4 PENYELESAIAN MASALAH DISTRIBUSI ROTI SARI ROTI

24 4 PENYELESAIAN MASALAH DISTRIBUSI ROTI SARI ROTI 4.1 Data Data yang digunakan dalam penelitian ini adalah data kegiatan distribusi roti Sari Roti di daerah Bekasi dan sekitarnya yang dilakukan setiap harinya oleh PT NIC (Nippon Indosari Corpindo) sebagai produsen roti Sari Roti. Data ini merupakan hasil penelitian Aji Raditya, mahasiswa Departemen Matematika IPB (Raditya 2009) dan terdiri atas matriks jarak antarlokasi (Lampiran 1), posisi koordinat Cartesius dari 23 pelanggan dan 1 depot, jumlah permintaan dan waktu bongkar muat pada masing-masing pelanggan (Tabel 1). Penyajian dan hasil pengolahan data pada penelitian ini, menggunakan tanda titik sebagai pemisah antara satuan dan desimal. 4.2 Deskripsi Masalah Perusahaan PT NIC memproduksi sejumlah roti setiap harinya. Kegiatan distribusi produk roti tersebut terdiri atas lima rute saluran yang memiliki karakteristik yang berbeda satu sama lain. Lima saluran distribusi tersebut, yaitu: agen, stock point (SP), distribution center (DC), retail/outlet (RO) dan institusi. Pada tulisan ini hanya dibatasi pada kegiatan distribusi RO di daerah Bekasi dan sekitarnya. Pada kegiatan distribusi melalui saluran RO, produk dikirim dalam satuan crate (wadah roti) kepada sejumlah pelanggan yang jumlah permintaannya telah diketahui sebelumnya. Pendistribusian dilakukan setiap hari pada pukul 07.00-16.00 dan menggunakan 5 kendaraan yang sama yaitu truk 4-ban. Selain melakukan pengiriman produk, driver dan helper juga melakukan bongkar-muat dan mengatur produk pada tempat yang telah disediakan. Setelah driver dan helper mengunjungi seluruh pelanggan, mereka akan kembali ke pabrik (depot). Masalah yang dihadapi adalah meminimumkan total jarak tempuh dengan mempertimbangkan kendala kapasitas kendaraan dan time windows untuk memenuhi setiap permintaan pelanggan.

25 Asumsi yang digunakan dalam penelitian ini adalah: 1. semua pesanan konsumen dapat dipenuhi oleh produsen, 2. jenis roti homogen dan permintaan setiap pelanggan sudah diketahui sebelumnya, 3. kendaraan yang digunakan mempunyai kapasitas yang sama yaitu 200 crate (wadah roti), 4. setiap lokasi terhubung satu sama lain dan jarak antarlokasi simetris, artinya c ij = c ji, 5. karena waktu pengiriman pada setiap pelanggan dapat dilakukan kapan saja pada selang waktu pukul 07.00-16.00 maka time windows dalam satuan menit untuk semua pelanggan adalah [0, 560], 6. kecepatan kendaraan konstan yaitu 60 km/jam, 7. waktu tempuh antara pelanggan i dan j, yaitu t ij, sudah termasuk lama pelayanan di pelanggan i. Tabel 1 Data pelanggan PT NIC No. Jumlah Permintaan Waktu Bongkar Muat Koordinat Cartesius x i y i 0 PT NIC 0 0 13.631 8.695 1 Hari-Hari Bekasi Trade Centre 17 38 7.0298 2.2886 2 Mitra Wisma Asri 3 7 6.6594 4.2273 3 Lion Superindo Borobudur Bekasi 4 PT Contimas Utama Ind. /Blue Mall 7 34 6.6025 0.1463 17 69 5.1493 1.6448 5 Carrefour Bekasi Square 8 91 4.5309 1.3859 6 Hero Kemang Pratama 12 37 3.5825 1.8177 7 Giant Hypermarket Bekasi 19 28 3.0148 0.1602 8 Lion Superindo Metropolitan Mall 17 41 3.1175 0.4612 9 Makro Bekasi 2 2 32 2.9581 0.8333 10 Hari-Hari Bekasi Cyber Park 19 15 1.3809 1.1434 11 CV Naga Swalayan Pondok Ungu 37 69 3.2144 6.9702 12 Giant Ujung Menteng 16 42 0.7663 9.7032 13 Carrefour Cakung 12 54 0.1513 11.0930

