Menentukan Rute Optimal Pendistribusian Produk Minuman Pada PT. Coca Cola Bottling Indonesia Medan Dengan Menggunakan Algoritma Branch And Bound Dan Algoritma Nearest Neighbor
MENENTUKAN RUTE OPTIMAL PENDISTRIBUSIAN PRODUK
MINUMAN PADA PT. COCA COLA BOTTLING INDONESIA
MEDAN DENGAN MENGGUNAKAN ALGORITMA
BRANCH AND BOUND
DAN ALGORITMA
NEAREST NEIGHBOR
SKRIPSI
JUANDA RAMA SIAHAAN
070803037
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
(2)
MENENTUKAN RUTE OPTIMAL PENDISTRIBUSIAN PRODUK
MINUMAN PADA PT. COCA COLA BOTTLING INDONESIA
MEDAN DENGAN MENGGUNAKAN ALGORITMA
BRANCH AND BOUND DAN ALGORITMA
NEAREST NEIGHBOR
SKRIPSI
JUANDA RAMA SIAHAAN
070803037
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
(3)
PERSETUJUAN
Judul :
MENENTUKAN RUTE OPTIMAL PENDIST
RIBUSIAN PRODUK PADA PT. COCA
COLA BOTTLING INDONESIA MEDAN
DENGAN MENGGUNAKAN ALGORITMA
BRANCH AND BOUND DAN ALGORITMA
NEAREST NEIGHBOR
Kategori : SKRIPSI
Nama : JUANDA RAMA SIAHAAN
Nomor Induk Mahasiswa : 070803037
Program Studi : SARJANA (S1) MATEMATIKA
Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Agustus 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Asima Manurung, S.Si., M.S. Dra. Normalina Napitupulu, M.Sc
NIP. 19730315 199903 2 001 NIP. 19631106 198902 2 001
Diketahui/ Disetujui oleh:
Departemen Matematika FMIPA USU Ketua,
Prof. Dr. Tulus, M.Si
(4)
PERNYATAAN
MENENTUKAN RUTE OPTIMAL PENDISTRIBUSIAN PRODUK MINUMAN PADA PT. COCA COLA BOTTLING INDONESIA MEDANDENGAN
MENGGUNAKANALGORITMA BRANCHAND BOUND
DAN ALGORITMA NEAREST NEIGHBOR
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kesrja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2014
JUANDA RAMA SIAHAAN 070803037
(5)
PENGHARGAAN
Puji syukur dan terima kasih penulis panjatkan kepada Tuhan Yang Maha Esa atas kasih karunia dan pertolongan-Nya, sehingga penulis dapat menyelesaikan penulisan skripsi ini.
Pada kesempatan ini, penulis tidak lupa mengucapkan terima kasih yang sebesar-besarnya kepada:
1. Dra. Normalina Napitupulu, M.Sc selaku dosen pembimbing I dan Asima Manurung, S.Si., M.S. selaku dosen pembimbing II yang telah membimbing dan mengarahkan penulis dalam penyelesaian skripsi ini. Terima kasih juga penulis sampaikan kepada Drs. Marihat Situmorang, M.Kom. selaku dosen penguji I dan Drs. Partano Siagian, M.Sc selaku dosen penguji II. Terima kasih untuk setiap saran dan masukan yang telah diberikan selama pengerjaan skripsi ini.
2. Prof. Dr. Tulus, M.Si. selaku ketua Departemen Matematika dan Dr. Mardiningsih, M.Si. selaku Sekretaris Departemen Matematika.
3. Semua dosen pada Departemen Matematika FMIPA USU beserta semua Staf Administrasi di FMIPA USU.
4. Teman-teman angkatan 2007, khususnya Parningotan, Kaleb, Falen, Roland, Jojor dan Riris yang selalu memberikan dukungan dan semangat kepada penulis. Penulis juga menyampaikan terima kasih kepada abang-abang senior, khususnya
Bang Gomar “Math 04”, Bang Daniel “Math 97” dan Bang Luhut “Math 97” yang telah memberikan banyak motivasi dan kontribusi dalam penyelesaian
(6)
skripsi ini. Terima kasih juga penulis sampaikan kepada adik-adik junior Departemen Matematika.
5. Orang tua penulis, Almarhum Ayahanda J. Siahaan dan Ibu N. Br. Simanjuntak atas semua dukungan dalam doa, motivasi, kasih sayang, serta semua dukungan materil dan moril yang membantu penulis dalam menyelesaikan skripsi ini. Penulis juga mengucapkan terima kasih kepada abang dan adik-adik penulis serta semua keluarga atas dukungan doanya.
Akhirnya, biarlah kasih karunia Tuhan Yang Maha Esa yang menyertai kita semua. Semoga tulisan ini bermanfaat bagi yang membacanya. Terima kasih.
(7)
ABSTRAK
PT. Coca Cola Bottling Indonesia Medan merupakan perusahaan yang bergerak di bidang industri pembuatan minuman ringan. PT. Coca Cola Bottling Indonesia Medan memiliki permasalahan dalam hal pendistribusian minuman kepada konsumennya yang berakibat keterlambatan atau ketidaktepatan waktu dalam pengiriman produk. Hal ini diakibatkan karena belum adanya rute distribusi yang optimal.
Traveling Salesman Problem (TSP) merupakan suatu permasalahan distribusi berupa pencarian rute terpendek dari satu titik pusat tertentu menuju semua titik pendistribusian (outlet) kemudian kembali ke titik awal. Penelitian yang dilakukan bertujuan untuk menentukan rute optimal pendistribusian produk. Metode yang digunakan dalam menyelesaikan masalah ini adalah dengan menggunakan algoritma
Branch and Bound dan algoritma Nearest Neighbor. Tolak ukur dari metode ini adalah jarak antara outlet satu dengan outlet yang lain yang hanya dikunjungi sekali, untuk mendapatkan jarak antar outlet adalah dengan mengukur masing-masing jarak mulai gudang menuju outlet dan kembali ke gudang. Cara tersebut dilakukan untuk perhitungan mulai dari hari Senin sampai dengan hari Sabtu.
Berikut ini salah satu perbandingan hasil yang diperoleh menggunakan algoritma
Branch and Bound dan Nearest Neighbor. Algoritma Branch and Bound : Senin (82,243 Km); Selasa (96,83 Km); Rabu (159,11 Km); Kamis (139,4 Km); Jumat (117,29 Km); Sabtu (104,32 Km). Algoritma Nearest Neighbor : Senin (176,103 Km); Selasa (124,95Km); Rabu (224,79Km); Kamis (188,3Km); Jumat (163,76 Km); Sabtu (125,01Km). Dapat disimpulkan metode yang digunakan untuk menghitung rute optimal adalah algoritma Branch and Bound .
Kata kunci : PT. Coca Cola Bottling Indonesia Medan, Traveling Saleman Problem,
(8)
DETERMINING OPTIMAL ROUTE PRODUCT DISTRIBUTION DRINKING IN PT. COCA COLA BOTTLING INDONESIA FIELD USING ALGORITHM
BRANCH AND BOUND WITH ALGORITHM NEAREST NEIGHBOR
ABSTRACT
PT. Coca Cola Bottling Indonesia Medan is a company engaged in the manufacture of soft drinks industry. PT. Coca Cola Bottling Indonesia Medan has a problem in terms of the distribution of beverages to consumers that result in delays or inaccuracies in the time of product shipment. This is caused by the lack of optimal route distribution.
Travelling Salesman Problem (TSP) is a form of distribution problems search the shortest route from one point to the particular center all distribution points
(outlets) and then back to the starting point. Research conducted aimed to determine the optimal distribution of the product. The method used in solving this problem is to use the Branch and Bound algorithm and the Nearest Neighbor algorithm.
Benchmarks of this method is the distance between the outlet of the other outlets are only visited once, to get the distance between outlets is to measure the distance of each outlet and start the warehouse heading back to the barn. The way it is done for the calculation starting from Monday to Saturday. Here's one comparison of results obtained using the Branch and Bound algorithm and the Nearest Neighbor. Branch and Bound Algorithm: Monday (82.243 Km); Tuesday (96.83 Km); Wednesday (159.11 Km); Thursday (139.4 Km); Friday (117.29 Km); Saturday (104.32 Km). Nearest Neighbor algorithm: Monday (176.103 Km); Tuesday (124,95Km); Wednesday (224,79Km); Thursday (188,3Km); Friday (163.76 Km); Saturday
(125,01Km). It can be concluded that the method used to calculate the optimal route is the Branch and Bound algorithm.
