MODEL PENGAMBILAN KEPUTUSAN INVENTORI DALAM SISTEM LOGISTIK TIGA ESELON TESIS Oleh ERWIN SIDABALOK 077021055/MT

SEKOLAH PASCASARJANA UNIVERSITAS SUMATERA UTARA MEDAN 2009

MODEL PENGAMBILAN KEPUTUSAN INVENTORI DALAM SISTEM LOGISTIK TIGA ESELON TES IS Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Magister Sains dalam Program Studi Magister Matematika pada Sekolah Pascasarjana Universitas Sumatera Utara Oleh ERWIN SIDABALOK 077021055/MT SEKOLAH PASCASARJANA UNIVERSITAS SUMATERA UTARA MEDAN 2009

Judul Tesis : MODEL PENGAMBILAN KEPUTUSAN INVENTORI DALAM SISTEM LOGISTIK TIGA ESELON Nama Mahasiswa : Erwin Sidabalok Nomor Pokok : 077021055 Program Studi : Matematika Menyetujui, Komisi Pembimbing (Prof. Dr. Opim Salim S, M.Sc)(Prof. Dr. Drs. Iryanto, M.Si) Ketua Anggota Ketua Program Studi Direktur (Prof. Dr. Herman Mawengkang)(Prof. Dr. Ir. T.Chairun Nisa. B,M.Sc) Tanggal lulus: 28 Mei 2009

Telah diuji pada Tanggal 28 Mei 2009 PANITIA PENGUJI TESIS Ketua : Prof. Dr. Opim Salim S, M.Sc Anggota : 1. Prof .Dr. Drs. Iryanto, M.Si 2. Dr. Sutarman, MSc 3. Drs. Marihat Situmorang, M.Kom

ABSTRAK Tesis ini mengkaji masalah persediaan dan routing terpadu pada sistem logistik tiga-echelon, yang terdiri dari pemasok, gudang pusat dan kelompok pengecer. Keputusan persediaan masing-masing anggota dan keputusan routing di antara anggota-anggota sistem diambil secara simultan, dengan tujuan meminimalka n biaya rata-rata keseluruhan sistem. Strategi yang disebut partisi tetap dan kekuatan-dua-pihak (fixed partition and power-of-two [FP-POT]) diajukan untuk masalahyang dikaji dan dikembangkan algoritmapencarian neighborhood Variabel (VLNS),yang merupakankasus khusus dari algoritmapencarian neighborhood variabel (VNS) . Efisiensi strategi dan juga algoritma diillustrasikan dengan membandingkan hasilperhitungan dengan batas bawah. Kelebihan algoritma VLNSyang diajukan ditunjukkan lebih lanjut dengan memperoleh hasil-hasilyang lebih baik untuk masalah pada sistem logistik dua-echelon,yang diselesaikan deng an algoritma Tabu Search. Kata kunci: Sistem logistik tiga eselon,keputusan inventori,variabelpencarian sekitar dan strategi uji kekuatan dua pihak i

ABSTRACT This thesis addresses an integrated inventory and routing problem in a threeechelon logistics system, which consists of a supplier, a central warehouse and a group of retailers. The inventory decision of each member and the routing deci sion among members of the system are made simultaneously, with the objective of minimizing the overall average cost of the system. A strategy named fixed par tition and power-of-two (FPPOT) is proposed for the considered problem and a variable large neighborhood search (VLNS) algorithm, which is a special case of variable neighborhood search (VNS) algorithm, is developed. The efficiency of th e strategy as well as the algorithm is illustrated by comparing computational resu lts with a lower bound. The advantage of the proposed VLNS algorithm is further shown by getting better results for the problems in a two-echelon logistics syst em, which have been solved by a Tabu Search algorithm. Keyword: Three-echelon logistics system; Inventory and routing decision Variable neighborhood search (VNS); Variable large neighborhood search (VLNS); Fixed partition and power-of-two (FPPOT) strategy ii

