PENERAPAN ALGORITMA SIMULLATED ANNEALING PADA PENJADWALAN DISTRIBUSI DRODUK DICV.MURNI.
PENERAPAN ALGORITMA SIMULATED ANNEALING
PADA PENJADWALAN DISTRIBUSI PRODUK
DI CV. MURNI
Oleh:
Dalida
NIM 082244510002
Program Studi Matematika
SKRIPSI
Diajukan Untuk Memenuhi Syarat Memperoleh Gelar
Sarjana Sains
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
MEDAN
2013
iv
KATA PENGANTAR
Syukur Alhamdulillah penulis panjatkan kehadirat Allah SWT yang
telah memberikan curahan rahmat, taufiq dan hidayahNya sehingga skripsi
yang berjudul “Penerapan Algoritma Simullated Annealing pada Penjadwalan
Distribusi Droduk di CV.MURNI” ini dapat terselesaikan. Shalawat serta
salam semoga tetap terlimpahkan kepada junjungan nabi besar Muhammad
SAW yang telah membawa kita dari jalan yang gelap menuju jalan yang terang
benderang.
Penulis menyadari bahwa dalam penulisan skripsi ini tidak akan
mendapatkan suatu hasil yang baik tanpa adanya bimbingan, bantuan, saran serta
doa dari berbagai pihak. Oleh karena itu penulis menyampaikan ungkapan
terimakasih kepada :
1. Ibu Dra. Nerli Khairani, M.Si selaku Dosen Pembimbing Skripsi yang
telah banyak memberikan pengarahan, bimbingan, dan petunjuk-petunjuk
yang sangat berharga selama penulisan skripsi ini, ditengah-tengah
kesibukan beliau sehari-hari.
2. Bapak Drs. Syafari, M.Pd selaku ketua Program Studi matematika.
3. Bapak Prof. Drs. Motlan, M.Sc., D Ph. selaku dekan FMIPA.
4. Kepada Bapak Drs.H.Banjarnahor,M.Pd, Bapak Dr.E.Elvis Napitupulu
M.S, Bapak Drs.J.Ambarita, M.Pd selaku Dosen Penguji.
5. Seluruh staf pengajar Jurusan Matematika FMIPA yang telah memberikan
bimbingan kepada penulis semenjak mengikuti perkuliahan.
6. Seluruh staf pegawai di lingkungan FMIPA UNIMED.
7. Secara khusus dan istimewa penulis mengucapkan terima kasih dan
hormat kepada Alm.Ayahanda M.Dalil yang menjadi motivasi saya sampai
saat ini dan Ibunda Hotnida untuk semua kasih sayang, doa, motivasi, dan
jerih payah. Sehingga penulis dapat menyelesaikan studi. Juga terhadap
adikku tersayang Darliani beserta keponakanku Ardani Syaputra dan
v
Ardiansyhah yang selalu menjadi Kekuatan, Penyemangat, Penghibur dan
Penghilang rasa lelah.
8. Keluarga besar Pak Mansyur dan keluarga besar Tuo Darmani yang telah
memberikan motivasi sampai akhir studi.
9. Pimpinan serta seluruh pegawai CV.MURNI yang telah banyak membantu
penulis dalam memberikan data-data yang diperlukan.
10. Sahabatku tercinta : Rahayu Sashanti, Riana, Elvina Chodijah, Lidia Astuti
dan Pratiwi Wulandari yang selalu setia menemani dan memberikan
dukungan semangat dan doa.
11. Teman seperjuanganku : Riadi Setiawan, Rahayu Sashanti, Syafina
Indriani, Sardina, Katrin, Juni Minarti, Ketti Krisna dan Natalenta yang
selalu memberikan semangat dan selalu ada disaat suka maupun duka.
12. Teman – temanku seperjuangan Non-Dik’08 yang tidak dapat saya
sebutkan satu persatu yang selama ini selalu memberikan dukungan,
semangat, dan doa.
Semoga Allah SWT memberikan balasan yang baik atas semua bantuan
dan bimbingan yang telah diberikan. Akhirnya, penulis berharap semoga skripsi
ini dapat bermanfaat bagi penulis khususnya dan bagi pembaca pada umumnya.
Medan,
Penulis,
Juli 2013
Dalida
NIM. 082244510002
iii
Penerapan Algoritma Simullated Annealing pada
Penjadwalan Distribusi Droduk di
CV.MURNI
Dalida (082244510002)
ABSTRAK
Algoritma Simulated Annealing adalah pengembangan metode transportasi
yang mengarah pada metode penjadwalan pengangkutan dari satu atau beberapa
sumber barang dan jasa yang kemudian akan disalurkan atau disebarkan kebeberapa
tempat atau pusat-pusat lokasi yang membutuhkannya. Pada saat menjadwalkan
distribusi, CV.MURNI memiliki masalah yaitu bagaimana menentukan rute,
penggunaan kapasitas alat angkut dan penjadwalan pengiriman produk, maka
CV.MURNI menerapkan Algoritma Simulated Annealing dalam penyelesaian
masalah tersebut. Penerapan Algoritma Simulated Annealing di CV.MURNI
menggunakan 2 metode yaitu, Metode Nearest Neighboar dan Metode 2-Opt.
Penyelesaian dengan menggunakan Metode Nearest Neighboart menghasilkan ratarata waktu yang digunakan dalam mendistribusikan kuali adalah 4 jam 32 menit.
Jarak yang di tempuh dalam mendistribusikan kuali adalah 118 km. Sedangkan
penyelesaian dengan menggunakan Metode 2-Opt di peroleh jarak tempuh yang
dilalui oleh kendaraan adalah 110,8 km dan rata-rata waktu yang digunakan dalam
pendistribusian produk kuali ini adalah 4 jam dalam melakukan pendistribusian.
Dalam pendistribusia ini juga dapat mengurangi kendaraan yang digunakan yaitu 1
kendaraan roda 4 dari 2 kendaraan roda 4 dan 2 kendaraan roda 6 yang digunakan.