Keywords : PT. Coca Cola Bottling Indonesia Medan, Travelling Salesman Problem,
(9)
DAFTAR ISI
Halaman
Persetujuan ii
Pernyataan iii
Penghargaan iv
Abstrak vi
Abstract vii
Daftar Isi viii
Daftar Gambar ix
Daftar Tabel x
Daftar Lampiran xi
BAB 1. PENDAHULUAN
1.1. Latar Belakang 1
1.2. Perumusan Masalah 4
1.3. Batasan Masalah 4
1.4. Tinjauan Pustaka 4
1.5. Tujuan Penelitian 9
1.6. Manfaat Penelitian 9
1.7. Metodologi Penelitian 9
BAB 2. LANDASAN TEORI
2.1. Konsep Dasar Graf 10
2.2. Jenis-jenis Graf 11
2.3. Terminologi Dasar 12
2.4. Optimasi 13
2.4.1. Pengertian Optimasi 13
2.4.2. Nilai Optimal 14
2.5. Travelling Salesman Problem 15
2.5.1. Sejarah Travelling Salesman Problem 15
2.5.2. Pengertian Travelling Salesman Problem 15
2.6. Algoritma dalam Travelling Salesman Problem 16
2.6.1. Kompleksitas Algoritma 16
2.6.2. Algoritma Branch and Bound 17
2.6.3. Algoritma Nearest Neighbor 18
2.7. Contoh 18
BAB 3. PEMBAHASAN
3.1. Pengumpulan Data 23
3.2. Pengolahan Data 31
3.2.1. Rute Reguler 31
(10)
3.2.3. Pengolahan Data Dengan Nearest Neighbor 33
3.3. Analisa Data 39
3.3.1. Rute Reguler 39
3.3.2. Rute Dengan Algoritma Branch and Bound 39
3.3.3. Rute Dengan Algoritma Nearest Neighbor 40
3.3.4. Rekapitulasi Hasil Perhitungan Rute Yang Dilalui 40
BAB 4. KESIMPULAN DAN SARAN
5.1. Kesimpulan 43
5.2. Saran 43
(11)
DAFTAR TABEL
Halaman Tabel 1.1. Kelebihan Dan Kekurangan Algoritma Dalam TSP 2
Tabel 3.1. Jarak Antara Outlet 24
Tabel 3.2. Jarak Antara Outlet 26
Tabel 3.3. Jarak Antara Outlet 27
Tabel 3.4. Jarak Antara Outlet 28
Tabel 3.5. Jarak Antara Outlet 29
Tabel 3.6. Jarak Antara Outlet 30
Tabel 3.7. Rute Penghitungan Nearest Neighbor 33
Tabel 3.8. Rute Penghitungan Nearest Neighbor 34
Tabel 3.9. Rute Penghitungan Nearest Neighbor 35
Tabel 3.10. Rute Penghitungan Nearest Neighbor 36 Tabel 3.11. Rute Penghitungan Nearest Neighbor 37 Tabel 3.12. Rute Penghitungan Nearest Neighbor 38
Tabel 3.13. Rekapitulasi Rute Reguler 39
Tabel 3.14. Rekapitulasi Rute Branch and Bound 39
Tabel 3.15. Rekapitulasi Rute Nearest Neighbor 40
Tabel 3.16. Rekapitulasi Hasil Perhitungan Jalur Yang Dilalui 40 Tabel 3.17. Metode Yang Dipilih dan Perhitungan Penghematan 41
(12)
DAFTAR GAMBAR
Halaman
Gambar 2.1. Graf G 10
Gambar 2.2. Graf Berbobot Pada Graf Tak Berarah 13
Gambar 2.3. Graf Berbobot Pada Graf Berarah 13
Gambar 2.4. Contoh Soal Masalah TSP 19
Gambar 2.5. Proses Branch and Bound 21
Gambar 2.6. Proses Branch and Bound 21
Gambar 2.7. Proses Branch and Bound 22
Gambar 2.8. Solusi dengan Branch and Bound 22
(13)
DAFTAR LAMPIRAN
Halaman
Lampiran 1 List Delivery Medan Barat Hari Senin 46
Lampiran 2 List Delivery Medan Barat Hari Selasa 47
Lampiran 3 List Delivery Medan Barat Hari Rabu 48
Lampiran 4 List Delivery Medan Barat Hari Kamis 49
Lampiran 5 List Delivery Medan Barat Hari Jumat 50
Lampiran 6 List Delivery Medan Barat Hari Sabtu 51
Lampiran 7 Rute 53
(14)
ABSTRAK
PT. Coca Cola Bottling Indonesia Medan merupakan perusahaan yang bergerak di bidang industri pembuatan minuman ringan. PT. Coca Cola Bottling Indonesia Medan memiliki permasalahan dalam hal pendistribusian minuman kepada konsumennya yang berakibat keterlambatan atau ketidaktepatan waktu dalam pengiriman produk. Hal ini diakibatkan karena belum adanya rute distribusi yang optimal.
Traveling Salesman Problem (TSP) merupakan suatu permasalahan distribusi berupa pencarian rute terpendek dari satu titik pusat tertentu menuju semua titik pendistribusian (outlet) kemudian kembali ke titik awal. Penelitian yang dilakukan bertujuan untuk menentukan rute optimal pendistribusian produk. Metode yang digunakan dalam menyelesaikan masalah ini adalah dengan menggunakan algoritma
Branch and Bound dan algoritma Nearest Neighbor. Tolak ukur dari metode ini adalah jarak antara outlet satu dengan outlet yang lain yang hanya dikunjungi sekali, untuk mendapatkan jarak antar outlet adalah dengan mengukur masing-masing jarak mulai gudang menuju outlet dan kembali ke gudang. Cara tersebut dilakukan untuk perhitungan mulai dari hari Senin sampai dengan hari Sabtu.
Berikut ini salah satu perbandingan hasil yang diperoleh menggunakan algoritma
Branch and Bound dan Nearest Neighbor. Algoritma Branch and Bound : Senin (82,243 Km); Selasa (96,83 Km); Rabu (159,11 Km); Kamis (139,4 Km); Jumat (117,29 Km); Sabtu (104,32 Km). Algoritma Nearest Neighbor : Senin (176,103 Km); Selasa (124,95Km); Rabu (224,79Km); Kamis (188,3Km); Jumat (163,76 Km); Sabtu (125,01Km). Dapat disimpulkan metode yang digunakan untuk menghitung rute optimal adalah algoritma Branch and Bound .
Kata kunci : PT. Coca Cola Bottling Indonesia Medan, Traveling Saleman Problem,
(15)
DETERMINING OPTIMAL ROUTE PRODUCT DISTRIBUTION DRINKING IN PT. COCA COLA BOTTLING INDONESIA FIELD USING ALGORITHM
BRANCH AND BOUND WITH ALGORITHM NEAREST NEIGHBOR
ABSTRACT
PT. Coca Cola Bottling Indonesia Medan is a company engaged in the manufacture of soft drinks industry. PT. Coca Cola Bottling Indonesia Medan has a problem in terms of the distribution of beverages to consumers that result in delays or inaccuracies in the time of product shipment. This is caused by the lack of optimal route distribution.
Travelling Salesman Problem (TSP) is a form of distribution problems search the shortest route from one point to the particular center all distribution points
(outlets) and then back to the starting point. Research conducted aimed to determine the optimal distribution of the product. The method used in solving this problem is to use the Branch and Bound algorithm and the Nearest Neighbor algorithm.
Benchmarks of this method is the distance between the outlet of the other outlets are only visited once, to get the distance between outlets is to measure the distance of each outlet and start the warehouse heading back to the barn. The way it is done for the calculation starting from Monday to Saturday. Here's one comparison of results obtained using the Branch and Bound algorithm and the Nearest Neighbor. Branch and Bound Algorithm: Monday (82.243 Km); Tuesday (96.83 Km); Wednesday (159.11 Km); Thursday (139.4 Km); Friday (117.29 Km); Saturday (104.32 Km). Nearest Neighbor algorithm: Monday (176.103 Km); Tuesday (124,95Km); Wednesday (224,79Km); Thursday (188,3Km); Friday (163.76 Km); Saturday
(125,01Km). It can be concluded that the method used to calculate the optimal route is the Branch and Bound algorithm.
Keywords : PT. Coca Cola Bottling Indonesia Medan, Travelling Salesman Problem,
(16)
BAB 1 PENDAHULUAN
1.1 LATAR BELAKANG
Graf merupakan salah satu cabang ilmu matematika yang dapat digunakan dalam membantu persoalan diberbagai bidang seperti masalah komunikasi, transportasi, distribusi, aliran air, aliran listrik dan lain sebagainya. Salah satu kegunaan graf yang cukup penting adalah dalam hal pemilihan path terpendek dimana untuk mencari path terpendek dari simpul t (simpul awal) ke simpul s (simpul tujuan) adalah mencari jalur yang berbeda dari simpul t ke s dengan bobot yang seminimal mungkin. Bobot dalam graf adalah nilai yang diberikan pada setiap jalurnya. Bobot tersebut dapat menyatakan diameter, panjang, jarak antar tempat, waktu pengiriman, ongkos pengiriman dan lain sebagainya.
Persoalan Travelling Salesman Problem (TSP) termasuk persoalan yang sangat terkenal di dalam teori graf. Persoalan ini diilhami oleh masalah seorang pedagang yang berkeliling mengunjungi sejumlah kota. Persoalan ini menentukan sirkuit terpendek yang harus dilalui oleh seorang pedagang bila pedagang itu berangkat dari sebuah kota asal dan menyinggahi setiap kota tepat satu kali dan kembali ke kota asal keberangkatan (Rinaldi Munir, 2003: 355).
Dalam Travelling Salesman Problem terdapat beberapa algoritma diantaranya adalah algoritma Branch and Bound, algoritma Nearest Neighbor dan algoritma
Cutting Plane. Algoritma Branch and Bound adalah sebuah teknik penyelesaian
langkah-langkah untuk semua kemungkinan solusi tanpa mempertimbangkannya satu demi satu. Algoritma Nearest Neighbor adalah algoritma heuristic yang mudah untuk diimplementasikan dan biasanya menghasilkan hasil yang bermutu. (William J. Cook, dkk. 1998:243). Algoritma Cutting Plane adalah algoritma yang dikembangkan dari
(17)
masalah program integer linier yang berawal optimal. (Ir. Tjutju Dimyati. 1987:178). Berikut adalah sedikit gambaran tentang kelebihan dan kekurangan beberapa algoritma yang digunakan untuk menyelesaikan permasalahan Travelling Salesman problem.
Tabel 1.1
Kelebihan dan Kekurangan Algoritma Dalam TSP
Algoritma Kelebihan Kekurangan
Branch and Bound
- Solusi yang dihasilkan
merupakan solusi optimal
- Memakan waktu lama untuk proses pengerjaanya
- Tingkat kesulitan cukup tinggi
- Memiliki kompleksitas
waktu (n-1)!
Nearest Neighbor
- Waktu yang dibutuhkan
untuk menyelesaikan sebuah permasalahan cukup
cepat
- Tingkat kesalahan semakin kecil
- Mudah cara pengerjaanya
- Semakin banyak node yang dikunjungi maka akan semakin tidak optimal solusi yang dihasilkan
- Memiliki kompleksitas
waktu (n-1)!
Cutting Plane
- Solusi yang dihasilkan
merupakan solusi optimal
- Proses pengerjaanya sangat lama
- Harus menguasai salah satu pemograman computer
PT. Coca Cola Bottling Indonesia yang beralamat di Jalan KL.Yos Sudarso Km.14 Simpang Martubung Medan adalah perusahaan yang bergerak di bidang industri pembuatan minuman ringan. Barang produksinya meliputi Coca Cola, Sprite,
(18)
Barat, Medan Utara dan Medan Selatan. Kantor penjualan Medan memiliki outlet-outlet yang penjualannya langsung pada konsumen.
Sistem pendistribusian pada PT. Coca Cola Bottling Indonesia Medan diawali dengan pendataan pemesanan yang dilakukan oleh seorang sales sehingga pada proses pendistribusian, setiap truk sudah diisi barang produksi dengan maksimal. Pendistribusian dilakukan dengan cara memenuhi permintaan pada setiap lokasi outlet
tanpa mempertimbangkan jarak tempuh sehingga waktu distribusi menjadi lama dan pengiriman produk menjadi terlambat. PT. Coca Cola Bottling Indonesia Medan belum memiliki penyusunan rute sehingga dapat berubah sewaktu-waktu yang berdampak pada ketidaktepatan waktu dalam pendistribusian. Oleh karena itu perlu dilakukan penyusunan rute yang dapat mempersingkat jarak tempuh dan akhirnya berdampak pada penghematan biaya distribusi bagi perusahaan.