KATA PENGANTAR Dengan rendah hati, penulis mengucapkan puji syukur kehadirat Tuhan Yang Maha Esa atas anugrah dan berkat-Nya yang telah diberikan, sehingga penulis dapat menyelesaikan tesis dengan judul: MODEL PENGAMBILAN KEPUTUSAN INVENTORIDALAM SISTEM LOGISTIK TIGA ESELONTesis ini merupakan salah satu persyaratan penyelesaian studi pada program studi Magister Matematika SPs Universitas Sumatera Utara. Padakesempatan inipenulis menyampaikan terimakasih sebesar-besarnyakepada: 1. Prof. dr. Chairuddin P. Lubis, DTM & H, Sp.A(K) selaku Rektor Universitas Sumatera Utara. 2. Prof. Dr. Ir. T. Chairun Nisa, B, MSc selaku Direktur Pascasarjana Universitas Sumatera Utarayang telah memberikankesempatankepadapenulis untuk mengikuti Program Studi Magister Matematika di Sekolah Pascasarjana Universitas Sumatera Utara Medan. 3. Prof. Dr. Herman Mawengkang selaku ketua Program Studi Magister Matematika SPs Universitas Sumatera Utara, dan juga sebagaipembanding, yang telah banyak membantu dalam penulisan tesis ini. 4. Dr. Saib Suwilo, MSc selaku Sekretaris Program Studi Magister Matematika SPs Universitas Sumatera Utara. 5. Prof. Dr. Opim Salim S, M.Sc Selaku Pembimbing Utama yang telah banyak membantu dalam penulisan tesis ini dan selalu memberi motivasi kepada penulis. iii

6. Prof. Dr. Drs. Iryanto, MSi selakuPembimbingIIyang selalu memberi motivasi kepada penulis. 7. Seluruh Staf Pengajar pada Program Studi Matematika SPs Universitas Sumatera Utara,yang telah, memberikan ilmunya selama masaperkuliahan. 8. Semua rekan -rekan Mahasiswa Program Studi Matematika SPs Universitas Sumatera Utarayang telah memberikan bantuan moril dan materil serta dorongan kepada penulis dalam penulisan tesis ini dan tidak lupa Saudara Misiani, SSi selaku Staf Administrasi Program Studi Matematika SPs Universitas Sumatera Utarayang telah memberikanpelayanan baik kepada penulis. Terakhir,penulis mengucapkan terimakasih sebesar-besarnyakepada orang tua saya Bapak M. J. Sidabalok dan Ibu D. Br Sinaga, terlebihkepada istri tercinta Rostadiana Sinaga, S.Si. Apt dan anak-anak tersayang Cindi Glori Berliana Sidabalok, Surya Deni Sidabalok dan Rini Cahyani Sidabalok atas dorongan, bantuan dan semangat yang tak terhingga kepada penulis. Semoga tesis ini dapatbermanfaat bagipembaca dan pihak-pihak lainyang memerlukannya. Tentunya sebagai manusia tidak pernah luput dari kekurangan sehingga tulisan ini lebih sempurna. Medan, 28 Mei 2009 Penulis, Erwin Sidabalok iv

RIWAYAT HIDUP Erwin Sidabalok dilahirkan di Medan pada tanggal 27 Pebuari 1971 dan merupakan anakke dua dari empatbersaudara dari Bapak M. J. Sidabalok dan Ibu D. Br. Sinaga. Menamatkan Sekolah Dasar (SD) AntoniusIII di Medan pada tahun 1982, Sekolah Menengah Pertama (SMP) Santo Thomas 1 Medan pada tahun 1985 dan Sekolah Menengah Atas (SMA) Santo Thomas 3 Medan Jurusan Fisika pada tahun 1989. Pada tahun 1991 memasuki Perguruan Tinggi di IKIP Medan Jurusan matematika dan memperoleh gelar Sarjana Matematika(S1) pada tahun 1998. Pada tahun 1995-1998 penulisbekerja sebagai stafPengajar pada SMA Dewantara Pancur Batu. Pada tahun 1998 s/d sekarang bekerja sebagai staf pengajar di Santo Thomas 3.Menikah dengan istri tercinta Rostadiana Sinaga dan dikaruniai anak dua putri dan satu putra. Pada tahun 2007 mengikuti pendidikan Program Studi Magister Matematika di SekolahPascasarjana Universitas Sumatera Utara dan memperoleh gelar Master Sains Matematika (S2) pada tahun 2009. v

