: TRUE Feasibility of Planning Horizon: TRUE Number of Customer Splitted: 7 Splitted Customers: 5, 15, 20, 30, 35, 40, 45 DETAIL SCHEDULE Tour 1 Tipe Kendararaan : 1 Tour Duration Time : Jam Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 0.8 jam W. L/UL jam W. Temp jam Rute : 2 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1.2 jam W. L/UL jam W. Temp jam Rute : 3 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1.2 jam W. L/UL jam W. Temp jam 103

23 Lanjutan tabel hasil model single product, single compartement dan kendaraan homogen Rute : 4 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1 jam W. L/UL jam W. Temp jam Rute : 5 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1.2 jam W. L/UL jam W. Temp jam Rute : 6 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1.2 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 5,916. Tour 2 Tipe Kendararaan : 1 Tour Duration Time : Jam Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1.2 jam W. L/UL jam W. Temp jam 104

24 Lanjutan tabel hasil model single product, single compartement dan kendaraan homogen Rute : 2 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1.2 jam W. L/UL jam W. Temp jam Rute : 3 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1.2 jam W. L/UL jam W. Temp jam Rute : 4 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 1.2 jam W. L/UL jam W. Temp jam Rute : 5 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 0.8 jam W. L/UL jam W. Temp jam 105

25 Lanjutan tabel hasil model single product, single compartement dan kendaraan homogen Rute : 6 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 3 60% W. Setup 0.6 jam W. L/UL 0.2 jam W. Temp jam Biaya Perj. Tour Rp. 9,120. Tour 3 Tipe Kendararaan : 1 Tour Duration Time : Jam Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 5 100% W. Setup 0.8 jam W. L/UL jam W. Temp jam Rute : 2 Customer Prod. 1 Waktu Utilitas Biaya (Unit) (Jam) (Persen) (Rp) Total 3 60% W. Setup 0.6 jam W. L/UL 0.2 jam W. Temp jam Biaya Perj. Tour Rp. 3,332. Jmlh Kend Tipe 1 : 3 Kend NV 3 Kend. TDT jam RCT jam Biaya Total Perj. Rp. 18,368. Fitness Function 321, Dari Tabel IV.17 diatas terlihat masih terjadi adanya split delivery pada pelanggan 40, 20, 35, 30, 45, 5, dan 15. IV.5. Karakteristik Permasalahan Pendistribusian Produk Minyak di Maluku dan Irian Jaya. Penelitian ini menggunakan data yang diambil pada perusahan (PT Pertamina Region IVc UPMS VIII) tahun Terdapat permasalahan pendistribusian tiga produk minyak yaitu permium, minyak tanah, dan solar di kawasan Maluku, Maluku Utara, 106

26 Papua dan Papua Barat. Gambar IV.12 menunjukan pelabuhan-pelabuhan di Maluku, Maluku Utara, Papua dan Papua Barat yang menjadi cakupan dalam penelitian ini. Terdapat satu depot (supply point) yaitu Ambon dan terdapat 19 (destination points) yaitu : 1. Biak (Pulau Biak) 11. Nabire (Pulau Irian Jaya) 2. Bula (Pulau Seram) 12. Namlea (Pulau Buru) 3. Dobo (Pulau Wokam) 13. Sanana (Pulau Sulabesi) 4. Fak-fak (Pulau Irian Jaya) 14. Saumlaki (Pulau Yamdena) 5. Jayapura (Pulau Irian Jaya) 15. Serui (Pulau Yapen) 6. Kaimana (Pulau Irian Jaya) 16. Sorong (Pulau Irian Jaya) 7. Labuha (Pulau Bacan)) 17. Ternate (Pulau Ternate) 8. Manokwari (Pulau Irian Jaya) 18. Tobelo (Pulau Halmahera) 9. Masohi (Pulau Seram) Tual (Pulau Kei Kecil) 10. Merauke (Pulau Irian Jaya) Berikut adalah Gambar IV.12. yang menunjukan daerah distribusi PT. PERTAMINA Region IVc UPMS VIII untuk Maluku dan Irian Jaya Gambar IV.12. Daerah distribusi PT. PERTAMINA Region IVc UPMS VIII Untuk Maluku dan Irian Jaya 107