Untuk penyelesaian persoalan diatas digunakan dua algoritma yang dibandingkan yaitu algoritma Branch and Bound dan algoritma Nearest Neighbor
dimana indikator pembandingnya adalah kompleksitas waktu dan jarak terpendek yang dihasilkan sehingga algoritma yang memiliki waktu eksekusi minimum dan menghasilkan jarak terpendek yang menjadi algoritma terbaik.
Berdasarkan kondisi-kondisi di atas maka penulis memilih judul Tugas Akhir ini
sebagai: “Menentukan Rute Optimal Pendistribusian Produk Minuman pada PT.
Coca Cola Bottling Indonesia Medan dengan Menggunakan Algoritma Branch and Bound dengan Algoritma Nearest Neighbor.’’
1.2 PERUMUSAN MASALAH
Permasalahan yang dirumuskan dalam penelitian ini adalah bagaimana menentukan rute optimal pendistribusian produk minuman pada PT. Coca Cola Bottling Indonesia Medan dengan menggunakan Algoritma Branch and Bound dengan Algoritma Nearest Neighbor?
(19)
1.3 BATASAN MASALAH
Agar permasalahan tidak menyimpang dari pokok permasalahan maka perlu dibuat pembatasan masalah yaitu:
1. Pekerjaan yang dianalisa adalah pendistribusian produk minuman di dalam wilayah Binjai.
2. Perhitungan dilakukan untuk menentukan rute dengan jarak tempuh yang tersingkat dari rute yang telah ada.
3. Rute yang dianalisa adalah rute yang biasanya dilalui oleh pegawai pada waktu yang sama untuk wilayah Binjai.
4. Objek Penelitian hanya pada rute satu salesman yang terdiri dari grosir, kantin lembaga, institusi dan rumah makan.
5. Kondisi jalan dan kepadatan lalu-lintas setiap harinya adalah normal.
6. Hanya meneliti 1 Truk, salesman juga berpengalaman dan memahami tugasnya dalam mendistribusikan produk ke outlet-outlet.
7. Satu liter bahan bakar untuk alat angkut dapat menempuh jarak rata-rata 9 km.
1.4 TINJAUAN PUSTAKA
Aulia Rahma (2006) dalam jurnalnya menuliskan Travelling Salesman Problem
sebagai salah satu permasalahan optimasi yang bersifat klasik dan Non-Deterministic Polynomial-time Complete (NPC), di mana tidak ada penyelesaian yang paling optimal selain mencoba seluruh kemungkinan penyelesaian yang ada. Permasalahan ini melibatkan seorang travelling salesman yang harus melakukan kunjungan sekali pada semua kota dalam sebuah lintasan sebelum dia kembali ke titik awal, sehingga perjalanannya dikatakan sempurna.
Hamdy A. Taha (2007) menjelaskan Travelling Salesman Problem
berhubungan dengan pencarian rute terpendek atau rute terdekat pada n-kota dan dij yang merupakan jarak antara kota i ke kota j, di mana setiap kota hanya dikunjungi sekali. Beberapa metode yang digunakan dalam menyelesaikan masalah Travelling
Salesman Problem yaitu algoritma Branch and Bound dan algoritma Nearest
(20)
Secara khusus penyelesaian permasalahan Travelling Salesman Problem dapat dimodelkan / didefinisikan sebagai berikut :
Minimumkan :
∑
∈
=
n A j i ij ijx
C
Z
) , (dengan kendala :
∑
≠ = n j i i ij x ij a 0 n i 0,... ... ... , ; 1 = =∑
≠ = n j ii 0
b
ix
ij=
1
;j
=0
,
...
...
...
,
m
ij
X
≥
0
,X
ijelemen bilangan cacah. dimana :ij
a
,b
ij,c
ijdi ketahui sebagai konstanta. Jika :1.
X
ij semua bilangan cacah, maka problema disebut problema program bilangan cacah murni.2.
X
ijsebagian bilangan cacah dan yang lainnya boleh tidak, maka disebut problema bilangan cacah campuran.3.
X
ijsalah satu nol atau satu, problema disebut problema program bilangan cacah nol-satu (Siagian, 1987).n
= jumlah kota / lokasi / pelanggan yang akan dikunjungi (n tidak termasuk tempat asal, yang diindekskan dengan i = 0 ).(21)
c
ij= biaya / jarak travelling dari kota i ke kota j Variabel : ≠ = =j i jika j i jika ij x ; 0 ; 1Tinjauan Singkat Mengenai Branch and Bound dengan Nearest Neighbor
Pada dasarnya pendekatan Branch and Bound terdiri dari dua prosedur utama yaitu
branching dan bounding. Branching adalah proses mempartisi masalah yang besar menjadi dua atau lebih masalah kecil (subproblem), sedangkan Bounding adalah proses menghitung batas bawah pada solusi optimal dari subproblem yang bersangkutan. Pemrosesan Bounding function yang digunakan hanya dilakukan pada branch yang baik dan branch yang buruk tidak akan diproses dengan harapan branch yang baik akan memberikan hasil yang optimal diproses selanjutnya.
Metode Branch and Bound (cabang dan batas) adalah salah satu metode untuk menghasilkan penyelesaian optimal pemrograman liniear yang menghasilkan variabel-variabel keputusan bilangan bulat. Sesuai dengan namanya, metode ini membatasi penyelesaian optimum yang akan menghasilkan bilangan pecahan dengan cara membuat cabang atas dan bawah bagi masing-masing variabel keputusan yang bernilai pecahan agar bernilai bulat sehingga setiap pembatasan akan menghasilkan cabang baru.
Algoritma Branch and Bound diusulkan pertama kali oleh A.H.Land dan A.G.Doig pada tahun 1960. Sebenarnya algoritma ini dibuat untuk pemrograman linier (liniear programing). Branch and Bound merupakan metode yang membagi permasalahan menjadi subregion yang mengarah ke solusi (branching) dengan membentuk sebuah struktur pohon pencarian (search tree) dan melakukan pembatasan (bounding) untuk mencapai solusi optimal. Proses branch merupakan membangun
(22)
semua cabang tree yang menuju solusi, sedangkan proses bound merupakan menghitung node dengan memperhatikan batas constraint.
Prosedur di dalam branch and bound dilakukan secara berulang secara rekursif hingga membentuk sebuah pohon pencarian (search tree) dan melakukan proses bounding dengan menentukan batas atas (upper bound) dan batas bawah (lower bound).
Ketika tangkai pohon (node) dicabangkan, satu atau lebih node ditambahkan ke job yang ada di depannya. Pemilihan node untuk cabang yang memiliki jumlah job paling besar. Sebuah lower bound untuk makespan dihitung berdasarkan masing-massing node yang dihasilkan.
Konsep utama yang mendasari metode ini adalah dengan membagi dan menyelesaikan (divide and coquer). Pembagian (pencabangan) dilakukan dengan membagi gugus dari keseluruhan penyelesaian layak menjadi anak gugus yang lebih kecil dan kemudian menjadi anak gugus yang lebih kecil lagi (Frederick.S.Hilier dan Gerald.J.Lieberman, 1994).
Langkah-langkah penyelesaian dengan metode Branch and Bound, yaitu:
1. Gambarkan problem dengan diagraph G = (V,E).
2. Cij
di mana C
= nilai (cost) pada edge (i,j) ij
3. Dengan definisi nilai (cost) di atas, bangun Cost Matrix dari TSP.
= ∞, jika tidak ada edge antara i dan j.
4. Lakukan reduksi terhadap Cost Matrix , di dapat Reduced Cost Matrix.
5. Gunakan fungsi pembatas (bound) untuk membangun Search Tree dari Reduced Cost Matrix.
6. Dan seterusnya hingga didapat solusi yang diinginkan.
Pada metode Nearest Neighbor pemilihan lintasan akan dimulai pada lintasan yang memiliki nilai jarak paling minimum setiap melalui kota, kemudian akan memilih kota selanjutnya yang belum dikunjungi dan memiliki jarak yang paling minimum.
(23)
1. Buat peta aliran yang menggambarkan letak-letak outlet penjualan beserta jarak antar oulet.
2. Proses pengerjaan dengan melihat outlet dengan jarak terpendek. Setiap mencapai satu outlet, algoritma ini akan memilih outlet selanjutnya yang belum dikunjungi dan memiliki jarak yang paling minimum.
3. Perhitungan nilai optimal dengan menjumlah jarak dari awal sampai akhir perjalanan.
1.5 TUJUAN PENELITIAN
Tujuan penelitian ini adalah untuk menentukan rute optimal pendistribusian produk minuman pada PT. Coca Cola Bottling Indonesia Medan dengan menggunakan Algoritma Branch and Bound dengan Algoritma nearest Neighbor.
1.6 MANFAAT PENELITIAN
1. Untuk menambah pengetahuan peneliti dan juga menambah wawasan pembaca mengenai penggunaan Algoritma Branch and Bound dengan Algoritma Nearest Neighbor pada Travelling Salesman Problem.
2. Sebagai bahan masukan pada PT. Coca Cola Bottling Indonesia Medan dalam menentukan rute optimal pendistribusian produk sehingga dapat menimalkan biaya pengeluaran.
1.7 METODOLOGI PENELITIAN
Metode penelitian yang digunakan dalam penelitian ini adalah metode survey dengan langkah-langkah sebagai berikut:
1. Melakukan studi jurnal, buku, dan artikel di internet yang berubungan dengan Algoritma Branch and Bound dan Algoritma Nearest Neighbor pada Travelling Salesman Problem (TSP).
2. Mengumpulkan data program pendistribusian barang yang bersumber dari PT. Coca Cola Bottling Indonesia Propinsi Sumatera Utara.
(24)
3. Mengolah data dengan menggunakan algoritma Branch and Bound dengan algoritma Nearest Neighbor dan membandingkan hasil dari kedua algoritma tersebut.