Kata Kunci : Algoritma Simulated Annealing, Metode Nearest Neigbour,
Metode 2-Opt, Rute
DAFTAR ISI
Halaman
LembarPengesahan
i
Abstrak
ii
Kata Pengantar
iii
Daftar Isi
v
Daftar Gambar
vii
Daftar Tabel
viii
Daftar Lampiran
x
BAB I PENDAHULUAN
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
6
1.3 Batasan Masalah
6
1.4 Tujuan Penelitian
7
1.5 Manfaat Penelitian
7
BAB II LANDASAN TEORI
9
2.1
2.1.1
2.1.2
2.2
2.2.1
2.3
2.4
2.5
2.6
2.6.1
2.6.2
2.6.3
2.6.4
9
10
10
13
13
15
15
19
23
23
25
26
27
Transportasi (Distribusi)
Fungsi transportasi
Model Matematika Metode Transportasi
Vehicle routing problem
Pengertian Vehicle routing problem
Penjadwalan
Vehicle Routing and Shedulling
Metode Penyelesaian VRP
Algoritma Simulated Annealing
Pengertian Simulated Annealing
Pemodelan dengan Simulated Annealing
Parameter algoritma Simulated annealing
Penerapan Algoritma Simulated Annealing
BAB III METODOLOGI PENELITIAN
33
3.1 Waktu dan tempat penelitian
33
3.2 Jenis Penelitian
33
3.3 Prosedur Penelitian
33
BAB IV PEMBAHASAN
34
4. 1 Pengumpulan Data
4. 2 Pengolahan Data
4. 2.1 Pola Distribusi CV.MURNI Medan
4. 2.2 Kuantitas Muat Maksimum Kendaraan
4. 2.3 Penentuan Kebutuhan Volume Kendaraan untuk setiap Pelanggan
4. 2.4 Hari Kerja dan Waktu-waktu Kerja
4. 2.5 Waktu loading dan unloading
4.2.5.1 Waktu Loading
4.2.5.2 Waktu Unloading
4. 2.6 Menentukan Solusi Awal Dengan Metode Nearest Neighbour
43
4. 2.7 Pemotongan Rute Berdasarkan Kapasitas Waktu
4.2.7.1 Pemotongan Rute dengan Menggunakan Kendaraan Roda 4
4.2.7.2 Pemotongan Rute dengan Menggunakan Kendaraan Roda 6
4. 2.8 Menggunakan Algoritma Simulated Annealing dengan 2-opt
4. 2.8.1 Pemotongan Rute dengan Menggunakan Kendaraan Roda 4
4. 2.8.2 Pemotongan Rute dengan Menggunakan Kendaraan Roda 6
44
44
49
57
58
63
BAB V KESIMPULAN DAN SARAN
73
5.1
5.2
73
74
Kesimpulan
Saran
DAFTAR PUSTAKA
34
35
35
36
38
40
41
41
42
75
DAFTAR TABEL
Halaman
Tabel 1.1 Analogi Sistem Fisis dengan Proses Optimasi SA
26
Tabel 4.1 Permintaan Pelanggan pada Pendistribusian bulan Januari 2013
34
Tabel 4.2 Jenis dan Volume Produk
35
Tabel 4.4 Jenis Kendaraan yang digunakan untuk Mendistribusikan Produk
35
Tabel 4.5 Kuantitas Muat Kendaraan Roda 4
37
Tabel 4.6 Kuantitas Muat Kendaraan Roda 6
38
Tabel 4.7 Jumlah permintaan dan Volume untuk Kuali No 13 dan No 14
38
Tabel 4.8 Jumlah permintaan dan Volume untuk Kuali no 15
39
Tabel 4.9 Jumlah permintaan dan Volume untuk Kuali no 18
39
Tabel 4.10 Jumlah Permintaan, Volume dan Persentase Permintaan Pelanggan 40
Tabel 4.11 Hari Kerja dan Waktu-waktu Kerja
41
Tabel 4.12. Pengukuran waktu loading kendaraan roda 4
41
Tabel 4.13 Pengukuran waktu loading kendaraan roda 6
42
Tabel 4.14 Waktu Yang Dibutuhkan Untuk Melayani Setiap Pelanggan
43
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh Travelling Salesmen Problem
14
Gambar 2.2 Contoh Urutan rute yang bagus dan jelek
14
Gambar 2.3 Klaster untuk Kendaraan atau Alat Angkut
16
Gambar 2.4 Diagram Alir Metode Nearest Neeighbour
20
Gambar 2.5 Diagram Alir Penyelesaian dengan Menggunakan 2-Opt
21
Gambar 2.6 Pengurangan Jarak Tempuh melalui Konsolidasi tempat
perhentian dalam Rute
Gambar 4.1. Pola Distribusi Produk CV.MURNI Medan
Gambar 4.2. Rute I yang dilalui oleh kendaraan roda 4 dengan
menggunakan metode Nearest Neighbour
Gambar 4.3. Rute II yang dilalui oleh kendaraan roda 4 dengan
menggunakan metode Nearest Neighbour
Gambar 4.4. Rute III yang dilalui oleh kendaraan roda 4 dengan
menggunakan metode Nearest Neighbour
Gambar 4.5. Rute IV yang dilalui oleh kendaraan roda 4 dengan
menggunakan metode Nearest Neighbour
Gambar 4.6. Rute I yang dilalui oleh kendaraan roda 6 dengan
menggunakan metode Nearest Neighbour
Gambar 4.7. Rute II yang dilalui oleh kendaraan roda 6 dengan
menggunakan metode Nearest Neighbour
Gambar 4.8. Rute III yang dilalui oleh kendaraan roda 6 dengan
menggunakan metode Nearest Neighbour
Gambar 4.9. Rute I denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan Metode Nearest Neigbour
Gambar 4.10. Rute II denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan Metode Nearest Neigbour
24
35
44
45
46
48
49
50
51
53
54
Gambar 4.11. Rute III denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan Metode Nearest Neigbour
Gambar 4.12. Rute I yang dilalui oleh kendaraan roda 4 dengan
Metode 2-Opt
Gambar 4.13. Rute II yang dilalui oleh kendaraan roda 4 dengan
Metode 2-Opt
56
58
59
Gambar 4.14. Rute III yang dilalui oleh kendaraan roda 4 dengan
Metode 2-Opt
Gambar 4.15. Rute IV yang dilalui oleh kendaraan roda 4 dengan
Metode 2-Opt
Gambar 4.16. Rute I yang dilalui oleh kendaraan roda 6 dengan
Metode 2-Opt
Gambar 4.17. Rute II yang dilalui oleh kendaraan roda 6 dengan
Metode 2-Opt
Gambar 4.18. Rute III yang dilalui oleh kendaraan roda 6 dengan
Metode 2-Opt
Gambar 4.19. Rute I denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan menggunakan Metode 2-Opt
Gambar 4.20. Rute II denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan menggunakan Metode 2-Opt
Gambar 4.21. Rute I dengan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan menggunakan Metode 2-Opt
61
63
64
66
67
68
70
71
DAFTAR LAMPIRAN
Lampiran 1. permintaan pelanggan pada pendistribusian bulan januari 2013
76
Lampiran 2. Jenis dan Volume Produk
76
Lampiran 3. Jenis Kendaraan yang digunakan untuk Mendistribusikan Produk 77
Lampiran 4. Kuantitas Muat Kendaraan Roda 4
77
Lampiran 5. Kuantitas Muat Kendaraan Roda 6
77
Lampiran 6. Jumlah permintaan dan Volume untuk Kuali No 13 dan No 14
78
Lampiran 7. Jumlah permintaan dan Volume untuk Kuali No 15 dan No 16
79
Lampiran 8.Jumlah permintaan dan Volume untuk Kuali no 18
80
Lampiran9. Jumlah Permintaan,Volume dan Persentase Permintaan Pelanggan 81
Lampiran 10. Hari Kerja dan Waktu-waktu Kerja
82
Lampiran 11. Waktu Yang Dibutuhkan Untuk Melayani Setiap Pelanggan
83
Lampiran 12. Pengukuran Waktu Loading Kendaraan Roda 4
84
Lampiran 13. Pengukuran Waktu Loading Kendaraan Roda 6
85
1
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Perkembangan dunia usaha mengalami persaingan yang begitu ketat dan
peningkatan permintaan pelayanan lebih dari pelanggan. Dalam memenangkan
persaingan tersebut perusahaan menggunakan berbagai cara diantaranya
meningkatkan kepuasan pelanggan melalui produk berkualitas, ketepatan waktu
pengiriman, dan efisiensi biaya. Kebijaksanaan untuk penjadwalan distribusi
produk pada suatu lokasi tertentu dapat menimbulkan masalah pada menajemen
dalam mengkoordinasikan perencanaan distribusi dari bagian pemasaran, juga
pada bagian produksi yang menghasilkan tingkat persediaan produk yang
dihasilkan terbaik, sehingga tingkat kepuasan konsumen maupun keuntungan
perusahan dapat terjaga (Gitosudarmo, 1998).
CV.MURNI merupakan perusahaan yang bergerak dibidang produk
rumah tangga, yaitu kuali. Perusahaan ini mampu memasok kuali di kota Medan
dan
berbagai
daerah
lainya.
Perusahaan
ini
telah
dipercaya
untuk
mendistribusikan produknya ke berbagai daerah.
Distribusi yang dilakukan perusahaan CV.MURNI didasarkan atas
permintaan dari para pelanggan. Di dalam perusahaan ini belum terdapat adanya
suatu perencanaan dan penjadwalan aktivitas distribusi produk yang terkoordinasi
dengan baik, sehingga permintaan untuk semua masing-masing jenis produk
kurang terkontrol sehingga mengakibatkan terjadinya kapasitas kendaraan sering
berlebih karena tidak adanya standar dalam melakukan pengelompokkan area,
baik pada pabrik maupun pada masing-masing gudang.
Perusahaan ini memasarkan semua produknya dengan sistem pesan
terlebih
dahulu
dan
sistem
kanvas.
