ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2892

Transkripsi

1 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2892 PENENTUAN RUTE ARADA ENGGUNAKAN ALOGARITA TABU SEARCH PADA HOOGENUS FLEET VEHICLE ROUTING PROBLE WITH TIE WINDOWS DI PT. XYZ WILAYAH BANDUNG UNTUK EINIASI TOTAL WAKTU TEPUH DETERINATION OF FLEET ROUTE USING TABU SEARCH ALGORITH ON HOOGENEOUS FLEET VEHICLE ROUTING PROBLE WITH TIE WINDOWS IN XYZ COPANY BANDUNG AREA TO INIIZE TOTAL TRAVEL TIE R. Fauzi Novianda 1, Sri artini 2, Rio Aurachman 3 1,2,3 Prodi S1 Teni Industri, Faultas Teni, Universitas Telom 1 fauzinovianda@student.telomuniversity.ac.id, 2 srimartini@telomuniversity.ac.id, 3 rioaurachman@telomuniversity.ac.id Abstra PT. XYZ merupaan distributor dari suatu perusahaan besar yang bergera di sub setor industri maanan dan minuman. Berdasaran data PT. XYZ selama bulan Juli-Desember 2016, terjadi permasalahan dimana tida semua demand dapat terpenuhi tepat pada watunya. Target pemnuhan dari piha perushaan sebesar 7%, tetapi hanya pada bulan Juli saja yang melebihi target. Permasalahan ini disebaban oleh beberapa penyebab dimana yang paling berpengaruh merupaan eterlambatan armada tiba pada customer. Penyebab ini terjadi arena watu tempuh yang lama arena penentuan rute yang tida tepat. Permasalahan ini merupaan permasalahan umum yang sering terjadi pada bidang transportasi dimana armada yang digunaan lebih dari 1, maa permasalahan ini perlu diselesaian dengan pendeatan Vechicle Routing Problem (VRP). Karateristi VRP pada peneilitian ini adalah time windows. Untu penyelesaian yang digunaan dengan pendeatan metaheuristi yaitu Alogaritma Tabu Search. Penulis menggunaan Alogaritma Nearest Neighbour sebagai pembangit solusi awal yang selanjutnya digunaan pada Alogaritma Tabu Search. Pendeatan VRP dengan pendeatan Alogaritma Tabu Search dapat mengurangi total watu tempuh sebesar 12.3% dari ondisi awal serta seluruh demand terpenuhi tanpa mengalami eterlambatan. Kata unci : Transportasi, Distribution Center, VRP, Time Windows, Alogaritma Nearest Neighbour, Alogaritma Tabu Search Abstract PT. XYZ is a distributor of a corporation that engaged in the food and beverage industry sub sector. Based on data of PT. XYZ during July-December 2016, there is a problem where not all demand can be fulfilled in time. The target is 7%, but only in July exceeds the target. This problem is caused by several causes where the most influential is the delay of the fleet arrives at the customer. This cause occurs due to long travel time due to inaccurate route determination. This problem is a common problem that often occurs in the field of transportation where the fleet is used more than 1, then this problem needs to be solved by approach Vechicle Routing Problem (VRP). Characteristics of VRP in this research is time windows. For the solution used with metaheuristic approach that is Alogaritma Tabu Search. This study uses Nearest Neighbors Alogaritma as the initial solution generator which is then used on Tabu Search Alogaritma. VRP approach with Tabu Search Algorithm approach can reduce total travel time by 12.3% from initial condition and all demand can be fulfilled without experiencing delay. Keywords: Transportation, Distribution Center, VRP, Time Windows, Nearest Neighbour Alogarithm, Tabu Search Alogarithm

2 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page Pendahuluan Transportasi merupaan serangaian egiatan memindahan atau mengangut barang dari produsen sampai epada onsumen dengan menggunaan salah satu atau lebih moda transportasi, yang dapat meliputi moda transportasi barat, laut/sungai, maupun udara [2]. Dalam pelasasnaannya, transportasi dilasanaan pada suatu rute yang bisa disebut suatu jaringan rute. Dalam pengiriman sendiri, transportasi biasanya diperhitungan dengan banyanya jumlah armada yang dibutuhan dalam melauan suatu pengiriman. Pemilihan rute yang tepat serta penentuan jumlah armada jia dilasanaan sesuai ebutuhan dan target, maa dapat dilasanaan dengan bai dimana pengiriman bisa dilasanaan dengan cepat dan tepat. PT. XYZ merupaan distributor dari suatu perusahaan besar yang bergera di sub setor industri