26 No. Jumlah Permintaan 14 Lion Superindo Kalimalang Bekasi Waktu Bongkar Muat Koordinat Cartesius x i y i 22 21 0.0748 0.4208 15 Giant Pondok Kopi SPM 15 18 3.0291 4.1345 16 Giant Jati Bening 9 47 4.1974 1.2394 17 Star Mart Persada Golf 4 8 6.1911 0.6274 18 Tip-Top Pondok Gede 11 60 5.6338 3.9049 19 Giant Pondok Gede 18 35 9.3217 4.1036 20 CV Naga Swalayan Jatiwaringin 18 20 7.0661 1.8967 21 Tip-Top Pondok Bambu 37 81 6.8457 1.6644 22 Giant Kalimalang 18 58 6.2007 1.1632 23 Super Indo Pondok Bambu 25 66 6.4034 0.4744 24 Yogya Pondok Bambu Toserba 18 73 6.9748 1.314 4.3 Formulasi Masalah Formulasi masalah distribusi roti pada subbab sebelumnya dituliskan dalam model berikut : minimumkan z = c ij x ijk (4.1) k V i N j N dengan kendala: 9. setiap pelanggan dikunjungi tepat satu kali: k V j N x = 1, i C (4.2) ijk 10. total permintaan semua pelanggan dalam satu rute tidak melebihi kapasitas kendaraan: i C di xijk 200, k= 1,...,5 (4.3) j N 11. setiap rute berawal dari depot 0: j C x0 jk= 1, k= 1,..., 5 (4.4) 12. setiap kendaraan yang mengunjungi suatu pelanggan pasti akan meninggalkan pelanggan tersebut: ihk i N x x = 0, h C, k= 1,..., 5 (4.5) j N hjk

27 13. setiap rute berakhir di depot 0: i C xi0 k = 1, k = 1,..., 5 (4.6) 14. suatu kendaraan k yang menuju j dari i, tidak dapat tiba di j sebelum s ik + t ij. Jadi jika x ijk > 0 maka s ik + t ij s jk. Bentuk linearnya adalah (4.7) dengan M ij adalah konstanta besar yang tidak kurang dari nilai maksimum dari b i + t ij a j ; (i, j) œ A. 15. waktu pelayanan di setiap pelanggan memenuhi time windows: ai sik bi, i N, k= 1,...,5 (4.8) 16. peubah x ijk merupakan peubah biner: x ijk œ {0,1}, i, j œ N, k = 1,..., 5 (4.9) dengan V = {1,..,5} = himpunan kendaraan dengan kapasitas yang sama C = {1,...,24} = himpunan pelanggan atau konsumen N = {0,1,...,24} = himpunan vertex (simpul) A = {(i, j) i, j œ N, i j} = himpunan arc (sisi berarah) c ij t ij d i = jarak dari simpul i ke simpul j = waktu tempuh dari simpul i ke simpul j = jumlah permintaan pelanggan i [a i, b i ] = time windows dari simpul i dan untuk setiap (i, j) œ A, i n+1, j 0 dan untuk setiap kendaraan k: x ijk s ik + t M ( 1 x ) s, i, j N, k= 1,...,5 ij ij ijk jk 1, jika kendaraan k melalui i dan langsung ke j = 0, selainnya s ik = waktu bagi kendaraan k mulai melayani pelanggan i dengan d i adalah bilangan integer taknegatif dan a i, b i, c ij, dan t ij adalah bilangan taknegatif. Pada simpul depot diasumsikan a 0 = b 0 = a n+1 = 0 dan s 0k = 0 untuk setiap k.

