OPTIMASI PENDISTRIBUSI BARANG DENGAN METODE CLARKE AND
WRIGHT DAN METODE NEAREST NEIGHBOUR
Fachri
Rachman Afandy1, Reza Fayaqun2
Universitas
Logistik dan Bisnis Internasional
[email protected]1, [email protected]2
Perkembangan bisnis e-commerce dan jasa pengiriman tentunya tidak bisa
lepas satu sama lain karena saling membutuhkan. PT. Pos Indonesia, memiliki
unit operasi distribusi kiriman berupa Mail Processing Center (MPC), seperti
MPC Bandung. Proses antaran yang terdapat di MPC Bandung sebagai ekspedisi yang
mengirimkan barang hingga ke tangan pelanggan sangatlah panjang. Namun yang
menjadi masalah adalah pendistribusian yang dilakukan MPC membutuhkan biaya
yang besar oleh karena itu disusun rute pendistribusian untuk setiap
Distribution Center (DC) menggunakan satu angkutan. Dalam penelitian ini
peneliti ingin mengetahui bagaimana cara untuk memecahkan masalah penentuan
rute yang optimal dari MPC Bandung ke setiap Distribution Center (DC). Dalam
penelitian ini, penulis akan menganalisa masalah yang terjadi dengan
menggunakan Metode Clarke and Wright Algorithm Saving Heuristic dan Metode
Nearest Neighbour akan menghasilkan matriks jarak dari setiap titik atau
lokasi, termasuk untuk pendistribusian kiriman di MPC Bandung ke setiap
Distribution Center. Setelah dilakukan perhitung dengan Metode Saving Heuristic
dan Algoritma Nearest Neighbour, maka selanjutnya hasil dari kedua metode
dilihat mana yang memiliki jarak yang minimum. Dari kedua metode yang digunakan
didapatkan Metode Algoritma Nearest Neighbour memiliki jarak yang minimum yakmi
238,1 km. Penghematan yang dilakukan apabila menggunakan Metode Nearest Neighbour adalah
21%.
Kata kunci: Clarke And Wright (penyimpanan heuristic) dan
Metode Nearest Neighbour.
Abstract:
The development of the e-commerce
business and shipping services certainly cannot be separated from one another
because they need each other. PT. Pos Indonesia, has an operating unit for the
distribution of shipments in the form of a Mail Processing Center (MPC), such
as MPC Bandung. The delivery process at MPC Bandung as an expedition that sends
goods to the customer's hands is very long. However, the problem is that the
distribution carried out by MPC requires a large amount of money. Therefore, a
distribution route is prepared for each Distribution Center (DC) using one
transport. In this study, researchers wanted to know how to solve the problem
of determining the optimal route from MPC Bandung to each Distribution Center
(DC). In this study, the authors will analyze the problems that occur using the
Clarke and Wright Algorithm Saving Heuristic Method and the Nearest Neighbor
Method will produce a distance matrix from each point or location, including
for the distribution of shipments at MPC Bandung to each Distribution Center.
After calculating with the Saving Heuristic Method and the Nearest Neighbor
Algorithm, then the results of the two methods are seen which has the minimum
distance. From the two methods used, it is found that the Nearest Neighbor
Algorithm Method has a minimum distance of 238.1 km. The savings made when
using the Nearest Neighbor Method are 21%.
Keywords: Clarke And Wright (saving heuristic) and
Nearest Neighbor Method.
E-mail: [email protected]
PENDAHULUAN
Perkembangan ekonomi yang semakin
cepat menyebabkan persaingan bisnis yang
semakin ketat. Perusahaan dituntut untuk dapat meningkatkan
daya saing dengan perusahaan lainnya (Eskak, 2020).
Karena pada saat kondisi ini perusahaan harus mengambil keputusan yang mampu meningkatkan daya
saing terhadap perusahaan lainnya. Dalam menghadapi persaingan tersebut,
perusahaan harus cerdik dalam menciptakan ikatan tertentu antara jasa yang
ditawarkannya dengan konsumen. Perkembangan
bisnis e-commerce dan jasa pengiriman (ekpedisi) seperti JNE, Tiki, SiCepat,
JnT, dan PT. Pos Indonesia tentunya tidak bisa lepas satu sama lain karena
saling membutuhkan, dimana konsumen akan memesan barang melalui e-commerce (belanja
online) yang akan dikirimkan dengan melalui jasa ekspedisi kepada konsumen (Al Akhmad, 2023).
Perusahaan yang bergerak dalam layanan jasa pengiriman tersebut di atas antara
lain adalah PT. Pos Indonesia (Persero), yang memiliki unit operasi distribusi
kiriman berupa Mail Processing Center (MPC), seperti MPC Bandung.