4. Penarikan kesimpulan, yakni konsep pendistribusian mana yang terbaik untuk menimalkan biaya pengeluaran.
(25)
3
BAB 2
LANDASAN TEORI
2.1.Konsep Dasar Graf
Definisi 2.1.1 Graf G didefinisikan sebagai pasangan himpunan (V, E), yang dalam hal ini:
V = himpunan tidak kosong dari simpul-simpul (vertices atau node)
={v1, v2, …, vn
E= himpunan sisi (edges atau arcs) yang menghubungkan sepasang simpul } dan
={e1, e2, … ,en
Atau dapat ditulis singkat notasi G = (V, E). }
Definisi 2.1.1 menyatakan bahwa V tidak boleh kosong, sedangkan E boleh kosong. Jadi sebuah graf dimungkinkan tidak mempunyai jalur satu buah pun, tetapi simpulnya hanya ada minimal satu. Graf yang hanya mempunyai satu buah simpul tanpa sebuah jalur dinamakan graf trivial. (Munir, 2003)
Contoh dari graf G
1
4
(26)
Gambar 2.1. Graf G
Gambar 2.1. memperlihatkan graf dengan himpunan simpul V dan himpunan jalur E
dimana: V = {1, 2, 3, 4 }
E = {(1, 2), (1, 3), (2, 3), (2, 4), (3, 4)}
2.2. Jenis-jenis Graf
Graf dapat dikelompokkan menjadi beberapa kategori (jenis) bergantung pada sudut pandang pengelompokkanya.
Berdasarkan ada tidaknya gelang atau sisi ganda pada suatu graf, maka secara umum graf dapat digolongkan menjadi dua jenis:
1. Graf sederhana (Simple Graf)
Graf yang tidak mengandung gelang maupun sisi ganda dinamakan graf sederhana.
2. Graf tak-sederhana (Unsimple-Graf)
Graf yang mengandung sisi ganda atau gelang dinamakan graf tak-sederhana. Berdasarkan jumlah simpul pada suatu graf, maka secara umum graf dapat digolongkan menjadi dua jenis :
1. Graf berhingga
Graf berhingga adalah graf yang jumlah simpulnya, n, berhingga. 2. Graf tak-berhingga
Graf yang jumlah simpulnya, n, tidak berhingga banyaknya disebut graf tak berhingga.
Berdasarkan orientasi arah pada sisi maka secara umum graf dibedakan atas dua jenis :
1. Graf tak berarah
Graf yang sisinya tidak mempunyai orientasi arah disebut graf tak-berarah. Pada graf tak-berarah, urutan pasangan simpul yang dihubungkan oleh sisi tidak diperhatikan. Jadi , (vj , vk) = (vk , vj) adalah sisi yang sama.
(27)
2. Graf berarah
Graf yang setiap sisinya diberikan orientasi arah disebut sebagai graf berarah. Pada graf berarah, (vj , vk) (vk , vj). untuk busur (vj , vk), simpul vj dinamakan simpul asal (initial vertex) dan simpul vk dinamakan simpul terminal (terminal
vertex).
2.3. Terminologi Dasar
Definisi 2.3.1 Walk
Walk dengan panjang n dari v ke w adalah barisan v0, e1, v1, e2, v2, …, vn-1, en,
vn dengan v0 = v ; vn = w ; vi-1 ; dan vi adalah simpul-simpul ujung jalur ei. (Siang, 2006)
Definisi 2.3.2 Path
Path dengan panjang n dari v ke w adalah walk dari v ke w yang semua jalurnya berbeda. Path dari v ke w dituliskan sebagai (v = v0, e1, v1, e2, v2, …, vn-1, en,
vn = w) dengan ei ≠ ejuntuk i ≠ j. (Siang, 2006)
Path dengan panjang n dari v ke w adalah path dari v ke w yang semua simpulnya berbeda. Path dari v ke w berbentuk (v = v0, e1, v1, e2, v2, …, vn-1, en, vn =
w) dengan ei≠ ej untuk i ≠ j dan vk ≠ vm untuk k ≠ m. Definisi 2.3.3 Sirkuit (Cycle)
Sirkuit dengan panjang n adalah path yang dimulai dan diakhiri pada simpul yang sama. Sirkuit adalah path yang berbentuk (v0, e1, v1, e2, v2, …, vn-1, en, vn) dengan v0 = vn. (Siang, 2006)
Sirkuit (sikel) dengan panjang n adalah path yang dimulai dan diakhiri pada simpul yang sama. Sirkuit adalah path yang berbentuk (v0, e1, v1, e2, v2, …, vn-1, en,
(28)
10
B
C D
A
12 8
14 15
9
10
B
C D
A
12 8
14 15
9
Definisi 2.3.4 Connected Graf dan Disconnected Graf
Suatu graf G dikatakan connected graf jika untuk setiap pasangan vertex di dalam G terdapat paling sedikit satu path. Sebaliknya jika dalam suatu graf G ada pasangan vertex yang tidak mempunyai path penghubung maka graf yang demikian dinamakan disconnected graf.
Definisi 2.3.5 Graf Berbobot dan Graf Berlabel
Graf berbobot adalah graf yang setiap sisinya diberi sebuah bobot sedangkan graf berlabel adalah graf yang tidak memiliki bobot.
Contoh dari graf berbobot:
Gambar 2.2 Graf berbobot pada Graf tak berarah
Gambar 2.3 Graf berbobot pada graf berarah
2.4. Optimasi
2.4.1. Pengertian Optimasi
Optimasi ialah suatu proses untuk mencapai hasil yang ideal atau optimal (nilai efektif yang dapat dicapai). Dalam disiplin matematika optimasi merujuk pada studi permasalahan yang mencoba mencari solusi optimal, yaitu penyelesaian yang
(29)
tidak melanggar batasan-batasan yang ada yang paling mempunyai nilai tujuan terbesar atau terkecil, tergantung dari fungsi tujuannya yaitu maksimal atau minimal. (Hillier and Lieberman, 2005 :35).
Solusi Optimal adalah solusi fisibel yang memberikan nilai “terbaik” bagi fungsi tujuannya. “Terbaik” di sini berarti nilai terbesar atau terkecil, bergantung pada apakah tujuanya maksimasi atau minimasi. (Dimyati, 1987: 28).
2.4.2. Nilai Optimal
Nilai optimal adalah nilai yang paling menguntungkan, terbaik & tertinggi. (Departemen Pendidikan dan Kebudayaan. 1995: 705).
Sebuah sumber dan tujuan diwakili dengan sebuah simpul. Busur yang menghubungkan sebuah sumber dan sebuah tujuan mewakili rute pengiriman barang tersebut. Jumlah penawaran di sumber i adalah ai dan permintaan di tujuan j adalah bj . Biaya unit transportasi antara sumber i dan j adalah cij. Anggap xij
Minimumkan : z = ∑��=1∑��=1������
mewakili jumlah barang yang dikirimkan dari sumber i ke tujuan j, maka model program linier yang mewakili masalah transportasi ini diketahui secara umum sebagai berikut :
Dengan batasan : ∑��=1��� ≤ aij; �= 1,2, … ,�
∑��=1��� ≥ bj; j = 1,2, … , n
Kelompok batasan pertama menetapkan bahwa jumlah pengiriman dari sebuah sumber tidak dapat melebihi penawarannya. Demikian pula kelompok batasan kedua mengharuskan bahwa jumlah pengiriman ke sebuah tujuan harus memenuhi permintaanya. Model yang baru digambarkan diatas menyiratkan bahwa penawaran total ∑��=1�� harus setidaknya sama dengan permintaan total ∑��=1��. Ketika penawaran total sama dengan permintaan total ∑��=1�� = ∑��=1��, formulasi yang dihasilkan disebut Model Transportasi Berimbang (balanced transportation model). Model ini berbeda dengan model di atas hanya dalam fakta bahwa semua batasan adalah persamaan yaitu:
(30)
� ��� � �=1
= ��; � = 1,2, … ,�
� ��� � �=1
= ��; � = 1,2, … ,�
2.5.Travelling Salesman Problem (TSP)
2.5.1. Sejarah Permasalahan Travelling Salesman Problem (TSP)
Permasalahan matematika tentang Travelling Salesman Problem
dikemukakan pada tahun 1800 oleh matematikawan Irlandia William Rowan Hamilton dan matematikawan Inggris Thomas Penyngton. Bentuk umum dari persoalan TSP pertama kali dipelajari oleh para matematikawan mulai tahun1930 –an oleh Karl Menger di Vienna dan Harvard. Persoalan tersebut kemudian dikembangkan oleh Hassler Whitney dan Merril Flood di Princeton. (Filman Ferdinan. 2006).
Dekripsi persoalannya adalah sebagai berikut: diberikan sejumlah kota dan jarak antar kota, tentukan sirkuit terpendek yang harus dilalui oleh seorang pedagang bila pedagang itu berangkat dari sebuah kota asal dan menyinggahi setiap kota tepat satu kali dan kembali lagi ke kota asal keberangkatan. Kota dapat dinyatakan sebagai sebuah simpul graf, sedangkan sisi menyatakan jalan yang menghubungkan antara dua kota. Bobot pada sisi menyatakan jumlah antara dua buah kota. Persoalan ini adalah persoalan yang menentukan sirkuit Hamilton dengan sisi memiliki bobot minimum pada suatu graf terhubung. (Rinaldi Munir. 2003: 355).
(31)
2.5.2. Pengertian Travelling Salesman Problem
Travelling Salesman Problem adalah permasalahan dimana seorang salesman harus mengunjungi semua kota dimana tiap kota hanya dikunjungi sekali dan dia harus mulai dari dan kembali ke kota asal. Tujuannya adalah menentukan rute dengan jarak total atau biaya yang paling minimum. (Aulia Rahma Amin. 2006).
Travelling Salesman Problem berhubungan dengan pencarian rute terpendek atau rute terdekat pada n-kota, dimana setiap kota hanya dikunjungi sekali. Beberapa metode yang digunakan dalam menyelesaikan masalah Travelling Salesman Problem
yaitu algoritma Branch and Bound dan algoritma Nearest Neighbor . (Hamdy A. Taha. 2007: 381). Secara khusus didefinisikan :
��� = �
1; �����≠ j
0; ����i= j
Diberikan bahwa dij adalah jarak dari kota i ke kota j , model TSP diberikan sbb:
����=� � ���
� �=1
� �=1
��� ;��� = ∞����������� =�
dengan batasan :
� ��� � �=1
= 1; �= 1,2, … ,�
� ��� � �=1
= 1; �= 1,2, … ,�
(32)
2.6. Algoritma dalam Travelling Salesman Problem
2.6.1. Kompleksitas Algoritma
Algoritma adalah urutan langkah-langkah penyelesaian masalah secara sistematis. Sebuah algoritma tidak saja harus benar, tetapi juga harus mangkus (efisien). Kemangkusan algoritma diukur dari berapa jumlah waktu dan ruang memori yang dibutuhkan untuk menjalankan. Algoritma yang mangkus adalah algoritma yang meminimumkan kebutuhan waktu dan ruang. Ada dua macam kompleksitas algoritma, yaitu kompleksitas waktu dan kompleksitas ruang. Kompleksitas waktu diukur dari jumlah tahapan komputasi yang dibutuhkan untuk menjalankan algoritma sebagai fungsi dari ukuran masukan n.