28 4.4 Hasil dan Pembahasan Salah satu software untuk menyelesaikan metode heuristik adalah ILOG Dispatcher. Software ini merupakan suatu C++ library berbasis ILOG Solver dan menawarkan fitur-fitur yang khusus diadaptasi untuk menyelesaikan masalah rute kendaraan dengan kendala-kendala standar termasuk kapasitas kendaraan dan time windows (ILOG 1999). Software ILOG Dispatcher melakukan tahapan metode heuristik konstruktif dan metode perbaikan secara bersamaan dalam menentukan solusi suatu permasalahan. Solusi fisibel awal bagi VRP dikonstruksi dengan menggunakan salah satu dari lima metode yaitu metode saving heuristic, sweeping heuristic, nearest-to-depot, nearest addition atau insertion heuristic. Selanjutnya ILOG Dispatcher melakukan neighborhood search untuk memperbaiki solusi sebelumnya dengan menerapkan perbaikan dalam rute yaitu 2-opt dan Or-opt serta perbaikan antarrute yaitu relocate, exchange dan cross. Pada penelitian ini, pengolahan data distribusi roti Sari Roti dilakukan melalui tahapan-tahapan berikut: penentuan rute kendaraan dengan metode saving yang pada software ILOG Dispatcher diimplementasikan dengan fungsi IlcSavingGenerate. Selanjutnya rute awal yang diperoleh dengan metode ini diperbaiki dengan menerapkan lima metode perbaikan secara berturut-turut yaitu 2-opt yang dijalankan dengan fungsi IlcTwoOpt, Or-opt dengan fungsi IlcOrOpt, relocate dengan fungsi IlcRelocate, exchange dengan fungsi IlcExchange dan cross dengan fungsi IlcCross. Hasil yang diperoleh berupa urutan kunjungan ke pelanggan yang berawal dan berakhir di depot, lengkap dengan akumulasi muatan pada setiap pelanggan, akumulasi jarak tempuh dan waktu memulai pelayanan pada masing-masing pelanggan. Hasil ini dideskripsikan secara numerik dalam bentuk tabel dan secara visual dalam bentuk gambar rute kendaraan. Langkah selanjutnya adalah menentukan rute kendaraan dengan metode sweeping dengan menggunakan fungsi IlcSavingGenerate dilanjutkan dengan perbaikan menggunakan lima metode perbaikan secara berturut-turut. Hal yang sama dilakukan dengan metode nearest-to-depot, nearest addition dan insertion yang hasil rute awalnya kemudian diperbaiki dengan lima metode

29 perbaikan seperti pada metode saving dan sweeping. Metode nearest-to-depot diimplementasikan dengan fungsi IlcNearestDepotGenerate, nearest addition dengan fungsi IlcNearestAdditionGenerate, dan insertion dengan fungsi IlcInsertionGenerate. 4.4.1 Rute Kendaraan dengan Metode Saving Pengolahan data dengan menerapkan metode saving pada tahap konstruksi dan lima metode perbaikan dilakukan dengan mengeksekusi program pada Lampiran 2 dan hasilnya dapat dilihat pada Lampiran 3. Hasil pengolahan data dengan metode tersebut, sebagaimana dirangkum pada Tabel 2, menunjukkan 3 rute kendaraan yang diperlukan untuk melayani semua pelanggan produsen roti. Rute pertama meliputi depot, pelanggan 4 dan pelanggan 1 lalu kembali ke depot pada menit ke 129.216 dengan total jarak tempuh 22.2157 km dan total muatan kendaraan 34 crate. Rute kedua meliputi depot, pelanggan 3, pelanggan 5, pelanggan 7, pelanggan 8, pelanggan 9, pelanggan 10, pelanggan 14, pelanggan 16, pelanggan 20, pelanggan 19, pelanggan 18 dan pelanggan 6 lalu kembali ke depot pada menit ke 516.4 dengan total jarak tempuh 55.4002 km dan total muatan 162 crate. Rute ketiga meliputi depot, pelanggan 2, pelanggan 11, pelanggan 12, pelanggan 13, pelanggan 15, pelanggan 22, pelanggan 23, pelanggan 17, pelanggan 24 dan pelanggan 21 lalu berakhir di depot pada menit ke 537.178 setelah menempuh jarak 61.1778 km dan membawa total muatan 185 crate. Deskripsi rutenya dapat dilihat pada Gambar 4.1. Tabel 2 Rute kendaraan dengan metode saving Jarak Tempuh (km) Muatan Kendaraan Pertama 4 PT Contimas Utama Ind. (Blue Mall) 11.0293 11.0293 17 1 Hari-Hari Bekasi Trade Centre 13.0169 82.0169 34 0 PT NIC 22.2157 129.216 34 Kendaraan Kedua 3 Lion Superindo Borobudur Bekasi 11.0671 11.0671 7 5 Carrefour Bekasi Square 13.6437 47.6437 15 7 Giant Hypermarket Bekasi 15.8091 140.809 34 8 Lion Superindo Metropolitan Mall 16.1272 169.127 51 9 Makro Bekasi 2 16.532 210.532 53