Sistem
kanvas
digunakan
untuk
mendistribusikan barang kepada pengecer yang tersebar di berbagai daerah.
Dalam pendistribusian produk-produknya perusahan mengalokasikan beberapa
truk. Untuk sistem pesan terlebih dahulu, sales akan mencatat semua pesanan
2
pelanggan dalam sales order dan volume dari keseluruhan pesanan kemudian di
kirim ke bagian ekspedisi untuk dikelompokkan berdasarkan area pemasarannya.
Pada saat melaksanakan distribusi tim ekspedisi hanya bedasarkan
perkiraan saja dan lebih terfokus kepada pengalokasian kendaraan untuk
pelanggan pada area yang sama sehingga sering terjadi kapasitas kendaraan
berlebih karena tidak adanya standar dalam melakukan pengelompokan. Padahal
seharusnya kapasitas yang berlebih ini tidak menghasilkan solusi rute yang
optimal. Rute yang ditempuh hanya ditentukan oleh sopir secara trial dan error.
Namun karena banyaknya jumlah titik distribusi yang tersebar menyulitkan sopir
dalam menentukan urutan rute yang akan ditempuh. Hal ini menyebabkan dampak
yang kurang efektif dalam pendistribusian produk, salah satu akibatnya adalah
jarak tempuh menjadi lebih lebih panjang. Jika hal ini terus berlanjut maka biaya
yang dikeluarkan perusahaan untuk mendistribusikan barang menjadi lebih besar.
Dengan adanya masalah tersebut, maka dilakukan perencanaan dan
penjadwalan distribusi. Diharapkan dengan adanya perencanaan dan penjadwalan
aktivitas distribusi yang baik, keberhasilan dalam pemenuhan permintaan
pelanggan akan menjadi lebih optimal, kinerja penjualan meningkat dalam
memenuhi pesanan dengan tepat waktu dan tepat jumlah sehingga biaya distribusi
dapat ditekan seminimun mungkin.
Kesulitan dari masalah optimasi mendorong perkembangan dari teknik
optimasi yang ada. Teknik-teknik yang ada biasanya diambil dari ide-ide yang
diperoleh dari berbagai area penelitian. Perkembangan teknik optimasi tersebut
bertujuan untuk membangun prosedur yang efisien dan dapat menangani
kompleksitas dari masalah optimasi saat ini.. Ada dua teknik pencarian yang
digunakan dalam sistem dengan kecerdasan buatan, yaitu pencarian Buta (Blind
Search) dan pencarian Heuristik (Heuristic Search). Ada beberapa metode
Heuristik, diantaranya algoritama Tabu Search (Pencarian Tabu), Algoritma
Genetika dan Simulated Annealing.
Tabu search adalah pencarian lokal yang berbasis pada metode optimasi.
Proses pencariannya berpindah dari satu solusi ke solusi lainnya (move), dan
memilih solusi yang terbaik dan yang bukan elemen dari solusi terlarang
3
(forbidden
list),
pada
elemen
tetangga
(neighbourhood).
Tabu
search
menggunakan tabu list untuk mencegah pencarian lokal yang mengalami
perulangan pada daerah solusi yang sama. tabu list digunakan untuk menyimpan
perubahan arah busur pada operasi yang ditukar urutannya, namun tabu list
memiliki dimensi yang terbatas sehingga pada suatu kondisi tertentu, tabu search
dapat melarang (forbid) sebuah move yang menuntun ke daerah solusi yang belum
dikunjungi, sedangkan daerah solusi tersebut mungkin dapat memberikan solusi
yang baik, maka algoritma ini kurang layak digunakan karena tidak semua daerah
dapat di kunjungi ( Hiller Lieberman, 2008).
Algoritma
Genetika
adalah
algoritma
pencarian
heuristik
yang
didasarkan atas mekanisme evolusi biologis. Pada algoritma ini, tehnik pencarian
dilakukan sekaligus atas sejumlah solusi yang mungkin yang disebut dengan
populasi. Didalam populasi ada individu dan di dalam individu terdapat
kromosom. Populasi awal dibangun secara acak, sedangkan solusi berikutnya
merupakan hasil evolusi kromosom-kromosom melalui iterasi yang disebut
dengan generasi. Pada setiap generasi kromosom akan melalui proses evolusi
denagan menggunakan fungsi fitness sebagai alat ukur. Populasi generasi yang
baru dibentuk dengan cara menyeleksi nilai fitness. Setelah melalui beberapa
generasi maka algoritma ini akan konvergen ke kromosom terbaik. Karena iterasi
pada algoritma ini banyak maka akan memakan waktu yang lama untuk
menyelasaikannya.( Sarwadi&Anjar, 2004)
Simulated Annealing dikembangkan sebagai suatu pendekatan heuristik
yang digunakan dalam masalah optimasi, mampu melakukan perbaikan tingkat
kualitas solusi dari suatu solusi awal yang diberikan. Selain mudah dalam
implementasinya, kemampuannya untuk menghindari local optima yang buruk
memberikan suatu harapan untuk memperoleh hasil yang lebih baik secara
signifikan. Beberapa penelitian menyimpulkan bahwa algoritma ini dapat
menghasilkan solusi optimal atau mendekati optimal dengan waktu relatif singkat,
sehingga lebih baik dibandingkan metode tabu search dan algoritma genetika,
konvergen menuju nilai global minimum seiring dengan bertambahnya jumlah
iterasi ke arah tak hingga, serta fleksibel untuk diterapkan pada berbagai masalah
4
dan mudah dikomputerisasi (Agus&Andree, 2002). Kenyataan ini memberi
harapan bahwa algoritma Simulated Annealing dapat menghasilkan jadwal
distribusi produk pada CV.MURNI dengan kualitas jadwal yang baik dalam
waktu komputasi yang masih dapat diterima.
Algoritma Simulated Annealing (SA) merupakan algoritma metaheuristik
dengan konsep awal pada proses fisika (Hillier Lieberman, 2008 : 79).
Pendekatan Simulated Annealing pertama kali diajukan oleh W. Metropolis, A.
Rosenbluth, M. Rosenbluth, A. Teller, dan E. Teller pada tahun 1953 dalam
konteks statistika mekanika dimana dibuat sebuah algoritma untuk simulasi proses
annealing yaitu pendinginan suatu materi dari proses pemanasan. Jika sebuah
materi yang padat dipanaskan melebihi titik lelehnya dan kemudian didinginkan
kembali kepada bentuk yang padat, sifat struktur materi dari hasil pendinginan itu
tergantung dari tingkat kecepatan pendinginan.
Suatu benda padat dipanaskan hingga mencair pada tingkat temperatur
tertentu. Pada temperatur ini, setiap atom dapat bergerak dengan bebas. Dengan
melakukan perpindahan, atom-atom ini akan memiliki banyak alternatif
kombinasi struktur yang akan terbentuk apabila temperatur diturunkan. Penurunan
temperatur ini harus dilakukan secara perlahan yang disebut dengan proses
annealing. Hal ini bertujuan agar pada setiap tingkatan temperatur terjadi
perubahan sistem hingga tercapai keseimbangan termal.dengan proses annealing
ini maka susunan atom yang terbentuk akan memiliki nilai energi yang rendah.
Jika tidak demikian, keadaan akhir dari benda padat tersebut memiliki banyak
cacat karena terbentuknya struktur yang optimal secara lokal (Hillier Lieberman,
2008 : 81).
Pada penyelesaian masalah sistem distribusi, rute-rute yang akan disusun
dianalogikan seperti atom-atom yang bergerak bebas. Dengan menganalogikan
nilai temperatur sebagai tingkatan dari iterasi yang akan dilakukan , maka ruterute ini akan memiliki alternatif kiombinasi rute apabila dilakukan penurunan.
Apabila rute untuk menghasilkan solusi yang dapat menyelesaikan
permasalahan distribusi dengan lebih akurat dan sesuai dengan kondisi ril,
sebaliknya dirancang sebuah program yang dapat mengatasi terjadinya
5
penambahan jumlah pelanggan, keterbatasan stok gudang, penambahan jumlah
produk, dan hal lain-lainnya.