maanan dan minuman. PT. XYZ memilii Distribution Center (DC) yang berada di wilayah Jawa Barat, yaitu Bandung tepatnya di Komples Industri Suamulya, Gedebage, Bandung. Dalam melauan operasional pengiriman barang, PT. XYZ memilii 6 unit armada Tru Colt Diesel Engle (CDE). Penentuan rute pengiriman yang dilauan oleh PT. XYZ adalah dengan membagi rute pengiriman menjadi tiga rute yaitu rute atas (Bandung bagian Utara), rute tengah (Bandung bagian Tengah) serta rute bawah (Bandung bagian Selatan). eanisme pengiriman barang pada PT. XYZ yaitu: Daftar customer yang aan diirim Bagi customer sesuai loasi Delivery Order (DO) diceta Gambar 1 eanisme Pengiriman PT. XYZ engirim Sesuai DO Setelah semua customer teririm armada embali Sedangan untu caupan area distribusi PT. XYZ adalah seitar wilayah Bandung (Kota Bandung, Kota Cimahi, Kab. Bandung, Kab. Bandung Barat) dengan jenis tujuan custmer yang beragam dimulai dari pasar swalayan, pasar tradisional, hotel, hingga rumah maan. Beriut merupaan area caupan distribusi PT. XYZ: Gambar 2 Area Caupan Distribusi PT. XYZ Dengan banyanya customer yang dimilii PT. XYZ, banya endala yang sering muncul. Salah satu endala yang sering muncul adalah tida terpenuhinya demand pelanggan tepat pada watunya. Kondisi ini terjadi saat barang yang diantar tida diterima oleh customer yang bisa disebaban beberapa fator yang mempengaruhinya seperti watu edatangan terlambat, ataupun barang yang diirim tida sesuai permintaan. Beriut merupaan laporan pengiriman PT. XYZ selama 6 bulan:

3 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page Laporan Pengiriman PT. XYZ Juli Agustus September Otober November Desember Demand Terpenuhi Gambar 3 Laporan Pengiriman PT. XYZ Berdasaran Gambar 3 dapat dilihat bahwa tida semua demand dapat terpenuhi tepat pada watunya selama 6 bulan terahir. PT. XYZ sendiri memilii target pemenuhan demand sebesar 7% dari total demand. Namun sesuai data yang telah saya sebutan diatas hanya Bulan Juli saja yang memenuhi target perusahaan. Sedangan untu bulan-bulan lainnya target tida terpenuhi. Dengan ondisi seperti ini butuh penyelesaian masalah agar pemenuhan demand melebihi target yang ditentuan perusahaan. Setelah melauan pengamatan lebih lanjut, permasalahan ini dipengaruhi oleh beberapa fator seperti pada gambar beriut: Penyebab Demand Tida Terpenuhi 1% Keterlambatan Tiba Pada Pelanggan 11% 3% 19% 66% Keterlambatan Pergi Barang Teririm Defect Doumen Tida Sesuai Kecelaan Gambar 4 Penyebab Keterlambatan Sesuai dengan Gambar I.4 Keterlambatan tiba pada pelanggan merupaan penyebab yang paling berpengaruh terhadap demand yang tida terpenuhi sebesar 66% atau sebanya 493 ali ejadian. Penyebab ini terjadi arena lamanya watu tempuh aramada, sehingga armada datang berada diluar time windows yang disediaan customer. Lamanya watu tempuh dipengaruhi oleh penentuan rute yang tida tepat sehingga jalur yang dipilih lebih jauh. Berdasaran latar belaang tersebut, permasalahan yang terjadi pada PT.XYZ adalah permasalahan transportasi yang umunya dapat diselesaian dengan pendeatan Vehicle Routing Problem (VRP) sesuai dengan arateristi utamanya yaitu terdapat lebih dari 1 endaraan dalam pengiriman. Untu jenis VRP yang digunaan adalah VRP with time windows sesuai dengan arateristi customer yang memilii time windows atau watu bua tutup pelayanan. aa penentuan rute menggunaan pendeatan Vehicle Routing Problem (VRP) dengan arateristi yang telah disebutan sebelumnya dibutuhan agar watu tempuh armada bisa di minimasi dan eterlambatan bisa terpenuhi.. 2. Dasar Teori dan etodologi 2.1 VRP (Vehicle Routing Problem) Vehicle routing problem berperan dalam merancang rute yang optimal yang digunaan oleh sejumlah endaraan yang ditempatan pada depot untu melayani sejumlah pelanggan dengan permintaan yang dietahui [3]. Vehicle Routing Problem (VRP) diperenalan pertama ali oleh Dantziq dan Ramser pada tahun 1959 dan semenja itu telah dipelajari secara luas. Oleh Fisher, VRP didefinisian sebagai sebuah pencarian atas cara penggunaan yang efisien dari sejumlah endaraan yang harus melauan perjalanan untu mengunjungi sejumlah tempat untu mengantar dan/atau menjemput orang/barang [3].