30 Jarak Tempuh (km) Muatan 10 Hari-Hari Bekasi Cyber Park 18.1394 244.139 72 14 Lion Superindo Kalimalang Bekasi 19.632 260.632 94 16 Giant Jati Bening 23.982 285.982 103 20 CV Naga Swalayan (Jatiwaringin) 26.925 335.925 121 19 Giant Pondok Gede 30.0807 359.081 139 18 Tip-Top Pondok Gede 33.7739 397.774 150 6 Hero Kemang Pratama 43.2236 467.224 162 0 PT NIC 55.4002 516.4 162 Kendaraan Ketiga 2 Mitra Wisma Asri 14.683 14.683 3 11 CV Naga Swalayan (Pondok Ungu) 19.0865 26.0865 40 12 Giant Ujung Menteng 22.7557 98.7557 56 13 Carrefour Cakung 24.2754 142.275 68 15 Giant Pondok Kopi SPM 31.9263 203.926 83 22 Giant Kalimalang 36.2723 226.272 101 23 Super Indo Pondok Bambu 36.9903 284.99 126 17 Star Mart Persada Golf 38.1124 352.112 130 24 Yogya Pondok Bambu Toserba 39.1543 361.154 148 21 Tip-Top Pondok Bambu 39.5277 434.528 185 0 PT NIC 61.1778 537.178 185 0 18 19 1 3 4 5 6 8 9 10 7 14 16 20 21 24 17 23 22 2 15 Rute kendaraan pertama: Rute kendaraan kedua: Rute kendaraan ketiga: 11 12 13 Gambar 4.1 Rute kendaraan dengan metode saving.

31 4.4.2 Rute Kendaraan dengan Metode Sweeping Konstruksi rute distribusi roti dengan metode sweeping dan improvement rute dengan lima metode perbaikan dilakukan dengan mengeksekusi program pada Lampiran 4 dan hasilnya dapat dilihat pada Lampiran 5. Hasil pengolahan data tersebut dirangkum pada Tabel 3 dan rutenya pada Gambar 4.2. Dari tabel dan gambar tersebut terlihat 3 rute kendaraan yang diperlukan untuk mengoptimalkan kegiatan distribusi produk roti. Tabel 3 Rute kendaraan dengan metode sweeping Jarak tempuh (km) Muatan Kendaraan Pertama 1 Hari-Hari Bekasi Trade Centre 9.19879 9.19879 17 4 PT Contimas Utama Ind. /Blue Mall 11.1864 49.1864 34 0 PT NIC 22.2157 129.216 34 Kendaraan Kedua 6 Hero Kemang Pratama 12.1766 12.1766 12 10 Hari-Hari Bekasi Cyber Park 14.4791 51.4791 31 14 Lion Superindo Kalimalang Bekasi 15.9718 67.9718 53 9 Makro Bekasi 2 18.8845 91.8845 55 8 Lion Superindo Metropolitan Mall 19.2893 124.289 72 7 Giant Hypermarket Bekasi 19.6037 165.607 91 5 Carrefour Bekasi Square 21.7727 195.773 99 12 Giant Ujung Menteng 30.9023 295.902 115 13 Carrefour Cakung 32.442 339.422 127 11 CV Naga Swalayan (Pondok Ungu) 37.5583 398.558 164 2 Mitra Wisma Asri 41.9619 471.962 167 3 Giant Pondok Gede 46.3358 483.336 174 0 PT NIC 57.4029 528.403 174 Kendaraan Ketiga 15 Giant Pondok Kopi SPM 21.0275 21.0275 15 22 Giant Kalimalang 25.3735 43.3735 33 23 Super Indo Pondok Bambu 26.0915 102.091 58 17 Star Mart Persada Golf 27.2135 169.214 62 24 Yogya Pondok Bambu Toserba 28.2555 178.255 80 21 Tip-Top Pondok Bambu 28.6289 251.629 117 20 CV Naga Swalayan (Jatiwaringin) 28.9491 332.949 135 19 Giant Pondok Gede 32.1048 356.105 153 18 Tip-Top Pondok Gede 35.798 394.798 164 16 Giant Jati Bening 38.8259 457.826 173 0 PT NIC 58.1505 524.15 173