Mail Processing Center (MPC) Bandung
memiliki fungsi manajerial terkait kegiatan Processing, Transporting,
Collecting, Delivery dan Reporting yang berpengalaman pada bidang usahanya.
Kegiatan Transporting (distribusi kiriman). Mail
Processing Center menggunakan sistem zoning di mana dalam melakukan pengiriman
dengan membagi wilayah secara sekunder serta masing-masing areanya dilayani
oleh satu kendaraan, dengan kata lain Transporting (distribusi kiriman) yang
ada di Mail Processing Center (MPC) Bandung dalam mendistribusikan barang dapat
dipengaruhi oleh waktu tempuh, jarak tempuh, dan jenis atau jumlah kendaraan
yang digunakan.
Proses antaran yang terdapat di Mail
Processing Center (MPC) Bandung sebagai ekspedisi yang mengirimkan barang
hingga ke tangan pelanggan sangatlah panjang. Angkutan yang membawa muatan
untuk disalurkan ke Distribution Center (DC) kapasitasnya juga berbeda-beda,
sehingga waktu untuk melakukan bongkar muat harus diperkirakan sehingga waktu
dan jadwal pengiriman sesuai dengan yang sudah ditentukan agar tidak mengalami
keterlambatan.
Berdasarkan hasil wawancara dengan
Bapak Yusuf Bagian Sumber Daya Manusia (SDM), jumlah biaya BBM yang dikeluarkan
untuk kendaraan mobil yang melakukan pendistribusian barang pada bulan November
tahun 2022 untuk melayani antaran ke Distribution Center wilayah Bandung Raya (FRANATA, 2022).
Biaya BBM ini tergolong besar untuk melayani Distribution Center wilayah Bandung Raya saja dikarenakan ada 10
kendaraan yang digunakan untuk melakukan distribusi antaran. Maka perlu
dilakukan penentuan rute baru yang didasari oleh penggunaan waktu yang tercepat
dengan penghematan biaya tertinggi.
Sebelumnya telah dilakukan penelitian
untuk menentukan rute pendistribusian pengiriman paket dan surat pada MPC
Bandung yang mengenai rute saat sekarang ini digunakan. Namun pada penelitian
tersebut yang menjadi masalah adalah pendistribusian yang dilakukan pada MPC
sering mengalami keterlambatan oleh karena itu disusun rute pendistribusian
untuk setiap Distribution Center (DC)
menggunakan satu angkutan. Sehingga dengan melihat harga BBM pada saat sekarang
ini, rute yang digunakan sekarang membuat pemborosan pada biaya BBM yang
dikeluarkan oleh MPC.
Clarke and Wright
melakukan penelitian dan berhasil menciptakan sebuah metode yaitu Saving
Heuristic, sebuah metode yang �digunakan
dalam memecahkan masalah pendistribusian dengan jumlah armada kendaraan lebih
dari satu (Baihaqi & Hermansyah, 2023). Menurut peneliti metode Clarke and Wright dapat digunakan untuk jumlah
armada kendaraan dengan kapasitas angkut yang berbeda untuk setiap kendaraan (Ferdiansyah et al., 2021). Pemakaian metode ini bertujuan untuk minimasi jarak kendaraan yang
ditempuh, sehingga biaya transportasi yang dikeluarkan menjadi optimal.
Sedangkan Menurut peneliti lain, metode penghematan Clarke and Wright merupakan
merupakan suatu� prosedur� pertukaran,�
dimana� sekumpulan� rute�
pada� setiap� langkah�
ditukar� untuk� mendapatkan sekumpulan rute yang lebih baik (Engraini, Meirizha, & Dermawan, 2020).
Optimasi
distribusi barang pada penelitian ini bertujuan untuk meminimalkan biaya transportasi
pada saat distribusi barang dan meminimalkan sisa muatan pada tiap truk.
Meminimalkan biaya pada penelitian ini dipengaruhi oleh jarak antar lokasi dan
biaya angkut tiap truk sedangkan meminimalkan sisa muatan dipengaruhi oleh
permintaan setiap distributor itu sendiri.
METODE PENELITIAN
Jenis penelitian ini adalah kuantitatif. Penulis
akan menganalisa masalah yang terjadi dengan menggunakan Metode Clarke and Wright Algorithm Saving Heuristic dan Metode Nearest Neighbour. Fungsi dari metode ini adalah untuk
meminimalkan jarak perjalanan kendaraan dalam melayani setiap Distribution Center (DC) dalam satu hari
pengiriman. Manfaat yang didapat dari Metode ini adalah sebagai solusi untuk
permasalahan sekumpulan rute yang lebih baik dan melakukan perhitungan
penghematan yang diukur dari seberapa banyak dapat dilakukan pengurangan jarak
dan waktu tempuh yang digunakan dalam mengaitkan node-node yang ada dan menjadikannya sebuah rute.