4 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2895 Varian-varian VRP banya bermunculan setelah diembangan dari permasalahan dasar yang telah didefinisian oleh Toth dan Vigo (2002). Varian-varian tersebut bermunculan untu menyesuaian ruang lingup masalah yang berembang, dimana model yang telah ada perlu variabel baru atau pembatas baru jia dilauan pengembangan varian VRP. Terdapat beberapa varian VRP yang telah diembangan [3]: 1. VRP with Time Window Pelayanan harus diatur sedemiian hingga barang/produ sampai epada pelanggan tepat pada rentang watu (time windows) yang sudah ditetapan pada masing-masing pelanggan. Depot juga memilii time window yang disebut dengan horison perencanaan. Jia depot atau pelanggan memilii time windows lebih dari satu, maa disebut dengan multiple time windows. 2. VRP with Split delivery Permasalahan VRP dimana pengiriman barang/produ e suatu pelanggan dapat dilauan oleh dua atau lebih endaraan. Pada VRP standar satu pelanggan hanya diunjungi oleh satu endaraan. 3. VRP Pic Up and Delivery Permasalahan VRP dimana endaraan dapat melauan tugas pengantaran (delivery) dan mengangut (pic-up) sealigus dalam satu ali proses pengiriman. Jenis VRP ini disebut juga VRP with linehauls atau bachauls. 4. VRP with ultiple Depot Permasalahan VRP dimana terdapat lebih dari satu depot sehingga suatu endaraan yang berangat dari depot tertentu dan dapat berahir di depot yang lain. Barang / produ yang diiriman e customer bisa berasal dari depot manapun selama sesuai dengan permintaan customer. 5. VRP with ultiple Product and Compartments Permasalahan VRP dimana barang/produ yang diiriman e customer terdiri dari beberapa macam barang/produ. Pada umumnya jenis VRP ini melibatan endaraan dengan multi compartments. 6. VRP with ultiple Trip Permasalahan VRP dimana endaraan dapat menempuh beberapa rute dengan embali e depot terlebih dahulu. 7. VRP with Heterogeneus Fleet of Vehicles Permasalahan VRP dimana perusahaan memilii beberapa macam endaraan dengan apasitas yang berbeda-beda. 2.2 Alogaritma Penentuan Rute Dalam melauan pemilihan rute terdapat 3 jenis metode yaitu esa, heuristi, serta metaheuristi. Beriut merupaan penjelasan etiga alogaritma tersebut [4]. 1. Alogaritma Esa / Analiti etode esa merupaan algoritma yang dapat menghasilan solusi secara langsung, dengan mencoba semua permutasi serta melihat yang termurah. Pendeatan yang dilauan terleta pada fator polinom dari O (n!), fatorial dari beberapa ota, sehingga solusi menjadi tida pratis dan hanya dapat untu 20 ota. Alogartima yang termasu dalam metode esa adalah alogaritma branch and bound, dan alogaritma cutting plane. 2. Alogaritma Heuristi etode heuristi merupaan metode modern dalam menemuan solusi untu masalah yang sangat besar (jutaan ota) dalam watu wajar dengan probabilitas tinggi hanya 2-3% dari solusi optimal. Beberapa algoritma yang tergolong dalam metode heuristi yaitu algoritma nearest neighbor, nearest insertion, dan masih banya lagi 3. Alogaritma etaheuristi etode metaheuristi jauh lebih efetif dibandingan dengan metode heuristi. Watu proses yang dibutuhan memang lebih lama dan tida dietahui secara pasti. Namun metaheuristi lebih mampu untu menampung atau melibatan lebih banya parameter dalam pengolahannya. Perbandingan Algoritma Heuristi dan Esa 2.3 Tabu Serach Tabu search pertama ali diperenalan oleh Glover pada tahun Tabu search merupaan ata serapan dari ata Taboo yang memilii arti terlarang atau eramat dan berasal dari bahasa Tongan, yaitu