27 Setiap pelabuhan memiliki kapasitas tangki timbun yang berbeda-beda yang menentukan jumlah maksimum produk minyak yang dapat disimpan. Setiap pelabuhan juga memiliki throughput, yaitu tingkat konsumsi produk minyak perhari, yang berbeda-beda, sehingga setiap pelabuhan memiliki daya tahan (waktu sampai suatu pelabuhan kekurangan stok) yang berbeda pula. Tabel IV.18 menunjukan kapasitas tangki timbun, throughput, dan daya tahan masing-masing pelabuhan. Tabel IV.18. Kapasitas Tangki Timbun, Throughput, dan Daya Tahan Pelabuhan. Nama Depot 1 (kl) Premium Minyak Tanah Minyak Solar (kl/hari) (Hari) (kl) (kl/hari) (Hari) (kl) (kl/hari) 3 (Hari) Biak ,3 64, ,1 323, ,9 145,3 Bula 684 8,0 85, ,5 29, ,2 36,0 Dobo 189 7,9 23, ,7 40, ,2 45,2 Fak fak ,4 29, ,6 30, ,7 114,1 Jayapura ,3 24, ,8 22, ,0 36,7 Kaimana ,8 11, ,2 21, ,6 19,8 Labuha ,5 43, ,9 37, ,5 83,7 Manokwari ,9 21, ,2 53, ,4 37,3 Masohi ,9 34, ,0 16, ,5 18,5 Merauke ,3 38, ,2 49, ,5 26,7 Nabire ,4 16, ,8 21, ,7 32,0 Namlea ,6 40, ,0 40, ,1 60,6 Sanana ,1 47, ,7 46, ,3 47,6 Saumlaki , ,0 30, ,1 24,4 Serui ,7 39, ,5 33, ,5 44,7 Sorong ,3 27, ,0 61, ,2 26,7 Ternate ,0 28, ,1 25, ,2 22,7 Tobelo ,7 15, ,5 33, ,1 32,2 Tual ,4 60, ,2 49, ,1 96,8 Keterangan: 1 = kapasitas (dalam kiloliter) 2 = throughput (dalam kiloliter perhari) 3 = daya tahan (dalam hari) Daya tahan adalah kapasitas tangki timbun dibagi dengan throughput. Ketiga produk minyak (premium, minyak tanah, solar) harus didistribusikan dari ambon ke sembilan belas pelanggan (relasi one to many) dengan menggunakan sejumlah kapal tanker. Diasumsikan jumlah kapal tanker yang tersedia tidak terbatas. Kapal tanker yang ada dapat mengangkut ketiga jenis produk minyak sekaligus 108

28 (premium, minyak tanah, solar) dengan kapasitas 1500 kiloliter, 3600 kiloliter, dan 7000 kiloliter. Kecepatan rata-rata kapal tanker adalah 10 knot/jam sampai 12 knot/jam. Dalam penelitian ini menggunakan kecepatan rata-rata kapal tanker adalah 10 knot/jam Tabel IV.19 menunjukan spesifikasi data kapal dan kompartemen Tabel IV.19. Spesifikasi Data Kapal dan Kompartemen Biaya Tipe Biaya Tetap Total Grade 1 Grade 2 Grade 3 Variabel COMP Kapal (Rp/HP) (kl) (kl) (kl) (kl) (Rp/jam) Tipe I komp Tipe II komp Tipe III komp Keterangan : Grade 1 untuk premium Grade 2 untuk minyak tanah Grade 3 untuk minyak solar Loading dan discharging untuk ketiga produk minyak tidak dilakukan bersamaan, setelah produk minyak yang satu selesai dialirkan ke/dari tanker, baru produk minyak yang lain dialirkan ke/dari tanker. Waktu loading dan discharging bersifat relatif tergantung dari kecepatan pengaliran produk minyak yang keluar / masuk tanker. Kecepatan berkisar antara 200 s/d 400 kiloliter/jam, tergantung dari sedikit banyaknya minyak yang dialirkan. Semakin sedikit minyak yang dialirkan seharusnya menggunakan kecepatan pengaliran rendah. Hal ini dilakukan untuk menjamin ketelitian. Dalam penelitian ini dipakai kecepatan loading dan discharging sebesar 200 kiloliter/jam. Waktu setup di dermaga adalah total waktu yang dipergunakan ketika tanker sampai di dermaga, sampai siap dilakukan loading dan discharging ditambah waktu yang dipergunakan setelah loading dan discharging untuk mempersiapkan keberangkatan. Total waktu setup di setiap pelabuhan adalah sebesar 2 jam, dan dimasukan kedalam waktu penyelesaian tur. Jarak antar pelabuhan, dalam mil laut (nautical mile), diberikan pada tabel IV.20 berikut ini. 109