Adapun
desain dari penelitian ini adalah sebagai berikut:
Gambar 1 Desain
Penelitian
Sumber:
Tugas Akhir Fachri Rachman Afandy, 2023
Metode
Pengumpulan Data
Adapun pengumpulan data dalam penelitian ini dilakukan dengan
studi lapangan pada objek penelitian, wawancara, observasi, dan studi
literatur. Data yang
dikumpulkan dari perusahaan selama melakukan observasi adalah lokasi dari
setiap Distribution Center (DC),
total barang yang dikirimkan perbulan, jumlah kendaraan yang melayani Distribution Center (DC), dan total
biaya yang dikeluarkan untuk pemakaian BBM. Selanjutnya melakukan pengolahan
data berdasarkan data sekunder dan data primer dengan menggunakan Metode Clarke and Wright Saving Heuristic dan
Metode Nearest Neighbour.
Rancangan
Analisis
Berikut merupakan model rancangan analisis yang dilakukan dalam
penelitian ini:
Gambar 2 Rancangan Analisis
Sumber: Tugas Akhir Fachri Rachman
Afandy, 2023
Berikut ini penjelasan mengenai proses
dalam mengolah data dari gambar di atas:
1.
Langkah pertama adalah mengetahui
titik setiap Distribution Center
(DC), dan mencari jarak dari setiap Distribution
Center (DC) ke Mail Processing Center
(MPC).
2.
Langkah kedua melakukan penghitungan
matriks jarak antara Mail Processing
Center Bandung ke masing-masing Distribution
Center (DC) dengan menggunakan tabel Matriks jarak.
3.
Langkah berikutnya adalah menggunakan
Metode Saving Heuristic dan Metode Nearest Neighbour untuk penghitungan Savings jarak dari Mail Processing Center Bandung ke masing-masing Distribution Center dan
Saving antar Distribution Center.
4.
Membuat ranking dari penghitungan
saving yang terbesar hingga terendah untuk dilakukan penggabungan rute
pendistribusian sesuai dengan jumlah kapasitas maksimal kendaraan.
5.
Mendapatakan hasil perbandingan antara
Metode Saving Heuristic dan Metode Nearest Neighbour untuk rute yang optimal.
6.
Menghitung jarak penggabungan rute
dari hasil perbandingan dan biaya BBM yang dikeluarkan untuk rute yang didapat.
7.
Melakukan perbandingan biaya BBM
sebelum dan sesudah menggunakan rute baru.
8.
Mendapatkan solusi untuk rute
pendistribusian kiriman yang optimal pada Mail Processing Center Bandung.
HASIL DAN PEMBAHASAN
Berikut data
jarak dari Mail Processing Center (MPC)
Bandung ke setiap Distribution Center (DC)
yang dapat dilihat pada tabel dibawah ini:
Tabel 1 Jarak MPC Ke Setiap DC
|
Delivery Center |
Jarak |
Kode |
|
Cikutra |
8,1 |
F |
|
Situsaeur |
8 |
D |
|
Cipedes |
14 |
C |
|
Lembang |
21 |
L |
|
Cimahi |
20 |
I |
|
Padalarang |
23 |
K |
|
Soreang |
16 |
H |
|
Dayeuh Kolot |
7,4 |
G |
|
Majalaya |
23 |
M |
|
Cikeruh |
21 |
J |
Sumber:
Tugas Akhir Fachri Rachman Afandy, 2023
Selanjutnya melakukan pencarian jarak antar Distribution
Center (DC). Jarak antar Distribution Center (DC) didapatkan oleh penulis melalui google maps yang dilakukan dengan
mengecek jarak satu Distribution Center (DC)
ke Distribution Center (DC) lainnya yang
dapat dilihat pada tabel dibawah ini:
Tabel 2 Matrix Jarak Antar DC se Bandung Raya