Untuk membuktikan kompleksitas kedua algoritma di atas maka kita harus mengetahui teori yang mendukung yaitu:
Definisi 2.6.1. T(n) = O (f(n)) yang artinya T (n) berorde paling besar f(n). bila terdapat tetapan c dan n0 sedemikian sehingga T(n) ≤ c (f(n)) untuk n ≥ n0.
Arti dari definisi di atas adalah jika sebuah algoritma mempunyai waktu asimptotik O(f(n)), maka jika n dibuat semakin besar waktu yang dibutuhkannya tidak akan melebihi suatu tetapan c dikali f(n).
(33)
2.6.2. Algoritma Branch and Bound
Algoritma Branch and Bound diusulkan pertama kali oleh A. Land dan G. Doig pada tahun 1960. Sebenarnya metode ini dibuat untuk pemograman linier (linier
programming). Namun kenyataanya metode ini mampu menyelesaikan permasalahan
seperti Travelling Salesman Problem (TSP) dan beberapa masalah lain. Metode ini menggunakan pohon pencarian (search tree), setiap simpul di pohon merupakan representasi dari sejumlah kemungkinan solusi dari Travelling Salesman Problem
(TSP). Metode ini hanya dapat digunakan untuk masalah optimasi saja (optimazion problem). Algoritma ini memiliki kompleksitas algoritma (n-1)!, dimana n adalah jumlah kota. Berikut ini merupakan langkah-langkah penyelesaian dengan Branch and Bound :
1. Gambarkan problem dengan diagraph G = (V,E). 2. Cij
dimana C
= nilai (cost) pada edge (i,j)
ij
3. Dengan definisi nilai (cost) di atas, bangun Cost Matrix dari TSP.
= ∞, jika tidak ada edge antara i dan j.
4. Lakukan reduksi terhadap Cost Matrix , di dapat Reduced Cost Matrix.
5.Gunakan fungsi pembatas (bound) untuk membangun Search Tree dari Reduced Cost Matrix.
6. Dan seterusnya hingga didapat solusi yang diinginkan.
Pada n > 10, Algoritma di atas tidak dapat dikerjakan secara manual sehingga pengerjaanya dilakukan dengan bantuan software Quantitative System (QS).
2.6.3 Algoritma Nearest Neighbor
Pada algoritma Nearest Neighbor, solusi dari masalah Travelling Salesman
(34)
dengan yang terdekat. Node hanya ditambahkan kemudian dikaitkan dengan node terdekat dan proses berlanjut sampai tur terbentuk. Komplksitas algoritma ini memang sangat mengangumkan yaitu O(n), tetapi hasil yang didapat bisa sangat jauh dari hasil yang optimal. Berikut ini merupakan langkah-langkah penyelesaian Nearest Neighbor
:
a. Buat peta aliran yang menggambarkan letak-letak outlet penjualan beserta jarak antar oulet.
b. Proses pengerjaan dengan melihat outlet dengan jarak terpendek. Setiap mencapai satu outlet, algoritma ini akan memilih outlet selanjutnya yang belum dikunjungi dan memiliki jarak yang paling minimum.
c. Perhitungan nilai optimal dengan menjumlah jarak dari awal sampai akhir perjalanan.
Algoritma Nearest Neighbor dikerjakan dengan menggunakan Microsoft Excel dengan mencari function MIN.
2.7. Contoh :
Diberikan graf berbobot G = (V, E) dan sebuah simpul awal A. Misalkan simpul pada graf dapat merupakan kota, sedangkan sisi menyatakan jalan yang menghubungkan dua buah kota. Bobot sisi graf dapat menyatakan jarak antara dua buah kota. Tentukan rute optimal dari simpul A ke simpul D pada graf berbobot di bawah ini.
(35)
15
15 14
11
10
11 8
16
8 17 9
12
Gambar 2.4 Contoh Soal Masalah TSP
a. Penyelesaian dengan Algoritma Branch and Bound:
Bentuk Matriks: �
∞ 12 11 16
15 ∞ 15 10
8 14 ∞ 18
9 11 17 ∞
�
1. Reduced Cost Matrix (RCM)
a. Untuk setiap baris, cari nilai terkecil, nyatakan dengan c(i). Kurangi semua nilai di baris itu dengan c(i).
b. Untuk setiap kolom, cari nilai terkecil, nyatakan dengan c(j). Kurangi semua nilai di kolom itu dengan c(j).
c. Jumlahkan total semua nilai c(i) dan c(j) menjadi nilai R (total reduction). Nilai ini adalah total nilai yang berhasil direduksi/dikurangi
2. Perhitungan RCM
A B
(36)
3. Langkah Membangun Search Tree
a.Pada saat Space Tree dimulai, nilai b untuk root node adalah nilai R untuk
RCMroot node. Nilai u adalah ∞.
b.Setiap kali E-node yang baru dibuka, akan dihitung RCM untuk node tersebut. c. Cara membuat RCM baru untuk node (i,j):
• RCM baru dibuat berdasarkan RCM dari parent node
• Beri warna merah pada elemen di posisi (i,j)
• Ubah seluruh nilai di baris i menjadi ∞, beri warna biru
• Ubah seluruh nilai di kolom j menjadi ∞, beri warna biru
• Ubah elemen di posisi (j,1) menjadi ∞, beri warna ungu
• Lakukan reduksi matriks, jumlahkan seluruh nilai yang berhasil direduksi menjadi nilai R
d.Dengan dihitungnya RCM, maka bisa dihitung nilai b untuk root tersebut dengan rumus :
• b(i,j) = b(parent) + c(i,j) of parent RCM + R (newRCM)
• c(i,j) adalah nilai elemen (i,j) dari parent RCM (lokasinya ditandai dengan warna hijau di newRCM)
e.Dari semua E-node yang telah dihitung RCM-nya, dipilih yang memiliki cost b
paling kecil (Least Cost B&B). Node yang dipilih akan dibuka dan menghasilkan E-node baru. Proses ini merupakan proses Branch.
f. Ketika E-node terbawah dibuka (diitemukan kandidat solusi), maka nilai u diset menjadi nilai b dari node terbawah. Kemudian diperiksa apakah nilai b
terkecil berikutnya dari seluruh tree ada yang bernilai lebih kecil dari u. Semua
E-node yang memiliki nilai b > u dinyatakan sebagai D-node. Proses pembuatan Space Tree dilanjutkan dari E-node yang tersisa. Inilah yang dinamakan proses Bound.
g.Jika tidak ada, maka jalur dari root menuju E-node terakhir merupakan solusi yang dicari. Cost b node terbawah adalah panjang lintasan TSP yang dicari.
(37)
Gambar 2.5 Proses Branch and Bound
Gambar 2.6 Proses Branch and Bound
(38)
15
11
8 11
Gambar 2.8 Solusi dengan Branch and Bound
Dari hasil di atas dapat dilihat bahwa sirkuit yang dipilih adalah : A-C-B-D-A
Dengan total jarak tempuh adalah 11+14+10+9 = 44
b. Penyelesaian dengan Nearest Neighbor
Gambar 2.9 Solusi dengan Nearest Neighbor
Dari hasil di atas dapat dilihat bahwa rute yang dipilih adalah : A-C-D-B-A
Dengan total jarak tempuh adalah 11+8+11+15 = 45
A
B
C D
(39)
BAB 3
PEMBAHASAN
3.1. Pengumpulan Data
Data Reguler yang dikumpulkan adalah jarak antara outlet-outlet mulai dari hari Senin sampai dengan hari Sabtu. Berikut ini adalah jarak yang diperoleh untuk kawasan pendistribusian Medan Barat:
(40)
1. Hari Senin
Tabel 3.1 Jarak Antara Outlet (km)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
1 0 51,81 50,45 51,08 50,18 46,87 43,88 37,88 40,18 44,18 38,39 35,48 36,18 37,52 34,33 36,80 21,6
2 51,81 0 0,103 0,73 0,23 3,63 6,52 12,73 10,23 6,23 20,67 18,66 19,45 19,27 17,49 20,06 27,96
3 50,45 0,103 0 0,84 0,33 3,73 6,62 12,83 10,33 6,4 22,08 19,17 19,87 19,37 17,59 20,17 28,47
4 51,08 0,73 0,84 0 0,82 4,2 7,2 13,3 10,9 6,9 21,2 20,01 20,5 24,40 18,65 21,12 27,2