32 0 18 19 1 3 4 5 6 8 9 10 7 14 16 20 21 24 17 23 22 2 15 11 Rute kendaraan pertama : Rute kendaraan kedua : 12 13 Rute kendaraan ketiga : Gambar 4.2 Rute kendaraan dengan metode sweeping. 4.4.3 Rute Kendaraan dengan Metode Nearest-to-depot Pengolahan data dengan menerapkan metode nearest-to-depot pada tahap konstruksi dan lima metode perbaikan dilakukan dengan mengeksekusi program pada Lampiran 6 dan hasilnya dapat dilihat pada Lampiran 7. Hasil pengolahan data tersebut dideskripsikan pada Tabel 4. Rute kendaraan diberikan pada Gambar 4.3. Guna memenuhi permintaan pelanggan dan mengoptimumkan biaya distribusi, diperlukan 3 rute kendaraan sebagaimana disajikan dalam tabel dan gambar tersebut. Tabel 4 Rute kendaraan dengan metode nearest-to-depot Jarak tempuh (km) Muatan Kendaraan Pertama 6 Hero Kemang Pratama 12.1766 12.1766 12 9 Makro Bekasi 2 13.3423 50.3423 14 8 Lion Superindo Metropolitan Mall 13.7471 82.7471 31 7 Giant Hypermarket Bekasi 14.0652 124.065 50 4 PTContimas Utama Ind. /Blue Mall 16.6652 154.665 67 1 Hari-Hari Bekasi Trade Centre 18.6528 18.6528 84 0 PT NIC 27.8516 272.852 84

33 Jarak tempuh (km) Muatan Kendaraan Kedua 16 Giant Jati Bening 19.3245 19.3245 9 22 Giant Kalimalang 22.4527 69.4527 27 23 Super Indo Pondok Bambu 23.1708 128.171 52 17 Star Mart Persada Golf 24.2928 195.293 56 24 Yogya Pondok Bambu Toserba 25.3347 204.335 74 21 Tip-Top Pondok Bambu 25.7082 277.708 111 20 CV Naga Swalayan (Jatiwaringin) 26.0284 359.028 129 19 Giant Pondok Gede 29.184 382.184 147 18 Tip-Top Pondok Gede 32.8773 420.877 158 0 PT NIC 52.7287 500.729 158 Kendaraan Ketiga 10 Hari-Hari Bekasi Cyber Park 14.3907 14.3907 19 14 Lion Superindo Kalimalang Bekasi 15.8833 30.8833 41 15 Giant Pondok Kopi SPM 21.3956 57.3956 56 13 Carrefour Cakung 29.0465 83.0465 68 12 Giant Ujung Menteng 30.5663 138.566 84 11 CV Naga Swalayan (Pondok Ungu) 34.2354 184.235 121 2 Mitra Wisma Asri 38.639 257.639 124 5 Carrefour Bekasi Square 42.1892 268.189 132 3 Giant Pondok Gede 44.7658 361.766 139 0 PT NIC 55.8329 406.833 139 0 18 19 1 3 4 5 6 8 9 10 7 14 16 20 21 24 17 23 22 2 15 11 Rute kendaraan pertama : Rute kendaraan kedua : 12 13 Rute kendaraan ketiga : Gambar 4.3 Rute kendaraan dengan metode nearest-to-depot.