DAFTAR ISI Halaman ABSTRAK ............................................ i ABSTRACT ........................................... ii KATAPENGANTAR..................................... iii RIWAYATHIDUP....................................... v DAFTARISI........................................... vi DAFTARTABEL........................................ viii DAFTARGAMBAR...................................... ix BAB1PENDAHULUAN.................................. 1 1.1LatarBelakang................................. 1 1.2RumusanMasalah............................... 5 1.3TujuanPenelitian............................... 5 1.4 KontribusiPenelitian ............................ 5 1.5MetodePenelitian............................... 5 BAB2TINJAUANPUSTAKA.............................. 7 BAB3LANDASANTEORI................................ 10 3.1StrategiPOT.................................. 12 3.1.1 Analisaatasintervaloptimal{T,T,...,T}....... 12 01 L 3.1.2 IntervalPOT{T0 p,T1 p,...,Tp} ................. 15 L 3.2AlgoritmaVLNS................................ 15 3.2.1 StrukturNeighborhood ...................... 17

vi

3.2.2FungsiTujuan Artifisial ...................... 18 3.2.3 Implementasi VLNS pada Tingkat j .. ........... 18 3.2.4 Deskripsi Selengkapnya Dari Proses VLNS . . . . . . . . . 20 BAB4PEMBAHASAN......... ........ ........ .......... 21 4.1 Hasil Perhitungan Untuk Masalah Dua Eselon . . . . . . . . . . . 21 4.2 Hasil Perhitungan Untuk Masalah Tiga Eselon . . . . . . . . . . 25 4.2.1BatasBawah ........... ................... 25 4.2.2 Hasil-HasilPerhitungan ...................... 27 BAB5 KESIMPULANDAN SARAN ......................... 33 5.1Kesimpulan .......... ........ ....... .... ...... 33 5.2Saran.................................. ...... 34 DAFTARPUSTAKA ....... .... ....... ........ ........... 35 vii

DAFTAR TABEL Nomor Judul Halaman 4.1 Nilai parameterpertama pada setiap contohyang ditetapkan dalam bagian4.1 ................................. ...... 21 4.2 Parameter dan Hasil Perhitungan Untuk Contoh 1 Pada Bagian 4.1, n =50 ...................................... 22 4.3 Parameter dan Hasil Perhitungan Untuk Contoh 2 Pada Bagian 4.1. n =75 ...................................... 23 4.4 Nilai parameter dari masalahpertama pada masing-masingkelompok contohbagian4.2...... ........ ....... .... ...... 27 4.5 Parameter dan HasilPerhitungan dari ContohPertamaPada Bagian 4.2, n =50 ...................................... 28 4.6 Parameter Dan HasilPerhitungan Dari Contoh1Pada Bagian 4.2, n =75 ......................................... 29 viii

DAFTAR GAMBAR Nomor Judul Halaman 3.1 Ilustrasi prosespendistribusian ....................... 11 4.1 x dan x0 pada contohpertama dibagian 4.1............... 24 4.2 x dan x0 pada contohkedua bagian 4.1.................. 25 ix

BAB 1 PENDAHULUAN 1.1 Latar Belakang Suatu perusahaan yang memproduksi barang umumnya mempunyai dua fungsi utama, yaitu produksi dan pemasaran. Produksi merupakan bagian perusahaan yangbertanggung jawab terhadap penjualan barang. Selain dari dua fungsi utama tersebut diperlukan fungsi lainnya yang diperlukan untuk kelancaran jalannyaperusahaan. Salah satu fungsipendukung yang amatpenting diadakan perusahaan adalah logistik. Aktivitas logistik bisaberbeda ditiapperusa haan tergantung dari struktur organisasiperusahaanyangbersangkutan. Logistik moderen dapat didefenisikan sebagai proses pengolahan yang strategis terhadappem indahan danpenyimpanan barang, suku cadang dan barang-jadi dari para suplaier, di antara fasilitasperusahaan dankepada parapelanggan. Ronald (1992) mendefenisikan logistik merupakan prosesperencanaan, implementasi dan pengendalian efisiensi aliran biaya yang efektif dan penyimpanan bahan mentah, bahan setengah jadi, barang jadi dan informasi-informasiyangberhubungan, dari asalketitikkomsumsi dengan tujuan memenuhikebutuhankonsumen. Misi logistik adalah memenuhi kebutuhan barang yang sesuai ketempat yang tepat, pada waktu yang tepat dan pada kondisi yang diinginkan sehingga memberikan manfaatkep adaperusahaan. Ciri-ciri utama logistik adalah integrasiberbagai dimensi dan tuntutan terhadappemindahan danpenyimpananyang strategis. Pengembangankonsep dan teknikpenanganan komponen-komponen berdasarkan suatu basis terpadu menjadi kekuatan utama logistik.