Algoritma Simulated Annealing (SA) sangat membantu pengembangan
metode transportasi yang mengarah pada metode penjadwalan pengangkutan dari
satu atau beberapa sumber (depot) barang dan jasa yang kemudian akan
disalurkan atau disebarkan kebeberapa tempat atau pusat-pusat lokasi yang
membutuhkannya. Ini berarti pada satu waktu tertentu atau pada periode tertentu
ada perusahaan yang akan menyalurkan hasil-hasil produksinya kepada tempattempat tujuan ( pasar atau gudang) tertentu sesuai dengan kapasitas permintaan
untuk masing-masing lokasi dengan biaya perjalanan atau angkutan yang sudah
diperhitungkan dan ditetapkan dari tempat asal ke tempat tujuan.
Model transportasi pada intinya mencari dan menentukan perencanaan
pengiriman barang dari tempat asal ketempat tujuan dengan total biaya
transportasi yang minimal (Sujadi Prawinasuntono, 2005 : 48). Setiap industri
pasti menginginkan biaya yang minimum untuk proses transportasi ini sehingga
diperlukan suatu strategi pemecahan masalah yang bisa memberikan solusi yang
optimal. Dengan strategi dan perencanaan yang baikmaka biaya untuk proses
transportasi bisa dihemat. Perencanaan pengeluaran transportasi maka akan
diperoleh peningkatan keuntungan karena mampu meminimalkan total biaya
transportasi dan permintaan pasar dapat terpenuhi dengan baik.
Penyelesaian metode transportasi dalam formulasi modelnya dapat
disamakan dengan pemodelan pemprograman linear dimana fungsi objektifnya
akan meminimumkan jumlah biaya transportasi dengan adanya pembatasan atau
kendala.
Dengan
demikian
fungsi
objektif
metode
transportasi
adalah
meminimumkan jumlah biaya transportasi dengan pembatasan-pembatasannya
pada permintaan atau kebutuhan tempat tujuan dan produk atau hasil-hasil yang
dikumpulkan pada lokasi pabrik asal barang atau jasa yang akan diangkat atau
dipindahkan.
Efektifitas Simulated Annealing bergantung pada desain neihgbourhood
dan juga bagaimana pencarian dilakukan di dalam neihgbourhood. Jika
neighbourhood didesain sedemikian rupa sehingga memfaslitasi move ke solusi
6
lebih baik dan keluar dari minimal lokal, maka prosedur simulated annealing akan
memiliki kinerja yang baik.
Kelemahan dari algoritma Simulated Annealing adalah tidak bisa
menghasilkan rute terpendek jika rute jalan memiliki dua arah sehingga
memungkinkan algoritma ini untuk mengunjungi kembali rute yang sudah dilalui
sebagai perbaikan state atau kondisi dan menghiraukan hasil pencarian rute yang
lebih panjang. Kelemahan ini dapat diatasi dengan menggunakan algoritma 2-Opt
atau dengan mengoptimisasikan algoritma ini dengan menjalankan algoritma ini
secara simultan kemudian memilih algoritma mana saja yang ditemukan solusinya
lalu memilih algoritma yang menghasilkan rute yang paling pendek untuk
masalah ini ( AdiWirdianto, 2005).
1.2.
Rumusan Masalah
Berdasarkan latar belakang di atas, rumusan masalah dalam penelitian ini
adalah :
1.
Bagaimana pembentukan rute, penggunaan kapasitas alat angkut dan jadwal
pengiriman produk pada pendistribusian produk di CV.MURNI.
2.
Bagaimana
hasil
penerapan
algoritma
Simulated
Annealing
pada
penjadwalan distribusi produk di CV.MURNI.
1.3.
Batasan Masalah
Agar pemecahan masalah tidak menyimpang dari ruang lingkup
penelitian, maka perlu dilakukan pembatasan masalah. Adapun batasan masalah
untuk penelitian ini adalah :
1.
Data yang dianalisa hanya jumlah barang dan rute yang digunakan dalam
pendistribusian produk dari depot ke pelanggan di CV.MURNI.
2.
Data yang diambil adalah data pendistribusian pada bulan Januari tahun
2013.
3.
Lokasi pendistribusian di wilayah kota Medan.
4.
Keadaan lalu lintas dan kondisi jalan setiap harinya adalah normal.
5.
Harga BBM konstan.
7
6.
Untuk mendistribusikan produk tersebut menggunakan truk dalam kondisi
baik.
7.
Karyawan yang bekerja adalah karyawan yang ahli di bidangnya.
8.
Jarak yang digunakan dalam penentuan jarak lokasi pelanggan adalah jarak
yang terpendek.
1.4.
Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah
1. Untuk mengetahui bagaimana pembentukan rute, penggunaan kapasitas
alat angkut dan jadwal pengiriman produk pada pendistribusian produk di
CV.MURNI.
2. Untuk mengetahui bagaimana hasil penerapan algoritma Simulated
Annealing pada penjadwalan distribusi produk di CV.MURNI.
1.5.
Manfaat Penelitian
Adapun manfaat penelitian dari pembahasan masalah ini adalah sebagai
berikut:
1.
Manfaat bagi penulis
Membandingkan teori ilmiah yang diperoleh dalam perkuliahan dengan
praktek lapangan dan untuk memperdalam dan mengembangkan wawasan
disiplin ilmu yang telah dipelajari untuk mengkaji permasalahan tentang
penerapan algoritma Simulated Annealing pada penjadwalan distribusi
produk di CV.MURNI.
2.
Manfaat bagi perusahan
Dapat menambah wawasan dan informasi bagaimana penjadwalan distribusi
produk
sehingga
perusahaan
dapat
menghemat
waktu,
memenuhi
permintaan produk secara lebih cepat, mendapatkan keuntungan yang
optimum dan meningkatkan kepuasan dan kepercayaan pelanggan kepada
perusahaan.
8
3.
Manfaat bagi pembaca
Menambah wawasan dan informasi pembaca tentang penerapan Algoritma
Simulated Annealing pada penjadwalan distribusi produk di CV.MURNI
dan bisa juga digunakan pembaca sebagai acuan dalam penulisan karya
ilmiah.
73
BAB V
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Berdasarkan pembahasan yang telah dilakukan, maka dapat disimpulkan:
1.
Penentuan rute, penggunaan kapasitas alat angkut dan jadwal
pengiriman produk pada pendistribusian produk di CV.MURNI lebih
akuarat dengan menggunakan Metode 2-Opt daripada Metode
Nearest Neighbour.
2.
Algoritma simulated annealing memberikan pengurangan jumlah
alokasi kendaraan sebesar 1 unit kendaraan roda 4. Sehingga
kendaraan yang digunakan untuk mendistribusikan produk hanya 2
unit kendaraan roda 6 dan 1 unit kendaran roda 4 dan lebih
menghemat waktu karena pengaruh dari rute yang digunakan dalam
mendistribusikan produk diperoleh dari penerapan rute yang lebih
singkat sesuai dengan waktu jam kerja pada perusahaan tersebut.
Jadi karena adanya perubahan jarak tempuh maka waktu tempuh
menjadi lebih singkat sehingga menghemat biaya yang digunakan
dalam mendistribusikan produk.
74
5.2 Saran
1. Bagi pihak CV. MURNI
Agar dapat mempertimbangkan pemakaian metode Algoritma
Simulated Annealing untuk menjadwalkan pendistribusian kuali
dimasa yang akan datang. Dengan penyelesaian yang menggunakan
Metode 2-Opt dipandang lebih optimal. Penyelesaian awal ini
menghasilkan rekomendasi penjadwalan lebih efisien dibanding
dengan Metode Nearest Neighbour pada penyelesaian awalnya.
2. Bagi Pembaca
Agar dapat mempergunakan Skripsi ini Sebagai tambahan dalam
materi perkuliahan dan untuk penelitian selanjutmya.