|
NO |
KODE DC |
O |
C |
D |
F |
G |
H |
I |
J |
K |
L |
M |
|
0 |
O |
0 |
14 |
8 |
8,1 |
7,4 |
16 |
20 |
21 |
23 |
21 |
23 |
|
1 |
C |
14 |
0 |
8,3 |
6,4 |
18 |
19 |
10 |
24 |
17 |
16 |
34 |
|
2 |
D |
8 |
8,3 |
0 |
8,8 |
8,2 |
11 |
14 |
22 |
17 |
18 |
27 |
|
3 |
F |
8,1 |
6,4 |
8,8 |
0 |
13 |
20 |
14 |
18 |
21 |
15 |
30,3 |
|
4 |
G |
7,4 |
18 |
8,2 |
13 |
0 |
13 |
21 |
22 |
24 |
27 |
18 |
|
5 |
H |
16 |
19 |
11 |
20 |
13 |
0 |
20 |
31 |
21 |
30 |
30 |
|
6 |
I |
20 |
10 |
14 |
14 |
21 |
20 |
0 |
34 |
7,6 |
18 |
36 |
|
7 |
J |
21 |
24 |
22 |
18 |
22 |
31 |
34 |
0 |
42 |
36 |
16 |
|
8 |
K |
23 |
17 |
17 |
21 |
24 |
21 |
7,6 |
42 |
0 |
24 |
43 |
|
9 |
L |
21 |
16 |
18 |
15 |
27 |
30 |
18 |
36 |
24 |
0 |
44 |
|
10 |
M |
23 |
34 |
27 |
30,3 |
18 |
30 |
36 |
16 |
43 |
44 |
0 |
Sumber:
Tugas Akhir Fachri Rachman Afandy, 2023
Tabel 2 merupakan tabel untuk matrix jarak dari Mail Processing Center (MPC) ke setiap Distribution Center (DC) se Bandung Raya. Pada tabel 4 dapat
dilihat jarak antar Distribution Center (DC)
ke Distribution Center (DC) lainnya (Negara, 2021). Setelah data yang diperlukan terkumpul
maka langkah selanjutnya adalah pengolahan terhadap data yang telah didapatkan
tersebut.
Dalam melakukan perhitungan
penghematan jarak maka dapat menggunakan rumus berikut:
�s (x, y)
= d (D, x) + d (D, y) � d (x, y)
(Rumus Saving)
keterangan:
s = saving
x = titik awal
y = titik tujuan
D = Depot
�d =
jarak
Setelah melakukan perhitungan saving didapatkan hasil pada tabel
berikut ini:
Tabel 3 Saving Jarak MPC Ke Setiap DC
|
NO |
KODE
DC |
O |
C |
D |
F |
G |
H |
I |
J |
K |
L |
M |
|
0 |
O |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
0 |
|
1 |
C |
0 |
0 |
13,7 |
15,7 |
3,4 |
11 |
24 |
11 |
20 |
19 |
3 |
|
2 |
D |
0 |
13,7 |
0 |
7,3 |
7,2 |
13 |
14 |
7 |
14 |
11 |
4 |
|
3 |
F |
0 |
15,7 |
7,3 |
0 |
2,5 |
4,1 |
14,1 |
11,1 |
10,1 |
14,1 |
0,8 |
|
4 |
G |
0 |
3,4 |
7,2 |
2,5 |
0 |
10,4 |
6,4 |
6,4 |
6,4 |
1,4 |
12,4 |
|
5 |
H |
0 |
11 |
13 |
4,1 |
10,4 |
0 |
16 |
6 |
18 |
7 |
9 |
|
6 |
I |
0 |
24 |
14 |
14,1 |
6,4 |
16 |
0 |
7 |
35,4 |
23 |
7 |
|
7 |
J |
0 |
11 |
7 |
11,1 |
6,4 |
6 |
7 |
0 |
2 |
6 |
28 |
|
8 |
K |
0 |
20 |
14 |
10,1 |
6,4 |
18 |
35,4 |
2 |
0 |
20 |
3 |
|
9 |
L |
0 |
19 |
11 |
14,1 |
1,4 |
7 |
23 |
6 |
20 |
0 |
0 |
|
10 |
M |
0 |
3 |
4 |
0,8 |
12,4 |
9 |
7 |
28 |
3 |
0 |
0 |
Sumber:
Tugas Akhir Fachri Rachman Afandy, 2023
Dari tabel 3 diatas dapat dilihat
untuk setiap saving antar Distribution Center (DC) se Bandung
Raya. Selanjutnya menentukan rute dengan tingkat saving yang terbesar. Sebelum melakukan penentuan rute perlu di
ketahui. Total mobil yang ada di MPC sebanyak
10 mobil Grand Max Box dengan
kapasitas 1000 kg atau 75 kantong.
Dalam melakukan
penentuan rute, hasil saving terbesar
merupakan awal dari tujuan antaran. Waktu bongkar selama 15 menit dan kecepatan
rata-rata mobil 50 km/jam. Berikut merupakan rumus perhitungan waktu tempuh:
Waktu
tempuh =
Waktu
bongkar adalah 15 menit = 0,25 jam.