5 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2896 salah satu bahasa yang ada di Polynesia. Berdasaran amus Websitester, Tabu adalah sebuah larangan yang dipasaan oleh ebudayaan sosial sebagai tindaan pencegahan atau sesuati yang dilarang arena berbahaya. Bahaya yang mungin terjadi pada Tabu search adalah penjadwalan yang tida laya, dan terjeba tanpa ada jalan eluar [1]. Konsep dasar dari Tabu search adalah alogaritma yang memastian bahwa setiap tahunnya menghasilan fungsi tujuan yang paling optimum tanpa terjeba edalam solusi awal yang ditebuan sealma iterasi berlangsung. Salah satu tujuan utama dari penggunaan tabu search adalah untu mencegah terjadinya pengulangan solusi dan ditemuannya solusi yang sama dalam suatu iterasi yang aan diulang pada iterai selanjutnya [1].. 3. Pembahasan 3.1 Influenced Diagram Penelitian ini bertujuan meminimasi watu tempuh sehingga eterlambatan bisa terselesaian. Dalam menyusun watu tempuh terdapat 2 omponen utama yaitu ecepatan rata-rata serta jara tempuh armada. Beriut merupaan influence diagram: Rute Distribusi Time Windows Volume Produ Demand Pelanggan Loasi Customer Jenis Jumlah Digunaan Jara Tempuh Jara Antar Pelanggan Jara DC e Pelanggan Kapasitas Angut Kecepatan Rata-rata Watu Tempuh Gambar 5 Influence Diagram Berdasaran Gambar 5, dapat dilihat eteraitan antar omponen. Rute distribusi merupaan input terontrol yang aan mempengaruhi ecepatan rata-rata yang dibutuhan serta loasi customer yang dituju. Kecepatan rata-rata armada selain dipengaruhi rute distribusi, dipengaruhi juga jumlah aramada yang digunaan. Loasi Customer, dipengaruhi oleh time windows pada customer serta jenis armada yang digunaan. Loasi Customer aan berpengaruh epada Jara Tempuh. Komponen Kecepatan Rata-Rata serta omponen Jara Tempuh aan berpengaruh pada output penelitian ini yaitu Watu Tempuh 3.2 odel atematis Permasalahan yang terdapat pada ondisi existing selanjutnya dirumusan edalam model matematis dengan fungsi tujuan minimasi watu tempuh. Adapun model matematisnya adalah sebagai beriut: Indes: i = indes notasi, i = 1, 2, 3, 4,... adalah customer / distribution centre yang memulai egiatan distribusi. j = indes notasi, j = 1, 2, 3, 4, adalah customer / distribution centre yang memulai egiatan distribusi. = indes notasi, = 1,2,3,4,... K adalah jenis endaraan yang digunaan. Parameter: xij = Jara dari titi i e j f = Biaya tetap setiap jenis endaraan c ij = Biaya jalan dari customer i e j S i = Watu pelayanan di titi i menggunaan endaraan t ij = Watu tempuh endaraan dari titi i e j menggunaan endaraan ot i = Batas awal time window di titi i ct i = Batas ahir time window di titi i

6 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2897 q = demand dari onsumen Q = Kapasitas angut endaraan S = Bilangan riil yang bernilai sangat besar. a = Kedatangan endaraan di customer p i = Keberangatan endaraan dari customer i. Bp = Volume produ p Hp j = Kuantitas produ p yang aan diirim e pelanggan j = Total volume yang diminta pelanggan j T = Watu Horison Satu Hari V = Kecepatan Rata Rata Kendaraan Variabel Keputusan: x ij = Variabel eputusan rute terpilih, 1 jia dari i e j menggunaan endaraan, 0 jia lainnya y = Variabel eputusan setiap penggunaan jenis endaraan, 1 