PADA PENJADWALAN DISTRIBUSI PRODUK
DI CV. MURNI
Oleh:
Dalida
NIM 082244510002
Program Studi Matematika
SKRIPSI
Diajukan Untuk Memenuhi Syarat Memperoleh Gelar
Sarjana Sains
JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
MEDAN
2013
iv
KATA PENGANTAR
Syukur Alhamdulillah penulis panjatkan kehadirat Allah SWT yang
telah memberikan curahan rahmat, taufiq dan hidayahNya sehingga skripsi
yang berjudul “Penerapan Algoritma Simullated Annealing pada Penjadwalan
Distribusi Droduk di CV.MURNI” ini dapat terselesaikan. Shalawat serta
salam semoga tetap terlimpahkan kepada junjungan nabi besar Muhammad
SAW yang telah membawa kita dari jalan yang gelap menuju jalan yang terang
benderang.
Penulis menyadari bahwa dalam penulisan skripsi ini tidak akan
mendapatkan suatu hasil yang baik tanpa adanya bimbingan, bantuan, saran serta
doa dari berbagai pihak. Oleh karena itu penulis menyampaikan ungkapan
terimakasih kepada :
1. Ibu Dra. Nerli Khairani, M.Si selaku Dosen Pembimbing Skripsi yang
telah banyak memberikan pengarahan, bimbingan, dan petunjuk-petunjuk
yang sangat berharga selama penulisan skripsi ini, ditengah-tengah
kesibukan beliau sehari-hari.
2. Bapak Drs. Syafari, M.Pd selaku ketua Program Studi matematika.
3. Bapak Prof. Drs. Motlan, M.Sc., D Ph. selaku dekan FMIPA.
4. Kepada Bapak Drs.H.Banjarnahor,M.Pd, Bapak Dr.E.Elvis Napitupulu
M.S, Bapak Drs.J.Ambarita, M.Pd selaku Dosen Penguji.
5. Seluruh staf pengajar Jurusan Matematika FMIPA yang telah memberikan
bimbingan kepada penulis semenjak mengikuti perkuliahan.
6. Seluruh staf pegawai di lingkungan FMIPA UNIMED.
7. Secara khusus dan istimewa penulis mengucapkan terima kasih dan
hormat kepada Alm.Ayahanda M.Dalil yang menjadi motivasi saya sampai
saat ini dan Ibunda Hotnida untuk semua kasih sayang, doa, motivasi, dan
jerih payah. Sehingga penulis dapat menyelesaikan studi. Juga terhadap
adikku tersayang Darliani beserta keponakanku Ardani Syaputra dan
v
Ardiansyhah yang selalu menjadi Kekuatan, Penyemangat, Penghibur dan
Penghilang rasa lelah.
8. Keluarga besar Pak Mansyur dan keluarga besar Tuo Darmani yang telah
memberikan motivasi sampai akhir studi.
9. Pimpinan serta seluruh pegawai CV.MURNI yang telah banyak membantu
penulis dalam memberikan data-data yang diperlukan.
10. Sahabatku tercinta : Rahayu Sashanti, Riana, Elvina Chodijah, Lidia Astuti
dan Pratiwi Wulandari yang selalu setia menemani dan memberikan
dukungan semangat dan doa.
11. Teman seperjuanganku : Riadi Setiawan, Rahayu Sashanti, Syafina
Indriani, Sardina, Katrin, Juni Minarti, Ketti Krisna dan Natalenta yang
selalu memberikan semangat dan selalu ada disaat suka maupun duka.
12. Teman – temanku seperjuangan Non-Dik’08 yang tidak dapat saya
sebutkan satu persatu yang selama ini selalu memberikan dukungan,
semangat, dan doa.
Semoga Allah SWT memberikan balasan yang baik atas semua bantuan
dan bimbingan yang telah diberikan. Akhirnya, penulis berharap semoga skripsi
ini dapat bermanfaat bagi penulis khususnya dan bagi pembaca pada umumnya.
Medan,
Penulis,
Juli 2013
Dalida
NIM. 082244510002
iii
Penerapan Algoritma Simullated Annealing pada
Penjadwalan Distribusi Droduk di
CV.MURNI
Dalida (082244510002)
ABSTRAK
Algoritma Simulated Annealing adalah pengembangan metode transportasi
yang mengarah pada metode penjadwalan pengangkutan dari satu atau beberapa
sumber barang dan jasa yang kemudian akan disalurkan atau disebarkan kebeberapa
tempat atau pusat-pusat lokasi yang membutuhkannya. Pada saat menjadwalkan
distribusi, CV.MURNI memiliki masalah yaitu bagaimana menentukan rute,
penggunaan kapasitas alat angkut dan penjadwalan pengiriman produk, maka
CV.MURNI menerapkan Algoritma Simulated Annealing dalam penyelesaian
masalah tersebut. Penerapan Algoritma Simulated Annealing di CV.MURNI
menggunakan 2 metode yaitu, Metode Nearest Neighboar dan Metode 2-Opt.
Penyelesaian dengan menggunakan Metode Nearest Neighboart menghasilkan ratarata waktu yang digunakan dalam mendistribusikan kuali adalah 4 jam 32 menit.
Jarak yang di tempuh dalam mendistribusikan kuali adalah 118 km. Sedangkan
penyelesaian dengan menggunakan Metode 2-Opt di peroleh jarak tempuh yang
dilalui oleh kendaraan adalah 110,8 km dan rata-rata waktu yang digunakan dalam
pendistribusian produk kuali ini adalah 4 jam dalam melakukan pendistribusian.
Dalam pendistribusia ini juga dapat mengurangi kendaraan yang digunakan yaitu 1
kendaraan roda 4 dari 2 kendaraan roda 4 dan 2 kendaraan roda 6 yang digunakan.