Algoritma Nearest Neighbour
Menetukan rute pendistribusian dengan
menggunakan Metode Algoritma Nearest
Neighbour dapat dilakukan dengan melihat jarak terdekat dari depot awal ke
kota selanjutnya dan diulangi terus sampai semua kota terkunjungi semuanya (Agustine, Hadi, & Meganingtyas, 2022).
Langkah pertama yang dibutuhkan dalam menentukan rute tersebut adalah tabel
jarak antar Distribution Center (DC)
se Bandung Raya (Azhar, Astari, Rizky, & Fauzi, 2023).
Berikut tabel jarak Distribution Center (DC)
se Bandung Raya:
Tabel 4 Matrix Jarak Antar DC
|
NO |
KODE DC |
O |
C |
D |
F |
G |
H |
I |
J |
K |
L |
M |
|
0 |
O |
0 |
14 |
8 |
8,1 |
7,4 |
16 |
20 |
21 |
23 |
21 |
23 |
|
1 |
C |
14 |
0 |
8,3 |
6,4 |
18 |
19 |
10 |
24 |
17 |
16 |
34 |
|
2 |
D |
8 |
8,3 |
0 |
8,8 |
8,2 |
11 |
14 |
22 |
17 |
18 |
27 |
|
3 |
F |
8,1 |
6,4 |
8,8 |
0 |
13 |
20 |
14 |
18 |
21 |
15 |
30,3 |
|
4 |
G |
7,4 |
18 |
8,2 |
13 |
0 |
13 |
21 |
22 |
24 |
27 |
18 |
|
5 |
H |
16 |
19 |
11 |
20 |
13 |
0 |
20 |
31 |
21 |
30 |
30 |
|
6 |
I |
20 |
10 |
14 |
14 |
21 |
20 |
0 |
34 |
7,6 |
18 |
36 |
|
7 |
J |
21 |
24 |
22 |
18 |
22 |
31 |
34 |
0 |
42 |
36 |
16 |
|
8 |
K |
23 |
17 |
17 |
21 |
24 |
21 |
7,6 |
42 |
0 |
24 |
43 |
|
9 |
L |
21 |
16 |
18 |
15 |
27 |
30 |
18 |
36 |
24 |
0 |
44 |
|
10 |
M |
23 |
34 |
27 |
30,3 |
18 |
30 |
36 |
16 |
43 |
44 |
0 |
Sumber:
Tugas Akhir Fachri Rachman Afandy, 2023
Tabel 4 menunjukan jarak antar Distribution
Center (DC) se Bandung Raya. Dari tabel 4 tersebut untuk menentukan rute
yang pertama dilihat dari jarak yang terdekat dengan memperhatikan kapasitas
dan rata-rata kantong tiap Distribution
Center (DC).
Setelah dilakukan perhitung dengan
Metode Saving Heuristic dan Algoritma
Nearest Neighbour, maka selanjutnya
hasil dari kedua meode dilihat mana yang memiliki jarak yang minimum (Harahap, 2023).
Dari kedua metode yang digunakan didapatkan Metode Algoritma Nearest Neighbour memiliki jarak yang
minimum yakin 238,1 km (Utami, 2019).
Berikut merupakan gambaran rute� dari
pendistribusian Mail Proessing Center (MPC)
sebelum dilakukan optimasi.
Gambar 2
Jaringan Pendistribusian MPC Bandung
Sumber:
Tugas Akhir Fachri Rachman Afandy, 2023
Dari gambar 1 dapat dilihat rute
sebelum dilakukan optimasi masih melakukan pendistribusian untuk setiap satu Distribution Center (DC) dilayanin
dengan satu mobil. Berikut ini merupakan gambaran jaringan pendistribusian
optimasi dengan Metode Saving Heuristic.
Gambar 3 Jaringan Pendistribusian MPC Bandung
Dengan Metode Saving Heuristic
Sumber: Tugas Akhir Fachri Rachman
Afandy, 2023
Gambar 2 merupakan hasil solusi untuk rute pendistribusian Mail Processing Center (MPC) ke setiap Distribution Center (DC) se Bandung Raya
dengan Metode Saving Heuristic.
Berikut merupakan masing-masing rute:
1.
Biru merupakan rute pertama yang
dimulai dari MPC → DC Cimahi → DC Padalarang → MPC.
2.
Kuning merupakan rute kedua yang
dimulai dari MPC → DC Majalaya → DC Cikeruh → MPC.