jia endaraan digunaan, 0 jia lainnya Fungsi Tujuan: K min x ij v =1 j=1 i=1 i = 1, 2,, j = 1, 2, + 1, = 1, 2 K Fungsi tujuan diatas menjelasan tujuan dari penelitian ini yaitu meminimuman watu tempuh yang dibutuhan pada ativitas pengiriman barang e loasi onsumen sehingga tida terjadi eterlambatan yang melewati batas time windows onsumen dimana x ij merupaan rute dari i e j dengan menggunaan endaraan dan v meruan ecepatan rata-rata endaraan. Dengan endala-endala: K x ij = 1, j = 2, 3, (1) =1 i=1 Kendala (1) memastian bahwa satu customer hanya terdapat pada satu rute yang terpilih, dinotasian dengan i = 1, 2, 3. Dimana 1 merupaan depot dan erupaan himpunan tujuan atau customer. x oi = 1, = 1, 2 K i=1 Kendala (2) memastian bahwa setiap endaraan berangat dari depot. Dimana 1 merupaan depot dan merupaan himpunan tujuan atau customer. x ih i=1 x hj j=1 = 0, = 1, 2 K, h = 1, 2.. (3) Kendala (3) memastian selesai melayani seorang customer endaraan aan meninggalan customer tersebut untu customer lainnya. x j +1 = 1, j=1 = 1, 2 K.. (4) Kendala (4) memastian bahwa setiap rute embali e depot. Dimana pada ahir rute depot dinotasian sebagai +1. q j x ij Q, = 1, 2, 3 K.. (5) i=1 j=1 Kendala (5) memastian bahwa permintaan dari customer tida melebihi apasitas armada angut yang digunaan. p B p. Hp j = j, j = 1, 2, (6) p=1... (2) Kendala (6) menunjuan bahwa total volume produ yang diminta oleh suatu onsumen j merupaan penjumlahan dari hasil ali antara jumlah suatu jenis produ dialian dengan volume produ tersebut. ai + Si + t ij S (1 x ij ) a j,... (7) i = 1, 2,, j = 1, 2, + 1, = 1, 2 K

7 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2898 Kendala (7) memperlihatan bahwa watu edatangan di customer-j adalah hasil dari penjumlahan jam edatangan di customer-i dengan watu pelayanan yang terjadi di customer-i watu eberangatan di customer-i ditambah dengan watu tempuh i e j. o ti a i c ti, i = 1, 2, 3... (8) Kendala (8) menjelasan bahwa edatangan pada customer i harus berada di selang watu time window, sehingga pelayanan dilauan pada rentang watu time window tersebut (Si + t ij ) x ij T, = 1, 2 K (9) i=1 j=1 Pembatas (9) memastian bahwa semua rute perjalanan harus urang dari watu horizon satu hari. x ij {0,1}, i, j = 1, 2,., + 1, = 1,., K. (10) y {0,1}, = 1,.., K.... (11) Pembatas (10) dan (11) menunjuan bahwa nilai dari setiap variabel eputusan ialah 0 atau 1. Bernilai 1 apabila terdapat rute dari titi i e j yang terpilih, dan sebalinya apabila tida 3.3 Kondisi Existing Setelah data yang didapat diolah, maa didapatlah urutan rute pada ondisi existing beserta biaya yang dieluaran pada ondisi existing. Dapat dilihat pada tabel 1 urutan rute pada ondisi existing beserta jara tempuh yang dilalui. Tabel 1 Urutan Rute dan Jara Existing Rute Kunjungan Awal Jara (K) A1 D P46 P27 P37 D 36,905 A2 D P34 P40 P05 P44 P32 P02 P41 D 42,474 A3 D P01 P15 P35 P03 P25 P36 P16 P07 P28 D 53,998 A4 D P13 P14 P24 P17 P11 P18 P08 P20 P06 P12 P26 P04 P10 D 61,495 A5 D P33 P39 P47 P09 P19 P23 D 33,984 A6 D P3 P21 P45 P31 P42 P29 P38 P43 P22 D 70,487 Total Jara 299,343 Berdasaran Tabel 1 diatas, rute existing membutuhan jara tempuh sejauh 299,343 Km dengan ebutuhan armada sebanya 6 armada dengan watu tempuh pada ondisi existing adalah Jam. 3.4 Alogaritma Penentuan Rute Dalam penelitian ini, untu melauan pencarian rute dipilih alogaritma heuristic