5 50,18 0,23 0,33 0,82 0 3,4 6,29 12,5 10 6 20,37 19,18 0,19 19,50 17,72 20,22 26,4
6 46,87 3,63 3,73 4,2 3,4 0 2,9 10 7,5 3,5 18,51 16,2 16,29 16,19 14,42 16,99 24,89
7 43,88 6,52 6,62 7,2 6,29 2,9 0 6,20 3,70 0,29 15,51 12,6 13,3 13,20 11,42 14 21,9
8 37,88 12,73 12,83 13,3 12,5 10 6,20 0 2,5 6,5 9,51 6,6 7,3 7,20 5,42 8 13,9
9 40,18 10,23 10,33 10,9 10 7,5 3,70 2,5 0 4 11,81 8,1 6,8 9,50 7,72 10,3 18,2
10 44,18 6,23 6,4 6,9 6 3,5 0,293 6,5 4 0 15,81 12,9 13,6 13,50 11,72 14,3 22,2
11 38,39 20,67 22,08 21,2 20,37 18,51 15,51 9,51 11,81 15,81 0 1,6 0,79 0,87 2,65 0,78 16,41
12 35,48 18,66 19,17 20,01 19,18 16,2 12,6 6,6 8,9 12,9 1,6 0 0,79 0,71 1,1 11,08 13,5
13 36,18 19,45 19,87 20,5 0,19 16,29 13,3 7,3 6,8 13,6 0,79 0,79 0 0,07 1,89 0,63 14,2
14 37,52 19,27 19,37 20,40 19,50 16,19 13,20 7,20 9,50 13,50 0,87 0,71 0,07 0 1,77 0,72 14,10
15 34,33 17,49 17,59 18,65 17,72 14,42 11,42 5,42 7,72 11,72 2,65 1,1 1,89 1,77 0 2,5 12,32
16 36,80 20,06 20.17 21,12 20,22 16,99 14 8 10,3 14,3 0,78 11,08 0,63 0,72 2,5 0 2,5
(41)
Keterangan :
1 = PT. Coca Cola Bottling Indonesia 2 = Giat Baru
3 = Surya 16 4 = TPP Monisari 5 = Jamaluddin 6 = Mulia Jaya 7 = Betseda
8 = Fatner Tandem
9 = Fatner Sei Karang Simp 10 = Toko Anto
11= Jon 12 = Inst Net 13 = Bambu Resto 14 = Ginting 5 15= Nikko MM 16 = ATK
(42)
2. Hari Selasa
Tabel 3.2
Jarak Antar Outlet (km)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 1 0 38,78 39,09 37,59 38,18 38,3 38,04 37,6 37,68 37,78 32,71 36,04 37,48 35,64 35,79 36,5 33,81 34,24 33,93 32,4 32,71 31,8 37,98 30,7 2 38,78 0 0,31 3 3,6 3,7 0,73 3,6 3,8 3,4 3,9 2,8 5,8 3,86 3,75 4,72 5 4,57 5,7 6,37 5,9 11,5 10,2 8,2 3 39,09 0,31 0 2,69 3,29 3,39 1,04 3,91 4,11 3,71 4,21 3,11 7,01 4,17 4,06 5,03 5,31 4,88 6,01 6,68 6,39 11,81 9,8 8,51 4 37,59 3 2,69 0 0,58 0,71 3,73 6,6 6,81 6,74 6,9 5,8 9,7 6,86 6,72 7,72 8 7,57 8,7 5,18 8,9 14,5 7,21 4,8 5 38,18 3,6 3,29 0,58 0 0,12 4,33 7,2 7,4 7 7,5 6,4 7,41 7,46 7,35 8,32 8,6 8,17 9,3 9,97 9,5 15,1 6,6 7,6 6 38,30 3,7 3,39 0,71 0,12 0 4,43 7,31 7,52 7,46 7,61 6,5 10,4 7,58 7,44 8,44 8,71 8,28 9,41 5,90 9,61 15,21 6,5 4,67 7 38,04 0,73 1,04 3,73 4,33 4,43 0 2,86 3,06 2,66 3,16 2,06 5,06 3,13 2,97 3,99 4,26 3,83 4,96 5,63 5,16 12,23 10,9 7,41 8 37,60 3,6 3,91 6,6 7,2 7,31 2,86 0 0,07 0,14 0,33 1,6 5,55 2,72 2,57 3,55 3,85 3,42 4,55 5,23 4,93 10,1 8,82 7,05 9 37,68 3,8 4,11 6,81 7,4 7,52 3,06 0,07 0 0,22 0,42 3,18 5,6 2,79 2,68 5,02 3,92 3,49 4,62 5,30 5,00 10,2 8,9 7,12 10 37,7 3,4 3,71 6,74 7 7,46 2,66 0,14 0,22 0 0,48 1,74 5,7 2,86 2,72 3,7 4 3,57 4,7 5,37 5,08 10,3 9 7,2 11 37,68 3,9 4,21 6,9 7,5 7,61 3,16 0,33 0,42 0,48 0 1,7 5,6 2,76 2,65 3,6 3,9 3,47 4,6 5,27 4,98 10,2 8,9 7,1 12 36,04 2,8 3,11 5,8 6,4 6,5 2,06 1,6 3,18 1,74 1,7 0 3,96 1,12 1,01 1,96 2,26 1,83 2,96 3,63 3,34 8,56 7,26 5,46 13 37,48 5,8 7,01 9,7 7,41 10,4 5,06 5,55 5,6 5,7 5,6 3,96 0 3,56 3,45 6,8 4,7 4,27 5,4 6,07 5,78 11 9,7 7,9 14 35,64 3,86 4,17 6,86 7,46 7,58 3,13 2,72 2,79 2,86 2,76 1,12 3,56 0 0,14 0,85 1,86 1,43 1,9 3,53 2,95 8,45 6,86 5,06 15 35,79 3,75 4,06 6,72 7,35 7,44 2,97 2,57 2,68 2,72 2,65 1,01 3,45 0,14 0 1,45 1,72 1,29 1,75 3,39 2,83 8,31 6,72 4,92 16 36,50 4,72 5,03 7,72 8,32 8,44 3,99 3,55 5,02 3,7 3,6 1,96 6,8 0,85 1,45 0 2,7 2,27 2,25 2,67 3,78 7,6 6,3 4,5 17 33,81 5 5,31 8 8,6 8,71 4,26 3,85 3,92 4 3,9 2,26 4,7 1,86 1,72 2,7 0 0,43 0,98 1,41 1,11 6,33 5,03 3,23 18 34,24 4,57 4,88 7,57 8,17 8,28 3,83 3,42 3,49 3,57 3,47 1,83 4,27 1,43 1,29 2,27 0,43 0 1,41 1,84 1,54 6,76 5,46 3,66 19 33,93 5,7 6,01 8,7 9,3 9,41 4,96 4,55 4,62 4,7 4,6 2,96 5,4 1,9 1,75 2,25 0,98 1,41 0 1,52 1,23 6,45 5,15 3,35 20 32,40 6,37 6,68 5,18 9,97 5,90 5,63 5,23 5,30 5,37 5,27 3,63 6,07 3,53 3,39 2,67 1,41 1,84 1,52 0 0,28 6,87 4,6 3,77 21 32,71 5,9 6,39 8,9 9,5 9,61 5,16 4,93 5,00 5,08 4,98 3,34 5,78 2,95 2,83 3,78 1,11 1,54 1,23 0,28 0 3,6 4,9 3,48 22 31,8 11,5 11,81 14,5 15,1 15,21 12,23 10,15 10,2 10,3 10,2 8,56 11 8,45 8,31 7,6 6,33 6,76 6,45 6,87 3,6 0 1,3 1,6 23 37,98 10,2 9,8 7,21 6,6 6,5 10,9 8,82 8,9 9 8,9 7,26 9,7 6,86 6,72 6,3 5,03 5,46 5,15 4,6 4,9 1,3 0 2,9 24 30,7 8,2 8,51 4,8 7,6 4,67 7,41 7,05 7,12 7,2 7,1 5,46 7,9 5,06 4,92 4,5 3,23 3,66 3,35 3,77 3,48 1,6 2,9 0
Keterangan: 1.PT. Coca Cola 2.Bapak Anto 3.Toko Saiman 4.EX TPP Umar Baki 5.Pak Lek 6.Cafe Agung 7.Eeng 8.Rara 9.Tasya 10.Toko Junaidi 11.Tiok
12.TPP Gatot Subroto 13.Akper Sehat 14.RSU Hasanuddin 15.Mini Market Galang
16.Toko Aceh 17.Paten MM 18.Ho Ho MM 19.TPP Sukarno Hatta 20.Fatner Bangkatan
21.Anggi 22.M.Sidiq 23.Suwandi 24.Ridwan
(43)
3. Hari Rabu
Tabel 3.3
Jarak Antar Outlet (km)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 0 50,61 50,58 51,58 53,68 54,41 67,62 54,59 55,92 60,38 44,92 43,61 43,42 37,68 43,68 38,48 33,93 32,63 33,02 29,4 2 50,61 0 0,24 1,47 3,87 4,86 18,07 5,05 6,37 10,57 5,67 7,47 7,32 18,8 7,58 18,1 17,7 17,47 21,17 25 3 50,58 0,24 0 1,43 3,83 4,82 18,03 5,01 6,33 10,53 5,63 7,43 7,28 18,76 7,54 18,06 17,73 17,43 21,13 24,96
4 51,58 1,47 1,43 0 2,4 3,18 16,4 3,37 4,7 9 6,6 8,43 8,1 17,7 8,38 16,8 18,73 18,59 19,65 22,2
5 53,68 3,87 3,83 2,4 0 0,75 13,96 0,94 2,26 6,7 9 10,83 10,64 15,9 10,90 15,2 20,83 20,69 18,2 22,2
6 54,41 4,86 4,82 3,18 0,75 0 13,21 0,52 1,8 6,5 9,8 11,63 11,44 16,8 11,7 16,1 21,63 21,49 19 25,1
7 67,62 18,07 18,03 16,4 13,96 13,21 0 13,02 11,7 19,48 26,34 25,03 24,84 30,2 25,1 29,5 35,03 34,89 32,4 38,36 8 54,59 5,05 5,01 3,37 0,94 0,52 13,02 0 1,3 6,54 9,91 12 11,72 16,7 11,46 16,47 22 21,87 29,27 25,63 9 55,92 6,37 6,33 4,7 2,26 1,8 11,7 1,3 0 7,78 11,24 13,33 13,05 18,02 12,79 17,8 23,33 23,19 30,6 26,96
10 60,38 10,57 10,53 9 6,7 6,5 19,48 6,54 7,78 0 15,7 17,53 17,48 22,7 17,6 22 27,23 27,09 24,9 31
11 44,92 5,67 5,63 6,6 9 9,8 26,34 9,91 11,24 15,7 0 1,77 1,5 23,92 1,85 23,22 12,07 11,94 26,3 15,54 12 43,61 7,47 7,43 8,43 10,83 11,63 25,03 12 13,33 17,53 1,77 0 0,27 25,72 0,53 25,02 10,76 10,62 28,1 14,23 13 43,42 7,32 7,28 8,1 10,64 11,44 24,84 11,72 13,05 17,48 1,5 0,27 0 25,44 0,35 24,74 10,57 10,44 27,91 14,04 14 37,68 18,8 18,76 17,7 15,9 16,8 30,2 16,7 18,02 22,7 23,92 25,72 25,44 0 0,61 0,79 4,83 4,69 2,2 8,3 15 43,68 7,58 7,54 8,38 10,90 11,7 25,1 11,46 12,79 17,6 1,85 0,53 0,35 0,61 0 25,09 10,83 10,7 27,99 14,12 16 38,48 18,1 18,06 16,8 15,2 16,1 29,5 16,47 17,8 22 23,22 25,02 24,74 0,79 25,09 0 5,4 5,49 6,3 9,1 17 33,93 17,7 17,73 18,73 20,83 21,63 35,03 22 23,33 27,23 12,07 10,76 10,57 4,83 10,83 5,4 0 0,92 3,53 4,53 18 32,63 17,47 17,43 18,59 20,69 21,49 34,89 21,87 23,19 27,09 11,94 10,62 10,44 4,69 10,7 5,49 0,92 0 0,39 3,6
19 33,02 21,17 21,13 19,65 18,2 19 32,4 29,27 30,6 24,9 26,3 28,1 27,91 2,2 27,99 6,3 3,53 0,39 0 7