34 4.4.4 Rute Kendaraan dengan Metode Nearest Addition Pada pengolahan data dengan metode nearest addition, diperoleh hasil seperti yang diberikan pada Tabel 5. Hasil ini diperoleh dengan cara mengeksekusi program pada Lampiran 8 dan hasilnya ditampilkan pada Lampiran 9. Dari hasil tersebut diperoleh tiga rute kendaraan yang harus digunakan untuk memenuhi permintaan pelanggan. Urutan pelanggan, akumulasi jarak dan muatan serta waktu memulai pelayanan dari setiap pelanggan dapat dilihat pada Tabel 5. Rute kendaraan diberikan pada Gambar 4.4. Tabel 5 Rute kendaraan dengan metode nearest addition Jarak Tempuh (km) muatan (create) Kendaraan Pertama 1 Hari-Hari Bekasi Trade Centre 9.19879 9.19879 17 4 PTContimas Utama Ind. /Blue Mall 11.1864 49.1864 34 0 PT NIC 22.2157 129.216 34 Kendaraan Kedua 3 Giant Pondok Gede 11.0671 11.0671 7 5 Carrefour Bekasi Square 13.6437 47.6437 15 2 Mitra Wisma Asri 17.194 142.194 18 11 CV Naga Swalayan (Pondok Ungu) 21.5975 153.598 55 12 Giant Ujung Menteng 25.2667 226.267 71 13 Carrefour Cakung 26.7864 269.786 83 15 Giant Pondok Kopi SPM 34.4373 331.437 98 22 Giant Kalimalang 38.7833 353.783 116 23 Superindo Pondok Bambu 39.5013 412.501 141 6 Hero Kemang Pratama 49.7469 488.747 153 0 PT NIC 61.9235 537.923 153 Kendaraan Ketiga 9 Makro Bekasi 2 13.2558 13.2558 2 8 Lion Superindo Metropolitan Mall 13.6606 45.6606 19 7 Giant Hypermarket Bekasi 13.9787 86.9787 38 10 Hari-Hari Bekasi Cyber Park 15.8856 116.886 57 14 Lion Superindo Kalimalang Bekasi 17.3783 133.378 79 16 Giant Jati Bening 21.7282 158.728 88 17 Star Mart Persada Golf 23.8137 207.814 92 24 Yogya Pondok Bambu Toserba 24.8556 216.856 110 21 Tip-Top Pondok Bambu 25.229 290.229 147 20 CV Naga Swalayan (Jatiwaringin) 25.2493 371.549 165 19 Giant Pondok Gede 28.7049 394.705 183 18 Tip-Top Pondok Gede 32.3982 433.398 194 0 PT NIC 52.2495 513.25 194

35 0 18 19 1 3 4 5 6 8 9 10 7 14 16 20 21 24 17 23 22 2 15 Rute kendaraan pertama : Rute kendaraan kedua : Rute kendaraan ketiga : 11 12 13 Gambar 4.4 Rute kendaraan dengan metode nearest addition. 4.4.5 Rute Kendaraan dengan Metode Insertion Hasil pengolahan data dengan metode insertion diperoleh dengan mengeksekusi program pada Lampiran 10. Lampiran 11 menggambarkan hasil pengolahan datanya. Secara sistematis, hasil tersebut ditampilkan pada Tabel 6. Dari tabel tersebut terlihat tiga rute kendaraan yang diperlukan untuk melayani pelanggan lengkap dengan urutan pelanggan, akumulasi jarak dan muatan serta waktu memulai pelayanan. mendistribusikan roti ke lokasi pelanggan. Tabel 6 Rute kendaraan dengan metode insertion Gambar 4.5 mendeskripsikan rute kendaraan dalam Jarak Tempuh (km) Muatan Kendaraan Pertama 18 Tip-Top Pondok Gede 19.8514 19.8514 11 19 Giant Pondok Gede 23.5446 83.5446 29 20 CV Naga Swalayan (Jatiwaringin) 26.7003 121.7 47 21 Tip-Top Pondok Bambu 27.0205 142.021 84 24 Yogya Pondok Bambu Toserba 27.3939 223.394 102 17 Star Mart Persada Golf 28.4359 297.436 106 23 Super Indo Pondok Bambu 29.5579 306.558 131

36 Jarak Tempuh (km) Muatan 22 Giant Kalimalang 30.2759 373.276 149 16 Giant Jati Bening 33.4041 434.404 158 14 Lion Superindo Kalimalang Bekasi 37.7541 485.754 180 10 Hari-Hari Bekasi Cyber Park 39.2467 508.247 199 0 PT NIC 53.6374 537.637 199 Kendaraan Kedua 3 Giant Pondok Gede 11.0671 11.0671 7 5 Carrefour Bekasi Square 13.6437 47.6437 15 2 Mitra Wisma Asri 17.194 142.194 18 11 CV Naga Swalayan (Pondok Ungu) 21.5975 153.598 55 12 Giant Ujung Menteng 25.2667 226.267 71 13 Carrefour Cakung 26.7864 269.786 83 15 Giant Pondok Kopi SPM 34.4373 331.437 98 7 Giant Hypermarket Bekasi 41.5817 356.852 117 8 Lion Superindo Metropolitan Mall 42.1697 385.17 134 9 Makro Bekasi 2 42.5745 426.575 136 6 Hero Kemang Pratama 43.7403 459.74 148 0 PT NIC 55.9169 508.917 148 Kendaraan Ketiga 1 Hari-Hari Bekasi Trade Centre 9.19879 9.19879 17 4 PTContimas Utama Ind. /Blue Mall 11.1864 49.1864 34 0 PT NIC 22.2157 129.216 34 0 18 19 1 3 4 5 6 8 9 10 7 14 16 20 21 24 17 23 22 2 15 11 Rute kendaraan pertama : Rute kendaraan kedua : 12 13 Rute kendaraan ketiga : Gambar 4.5 Rute kendaraan dengan metode insertion.