3.
Unggu merupakan rute ketiga yang
dimulai dari MPC → DC Cipedes → DC Lembang → MPC.
4.
Merah merupakan rute keempat yang
dimulai dari MPC → DC Dayeuh Kolot → DC Soreang → MPC.
5.
Hijau merupakan rute kelima yang
dimulai dari MPC → DC Situ Saeur → DC
Cikutra → MPC.
Setelah melakukan
perhitungan rute maka terdapat 5 rute perencanaan yang didapatkan untuk
menjalankan proses distribusi kiriman dari Mail
Processing Center (MPC) Bandung ke setiap Distribution Center (DC) di Bandung Raya. Untuk menghitung biaya
operasional yang digunakan maka perlu diketahui harga BBM per liter.
a)
1 liter = 11 km
b)
Harga BBM/Liter = Rp. 10.000
c)
Biaya BBM =
d)
Biaya Operasional� =
e)
Total biaya = Biaya BBM + (biaya
operasional)
Dalam perhitungan ini untuk menentukan
berapakah jarak yang dapat ditempuh oleh
Mobil Grand Max Box per liternya
dikutip dari spesifikasi kendaraan yang ada di webside Daihatsu yaitu dapat menempuh 11 hingga 15 kilometer/liter,
sehingga penulis menentukan jarak yang ditempuh per liternya adalah 11 km
dengan mempertimbangkan kendaraan membawa muatan dan kondisi jalanan yang
ramai. Biaya operasional merupakan biaya yang tidak terduga yang akan ditemui
di lapangan seperti ban mobil kempes, untuk membayar pak ogah dijalan dan
lainnya (Putri, Junaidi, & Mustika, 2019).
Maka didapatkan untuk biaya yang dikeluarkan dengan Metode Saving Heuristic adalah Rp.301.876
dengan jarak 243,9km dalam sekali jalan. Biaya dikeluarkan untuk satu hari
adalah Rp.603.752. Berikut ini merupakan rute
pendistribusian setelah dilakukan optimasi dengan Metode Nearest Neighbour.
Gambar 4
Jaringan Pendistribusian MPC Bandung Dengan Metode Nearest Neighbour
Sumber: Tugas Akhir Fachri Rachman Afandy,
2023
Gambar 3 merupakan hasil solusi untuk
rute pendistribusian Mail Processing
Center (MPC) ke setiap Distribution
Center (DC) se Bandung Raya. Berikut merupakan masing-masing rute:
1.
Biru merupakan rute pertama yang
dimulai dari MPC → DC Situ Saeur → DC Dayeuh Kolot → MPC.
2.
Kuning merupakan rute kedua yang
dimulai dari MPC → DC Cikutra → DC Cipedes → MPC.
3.
Unggu merupakan rute ketiga yang
dimulai dari MPC → DC Soreang → DC Cimahi → MPC.
4.
Merah merupakan rute keempat yang
dimulai dari MPC → DC Cikeruh → DC Majalaya → MPC.
5.
Hijau merupakan rute kelima yang
dimulai dari MPC → DC Padalarang → DC Lembang → MPC.
Setelah melakukan perhitungan rute maka terdapat 5 rute
perencanaan yang didapatkan untuk menjalankan proses distribusi kiriman dari Mail Processing Center (MPC) Bandung ke
setiap Distribution Center (DC) di
Bandung Raya. Untuk menghitung biaya operasional yang digunakan maka perlu
diketahui harga BBM per liter.
a)
1 liter = 11 km
b)
Harga BBM/Liter = Rp. 10.000
c)
Biaya BBM =
d)
Biaya Operasional Per =
e)
Total biaya = Biaya BBM + (Biaya
operasional)
Dalam perhitungan ini untuk menentukan berapakah jarak yang dapat
ditempuholeh Mobil Grand Max Box per
liternya dikutip dari spesifikasi kendaraan yang ada di webside Daihatsu yaitu dapat menempuh 11 hingga 15 kilometer/liter,
sehingga penulis menentukan jarak yang ditempuh per liternya adalah 11 km
dengan mempertimbangkan kendaraan membawa muatan dan kondisi jalanan yang ramai.
Biaya operasionala merupakan biaya yang tidak terduga yang akan ditemui di
lapangan seperti ban mobil kempes, untuk membayar pak ogah dijalan dan lainnya.
Maka didapatkan untuk biaya yang
dikeluarkan dengan Metode Nearest
Neighbour adalah Rp.292.013 dengan jarak 238,1 km dalam sekali jalan. Biaya dikeluarkan untuk satu hari adalah Rp.584.026. Maka berikut
merupakan tabel perbandingan untuk setiap metode yang digunakan dengan rute
awal. Tabel tersebut memuat total jarak, total biaya, penghematan dan berapa
persen penghematan yang dilakukan.