Kata Kunci : Algoritma Simulated Annealing, Metode Nearest Neigbour,
Metode 2-Opt, Rute
DAFTAR ISI
Halaman
LembarPengesahan
i
Abstrak
ii
Kata Pengantar
iii
Daftar Isi
v
Daftar Gambar
vii
Daftar Tabel
viii
Daftar Lampiran
x
BAB I PENDAHULUAN
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
6
1.3 Batasan Masalah
6
1.4 Tujuan Penelitian
7
1.5 Manfaat Penelitian
7
BAB II LANDASAN TEORI
9
2.1
2.1.1
2.1.2
2.2
2.2.1
2.3
2.4
2.5
2.6
2.6.1
2.6.2
2.6.3
2.6.4
9
10
10
13
13
15
15
19
23
23
25
26
27
Transportasi (Distribusi)
Fungsi transportasi
Model Matematika Metode Transportasi
Vehicle routing problem
Pengertian Vehicle routing problem
Penjadwalan
Vehicle Routing and Shedulling
Metode Penyelesaian VRP
Algoritma Simulated Annealing
Pengertian Simulated Annealing
Pemodelan dengan Simulated Annealing
Parameter algoritma Simulated annealing
Penerapan Algoritma Simulated Annealing
BAB III METODOLOGI PENELITIAN
33
3.1 Waktu dan tempat penelitian
33
3.2 Jenis Penelitian
33
3.3 Prosedur Penelitian
33
BAB IV PEMBAHASAN
34
4. 1 Pengumpulan Data
4. 2 Pengolahan Data
4. 2.1 Pola Distribusi CV.MURNI Medan
4. 2.2 Kuantitas Muat Maksimum Kendaraan
4. 2.3 Penentuan Kebutuhan Volume Kendaraan untuk setiap Pelanggan
4. 2.4 Hari Kerja dan Waktu-waktu Kerja
4. 2.5 Waktu loading dan unloading
4.2.5.1 Waktu Loading
4.2.5.2 Waktu Unloading
4. 2.6 Menentukan Solusi Awal Dengan Metode Nearest Neighbour
43
4. 2.7 Pemotongan Rute Berdasarkan Kapasitas Waktu
4.2.7.1 Pemotongan Rute dengan Menggunakan Kendaraan Roda 4
4.2.7.2 Pemotongan Rute dengan Menggunakan Kendaraan Roda 6
4. 2.8 Menggunakan Algoritma Simulated Annealing dengan 2-opt
4. 2.8.1 Pemotongan Rute dengan Menggunakan Kendaraan Roda 4
4. 2.8.2 Pemotongan Rute dengan Menggunakan Kendaraan Roda 6
44
44
49
57
58
63
BAB V KESIMPULAN DAN SARAN
73
5.1
5.2
73
74
Kesimpulan
Saran
DAFTAR PUSTAKA
34
35
35
36
38
40
41
41
42
75
DAFTAR TABEL
Halaman
Tabel 1.1 Analogi Sistem Fisis dengan Proses Optimasi SA
26
Tabel 4.1 Permintaan Pelanggan pada Pendistribusian bulan Januari 2013
34
Tabel 4.2 Jenis dan Volume Produk
35
Tabel 4.4 Jenis Kendaraan yang digunakan untuk Mendistribusikan Produk
35
Tabel 4.5 Kuantitas Muat Kendaraan Roda 4
37
Tabel 4.6 Kuantitas Muat Kendaraan Roda 6
38
Tabel 4.7 Jumlah permintaan dan Volume untuk Kuali No 13 dan No 14
38
Tabel 4.8 Jumlah permintaan dan Volume untuk Kuali no 15
39
Tabel 4.9 Jumlah permintaan dan Volume untuk Kuali no 18
39
Tabel 4.10 Jumlah Permintaan, Volume dan Persentase Permintaan Pelanggan 40
Tabel 4.11 Hari Kerja dan Waktu-waktu Kerja
41
Tabel 4.12. Pengukuran waktu loading kendaraan roda 4
41
Tabel 4.13 Pengukuran waktu loading kendaraan roda 6
42
Tabel 4.14 Waktu Yang Dibutuhkan Untuk Melayani Setiap Pelanggan
43
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh Travelling Salesmen Problem
14
Gambar 2.2 Contoh Urutan rute yang bagus dan jelek
14
Gambar 2.3 Klaster untuk Kendaraan atau Alat Angkut
16
Gambar 2.4 Diagram Alir Metode Nearest Neeighbour
20
Gambar 2.5 Diagram Alir Penyelesaian dengan Menggunakan 2-Opt
21
Gambar 2.6 Pengurangan Jarak Tempuh melalui Konsolidasi tempat
perhentian dalam Rute
Gambar 4.1. Pola Distribusi Produk CV.MURNI Medan
Gambar 4.2. Rute I yang dilalui oleh kendaraan roda 4 dengan
menggunakan metode Nearest Neighbour
Gambar 4.3. Rute II yang dilalui oleh kendaraan roda 4 dengan
menggunakan metode Nearest Neighbour
Gambar 4.4. Rute III yang dilalui oleh kendaraan roda 4 dengan
menggunakan metode Nearest Neighbour
Gambar 4.5. Rute IV yang dilalui oleh kendaraan roda 4 dengan
menggunakan metode Nearest Neighbour
Gambar 4.6. Rute I yang dilalui oleh kendaraan roda 6 dengan
menggunakan metode Nearest Neighbour
Gambar 4.7. Rute II yang dilalui oleh kendaraan roda 6 dengan
menggunakan metode Nearest Neighbour
Gambar 4.8. Rute III yang dilalui oleh kendaraan roda 6 dengan
menggunakan metode Nearest Neighbour
Gambar 4.9. Rute I denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan Metode Nearest Neigbour
Gambar 4.10. Rute II denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan Metode Nearest Neigbour
24
35
44
45
46
48
49
50
51
53
54
Gambar 4.11. Rute III denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan Metode Nearest Neigbour
Gambar 4.12. Rute I yang dilalui oleh kendaraan roda 4 dengan
Metode 2-Opt
Gambar 4.13. Rute II yang dilalui oleh kendaraan roda 4 dengan
Metode 2-Opt
56
58
59
Gambar 4.14. Rute III yang dilalui oleh kendaraan roda 4 dengan
Metode 2-Opt
Gambar 4.15. Rute IV yang dilalui oleh kendaraan roda 4 dengan
Metode 2-Opt
Gambar 4.16. Rute I yang dilalui oleh kendaraan roda 6 dengan
Metode 2-Opt
Gambar 4.17. Rute II yang dilalui oleh kendaraan roda 6 dengan
Metode 2-Opt
Gambar 4.18. Rute III yang dilalui oleh kendaraan roda 6 dengan
Metode 2-Opt
Gambar 4.19. Rute I denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan menggunakan Metode 2-Opt
Gambar 4.20. Rute II denagan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan menggunakan Metode 2-Opt
Gambar 4.21. Rute I dengan penyelesaian gabungan yang dilalui oleh
kendaraan roda 6 dengan menggunakan Metode 2-Opt
61
63
64
66
67
68
70
71
DAFTAR LAMPIRAN
Lampiran 1. permintaan pelanggan pada pendistribusian bulan januari 2013
76
Lampiran 2. Jenis dan Volume Produk
76
Lampiran 3. Jenis Kendaraan yang digunakan untuk Mendistribusikan Produk 77
Lampiran 4. Kuantitas Muat Kendaraan Roda 4
77
Lampiran 5. Kuantitas Muat Kendaraan Roda 6
77
Lampiran 6. Jumlah permintaan dan Volume untuk Kuali No 13 dan No 14
78
Lampiran 7. Jumlah permintaan dan Volume untuk Kuali No 15 dan No 16
79
Lampiran 8.Jumlah permintaan dan Volume untuk Kuali no 18
80
Lampiran9. Jumlah Permintaan,Volume dan Persentase Permintaan Pelanggan 81
Lampiran 10. Hari Kerja dan Waktu-waktu Kerja
82
Lampiran 11. Waktu Yang Dibutuhkan Untuk Melayani Setiap Pelanggan
83
Lampiran 12. Pengukuran Waktu Loading Kendaraan Roda 4
84
Lampiran 13. Pengukuran Waktu Loading Kendaraan Roda 6
85
1
BAB I
PENDAHULUAN
1.1.
Latar Belakang
Perkembangan dunia usaha mengalami persaingan yang begitu ketat dan
peningkatan permintaan pelayanan lebih dari pelanggan. Dalam memenangkan
persaingan tersebut perusahaan menggunakan berbagai cara diantaranya
meningkatkan kepuasan pelanggan melalui produk berkualitas, ketepatan waktu
pengiriman, dan efisiensi biaya. Kebijaksanaan untuk penjadwalan distribusi
produk pada suatu lokasi tertentu dapat menimbulkan masalah pada menajemen
dalam mengkoordinasikan perencanaan distribusi dari bagian pemasaran, juga
pada bagian produksi yang menghasilkan tingkat persediaan produk yang
dihasilkan terbaik, sehingga tingkat kepuasan konsumen maupun keuntungan
perusahan dapat terjaga (Gitosudarmo, 1998).
CV.MURNI merupakan perusahaan yang bergerak dibidang produk
rumah tangga, yaitu kuali. Perusahaan ini mampu memasok kuali di kota Medan
dan
berbagai
daerah
lainya.
Perusahaan
ini
telah
dipercaya
untuk
mendistribusikan produknya ke berbagai daerah.
Distribusi yang dilakukan perusahaan CV.MURNI didasarkan atas
permintaan dari para pelanggan. Di dalam perusahaan ini belum terdapat adanya
suatu perencanaan dan penjadwalan aktivitas distribusi produk yang terkoordinasi
dengan baik, sehingga permintaan untuk semua masing-masing jenis produk
kurang terkontrol sehingga mengakibatkan terjadinya kapasitas kendaraan sering
berlebih karena tidak adanya standar dalam melakukan pengelompokkan area,
baik pada pabrik maupun pada masing-masing gudang.
Perusahaan ini memasarkan semua produknya dengan sistem pesan
terlebih
dahulu
dan
sistem
kanvas.