29 Tabel IV.20. Jarak antar pelabuhan (mil laut) AMBON 631 BIAK BULA DOBO FAKFAK JAYAPURA KAIMANA LABUHA MANOKWARI MASOHI MERAUKE NABIRE NAMLEA SANANA SAUMLAKI SERUI SORONG TERNATE TOBELO TUAL 110

30 Informasi lainnya adalah sebagai berikut: 1. Waktu tempuh berbanding linear dengan jarak. 2. Tidak ada constariant arus laut dan faktor alam lainnya sehingga rute apapun dapat dijalani. IV.6. Penentuan Horison Perencanaan dan Demand Tiap Pelabuhan Dalam penelitian ini tidak menggunakan horison perencanaan dengan keadaan yang terjadi saat ini di PT Pertamina Region IVc UPMS VIII Terminal Transit Wayame Ambon yaitu sebesar 14 hari. Tetapi, penentuan horison perencanaan ditetapkan berdasarkan daya tahan terkecil pelabuhan pelanggan (Komara,2006). Dari data pada tabel IV.20, terlihat bahwa daya tahan terkecil adalah 11,1 hari, yaitu produk premium di Kaimana, sehingga horison perencanaan tidak boleh melebihi 11 hari. Oleh karena itu, untuk saat ini ditentukan horison perencanaan sebesar 11 hari. Untuk horison perencanaan sebelas hari, demand pada masing-masing pelabuhan dapat ditunjukan pada Tabel IV.21 sebagai berikut: Tabel IV.21. Demand selama Horison Perencanaan 11 hari Nama Depot Premium Minyak Tanah Minyak Solar (kl) (kl) (kl) Total Biak 377,3 221,1 779, ,3 Bula 88,0 137,5 112, Dobo 86,9 183,7 376,2 646,8 Fak fak 180,4 171,6 194, Jayapura 2.016, , , ,1 Kaimana 514,4 266, , ,6 Labuha ,9 225,5 570,9 Manokwari 592,9 244,2 697, ,5 Masohi 251,9 385,0 291,5 928,4 Merauke 696,3 376, , ,0 Nabire 521,4 239,8 524, ,9 Namlea 182,6 143,0 177,1 502,7 Sanana 111,1 161,7 157,3 430,1 Saumlaki 113,3 209,0 694, ,4 Serui 271,7 159,5 214,5 645,7 Sorong 1.037,3 715, , ,5 Ternate 913, , , ,3 Tobelo 480,7 247,5 716, ,3 Tual 213,4 266, , ,7 Total 8.819, , ,6 111

31 Untuk waktu perjalanan (dalam jam), merupakan jarak antar pelabuhan dibagi dengan kecepatan kapal (10 knot) IV.7. Analisis Hasil Algoritma Genetik untuk Pendistribusian Produk Minyak di Maluku dan Irian Jaya. Percobaan yang dilakukan menggunakan fungsi tujuan minimasi total routing cost Karena hasil dari setiap percobaan berbeda-beda maka dilakukan perhitungan jumlah replikasi yang di butuhkan (n ). Perhitungan jumlah replikasi yang diperlukan menggunakan relative error (4-1), dimana hasilnya adalah replikasi atau 1 replikasi. Tabel IV.22 menampilkan hasil rekapitulasi algoritma genetika dengan lima replikasi yang ditunjukan pada tabel dibawah ini : Tabel IV.22. Rekapitulasi Perhitungan dengan Lima Replikasi (Horison Perencanaan 11 hari) Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP , Rata rata Simpangan Baku Kooefisien Variansi Dari hasil percobaan dengan lima replikasi, terpilih replikasi keempat yang memiliki fitness function terbaik. Tabel IV.23 menunjukan hasil perhitungan lebih detail untuk genetic algorithm dari hasil percobaan replikasi yang keempat. Untuk hasil genetic algorithm terdapat delapan pelabuhan pelanggan yang mengalami split delivery yaitu : Jayapura, Kaimana, Masohi, Labuha, Namlea, Sanana, Ternate dan Sorong. Dari kedelapan pelanggan, enam pelanggan di split sebanyak dua kali yaitu Jayapura, Kaimana, Labuha, Namlea, Sanana, dan Ternate. Satu pelanggan di split sebanyak tiga kali yaitu Masohi, dan satu pelanggan di split sebanyak empat kali yaitu Sorong. Jumlah kapal tanker yang digunakan untuk melayani demand sembilan belas pelanggan adalah sebanyak 8 kapal tanker dengan jumlah masing adalah 1 kapal 112