20 29,4 25 24,96 22,2 22,2 25,1 38,36 25,63 26,96 31 15,54 14,23 14,04 8,3 14,12 9,1 4,53 3,6 7 0
Keterangan: 1.PT. Coca Cola 2.Bakso Madangkara 3.Toko Bintang 4.Doni 5.Raka 6.Toko Alam 7.H. Ubay
8.EX TPP Secanggang 9.Fatner Secanggang 10.Bambang
11.Bakso Bacok Sarina 1 12.Rumah Makan Nanda
13.Mubin Café 14.TPP Kuala Gumit 15.Fatner Tandem 16.Jagung Bakar 17.TPP Sukarno Hatta 18.Bakso Tampok
19.Boteh
(44)
4. Hari Kamis
Tabel 3.4
Jarak Antar Outlet (km)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
1 0 53,58 53,87 54,58 55,18 51,58 51,05 50,71 50,08 44,48 42,88 43,52 37,38 43,28 46,58 33,58 34,16 33,91 33,38 2 53,58 0 0,65 1,36 1,96 2,06 2,59 3,45 3,56 9,7 11,1 10,34 16,3 10,46 33,4 20,4 20,98 20,73 20,2 3 53,87 0,65 0 0,73 1,3 1,99 2,52 2,85 3,48 9,99 11,39 10,63 16,59 10,39 33,69 20,69 21,28 21,02 20,49 4 54,58 1,36 0,73 0 0,52 2,72 3,25 3,58 4,21 10,7 12,12 11,37 17,32 11,12 34,42 21,43 22,01 21,75 21,22 5 55,18 1,96 1,3 0,52 0 3,25 3,78 4,11 4,74 11,3 12,65 11,89 17,85 11,65 34,95 21,95 22,54 22,28 21,75 6 51,58 2,06 1,99 2,72 3,25 0 0,52 0,86 1,48 11,4 12,8 12,04 18 8,32 31,4 18,4 18,98 18,73 18,2 7 51,05 2,59 2,52 3,25 3,78 0,52 0 0,33 0,96 11,92 13,32 12,57 18,52 7,8 30,87 17,87 18,46 18,2 17,67 8 50,71 3,45 2,85 3,58 4,11 0,86 0,33 0 0,62 12,25 13,66 12,9 18,86 7,5 30,53 17,54 18,12 17,87 17,33 9 50,08 3,56 3,48 4,21 4,74 1,48 0,96 0,62 0 12,9 13,5 14,45 20,7 6,9 29,9 16,9 17,48 17,23 16,7 10 44,48 9,7 9,99 10,7 11,3 11,4 11,92 12,25 12,9 0 2 1,24 7,2 21 24,3 11,30 11,88 11,63 11,1 11 42,88 11,1 11,39 12,12 12,65 12,8 13,32 13,66 13,5 2 0 1,04 5,5 19,4 22,7 9,7 10,28 10,03 9,5 12 43,52 10,34 10,63 11,37 11,89 12,04 12,57 12,9 14,45 1,24 1,04 0 6,24 20,04 23,34 10,34 10,93 10,67 10,14 13 37,38 16,3 16,59 17,32 17,85 18 18,52 18,86 20,7 7,2 5,5 6,24 0 13,9 17,2 4,2 4,78 4,53 4 14 43,28 10,46 10,39 11,12 11,65 8,32 7,8 7,5 6,9 21 19,4 20,04 13,9 0 23,1 10,10 10,68 10,43 9,9 15 46,58 33,4 33,69 34,42 34,95 31,4 30,87 30,53 29,9 24,3 22,7 23,34 17,2 23,1 0 13,4 13,98 12,66 13,2 16 33,58 20,4 20,69 21,43 21,95 18,4 17,87 17,54 16,9 11,30 9,7 10,34 4,2 10,10 13,4 0 0,59 0,49 0,20 17 34,16 20,98 21,28 22,01 22,54 18,98 18,46 18,12 17,48 11,88 10,28 10,93 4,78 10,68 13,98 0,59 0 1,09 0,78 18 33,91 20,73 21,02 21,75 22,28 18,73 18,2 17,87 17,23 11,63 10,03 10,67 4,53 10,43 12,66 0,49 1,09 0 0,53 19 33,38 20,2 20,49 21,22 21,75 18,2 17,67 17,33 16,7 11,1 9,5 10,14 4 9,9 13,2 0,20 0,78 0,53 0
Keterangan: 1.PT. Coca Cola 2.Selamet 3.Usaha Bersama 4.RM Budi Luhur 5.Aguan
6.Aan
7.Sari 8.Jhon 9.Sari
10.TPP P. Kemerdekaan 11.Naim
12.Sindu
13.Bakso Bacok Sarina 14.Toko HBR
15.Acai
16.Bakso Mitra 17.Anggi
18.TPP Sukarno Hatta
(45)
5. Hari Jumat
Tabel 3.5
Jarak Antar Outlet (km)
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 1 0 50,54 50,58 50,80 56,08 57,28 54,58 51,08 55,08 55,48 55,9 53,29 53,04 53,34 53,78 53,81 45,58 44,58 44,73 44,18 43,68 42,58 2 50,54 0 0,16 0,59 5,86 7,10 3,12 5,80 4,9 5,3 5,72 3,15 2,86 3,16 3,6 3,63 11,20 12,20 12,35 12,58 7,47 14,18 3 50,58 0,16 0 0,62 5,93 7,13 2,92 5,83 4,93 5,33 5,75 3,18 2,93 3,23 3,64 3,66 11,23 12,23 12,23 12,62 7,50 14,22 4 50,80 0,59 0,62 0 5,37 6,57 2,36 5,27 4,37 4,77 5,19 2,62 2,47 2,67 3,08 3,10 10,67 11,67 11,83 12,06 7,73 13,66 5 56,08 5,86 5,93 5,37 0 1,2 3,5 4,9 4 4,4 4,82 3,48 3,02 2,73 2,70 2,3 10,3 11,3 11,45 11,68 13 13,28 6 57,28 7,10 7,13 6,57 1,2 0 4,7 6,1 5,2 5,6 6,02 4,68 4,22 3,93 3,90 2,5 11,5 12,5 12,65 12,88 14,2 14,4 7 54,58 3,12 2,92 2,36 3,5 4,7 0 3,4 2,5 2,9 3,32 0,76 0,66 0,90 1,20 1,23 8,8 9,8 9,95 10,18 9,95 11,78 8 51,08 5,80 5,83 5,27 4,9 6,1 3,4 0 3,9 4,3 4,72 3,38 2,92 2,63 2,6 2,63 10,2 11,2 11,35 11,58 12,9 13,18 9 55,08 4,9 4,93 4,37 4 5,2 2,5 3,9 0 0,32 0,82 2,48 2,02 1,73 1,70 1,73 6,79 7,79 7,95 8,18 12 9,78 10 55,48 5,3 5,33 4,77 4,4 5,6 2,9 4,3 0,32 0 0,49 2,81 2,37 2,06 2,03 2,05 7,12 8,12 8,27 8,50 12,33 10,10 11 55,9 5,72 5,75 5,19 4,82 6,02 3,32 4,72 0,82 0,49 0 3,3 2,84 2,55 2,52 2,55 7,61 8,61 8,77 9 12,82 10,6 12 53,29 3,15 3,18 2,62 3,48 4,68 0,76 3,38 2,48 2,81 3,3 0 0,6 0,79 1,18 1,21 8,78 9,78 9,94 10,17 10,21 11,77 13 53,04 2,86 2,93 2,47 3,02 4,22 0,66 2,92 2,02 2,37 2,84 0,6 0 0,30 0,73 0,75 8,32 9,32 9,48 9,71 9,97 11,31 14 53,34 3,16 3,23 2,67 2,73 3,93 0,90 2,63 1,73 2,06 2,55 0,79 0,30 0 0,44 0,46 8,03 9,03 9,19 9,42 10,27 11,02 15 53,78 3,6 3,64 3,08 2,70 3,90 1,20 2,6 1,70 2,03 2,52 1,18 0,73 0,44 0 0,43 8 9 9,16 9,39 10,67 10,99 16 53,81 3,63 3,66 3,10 2,3 2,5 1,23 2,63 1,73 2,05 2,55 1,21 0,75 0,46 0,43 0 8,03 9,03 9,18 9,41 10,73 11,01 17 45,58 11,20 11,23 10,67 10,3 11,5 8,8 10,2 6,79 7,12 7,61 8,78 8,32 8,03 8 8,03 0 1 1,15 1,38 18,30 2,98 18 44,58 12,20 12,23 11,67 11,3 12,5 9,8 11,2 7,79 8,12 8,61 9,78 9,32 9,03 9 9,03 1 0 0,15 0,38 19,3 1,98 19 44,73 12,35 12,23 11,83 11,45 12,65 9,95 11,35 7,95 8,27 8,77 9,94 9,48 9,19 9,16 9,18 1,15 0,15 0 0,23 19,46 1,83 20 44,18 12,58 12,62 12,06 11,68 12,88 10,18 11,58 8,18 8,50 9 10,17 9,71 9,42 9,39 9,41 1,38 0,38 0,23 0 19,69 1,6 21 43,68 7,47 7,50 7,73 13 14,2 9,95 12,9 12 12,33 12,82 10,21 9,97 10,27 10,67 10,73 18,30 19,3 19,46 19,69 0 21,29 22 42,58 14,18 14,22 13,66 13,28 14,4 11,78 13,18 9,78 10,10 10,6 11,77 11,31 11,02 10,99 11,01 2,98 1,98 1,83 1,6 21,29 0
Keterangan: 1.PT. Coca Cola 2.Ginting 3.Toko Bintang 4.Diva Net 5.Jaimbo II
6.Fatner Banyu Mas 7.Kantin AKPER
8. TPP Monisari 9.Ami
10.Jaimbo 11.Koko
12.Pesantren Ulumul Quran 13.Yasir
14.Diana
15.MM Mega Indah
16.Senyum Stabat Swalayan 17.Cipto
18.Bunda 19.Indra 20.Horas 21.Bakso Lina
(1)
3.3. Analisa Data 3.3.1. Rute (Reguler)
Tabel 3.13
Rekapitulasi Rute Reguler
Hari Rute Yang Dilalui Jarak
(km) Senin 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10 - 11 - 12 - 13 - 14 - 15 - 16 - 17 - 1 119,213 Selasa 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10 - 11 - 12 - 13 - 14 - 15 - 16 - 17 - 18 - 19 - 20 - 21 - 22 - 23 - 24 - 1 106,19 Rabu 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10 - 11 - 12 - 13 - 14 - 15 - 16 - 17 - 18 - 19 - 20 - 1 202,73 Kamis 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10 - 11 - 12 - 13 - 14 - 15 - 16 - 17 - 18 - 19 - 1 168,37 Jumat 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10 - 11 - 12 - 13 - 14 - 15 - 16 - 17 - 18 - 19 - 20 - 21 - 22 - 1 168,74 Sabtu 1 - 2 - 3 - 4 - 5 - 6 - 7 - 8 - 9 - 10 - 11 - 12 - 13 - 14 - 15 - 16 - 17 - 18 - 19 - 20 - 21 - 22 - 1 113,32
Keterangan: Outlet yang dikunjungi untuk masing-masing hari adalah berbeda
3.3.2. Rute yang diperoleh setelah melakukan perhitungan dengan Algoritma Branch and Bound Tabel 3.14