Tabel 5
Perbandingan Biaya Setiap Metode
|
Rute |
Total Jarak |
Biaya |
Penghematan |
Persen |
|
Awal |
646km |
Rp. 740.000 |
- |
0 |
|
Saving Heuristic |
487,8km |
Rp. 603.752 |
Rp.136.248 |
18,4% |
|
Nearest Neighbour |
476,2km |
Rp.584.026 |
Rp.155.974 |
21% |
Sumber:
Tugas Akhir Fachri Rachman Afandy, 2023
Maka hasil penghitungan total biaya
yang digunakan untuk memenuhi lima rute, dengan lima kendaraan, dalam satu kali
antaran dari Mail Processing Center (MPC) Bandung ke setiap Distribution Center (DC) adalah sebesar Rp. 292.013 sehingga dalam
dua kali antaran mengeluarkan biaya sebesar Rp. 584.026 dalam sehari (Purnama, 2019).
Biaya sopir yang harusnya dikeluarkan untuk 10 rute adalah 10 sopir menjadi 5
rute atau 5 supir. Biaya supir yang di saving
sebanyak 50% dari biaya awal supir (Santoso, Indrasari, Komari, &
Tripariyanto, 2022).
Total jarak dari Mail Processing Center Bandung ke setiap Distribution Center sebelum dilakukan penggabungan rute adalah
sejauh 323 km dalam satu kali antaran (Nirwan, 2021).
Setelah menggunakan Metode Nearest
Neighbour solusi akhir rute distribusi kiriman dari Mail Processing Center (MPC) Bandung ke Distribution Center (DC) di wilayah Bandung Raya didapatkan total
jarak tempuh sejauh 476,2 km dan membutuhkan biaya sebesar Rp. 584.026 dalam
satu hari (Maulana & Emaputra, 2022).
Jika dibandingkan dengan rute yang sekarang digunakan biaya yang dikeluarkan
dengan jarak 646 km membutuhkan biaya operasional sebesar Rp. 740.000 dalam
sehari, sedangkan dengan rute usulan menghasilkan jarak 476,2 km dengan biaya
operasional perhari sebesar Rp. 584.026. Penghematan yang dilakukan apabila
menggunakan metode nearest neighbour adalah 21%.
KESIMPULAN
Berdasarkan hasil pembahasan dan
pengolahan data yang sudah diuraikan pada bab sebelumnya, maka dapat disimpulkan terdapat 5 rute perencanaan yang didapatkan
untuk menjalankan proses distribusi kiriman dari Mail Processing Center (MPC)
Bandung ke setiap Distribution Center (DC) di Bandung Raya. Untuk menghitung biaya
operasional yang digunakan maka perlu diketahui harga BBM per liter. Dalam
perhitungan ini untuk menentukan berapakah jarak yang dapat ditempuh oleh Mobil
Grand Max Box per liternya dikutip dari spesifikasi kendaraan yang ada di
webside Daihatsu yaitu dapat menempuh 11 hingga 15 kilometer/liter, sehingga
penulis menentukan jarak yang ditempuh per liternya adalah 11 km dengan
mempertimbangkan kendaraan membawa muatan dan kondisi jalanan yang ramai. Maka
hasil penghitungan total biaya yang digunakan untuk memenuhi lima rute, dengan
lima kendaraan, dalam satu kali antaran dari Mail Processing Center (MPC)
Bandung ke setiap Distribution Center (DC) adalah sebesar Rp.292.013
Setelah menggunakan Metode Nearest Neighbour
solusi akhir rute distribusi kiriman dari Mail Processing Center (MPC) Bandung
ke Distribution Center (DC) di wilayah Bandung Raya didapatkan total jarak
tempuh sejauh 476,2 km dan membutuhkan biaya sebesar Rp. 584.026
DAFTAR PUSTAKA
Agustine,
Debby, Hadi, Ibnu Hadi, & Meganingtyas, Devi Eka Wardani. (2022). Masalah
Vehicle Routing Problem pada Pengiriman Barang di Kota Bandung Utara dengan
Menggunakan Kluster K-Means dan Algoritma Nearest Neighbor. JMT: Jurnal
Matematika Dan Terapan, 4(2), 1�8. https://doi.org/10.21009/jmt.4.2.1
Al Akhmad, Fatta Cantik. (2023). Strategi Repositioning Pt Pos
Indonesia Kprk Jepara 59400. Universitas Islam Sultan Agung Semarang.