Sistem
kanvas
digunakan
untuk
mendistribusikan barang kepada pengecer yang tersebar di berbagai daerah.
Dalam pendistribusian produk-produknya perusahan mengalokasikan beberapa
truk. Untuk sistem pesan terlebih dahulu, sales akan mencatat semua pesanan
2
pelanggan dalam sales order dan volume dari keseluruhan pesanan kemudian di
kirim ke bagian ekspedisi untuk dikelompokkan berdasarkan area pemasarannya.
Pada saat melaksanakan distribusi tim ekspedisi hanya bedasarkan
perkiraan saja dan lebih terfokus kepada pengalokasian kendaraan untuk
pelanggan pada area yang sama sehingga sering terjadi kapasitas kendaraan
berlebih karena tidak adanya standar dalam melakukan pengelompokan. Padahal
seharusnya kapasitas yang berlebih ini tidak menghasilkan solusi rute yang
optimal. Rute yang ditempuh hanya ditentukan oleh sopir secara trial dan error.
Namun karena banyaknya jumlah titik distribusi yang tersebar menyulitkan sopir
dalam menentukan urutan rute yang akan ditempuh. Hal ini menyebabkan dampak
yang kurang efektif dalam pendistribusian produk, salah satu akibatnya adalah
jarak tempuh menjadi lebih lebih panjang. Jika hal ini terus berlanjut maka biaya
yang dikeluarkan perusahaan untuk mendistribusikan barang menjadi lebih besar.
Dengan adanya masalah tersebut, maka dilakukan perencanaan dan
penjadwalan distribusi. Diharapkan dengan adanya perencanaan dan penjadwalan
aktivitas distribusi yang baik, keberhasilan dalam pemenuhan permintaan
pelanggan akan menjadi lebih optimal, kinerja penjualan meningkat dalam
memenuhi pesanan dengan tepat waktu dan tepat jumlah sehingga biaya distribusi
dapat ditekan seminimun mungkin.
Kesulitan dari masalah optimasi mendorong perkembangan dari teknik
optimasi yang ada. Teknik-teknik yang ada biasanya diambil dari ide-ide yang
diperoleh dari berbagai area penelitian. Perkembangan teknik optimasi tersebut
bertujuan untuk membangun prosedur yang efisien dan dapat menangani
kompleksitas dari masalah optimasi saat ini.. Ada dua teknik pencarian yang
digunakan dalam sistem dengan kecerdasan buatan, yaitu pencarian Buta (Blind
Search) dan pencarian Heuristik (Heuristic Search). Ada beberapa metode
Heuristik, diantaranya algoritama Tabu Search (Pencarian Tabu), Algoritma
Genetika dan Simulated Annealing.
Tabu search adalah pencarian lokal yang berbasis pada metode optimasi.
Proses pencariannya berpindah dari satu solusi ke solusi lainnya (move), dan
memilih solusi yang terbaik dan yang bukan elemen dari solusi terlarang
3
(forbidden
list),
pada
elemen
tetangga
(neighbourhood).
Tabu
search
menggunakan tabu list untuk mencegah pencarian lokal yang mengalami
perulangan pada daerah solusi yang sama. tabu list digunakan untuk menyimpan
perubahan arah busur pada operasi yang ditukar urutannya, namun tabu list
memiliki dimensi yang terbatas sehingga pada suatu kondisi tertentu, tabu search
dapat melarang (forbid) sebuah move yang menuntun ke daerah solusi yang belum
dikunjungi, sedangkan daerah solusi tersebut mungkin dapat memberikan solusi
yang baik, maka algoritma ini kurang layak digunakan karena tidak semua daerah
dapat di kunjungi ( Hiller Lieberman, 2008).
Algoritma
Genetika
adalah
algoritma
pencarian
heuristik
yang
didasarkan atas mekanisme evolusi biologis. Pada algoritma ini, tehnik pencarian
dilakukan sekaligus atas sejumlah solusi yang mungkin yang disebut dengan
populasi. Didalam populasi ada individu dan di dalam individu terdapat
kromosom. Populasi awal dibangun secara acak, sedangkan solusi berikutnya
merupakan hasil evolusi kromosom-kromosom melalui iterasi yang disebut
dengan generasi. Pada setiap generasi kromosom akan melalui proses evolusi
denagan menggunakan fungsi fitness sebagai alat ukur. Populasi generasi yang
baru dibentuk dengan cara menyeleksi nilai fitness. Setelah melalui beberapa
generasi maka algoritma ini akan konvergen ke kromosom terbaik. Karena iterasi
pada algoritma ini banyak maka akan memakan waktu yang lama untuk
menyelasaikannya.( Sarwadi&Anjar, 2004)
Simulated Annealing dikembangkan sebagai suatu pendekatan heuristik
yang digunakan dalam masalah optimasi, mampu melakukan perbaikan tingkat
kualitas solusi dari suatu solusi awal yang diberikan. Selain mudah dalam
implementasinya, kemampuannya untuk menghindari local optima yang buruk
memberikan suatu harapan untuk memperoleh hasil yang lebih baik secara
signifikan. Beberapa penelitian menyimpulkan bahwa algoritma ini dapat
menghasilkan solusi optimal atau mendekati optimal dengan waktu relatif singkat,
sehingga lebih baik dibandingkan metode tabu search dan algoritma genetika,
konvergen menuju nilai global minimum seiring dengan bertambahnya jumlah
iterasi ke arah tak hingga, serta fleksibel untuk diterapkan pada berbagai masalah
4
dan mudah dikomputerisasi (Agus&Andree, 2002). Kenyataan ini memberi
harapan bahwa algoritma Simulated Annealing dapat menghasilkan jadwal
distribusi produk pada CV.MURNI dengan kualitas jadwal yang baik dalam
waktu komputasi yang masih dapat diterima.
Algoritma Simulated Annealing (SA) merupakan algoritma metaheuristik
dengan konsep awal pada proses fisika (Hillier Lieberman, 2008 : 79).
Pendekatan Simulated Annealing pertama kali diajukan oleh W. Metropolis, A.
Rosenbluth, M. Rosenbluth, A. Teller, dan E. Teller pada tahun 1953 dalam
konteks statistika mekanika dimana dibuat sebuah algoritma untuk simulasi proses
annealing yaitu pendinginan suatu materi dari proses pemanasan. Jika sebuah
materi yang padat dipanaskan melebihi titik lelehnya dan kemudian didinginkan
kembali kepada bentuk yang padat, sifat struktur materi dari hasil pendinginan itu
tergantung dari tingkat kecepatan pendinginan.
Suatu benda padat dipanaskan hingga mencair pada tingkat temperatur
tertentu. Pada temperatur ini, setiap atom dapat bergerak dengan bebas. Dengan
melakukan perpindahan, atom-atom ini akan memiliki banyak alternatif
kombinasi struktur yang akan terbentuk apabila temperatur diturunkan. Penurunan
temperatur ini harus dilakukan secara perlahan yang disebut dengan proses
annealing. Hal ini bertujuan agar pada setiap tingkatan temperatur terjadi
perubahan sistem hingga tercapai keseimbangan termal.dengan proses annealing
ini maka susunan atom yang terbentuk akan memiliki nilai energi yang rendah.
Jika tidak demikian, keadaan akhir dari benda padat tersebut memiliki banyak
cacat karena terbentuknya struktur yang optimal secara lokal (Hillier Lieberman,
2008 : 81).
Pada penyelesaian masalah sistem distribusi, rute-rute yang akan disusun
dianalogikan seperti atom-atom yang bergerak bebas. Dengan menganalogikan
nilai temperatur sebagai tingkatan dari iterasi yang akan dilakukan , maka ruterute ini akan memiliki alternatif kiombinasi rute apabila dilakukan penurunan.
Apabila rute untuk menghasilkan solusi yang dapat menyelesaikan
permasalahan distribusi dengan lebih akurat dan sesuai dengan kondisi ril,
sebaliknya dirancang sebuah program yang dapat mengatasi terjadinya
5
penambahan jumlah pelanggan, keterbatasan stok gudang, penambahan jumlah
produk, dan hal lain-lainnya.
