ada
6
1. Identifikasi Matriks Jarak . Berikut ini langkah-langkah pembentukan sub-rute distribusi dengan
menggunakan metode saving matriks, yaitu:
Pada langkah ini, diperlukan jarak antara gudang dan ke masing-masing toko dan jarak antar toko. Untuk menyederhanakan permasalahan, lintasan terpendek
digunakan sebagai jarak antar lokasi. Jadi, dengan mengetahui koordinat masing- masing lokasi maka jarak antar dua lokasi bisa dihitung dengan menggunakan
rumus jarak standar. Apabila jarak riil antar lokasi diketahui, maka jarak tersebut lebih baik digunakan dibanding dengan jarak teoritis dengan menggunakan rumus.
Jarak dari gudang ke masing-masing toko dan jarak antar toko akan digunakan untuk menentukan matriks penghematan saving matriks yang akan dikerjakan
pada langkah berikutnya. 2. Mengidentifikasi matriks penghematan saving matriks
Pada langkah ini, diasumsikan bahwa setiap toko akan dikunjungi oleh satu armada secara eksklusif. Saving matriks merepresentasikan penghematan yang
bisa direalisasikan dengan menggabungkan dua pelanggan ke dalam satu rute. Untuk perhitungan penghematan jarak dapat mengunakan persamaan:
Sx,y = J G, x + JG,y – Jx,y Dimana:
Sx,y = Penghematan Jarak
J G,x = Jarak gudang ke toko x
J G,y = Jarak gudang ke toko y
6
Pujawan, Nyoman, Supply Chain Management Surabaya : JurusanTeknik Industri Institut Teknologi Sepuluh Nopember, 2005, hl. 180.
J x,y = Jarak toko x ke toko y
3. Mengalokasikan Distributor ke rute Dengan menggunakan tabel penghematan jarak, dapat dilakukan
pengalokasian toko ke kendaraan atau rute. Pada tahap awal, tiap toko alokasikan ke rute yang berbeda, namun toko-toko tersebut bisa digabungkan sampai pada
batas kapasitas truk yang ada. Penggabungan akan dimulai dari nilai penghematan terbesar karena diupayakan memaksimumkan penghematan
3.6.2. Algoritma nearest neighbor
Metode nearest neighbor merupakan metode yang pertama digunakan untuk mendapatkan solusi vehicle routing problem. Metode ini sangat mudah dan
cepat untuk diimplementasikan. Prinsip dari metode ini adalah selalu menambahkan satu titik tujuan yang paling dekat jaraknya dengan lokasi yang
terakhir dikunjungi. Caranya adalah dipilih satu titik distributor sebagai titik awal lalu bergerak ke distributor selanjutnya yang terdekat
Algoritma nearest neighbor adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling
dekat dengan objek tersebut Widiarsana, O et al., 2011. Menurut Kusrini dan Emha 2009 algoritma nearest neighbor adalah pendekatan untuk mencari kasus
dengan menghitung kedekatan antara kasus baru dengan kasus lama. Tujuan dari algoritma ini untuk mengklasifikasikan objek baru berdasarkan atribut dan
training sample.
Dalam penelitian ini, penulis menggunakan algoritma tetangga terdekat, dengan langkah-langkah sebagai berikut :
1. Tentukan kota pertama sebagai kota awal keberangkatan simpul awal 2. Ambil kota lain sebagai tujuan perjalanan dengan syarat biayajarak dari kota
asal yang paling minimal. 3. Ambil kota lain sebagai tujuan perjalanan selanjutnya dengan syarat
biayajarak paling minimal dari kota kedua dengan syarat belum pernah dikunjungi.
4. Ulangi langkah kedua dan ketiga sampai semua kota simpul sudah dilalui. 5. Hitung semua rute yang telah didapatkan.
3.7. Pengembangan Algoritma Heuristik
Beberapa penelitian telah mencoba mencari solusi bagi permasalahan MTVRP Multi Trip Vehicle Routing Problem. Pada umumnya algoritma-algoritma ini
menggunakan prosedur heuristik, mengingat kompleksitas permasalahan pada MTVRP. Taillard et.al. 1996 mengembangkan algoritma multi trip yang terdiri
atas tiga bagian : 1. Pembangkitan sejumlah besar rute yang telah memenuhi pembatas VRP
Vehicle Routing Problem. 2. Memilih subset dari sejumlah besar rute ini dengan menggunakan algoritma
enumeratif. 3. Menyusun rute terpilih dalam sebuah horizon perencanaan yang feasible.
Brandao dan Mercer 1998 mengusulkan metode yang terdiri atas prosedur konstruktif dan improvement. Metode ini terdiri atas 3 fasa yaitu:
1. Fasa inisial yang membangkitkan solusi yang feasible untuk permasalahan routing tetapi tidak harus feasible untuk permasalahan penjadwalan.
2. Fasa ini mencari solusi feasible dengan waktu perjalanan minimum. 3. Fase ini mencari solusi dengan biaya paling murah.
Berikut ini akan disajikan beberapa defenisi yang terkait dengan MTVRP. a. Pelanggan dan depot
Sebuah permasalahan MTVRP terdiri atas n pelanggan dituliskan sebagai 1,2,...,n dan sebuah depot tunggal dituliskan sebagai 0. Himpunan 0,1,...,n
yang mewakili semua konsumen dan depot disebut site. Jarak antara site i dan j dituliskan sebagai dy. Tiap konsumen i memiliki permintaan demand q
i
≥ 0 dan waktu pelayanan s
i
≥ 0. Waktu pelayanan juga didefenisikan pada depot, s ≥ 0,
yang menggambarkan waktu muat di depot. b. Alat angkut
Permasalahan ini didefenisikan pada sejumlah tak hingga alat angkut. Masing- masing alat angkut memiliki kapasitas Q dan kecepatan V yang seragam. Bersama
dengan jarak antar site, d
ij
, kecepatan V menentukan waktu tempuh antar site t
ij
. c. Time window
Untuk site i, time window dispesifikasikan oleh sebuah interval [ei ,li], dimana ei menggambarkan waktu siap ready time dan l
i
menggambarkan waktu tenggat deadline time. Waktu mulai untuk pelayanan di site i, disimbolkan oleh
αi didefenisikan sebagai :