Azhar, Faghan Jihad, Astari, Alifah Nur, Rizky, Crisna Amar, & Fauzi,
Muchammad. (2023). Penentuan Rute Terbaik Pada Distribusi Produk X Di Pt Bcd
Menggunakan Metode Saving Matrix Dan Nearest Neighbors. Jurnal Taguchi:
Jurnal Ilmiah Teknik Dan Manajemen Industri, 3(1), 702�711. https://doi.org/10.46306/tgc.v3i1.120
Baihaqi, M. Mahfud, & Hermansyah, M. (2023). Optimalisasi Vehicle
Routing Problem Pada Ud. Kopwan Yasmin Nongkojajar. Journal Of Scientech
Research And Development, 5(2), 62�71. https://doi.org/10.56670/jsrd.v5i2.159
Engraini, Vivi, Meirizha, Nova, & Dermawan, Dedi. (2020). Optimasi
Vehicle Routing Problem di PT. XYZ Menggunakan Metode Clarke and Wright Saving
Heuristic dan Nearest Neighbour. Seminar Nasional Teknologi Informasi
Komunikasi Dan Industri, 435.
Eskak, Edi. (2020). Kajian Manfaat Teknologi Informasi dan Komunikasi
(TIK) Untuk Meningkatkan Daya Saing Industri Kreatif Kerajinan dan Batik Di Era
Industri 4.0. Prosiding Seminar Nasional Industri Kerajinan Dan Batik, 2(1),
B10�B10.
Ferdiansyah, Anton, Sholihah, Sita Aniisah, Rifni, Muhammad, Grets, Egi
Sirasj, Situmorang, Johan Kiara, & Oktaviany, Intan. (2021). Analisis Perencanaan
Rute Pengiriman Barang Menggunakan Metode Vehicle Routing Problem (VRP). Jurnal
Sistem Transportasi & Logistik, 1(1). http://dx.doi.org/10.54324/jstl.v1i1.632
FRANATA, JHONI. (2022). Identifikasi Faktor-Faktor Pendukung Untuk
Mencapai Ke Efektifan Proses Rekrutmen Dan Seleksi Pada Bank Bri Kantor Cabang
Manado.
Harahap, Rio Ferdiani. (2023). Study vehicle routing problem using Nearest
Neighbor Algorithm. Journal of Physics: Conference Series, 2421(1),
12027. IOP Publishing. 10.1088/1742-6596/2421/1/012027
Maulana, Kevin Akbar, & Emaputra, Andrean. (2022). Penentuan Jalur
Distribusi Gas LPG dengan Metode Savings Matrix dan Nearest Neighbor pada PT.
XYZ. Jurnal Rekayasa Industri (JRI), 4(2), 94�103. https://doi.org/10.37631/jri.v4i2.634
Negara, Edi Surya. (2021). Smart Goverment. Pusat Penerbitan dan
Percetakan Universitas Bina Darma Press (PPP-UBD Press �.
Nirwan, Saepudin. (2021). Optimasi Pengiriman Pos Dengan Melibatkan
Kendaraan Sewa Menggunakan Close-Open Mixed Vehicle Routing Problem Di Postal
Processing Centre Bandung 40400. Jurnal Teknik Informatika, 13(2),
9�16.
Purnama, Anggi Widya. (2019). Usulan Sistem Transporting (Antaran) Paket
Untuk Meningkatkan Load Factor Di Pt. Pos Indonesia Mail Processing Center. Jurnal
Manajemen Logistik Dan Transportasi, 5(1), 71�98.
Putri, Rahma Wardana, Junaidi, Junaidi, & Mustika, Candra. (2019).
Pengaruh pertumbuhan ekonomi, indeks pembangunan manusia dan kepadatan penduduk
terhadap tingkat kemiskinan kabupaten/kota di Provinsi Jambi. E-Jurnal
Ekonomi Sumberdaya Dan Lingkungan, 8(2), 96�107. https://doi.org/10.22437/jels.v8i2.11986
Santoso, Heribertus Budi, Indrasari, Lolyka Dewi, Komari, Ana, &
Tripariyanto, Afiff Yudha. (2022). Efisiensi Biaya Transportasi Pada Jasa
Distribusi Air Minum. Barometer, 7(1), 10�17.
Utami, Shindy Sari. (2019). Analisis Sentimen Pengguna Twitter Mengenai
�Sedotan Plastik� Dengan Metode K-Nearest Neighbor (KNN) Dan Neighbor-Weighted
K-Nearest Neighbor (NWKNN). Institut Teknologi Sepuluh Nopember.