Analisis Jarak Tempuh ANALISIS PEMECAHAN MASALAH

BAB VI ANALISIS PEMECAHAN MASALAH

6.1. Analisis Jarak Tempuh

Dalam penentuan Rute Distribusi yang optimal jarak tempuh sangat berpengaruh karena semakin jauh jarak tempuh maka semakin jauh pula waktu tempuh mobil angkut yang digunakan. Perbandingan jarak tempuh sub rute 1 sampai sub rute 6 yang terbentuk sebelum dan sesudah menggunakan Algoritma Heuristik dengan Software Quant SystemQS versi 3.0 dapat dilihat pada Tabel 6.1. Tabel 6.1. Perbandingan Jarak Tempuh Sub Rute Jarak awal km Jarak dengan software Quant SystemQS versi 3.0 km I 48.34 45.48 II 52.36 40.3 III 145.56 118.28 IV 180.90 152.72 V 163.52 156.46 VI 201.64 182.66 Total 792.32 659.9 Jarak awal adalah jarak yang diperoleh dari pembentukan sub rute awal yang diperoleh melalui prosedur pembentukan sub rute yang dibahas pada bab V. Sesudah menggunakan algoritma heuristik dengan software Quant SystemQS versi 3.0 maka jarak lebih singkat melalui penukaran jalur tempuh. Dari tabel di atas dapat dilihat bahwa sub rute yang terbentuk mengalami pengurangan jarak tempuh dari jarak tempuh awal. Selisih jarak tempuh yang berkurang adalah 132.42 km. Dengan jarak tempuh yang lebih singkat maka akan berdampak pada berkurangnya waktu tempuh mobil angkut. Estimasi Feasibilitas setiap sub rute dapat dilihat pada Tabel 6.2. Tabel 6.2. Estimasi Feasibilitas Sub Rute Hari Waktu tersedia menit Waktu distribusi usulan menit Estimasi Feasibilitas Tanpa allowance Dengan allowance I Senin 480 295.750 311.700 Feasible II Selasa 480 231.810 278.172 Feasible III Rabu 480 404.030 484.836 Tidak Feasible IV Kamis 480 444.333 533.199 Tidak Feasible V Jumat 450 450.750 540.900 Tidak Feasible VI Sabtu 480 495.961 595.153 Tidak Feasible Total 2850 2322.634 2743.960 Penjadwalan mingguan keenam sub rute tersebut disesuaikan dengan waktu distribusi yang tersedia di PT. Coca-cola Bottling Indonesia Medan. Berdasarkan Tabel 6.2. dapat dilihat bahwa penjadwalan mingguan sub rute I - II feasible dikarenakan waktu trip lebih kecil dari waktu yang tersedia sehingga rute tersebut dapat dijalani sesuai dengan jumlah mobil angkut yang telah diperhitungkan. Sedangkan sub rute III – VI tidak feasible dikarenakan waktu trip lebih besar dari waktu yang tersedia sehingga rute tersebut tidak dapat dijalani sesuai dengan jumlah mobil angkut yang telah diperhitungkan dan jumlah mobil angkut harus ditambahi atau kapasitas mobil angkut ditambahi. Pendistribusian yang direncanakan juga akan dapat mengantisipasi berbagai hambatan dan kendala yang terjadi dalam pendistribusian sehingga waktu siklus pendistribusian tidak akan terganggu. Ini dikarenakan dalam perhitungan rute yang direncanakan sudah menggunakan allowance kelonggaran sebesar 20 dan pertimbangan terhadap faktor-faktor yang mungkin dapat mempengaruhi waktu siklus pendistribusian. Sehingga waktu siklus pendistribusian rute yang direncanakan akan dapat dipenuhi untuk dilaksanakan. Waktu luangwaktu sisa dari setiap sub rute usulan dapat dilihat pada Tabel 6.3. Tabel 6.3. Waktu LuangWaktu Sisa Setiap Sub Rute Sub Rute Waktu tersedia menit Waktu distribusi usulan menit waktu luang sisa waktu menit I 480 311.700 168.83 II 480 278.172 201.828 III 480 484.836 - 4.836 IV 480 533.199 - 53.199 V 450 540.900 - 90.9 VI 480 595.153 - 115.153 Total 2850 2743.960 106.57 Dari tabel 6.3. dapat dilihat bahwa setiap sub rute usulan mempunyai waktu distribusi yang lebih singkat dari waktu yang tersedia. Dari keseluruhan sub rute waktu tempuh menjadi lebih singkat selama 1.7761 menit ≈ 2jam. Waktu luang yang tersisa hingga jam pulang setelah tiba di Kantor Penjualan PT. Coca-cola Bottling Indonesia Medan digunakan salesman untuk menyusun botol-botol kosong di gudang dan membuat laporan penjualan harian.

6.2. Perhitungan utilisasi

Dokumen yang terkait

Penentuan Rute Distribusi Barang Yang Optimal Dengan Menggunakan Algoritma Heuristik Pada PT. Medan Sumber Alam Semesta

5 88 191

Penentuan Rute Distribusi Barang Yang Optimal Menggunakan Algoritma Heuristik Pada PT. Pos Indonesia Medan

6 59 154

Menentukan Rute Optimal Pendistribusian Produk Minuman Pada PT. Coca Cola Bottling Indonesia Medan Dengan Menggunakan Algoritma Branch And Bound Dan Algoritma Nearest Neighbor

24 159 61

Menentukan Rute Optimal Pendistribusian Produk Minuman Pada PT. Coca Cola Bottling Indonesia Medan Dengan Menggunakan Algoritma Branch And Bound Dan Algoritma Nearest Neighbor

6 38 61

Menentukan Rute Optimal Pendistribusian Produk Minuman Pada PT. Coca Cola Bottling Indonesia Medan Dengan Menggunakan Algoritma Branch And Bound Dan Algoritma Nearest Neighbor

0 0 13

Menentukan Rute Optimal Pendistribusian Produk Minuman Pada PT. Coca Cola Bottling Indonesia Medan Dengan Menggunakan Algoritma Branch And Bound Dan Algoritma Nearest Neighbor

0 0 2

Menentukan Rute Optimal Pendistribusian Produk Minuman Pada PT. Coca Cola Bottling Indonesia Medan Dengan Menggunakan Algoritma Branch And Bound Dan Algoritma Nearest Neighbor

0 0 9

Menentukan Rute Optimal Pendistribusian Produk Minuman Pada PT. Coca Cola Bottling Indonesia Medan Dengan Menggunakan Algoritma Branch And Bound Dan Algoritma Nearest Neighbor

0 0 14

Menentukan Rute Optimal Pendistribusian Produk Minuman Pada PT. Coca Cola Bottling Indonesia Medan Dengan Menggunakan Algoritma Branch And Bound Dan Algoritma Nearest Neighbor

0 0 1

Penentuan Rute Distribusi Barang Yang Optimal Dengan Menggunakan Algoritma Heuristik Pada PT. Medan Sumber Alam Semesta

0 1 15