32 tanker untuk tipe 1, 2 kapal tanker untuk tipe 2, dan 5 kapal tanker untuk tipe 3. Jika dibandingkan dengan keaadaan existing jumlah kapal tanker yang digunakan adalah 10 kapal tanker dengan 3 kapal tanker untuk tipe 1, 4 kapal tanker untuk tipe 2, dan 3 kapal tanker untuk tipe 3. Teknik genetic algorithm menghasilkan tur sebanyak 8 tur, dengan waktu penyelesaian tur terpanjang adalah 257,532 jam (tur 2) dan waktu penyelesaian tur tependek adalah 208,942 jam (tur 8) dengan TDT dan RDT adalah 1856,996 jam dan 48,58101 jam. Tabel VI.23. Hasil Individu Terbaik Generasi GA untuk Pendistribusian BBM di Maluku dan Irian Jaya. (Horison Perencanaan 11 hari) SUMMARY of GENETIC ALGORITHM SOLUTION Created on : 5/14/2009 4:54:52 PM File name Data Pelanggan Real Case.txt Name of Experiment Genetic Algorithm Process Time detik Number of Vehicles 8 Kendaraan Total Tour Duration Time 1, jam Range of Duration Time jam Total Routing Cost Rp. 477,729,800.00/Hrsn Prnc. VERIFICATIONS All Customers are Assigned: TRUE Feasibility of Vehicle Compartments: TRUE Feasibility of Planning Horizon: TRUE Number of Customer Splitted: 8 Splitted Customers: 5, 6, 7, 9, 12, 13, 17, 16 DETAIL SCHEDULE Tour 1 Tipe Kendararaan : 1 Tour Duration Time : Jam Ambon(0) 0 Saumlaki (14) Masohi (9) Namlea (12) Ambon(0) 0 Total % W. Setup 8 jam W. L/UL 15 jam W. Temp. 103 jam Rute : 2 Ambon(0) 0 Namlea (12) Masohi (9) Labuha (7) Sanana (13) Ambon(0) 0 Total % W. Setup 10 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 13,693,

33 Lanjutan tabel hasil terbaik individu generasi GA untuk pendistribusian BBM (horison perencanaan 11 hari) Tour 2 Tipe Kendararaan : 3 Tour Duration Time : Jam Ambon(0) 0 Sanana (13) Masohi (9) Labuha (7) Bula (2) Fak fak (4) Dobo (3) Tual (19) Kaimana (6) Ambon(0) 0 Total % W. Setup 18 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 20,651,310. Tour 3 Tipe Kendararaan : 2 Tour Duration Time : Jam Ambon(0) 0 Tobelo (18) Ternate (17) Ambon(0) 0 Total % W. Setup 6 jam W. L/UL 36 jam W. Temp jam Rute : 2 Ambon(0) 0 Kaimana (6) 2.3 Ambon(0) 0 Total % W. Setup 4 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 17,045,880. Tour 4 Tipe Kendararaan : 2 Tour Duration Time : Jam Ambon(0) 0 Manokwari (8) Sorong (16) Ambon(0) 0 Total % W. Setup 6 jam W. L/UL 36 jam W. Temp jam 114

