Route Construction Tahap Pengembangan

22 kali diperkenalkan pada tahun 1964 dan terus dikembangkan untuk penelitian sampai saat ini. Secara umum cara kerja algoritma Clark and Wright adalah pertama-tama membangun tur yang menghubungkan depot kepada pelanggan dengan syarat setiap tur yang terbentuk hanya menghubungkan depot dan satu pelanggan. Kemudian menggabungkan dua pelanggan kedalam satu rute, jika total permintaan tidak melebihi kapasitas kendaraan. Setelah itu hitung nilai savings dan pilih pelanggan dengan nilai savings terbesar. Ketika penggabungan dua rute tidak menghasilkan jarak total yang baik, maka algoritma Clark and Wright akan mencoba menukar dua pelanggan dalam dua rute yang berbeda dengan menghancurkan dua ikatan rute dan menyusun kembali dua ikatan rute yang baru. Kemudian hitung nilai savings dari rute yang terbentuk dengan pertukan dua pelanggan, dan seterusnya dipilih nilai savings terbesar sebagai acuan pembentukan rute baru jika total permintaan tidak melebihi kapasitas kendaraan. Dalam metode Clark and Wright perhitungan nilai savings untuk penggabungan dua pelanggan i dan j ke dalam satu rute, dapat dilihat seperti di bawah ini : � = � + � − � Dimana � dinotasikan sebagai jarak perjalanan dari pelanggan i ke j. Pelanggan ke 0 adalah depot. Berikut ini adalah langkah-langkah matematis pada algoritma Clark and Wright : Langkah 1 : Hitung nilai savings � = � + � − � untuk setiap ikatan pelanggan i,j. 23 Langkah 2 : Buatlah urutan nilai saving � mulai dari terbesar sampai yang terkecil. Langkah 3 : Buatlah rute awal dengan memilih nilai � terbesar, jika tidak melanggar kendala. Untuk setiap ≠ . maka rue awal adalah [0, , , 0]. Langkah 4 : Untuk memperluas rute selanjutnya, ada beberapa kasus yang perlu diperhaikan untuk membentuknya, misalakan i, j adalah rute awal yang telah terbenuk dan k, l adalah rute yang akan dipilih selanjunya. Rute yang akan dipilih selanjutnya adalah dengan nilai savings terbesar namun dengan beberapa kasus, yaitu: a Jika indeks i, j tidak sama dengan indeks k, l maka rute baru yang terbentuk [0, , , , , 0]. b Jika salah satu indeks i, j dan k, l ada yang sama, maka rute baru terbentuk dengan menyelipkan salah satu indeks yang sama ke dalam rute baru. c Jika indeks i, j = k, l, maka rute baru tidak terbentuk. Proses perluasan rute terus dilanjutkan sampai jumlah permintaan memenuhi kapasitas kendaraan. Langkah 5 : Jika semua nilai � terpilih dan ada ∈ �{0} yang belum tercakup dalam rute pada langkah 4, maka terbentuk rute baru yaitu [0, , 0]. Langkah 6 : Proses perluasan rute dihentikan setelah semua pelanggan tercakup dalam semua rute yang telah terbentuk pada langkah 4 dan langkah 24 5. Untuk setiap pelanggan yang telah terpilih pada rute sebelumnya maka pelanggan tersebut tidak dapat dipilih kembali untuk rute berikutnya.

3.2.2.2 Distance Improvement

Dalam fase kedua ini perbaikan total jarak pada permasalahan CVRP peneliti menggunakan algoritma ABC dengan alasan karena penelitian mengenai algoritma ini masih cukup sedikit dan juga peneliti mencoba mencari algoritma lain yang mampu menyelesaiakan permasalahan CVRP dengan baik. Pengembangan algoritma ABC terjadi pada neighbourhood operator yaitu formula untuk mencari sumber makanan baru disekitar sumber makanan lama. Pada algoritma ABC asli yang diperkenalakan oleh Dervis Karaboga neighbourhood operator yang digunakan akan menghasilkan nilai riil sebagai hasil pencarian, hal inilah yang membuat peneliti melakukan pengembangan algoritma ABC agar mampu menyelesaikan permasalahan CVRP. Neighbourood operator akan ditukar dengan metode neighbourhood operator lain agar dapat menghasilkan nilai diskrit sebagai hasil pencarian. Hal ini dilakukan karena pada permasalahan CVRP nilai yang digunakan haruslah diskrit yang mana berkaitan dengan indeks dari suatu matrik. Solusi pada permasalahan CVRP akan berbentuk beberapa matrik yang terisi dari sekumpulan pelanggan menggambarkan rute yang dikunjungi kendaraan. Peneliti akan mencoba mengganti metode neighbourhood operator 7 pada bab sebelumnya dengan metode neighbourhood operator lain yaitu Random Insertions dan Random Swaps. Pada tahap Employed Bee 25 neighbourhood operator yang digunakan adalah Random Swaps dan pada tahap Onlooker Bee neighbourhood operator yang digunakan adalah Random Insertions. Untuk langkah-langkah algoritama ABC dalam menyelesaiakan permasalahan CVRP tidak ada yang berubah mengikuti pada bab dua, hanya neighbourhood operator-nya saja yang berubah.

3.2.3 Tahap Pengujian

Dalam tahap ini dilakukan pengujian model yang telah dikembangkan sebelumnya melalui simulasi pemograman, yang kemudian akan diuji pada permasalahan validasi serta dibandingkan dengan metode lain seperti Harmony Search. Pengujian algoritma akan dilakukan dengan menggunakan simulasi pemograman. Sedangkan untuk spesifikasi hardware yang digunakan adalah komputer dengan prosesor AMD A6-3400M APU Quad Core 1.4 Ghz dengan RAM berkapasitas 4 GB. Untuk tahap pengujian pada data uji, peneliti menggunakan data uji dari website Branchandcut. Karena web tersebut memberikan data secara gratis sekaligus memberikan nilai optimal dari hasil penelitian mereka, sehingga nilai optimal tersebut dapat digunakan oleh peneliti sebagai acuan untuk membandingkan nilai optimal yang dihasilkan melalui penelitian ini. Pada penelitian ini peneliti menggunakan 8 data uji dengan jumlah customer yang berbeda-beda.

3.2.4 Tahap Pembahasan dan Kesimpulan

Pada tahap ini, dilakukan analisa hasil yang didapat pada peroses pengujian, apakah hasilnya memuaskan atau tidak dan peneliti akan mencoba