Algoritma Simulated Annealing (SA) sangat membantu pengembangan
metode transportasi yang mengarah pada metode penjadwalan pengangkutan dari
satu atau beberapa sumber (depot) barang dan jasa yang kemudian akan
disalurkan atau disebarkan kebeberapa tempat atau pusat-pusat lokasi yang
membutuhkannya. Ini berarti pada satu waktu tertentu atau pada periode tertentu
ada perusahaan yang akan menyalurkan hasil-hasil produksinya kepada tempattempat tujuan ( pasar atau gudang) tertentu sesuai dengan kapasitas permintaan
untuk masing-masing lokasi dengan biaya perjalanan atau angkutan yang sudah
diperhitungkan dan ditetapkan dari tempat asal ke tempat tujuan.
Model transportasi pada intinya mencari dan menentukan perencanaan
pengiriman barang dari tempat asal ketempat tujuan dengan total biaya
transportasi yang minimal (Sujadi Prawinasuntono, 2005 : 48). Setiap industri
pasti menginginkan biaya yang minimum untuk proses transportasi ini sehingga
diperlukan suatu strategi pemecahan masalah yang bisa memberikan solusi yang
optimal. Dengan strategi dan perencanaan yang baikmaka biaya untuk proses
transportasi bisa dihemat. Perencanaan pengeluaran transportasi maka akan
diperoleh peningkatan keuntungan karena mampu meminimalkan total biaya
transportasi dan permintaan pasar dapat terpenuhi dengan baik.
Penyelesaian metode transportasi dalam formulasi modelnya dapat
disamakan dengan pemodelan pemprograman linear dimana fungsi objektifnya
akan meminimumkan jumlah biaya transportasi dengan adanya pembatasan atau
kendala.
Dengan
demikian
fungsi
objektif
metode
transportasi
adalah
meminimumkan jumlah biaya transportasi dengan pembatasan-pembatasannya
pada permintaan atau kebutuhan tempat tujuan dan produk atau hasil-hasil yang
dikumpulkan pada lokasi pabrik asal barang atau jasa yang akan diangkat atau
dipindahkan.
Efektifitas Simulated Annealing bergantung pada desain neihgbourhood
dan juga bagaimana pencarian dilakukan di dalam neihgbourhood. Jika
neighbourhood didesain sedemikian rupa sehingga memfaslitasi move ke solusi
6
lebih baik dan keluar dari minimal lokal, maka prosedur simulated annealing akan
memiliki kinerja yang baik.
Kelemahan dari algoritma Simulated Annealing adalah tidak bisa
menghasilkan rute terpendek jika rute jalan memiliki dua arah sehingga
memungkinkan algoritma ini untuk mengunjungi kembali rute yang sudah dilalui
sebagai perbaikan state atau kondisi dan menghiraukan hasil pencarian rute yang
lebih panjang. Kelemahan ini dapat diatasi dengan menggunakan algoritma 2-Opt
atau dengan mengoptimisasikan algoritma ini dengan menjalankan algoritma ini
secara simultan kemudian memilih algoritma mana saja yang ditemukan solusinya
lalu memilih algoritma yang menghasilkan rute yang paling pendek untuk
masalah ini ( AdiWirdianto, 2005).
1.2.
Rumusan Masalah
Berdasarkan latar belakang di atas, rumusan masalah dalam penelitian ini
adalah :
1.
Bagaimana pembentukan rute, penggunaan kapasitas alat angkut dan jadwal
pengiriman produk pada pendistribusian produk di CV.MURNI.
2.
Bagaimana
hasil
penerapan
algoritma
Simulated
Annealing
pada
penjadwalan distribusi produk di CV.MURNI.
1.3.
Batasan Masalah
Agar pemecahan masalah tidak menyimpang dari ruang lingkup
penelitian, maka perlu dilakukan pembatasan masalah. Adapun batasan masalah
untuk penelitian ini adalah :
1.
Data yang dianalisa hanya jumlah barang dan rute yang digunakan dalam
pendistribusian produk dari depot ke pelanggan di CV.MURNI.
2.
Data yang diambil adalah data pendistribusian pada bulan Januari tahun
2013.
3.
Lokasi pendistribusian di wilayah kota Medan.
4.
Keadaan lalu lintas dan kondisi jalan setiap harinya adalah normal.
5.
Harga BBM konstan.
7
6.
Untuk mendistribusikan produk tersebut menggunakan truk dalam kondisi
baik.
7.
Karyawan yang bekerja adalah karyawan yang ahli di bidangnya.
8.
Jarak yang digunakan dalam penentuan jarak lokasi pelanggan adalah jarak
yang terpendek.
1.4.
Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah
1. Untuk mengetahui bagaimana pembentukan rute, penggunaan kapasitas
alat angkut dan jadwal pengiriman produk pada pendistribusian produk di
CV.MURNI.
2. Untuk mengetahui bagaimana hasil penerapan algoritma Simulated
Annealing pada penjadwalan distribusi produk di CV.MURNI.
1.5.
Manfaat Penelitian
Adapun manfaat penelitian dari pembahasan masalah ini adalah sebagai
berikut:
1.
Manfaat bagi penulis
Membandingkan teori ilmiah yang diperoleh dalam perkuliahan dengan
praktek lapangan dan untuk memperdalam dan mengembangkan wawasan
disiplin ilmu yang telah dipelajari untuk mengkaji permasalahan tentang
penerapan algoritma Simulated Annealing pada penjadwalan distribusi
produk di CV.MURNI.
2.
Manfaat bagi perusahan
Dapat menambah wawasan dan informasi bagaimana penjadwalan distribusi
produk
sehingga
perusahaan
dapat
menghemat
waktu,
memenuhi
permintaan produk secara lebih cepat, mendapatkan keuntungan yang
optimum dan meningkatkan kepuasan dan kepercayaan pelanggan kepada
perusahaan.
8
3.
Manfaat bagi pembaca
Menambah wawasan dan informasi pembaca tentang penerapan Algoritma
Simulated Annealing pada penjadwalan distribusi produk di CV.MURNI
dan bisa juga digunakan pembaca sebagai acuan dalam penulisan karya
ilmiah.
73
BAB V
KESIMPULAN DAN SARAN
5.1
Kesimpulan
Berdasarkan pembahasan yang telah dilakukan, maka dapat disimpulkan:
1.
Penentuan rute, penggunaan kapasitas alat angkut dan jadwal
pengiriman produk pada pendistribusian produk di CV.MURNI lebih
akuarat dengan menggunakan Metode 2-Opt daripada Metode
Nearest Neighbour.
2.
Algoritma simulated annealing memberikan pengurangan jumlah
alokasi kendaraan sebesar 1 unit kendaraan roda 4. Sehingga
kendaraan yang digunakan untuk mendistribusikan produk hanya 2
unit kendaraan roda 6 dan 1 unit kendaran roda 4 dan lebih
menghemat waktu karena pengaruh dari rute yang digunakan dalam
mendistribusikan produk diperoleh dari penerapan rute yang lebih
singkat sesuai dengan waktu jam kerja pada perusahaan tersebut.
Jadi karena adanya perubahan jarak tempuh maka waktu tempuh
menjadi lebih singkat sehingga menghemat biaya yang digunakan
dalam mendistribusikan produk.
74
5.2 Saran
1. Bagi pihak CV. MURNI
Agar dapat mempertimbangkan pemakaian metode Algoritma
Simulated Annealing untuk menjadwalkan pendistribusian kuali
dimasa yang akan datang. Dengan penyelesaian yang menggunakan
Metode 2-Opt dipandang lebih optimal. Penyelesaian awal ini
menghasilkan rekomendasi penjadwalan lebih efisien dibanding
dengan Metode Nearest Neighbour pada penyelesaian awalnya.
2. Bagi Pembaca
Agar dapat mempergunakan Skripsi ini Sebagai tambahan dalam
materi perkuliahan dan untuk penelitian selanjutmya.