37 4.4.6 Pembandingan Kelima Metode Heuristik Konstruktif Pembandingan kualitas solusi beberapa metode heuristik dapat dilakukan dengan membandingkan kriteria tertentu seperti waktu eksekusi program, kemudahan implementasi dan fleksibilitas dari metode tersebut. Pada penelitian ini dilakukan pembandingan hasil pengolahan data menggunakan kelima metode konstruksi berdasarkan total jarak tempuh, total muatan dan waktu tempuh. Tabel 7 Perbandingan hasil kelima metode konstruksi Metode Kendaraan 1 Kendaraan 2 Kendaraan 3 Jarak Muatan Waktu Jarak Muatan Waktu Jarak Muatan Waktu Saving 22.2157 34 129.216 55.4002 162 516.4 61.1778 185 537.178 Sweeping 22.2157 34 129.216 57.4029 174 528.403 58.1505 173 524.15 Nearestto-depot 27.8516 84 272.852 52.7287 158 500.729 55.8329 139 402.833 Nearest 22.2157 34 129.216 61.9235 153 537.923 52.2495 194 513.25 Addition Insertion 53.6374 199 537.637 55.9169 148 508.917 22.2157 34 129.216 Berdasarkan Tabel 7, jarak tempuh, muatan dan waktu yang dibutuhkan kendaraan pertama untuk menyelesaikan rutenya pada metode saving, sweeping dan nearest addition sama karena rutenya tidak berbeda yaitu meliputi depot, pelanggan 1 dan 4; sedangkan hasil dari metode nearest-to-depot dan insertion relatif berbeda. Pada kendaraan kedua dan ketiga, hasil dari kelima metode relatif berbeda satu sama lainnya. Pada setiap metode, dua dari tiga kendaraan yang beroperasi mempunyai total jarak tempuh, total muatan, dan waktu tempuh yang relatif sama. Tabel 8 Perbandingan jarak dan waktu eksekusi kelima metode konstruksi Metode Konstruksi Total Jarak (km) Waktu Eksekusi (detik) Saving 138.794 0.031 Sweeping 137.769 0.078 Nearest-to-depot 136.413 0.109 Nearest Addition 136.389 0.063 Insertion 131.77 0.078 Pada Tabel 8 dan Gambar 4.6 diberikan evaluasi terhadap masing-masing metode berdasarkan total jarak tempuh dan waktu eksekusi program. Berdasarkan tabel tersebut, banyaknya kendaraan yang digunakan untuk melayani semua pelanggan

38 roti adalah sama yaitu 3 unit. Total jarak tempuh relatif tidak berbeda nyata. Jarak terkecil diperoleh dari metode insertion dengan 131.77 km sedangkan jarak terbesar pada metode saving, dengan 138.794 km. Sebaliknya jika ditinjau dari waktu eksekusi program, metode saving hanya memerlukan 0.031 detik dan waktu eksekusi program metode nearest-to-depot paling lama yaitu 0.109 detik. Metode sweeping dan insertion memerlukan waktu yang sama untuk eksekusinya. Dari pembandingan hasil kelima metode heuristik ini, perbedaan total jarak tempuh semua kendaraan dapat menjadi pertimbangan bagi PT NIC untuk memilih rute kendaraan yang dapat dipakai guna meminimalkan biaya distribusi produk dari perusahaan sedangkan waktu eksekusi program dapat menjadi masukan bagi pengembangan metode heuristik untuk masalah yang berukuran besar. 0.12 0.1 Nearest-todepot Waktu Eksekusi (detik) 0.08 0.06 0.04 Insertion Nearest Addition Sweeping Saving 0.02 0 131 132 133 134 135 136 137 138 139 140 Total Jarak Tempuh (Km) Gambar 4.6 Perbandingan waktu eksekusi dan total jarak tempuh kelima metode konstruksi.