34 Lanjutan tabel hasil terbaik individu generasi GA untuk pendistribusian BBM (horison perencanaan 11 hari) Rute : 2 Ambon(0) 0 Ternate (17) Ambon(0) 0 Total % W. Setup 4 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 16,767,750. Tour 5 Tipe Kendararaan : 3 Tour Duration Time : Jam Ambon(0) 0 Nabire (11) Serui (15) Biak (1) Sorong (16) Ambon(0) 0 Total % W. Setup 10 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 16,491,660. Tour 6 Tipe Kendararaan : 3 Tour Duration Time : Jam Ambon(0) 0 Merauke (10) Sorong (16) Total % W. Setup 6 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 22,335,520. Tour 7 Tipe Kendararaan : 3 Tour Duration Time : Jam Ambon(0) 0 Jayapura (5) Ambon(0) 0 Total % W. Setup 4 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 20,640,

35 Lanjutan tabel hasil terbaik individu generasi GA untuk pendistribusian BBM (horison perencanaan 11 hari) Tour 8 Tipe Kendararaan : 3 Tour Duration Time : Jam Ambon(0) 0 Sorong (16) Jayapura (5) 101 Ambon(0) 0 Total % W. Setup 6 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 21,532,980. Jmlh Kend Tipe 1 : 1 Kend Jmlh Kend Tipe 2 : 2 Kend Jmlh Kend Tipe 3 : 5 Kend NV 8 Kend. TDT jam RCT jam Biaya Total Perj. Rp. 149,158,200. Fitness Function Rp.477,729, Gambar IV.13 menunjukan proses kovergensi nilai fitness function terjadi pada generasi ke sepuluh selama pembentukan 50 generasi. Gambar IV.13. Grafik Pergerakan Nilai Fitnees Function Individu Terbaik Setiap Generasi Pada Gambar IV.14 sampai dengan gambar IV.21 memperlihatkan gambar keseluruhan tur dari hasil teknik genetic algorithm 116

36 Gambar IV.14. Peta Distribusi Produk Minyak Hasil GA untuk Tur 1 Gambar IV.15. Peta Distribusi Produk Minyak Hasil GA untuk Tur 2 117

37 Gambar IV.16. Peta Distribusi Produk Minyak Hasil GA untuk Tur 3 Gambar IV.17. Peta Distribusi Produk Minyak Hasil GA untuk Tur 4 118

38 Gambar IV.18. Peta Distribusi Produk Minyak Hasil GA untuk Tur 5 Gambar IV.19. Peta Distribusi Produk Minyak Hasil GA untuk Tur 6 119

39 Gambar IV.20. Peta Distribusi Produk Minyak Hasil GA untuk Tur 7 Gambar IV.21. Peta Distribusi Produk Minyak Hasil GA untuk Tur 8 120

40 IV.8. Analisis Sensitivitas Sistem Pendistribusian Produk Minyak Analisis sensitivitas dilakukan pada kasus pendistribusian bahan bakar minyak (BBM) di Maluku dan Irian Jaya. Analisis ini digunakan untuk melihat perilaku perubahan parameter model terhadap solusi yang dihasilkan. IV.8.1. Analisis Sensitivitas Horison Perencanaan Horison perencanaan dalam penelitian ini merupakan lama waktu operasi kapal tanker yang direncanakan untuk melayani seluruh pelabuhan pelanggan. Horison perencanaan yang dipakai dan di cobakan nilainya yaitu 14 hari (ditentukan dari horizon perencanaan dengan keadaan existing ), 13 hari, 12 hari, dan 11 hari (ditentukan dari daya tahan terkecil pelabuhan pelanggan). Oleh karena itu perlu dilakukan penyesuaian demand sesuai dengan rata-rata tingkat konsumsi bahan bakar minyak per hari pada setiap pelabuhan pelanggan Data permintaan pada masingmasing horison perencanaan dapat dilihat pada lampiran B. Perhitungan jumlah replikasi yang dibutuhkan (n ) dengan menggunakan relative error untuk horison perencanaan 11 hari adalah , horison perencanaan 12 hari adalah 0,099 1 replikasi, horison perencanaan 13 hari adalah 0,819 1 replikasi, dan horison perencanaan 14 hari adalah 0,444 1 replikasi. Pada Tabel IV.24 samapai dengan Tabel IV.27 menunjukan hasil percobaan lima replikasi untuk masing-masing horizon perencanaan. Tabel IV.24. Rekapitulasi Perhitungan dengan Lima Replikasi (Horison Perencanaan 11 hari) Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP , Rata rata Simpangan Baku Kooefisien Variansi