Rekapitulasi Rute Branch and Bound
Hari Rute Yang Dilalui Jarak
(km) Senin 1 - 15 - 8 - 9 - 10 - 7 - 6 - 4 - 2 - 3 - 5 - 13 - 12 - 14 - 11 - 16 - 17 - 1 82,243 Selasa 1 - 22 - 23 - 24 - 20 - 21 - 17 - 18 - 19 - 15 - 13 - 11 - 10 - 9 - 8 - 2 - 6 - 5 - 4 - 3 - 7 - 12 - 14 - 16 - 1 96,83 Rabu 1 - 19 - 14 - 16 - 18 - 17 - 2 - 3 - 5 - 6 - 7 - 9 - 8 - 10 - 4 - 11 - 13 - 12 - 15 - 20 - 1 159,11 Kamis 1 - 15 - 18 - 16 - 17 - 14 - 9 - 8 - 7 - 6 - 3 - 5 - 4 - 2 - 10 - 12 - 11 - 13 - 19 - 1 139,4 Jumat 1 - 21 - 2 - 3 - 4 - 7 - 12 - 13 - 14 - 8 - 15 - 16 - 5 - 6 - 9 - 10 - 11 - 17 - 18 - 19 - 20 - 22 - 1 117,29 Sabtu 1 - 17 - 16 - 15 - 14 - 11 - 10 - 9 - 8 - 7 - 6 - 2 - 3 - 4 - 5 - 13 - 22 - 21 - 12 - 20 - 19 - 18 - 1 104,32
(2)
3.3.3. Rute yang diperoleh setelah melakukan perhitungan dengan Algoritma Nearest Neighbor Tabel 3.15
Rekapitulasi Rute Nearest Neighbor
Hari Rute Yang Dilalui Jarak (km)
Senin 1 - 17 - 3 - 2 - 5 - 13 - 7 - 6 - 9 - 8 - 4 - 16 - 14 - 12 - 11 - 10 - 15 – 1 176,103 Selasa 1 - 24 - 3 - 2 - 5 - 6 - 4 - 12 - 9 - 8 - 11 - 10 - 15 - 14 - 16 - 18 - 19 - 21 - 17 - 20 - 23 - 22 - 13 - 7 - 1 124,95
Rabu 1 - 20 - 3 - 2 - 5 - 6 - 8 - 9 - 4 - 10 - 11 - 13 - 15 - 12 - 16 - 14 - 17 - 18 - 19 - 7 – 1 224,79 Kamis 1 - 19 - 3 - 2 - 5 - 4 - 7 - 8 - 9 - 6 - 12 - 10 - 13 - 16 - 18 - 17 - 11 - 14 - 15 – 1 188,3 Jumat 1 - 22 - 3 - 2 - 7 - 6 - 5 - 13 - 15 - 10 - 9 - 16 - 14 - 12 - 11 - 8 - 4 - 18 - 19 - 20 - 17 - 1 – 21 163,76
Sabtu 1 - 18 - 3 - 2 - 5 - 6 - 7 - 8 - 9 - 10 - 11 - 13 - 21 - 22 - 15 - 14 - 17 - 16 - 19 - 20 - 12 - 4 - 1 125,01 Keterangan: Outlet yang dikunjungi untuk masing-masing hari adalah berbeda
3.3.4. Rekapitulasi Hasil Perhitungan Rute yang Dilalui
Tabel 3.16
Rekapitulasi Hasil Perhitungan Rute yang Dilalui
Rute
Perhitungan Rute (km) Penghematan Jarak (km)
Reguler Branch and
Bound (BB)
Nearest Neighbor
(NN) Reguler-BB Reguler-NN
Senin 119,213 82,243 176,103 36,97 (-) 56,89
Selasa 106,19 96,83 124,95 9,36 (-) 18,76
Rabu 202,73 159,11 224,79 43,62 (-) 22,06
Kamis 168,37 139,4 188,3 28,97 (-) 19,93
Jumat 168,74 117,29 163,76 51,45 4,98
(3)
Tabel 3.17
Metode yang Dipilih dan Perhitungan Penghematan
Metode
yang Dipilih Rute
Perhitungan Penghematan
Jarak
(km) %
Biaya (Rp) Reguler-BB Hasil ��������� − ���������
��������� ����% Hasil ��������� − ������� ��������.��� Hasil
Branch and Bound
Senin 119,213-82,243 36,97 36,97
119,213� 100% 31,01
36,97
30 ��� 6.500
8.010,1 45
Selasa 106,19-96,83 9,36 9,36
106,19� 100% 8,81
9,36
30 ��� 6.500 2.028
Rabu 202,73-159,11 43,62 43,62
202,73� 100% 21,51
43,62
30 ��� 6.500 9.451
Kamis 168,37-139,4 28,97 28,97
168,37� 100% 17,2
28,97
30 ��� 6.500
6.276,8 55
Jumat 168,74-117,29 51,45 51,45
168,74� 100% 30,49
51,45
30 ��� 6.500
11.147, 5
Sabtu 113,32-104,32 9 9
113,32� 100% 7,94
9
30��� 6.500 1.950
Dari tabel rekapitulasi di atas dapat diketahui bahwa:
1. Perbandingan jarak antara rute Reguler dengan rute Branch and Bound menunjukkan bahwa hasil perhitungan dengan metode Branch and Bound memiliki hasil jarak yang lebih pendek dan berbeda dengan rute Nearest Neighbor yang menunjukkan hasil perhitungan
(4)
2. Untuk efisiensi penghematan jarak, bisa dikatakan bahwa efisiensi penghematann jarak adalah cukup besar, dilihat dari masing-masing rute: untuk rute Senin (31,01%), Selasa (8,81%), Rabu (21,51%), Kamis (17,2%), Jumat (30,49%) dan Sabtu (4,51%).
3. Berdasarkan perhitungan diatas bisa dilihat penghematan biaya/ hari adalah: Senin (Rp 8.010,145), Selasa (Rp 2.028), Rabu (Rp 9.451), Kamis (Rp 6.276,855), Jumat (Rp 11.147,5), dan Sabtu (Rp 1.950). Bisa kita perhitungkan bahwa untuk penghematan selama satu tahun adalah bisa sangat menguntungkan.
4. Metode yang digunakan adalah metode Branch and Bound, hal ini didasarkan pada perhitungan yang telah dilakukan, dan dari hasil perbandingan menunjukkan bahwa metode Branch and Bound lebih baik dari metode Nearest Neighbor.
5. Selama ini, Perusahaan menentukan rute yang dilalui salesman hanya berdasar pada pengelompokkan daerah saja, tidak menggunakan metode ilmiah.
(5)
BAB 4
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Dari hasil penelitian dan pembahasan penentuan rute optimal pendistribusian produk pada PT. Coca Cola Bottling Indonesia Medan dapat diambil kesimpulan bahwa algoritma yang menghasilkan rute paling minimum dan menguntungkan adalah algoritma Branch and Bound yakni dengan hasil Algoritma Branch and Bound : Senin (82,243 Km); Selasa (96,83 Km); Rabu (159,11 Km); Kamis (139,4 Km); Jumat (117,29 Km); Sabtu (104,32 Km). Algoritma Nearest Neighbor : Senin (176,103 Km); Selasa (124,95Km); Rabu (224,79Km); Kamis (188,3Km); Jumat (163,76 Km); Sabtu (125,01Km), sehingga dapat diaplikasikan untuk mendistribusikan barang produksi yang akan berpengaruh terhadap biaya pendistribusian.
4.2. Saran
1.Untuk bisa meningkatkan penghematan biaya dan efisiensi jarak selama pendistribusian produk kepada konsumen, diharapkan Perusahaan melakukan perhitungan dengan menggunakan Algoritma Branch and Bound.
2.Untuk penelitian selanjutnya diharapkan bisa menemukan rute baru dengan menggunakan metode yang baru sehingga didapat rute yang lebih efisien lagi.
3. Untuk penelitian selanjutnya diharapkan bisa meneliti seluruh wilayah pendistribusian PT. Coca Cola Bottling Indonesia Medan.
(6)
DAFTAR PUSTAKA
Amin, Rahma Aulia, dkk, (2006), Travelling Salesman Problem, Makalah STMIK Institut Teknologi Bandung.
Binus University, (2008)
Cook, William J, dkk, (1998), Combinatorial Optimization. Penerbit Jhon Wiley & Sons, Inc. Canada.
Dimyati, Tjutjuk Tarliah-Ahmad, (1987), Operations Research (Model-Model Pengambilan Keputusan). Penerbit Sinar Baru. Bandung
Ferdian, Filman, (2006), Penyelesaian Travelling Salesman Problem dengan Algoritma Heuristik, Makalah STMIK Institut Teknologi Bandung.
Hillier and Lieberman, (2005), Introductions to Operations Research eight edition, McGraw-Hill Companies, Inc. New York.
Kurniawan, Nova Dwi. (2008), Penentuan Rute Pengiriman Barang dan Pengalokasian Armada di Bagian Distribusi PT. Dua Kelinci Pati Jurusan Teknik Industri FT UMS., Skripsi, FT, UMS, Surakarta.
Korte, Bernhard dan Jens Vygen. (2000), Combinatorial Optimization Theory and Algorithms. Penerbit Springer, Bonn.
Munir, Rinaldi, (2003), Matematika Diskrit, Penerbit Informatika Bandung, Bandung. Render, Barry dan Jay Heizer, (2001). Prinsip-Prinsip Manajemen Operasi. Penerbit
Salemba Empat, Jakarta.
Taha, Hamdy A, (2007), Operations Research: An Introduction eight edition, Pearson Education, Inc. New Jersey.