dan metaheuristi sebagai alogaritma penyelesaian masalah. Pencarian rute dilauan epada dua tahap dengan menemuan solusi awal terlebih dahulu, emudian solusi awal di optimasi agar hasil pencarian rute menjadi optimal. Untu tahap pertama, solusi awal dibentu menggunaan algoritma heuristic nearest neighbour, hasil dari algoritma ini adalah sebuah rute usulan pertama, atau individu pertama yang masih dapat di optimalan hasilnya. Untu model pencarian rute awal, rute yang dicari adalah rute yang meminimasi jara tempuh agar dapat meminimasi watu tempuh sehinggan dapat menghindari eterlambatan pada proses distribusi, rute yang dicari memperhatian time window dari masing-masing customer, demand customer, apasitas dari endaraan serta endaraan yang digunaan. Setelah didapatan solusi awal selanjutnya solusi diproses embali dengan alogaritma tabu search agar dapat meminimasi watu tempuh 3.5 Hasil Solusi Nearest Neighbour Setelah dilauan iterasi terahir, maa didapatan solusi awal dengan nearest neighbour dengan rincian pada Tabel 2 dan Tabel 3 Tabel 2 Solusi Awal Nearest Neighbour Rute Kunjungan D P19 P23 P9 P47 P39 P44 P32 P2 P21 P30 P40 P34 P10 1 P24 P29 P31 P45 P27 P41 D 2 D P13 P14 P33 P5 P25 P36 P7 P16 P35 P 38 P43 P22 D 3 D P4 P12 P26 P20 P6 P18 P8 P11 P17 P46 P1 D 4 D P15 P37 D 5 D P3 P28 P42 D

8 ISSN : e-proceeding of Engineering : Vol.4, No.2 Agustus 2017 Page 2899 Tabel 3 Total Jara dan Watu Tempuh Nearest Neighbour Jara Tempuh (K) Watu Tempuh (Jam) 1 75,22 2, ,57 2, ,44 1, ,31 1, ,66 1, Hasil Perhitungan Alogaitma Tabu Search Setelah iterasi selesai dilauan maa didapatlah urutan rute terbai dengan jumlah armada yang digunaan hanya 5 dari 6 armada dengan total jara tempuh sejauh m dan watu tempuh total selama jam. Selain itu seluruh demand onsumen terantaran dengan sesuai pada watu tutup customer. Beriut merupaan solusi dari Alogaritma Tabu Search pada Tabel Tabel 4 Solusi Rute Alogaritma Tabu Search Rute Kunjungan D P23 P19 P9 P47 P39 P44 P32 P2 P21 P30 P24 P10 P34 P40 P29 P31 P45 P27 P41 D D P13 P14 P33 P5 P25 P36 P7 P16 P38 P22 P43 P35 D D P4 P12 P26 P20 P6 P8 P18 P11 P17 P46 P1 D D P15 P37 D D P3 P28 P42 D Tabel 5 Total Jara dan Watu Tempuh Tabu Search Jara Tempuh (K) Watu Tempuh (Jam) 1 72,99 2, ,91 2, ,26 1, ,31 1, ,66 1,59 4. Kesimpulan Setelah didapatan hasil penelitian perencanaan rute pendistribusian menggunaan algoritma Tabu Search, dapat ditari esimpulan bahwa sesuai dengan total jara tempuh yang turun dari ondisi existing, total watu tempuh distribusi armada pun aan turun. Watu tempuh pada awalnya selama 10,93 jam menjadi 9,59 jam dengan perubahan sebesar 80 menit lebih cepat atau terjadi penurunan sebesar 12,3%. Dengan watu tempuh yang berurang eterlambatan bisa terpenuhi, setelah dilauan penyesuaian antara watu tiba armada dengan time windows, tida terjadi eterlambatan arena semua armada yang datang berada pada range time windows setiap customer. Daftar Pustaa: [1] Fred, G., Tabu Search. ORSA Journal on computing, 1(3), pp [2] Salim, H. A., anajemen transportasi. Jaarta: Raja Grafindo Persada. [3] Tooth, P. & Vigo, D., The Vehicle Routing Problem. s.l.:society for Industrial and Applied athematics. [4] Faisal, F. (2012). Penentuan Aloasi dan Rute Transportasi yang Optimal di PT. Sumber Alfaria enggunaan etode ABC dan Algoritma Tabu Search. Sarjana Bandung: Institut Tenologi Bandung.