41 Tabel IV.25. Rekapitulasi Perhitungan dengan Lima Replikasi (Horison Perencanaan 12 hari) Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi Tabel IV.26. Rekapitulasi Perhitungan dengan Lima Replikasi (Horison Perencanaan 13 hari) Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi Tabel IV.27. Rekapitulasi Perhitungan dengan Lima Replikasi (Horison Perencanaan 14 hari) Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi

42 Hasil pada Tabel IV.24 sampai dengan Tabel IV.27 menunjukan nilai fitness function terkecil untuk horison perencanaan 11 hari adalah Rp per horison perencanaan, horison perencanaan 12 hari adalah Rp per horison perencanaan, horison perencanaan 13 hari adalah Rp per horison perencanaan, horison perencanaan 14 hari adalah Rp per horison perencanaan. dengan total kendaraan untuk masing-masing horison perencanaan adalah 8 kendaraan. Untuk membandingkan apakah lebih baik digunakan horison perencanaan 11 hari, 12 hari, 13 hari atau 14 hari, tidak bisa langsung dilihat dari nilai fitness function terkecil untuk masing-masing horizon perencanaan tersebut, melainkan harus dalam waktu siklus yang sama. Waktu siklus yang digunakan disini diambil berdasarkan kontrak kerja untuk lamanya penyewaan kapal tanker, antara pihak perusahaan dengan pemilik kapal tanker yaitu 2 tahun (730 hari). Berikut adalah Tabel IV.28 menunjukan rekapitulasi nilai fitness function berdasarkan waktu siklus untuk masing-masing horison perencanaan. Tabel IV.28. Nilai Fitness Function Berdasarkan Waktu Siklus (730 hari) Horison Perencanaan (Hari) Siklus (Hari) Banyaknya Pengantaran Fitness Function (Rp/ HP) Fitness Function (siklus) (Rp/siklus) Dari Tabel IV.28 terlihat bahwa nilai fitness function terkecil atau nilai total routing cost yang minimum adalah Rp /siklus, yaitu pada horison perencanaan 14 hari. Penghematan yang terjadi pada horison perencanaan 14 hari jika dibandingkan dengan horison perencanaan 11 hari adalah sebesar Rp Tabel IV.29 berikut ini adalah perhitungan secara detail untuk horison perencanaan 14 hari. 123

43 Tabel VI.29. Hasil Individu Terbaik Generasi GA (horison perencanaan 14 hari) SUMMARY of GENETIC ALGORITHM SOLUTION Created on : 6/2/2009 5:37:48 PM File name Name of Experiment Process Time Number of Vehicles Total Tour Duration Time Range of Duration Time Total Routing Cost Data Pelanggan 14 Hari.txt Genetic Algorithm detik 8 Kendaraan 2, jam jam Rp. 507,028,600.00/Hrsn Prnc. VERIFICATIONS All Customers are Assigned: TRUE Feasibility of Vehicle Compartments: TRUE Feasibility of Planning Horizon: TRUE Number of Customer Splitted: 9 Splitted Customers: 1, 5, 6, 7, 11, 16, 17, 18, 19 DETAIL SCHEDULE Tour 1 Tipe Kendararaan : 2 Tour Duration Time : Jam Total % W. Setup 12 jam W. L/UL 36 jam W. Temp jam Rute : Total % W. Setup 12 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 21,347,

44 Lanjutan tabel hasil terbaik individu generasi GA (horison perencananaa 14 hari) Tour 2 Tipe Kendararaan : 2 Tour Duration Time : Jam Total % W. Setup 10 jam W. L/UL 36 jam W. Temp jam Rute : Total % W. Setup 4 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 24,505,940. Tour 3 Tipe Kendararaan : 1 Tour Duration Time : Jam Total % W. Setup 6 jam W. L/UL 15 jam W. Temp jam Rute : Total % W. Setup 4 jam W. L/UL 15 jam W. Temp jam Rute : Total % W. Setup 4 jam W. L/UL 15 jam W. Temp jam Biaya Perj. Tour Rp. 18,982,

45 Lanjutan tabel hasil terbaik individu generasi GA (horison perencananaa 14 hari) Tour 4 Tipe Kendararaan : 3 Tour Duration Time : Jam Total % W. Setup 8 jam W. L/UL 70 jam W. Temp jam Biaya Perj. Tour Rp. 26,393,440. Tour 5 Tipe Kendararaan : 3 Tour Duration Time : Jam Total % W. Setup 14 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 23,985,810. Tour 6 Tipe Kendararaan : 3 Tour Duration Time : Jam Total % W. Setup 12 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 27,229,890. Tour 7 Tipe Kendararaan : 3 Tour Duration Time : Jam Total % W. Setup 4 jam W. L/UL jam W. Temp jam 126

46 Lanjutan tabel hasil terbaik individu generasi GA (horison perencananaa 14 hari) Rute : Total % W. Setup 4 jam W. L/UL 31 jam W. Temp jam Biaya Perj. Tour Rp. 28,145,470. Tour 8 Tipe Kendararaan : 2 Tour Duration Time : Jam Total % W. Setup 8 jam W. L/UL jam W. Temp jam Biaya Perj. Tour Rp. 19,678,260. Jmlh Kend Tipe 1 : 1 Kend Jmlh Kend Tipe 2 : 3 Kend Jmlh Kend Tipe 3 : 4 Kend NV 8 Kend. TDT jam RCT jam Biaya Total Perj. Rp. 190,268,300. Fitness Function 507,028,600 Untuk hasil GA dengan horison perencanaan 14 hari terdapat sembilan pelabuhan pelanggan yang mengalami Split delivery yaitu : Biak, Jayapura, Kaimana, Labuha, Nabire, Sorong, Ternate, Tobelo, dan Tual. Jumlah kapal tanker yang digunakan untuk melayani demand sembilan belas pelanggan adalah sebanyak 8 kapal tanker dengan jumlah masing adalah 1 kapal tanker untuk tipe 1, 3 kapal tanker untuk tipe 2, dan 4 kapal tanker untuk tipe 3. IV.8.2. Analisis Sensitivitas Kecepatan Loading dan Discharging Kecepatan loading dan discharging saat ini yang digunakan adalah 200 kl/jam. Sekarang akan dicoba jika kecepatan loading dan discharging dinaikan menjadi 400 kl/jam. Tabel IV.30 menunjukan rekapitulasi perhitungan dengan lima replikasi untuk kecapatan loading dan unloading sebesar 400 kl/jam. 127

47 Tabel IV.30. Rekapitulasi Perhitungan dengan Lima Replikasi (Kecepatan Loading dan Unloading 400 kl/jam) Replikasi NV Waktu Fitnnes (unit) TDT RDT Komputasi Function Tipe Tipe Tipe (Jam) (Jam) (detik) (Rp)/HP Rata rata Simpangan Baku Kooefisien Variansi Dari hasil pada Tabel IV.30 menunjukan replikasi keempat yang terbaik, terlihat bahwa jika di gunakan kecepatan loading dan unloading sebesar 400 kl/jam akan menurunkan nilai fitness function atau total routing cost yaitu sebesar Rp /horison perencanaan, dan jumlah kendaraan yang digunakan adalah 7 kendaraan. Tabel IV.31 dibawah ini, menunjukan perhitungan secara detail untuk kecepatan loading dan unloading sebesar 400 kl/jam. Terdapat tujuh pelabuhan pelanggan yang mengalami Split delivery yaitu : Biak, Jayapura, Kaimana, Nabire, Serui, Sorong, Tobelo, dan Tual. Jumlah kapal tanker yang digunakan untuk melayani demand sembilan belas pelanggan adalah sebanyak 7 kapal tanker dengan jumlah masing adalah 2 kapal tanker untuk tipe 2 dan 5 kapal tanker untuk tipe 3. Tabel VI.31. Hasil Individu Terbaik Generasi GA (Kecapatan loading dan unloading sebesar 400 kl/jam) SUMMARY of GENETIC ALGORITHM SOLUTION Created on : 6/2/2009 6:12:59 PM File name Data Pelanggan Real Case.txt Name of Experiment Genetic Algorithm Process Time detik Number of Vehicles 7 Kendaraan Total Tour Duration Time 1, jam Range of Duration Time jam Total Routing Cost Rp. 445,137,600.00/Hrsn Prnc. VERIFICATIONS All Customers are Assigned: TRUE Feasibility of Vehicle Compartments: TRUE Feasibility of Planning Horizon: TRUE Number of Customer Splitted: 7 Splitted Customers: 1, 5, 6, 11, 15, 16,