Telah diakui secara umum bahwapersediaanyang dikelolaperusahaan adalah cara efektif untuk meningkatkan kinerjapemesanan barang di mana perusahaan menentukan kuantitas yang harus dikirimkan bagi para konsumen. Masalahpersediaan yang dikelolaperusahaan mempertimbangkan manajemenpersediaan dankeputusan persediaan kendaraan secara simultan dan bisa mengurangi biaya sistem logistik secara signifkan. Manegemen inventori adalah serangkaian kebijaksanaan dan pengendalian yang memonitor tingkat persediaan dan menentukan tingkatpersediaanyang harus dijaga,berapabesar jumlah persediaanyang harus ada danberapabesar pesanan yang harus dilakukan. Sistem ini bertujuan untuk menetapkan dan menjamin tersedianya sumber daya yang tepat dan pada waktuyang tepat. Atau dengankata lain sistempersediaanbertuj uan untuk meminimumkan biaya total melaluipenjadwalan daripersediaan secara optimal. Dihubungkan dengan permintaan, masalah persediaan bisa dibagi ke dalam dua jenis : masalah persediaan domestik dan masalah persediaan stokastik. Sepanjang menyangkut domain keputusan, dapat dipilih duapendekatanyangberbeda untuk menyelesaikan masalahpersediaan : waktu atau frekuensi. Pendekatan waktu juga diterapkan pada masalah dengan horizon perencanaan berhingga, seperti masalah hari tunggal atau masalah multi-hari dengan ruang waktu. Pendekatan frekuensi tepat dengan operasi berkala dan operas i jangka panjang. Penelitian ini mengaplikasikanpendekatan frekuensi dengan pertimbangan tentang masalahpersediaan domestik . Berkenaan dengan eselon, sebagian besar studi terkait masalah persediaan domestik khusus membahas sistem distribusi danpersediaan dua-tahap,yang biasanya terdiri dari satu gudang pusat dan sejumlahpengecer. Dalam tulisan Anily

dan Federgruen (1990a),Viswanathan dan Mathur (1997), Chan et al. (1998), diasum sikan bahwa tidak adapersediaan di gudang dan tidak ada biayapemesanan tetap. Masalah yang dikaji Campbell dan Savelsbergh (2004b) tidak mencakup biaya penyimpanan di pihak pengecer. Dalam Savelsbergh dan Song (2004), tujuan inventori adalah untuk meminimalkan biaya transportasi atas horizon perencanaan, dengan menjamin tidak ada pelanggan mengalami kehabisan stock dan tidak ada pabrik yang kehabisan produk. Dalam kasus kendaraan tunggal, Bertazzi et al. (2002) mempresentasikan kebijakan pesanan-hingga-tingkatter tentu deterministik untuk masalah persediaan dan membandingkan penyelesaian yang diperoleh dengan fungsi tujuan yang berbeda-beda yang hanya mencakup sebagian komponen biaya. Zhao et al. (2007) bertujuan meminimalkan biaya rata-rata jangka panjang dari sistemkeseluruhan(pemesanan, pengiriman danpersediaan) dengan batasan frekuensipengiriman dankapasitaskendaraan. Umumnya, ada tiga strategipencabangan untuk masalahpersediaan: yang pertama terfokus pada program bilangan bulat terdiskretisasi-waktu,yangkedua didasarkan pada analisa ketepatan-waktu optimal pengiriman kepada pelanggan tunggal danyangketiga adalah analisa asymptotikkebijakanpengiriman. Survei strategi untuk masalahpersediaan bisa ditemukan dalam Nori (1999), Campbell et al. (1998), Kleywegt et al. (2002). Karena banyak sistempersediaanyang dikelolaperusahaan terdiri dari tahap ganda, makapenelitian tentang sistem logistikmulti-eselonakan memberikankontribu si besar kepada peningkatan kinerja managemen. Akan tetapi, kompleksitas sistem sedemikian menjadikannya sulit dirancang dan diselesaikan, dankarenanya banyak masalah yang terkait dengan multi-tahap tetap tidak terselesaikan.

Dengan memperhitungkan frekuensi pengisian kembali maksimum dan juga kapasitas alat pengangkutan (kendaraan), penelitian ini mengkaji masalah persediaan terpadu dalam sistem logistik tiga-eselon, di mana transportasi dari pemasokke gudang pusat,pengiriman dari gudangkepengecer dan jugapersediaan di gudang danpengecer dipertimbangkan secara simultan.Tujuannya adalah untuk meminimalkan biaya rata-rata keseluruhan sistem logistik atas horizon tak berhingga. Untuk menyelesaikan masalah yang tidak pernah diselesaikan karena kompleksitasny a, strategi bernama partisi tetap dan kekuatan-dua-pihak dipresentasikan dalam tulisan ini,yang dapat diambil sebagaipemaduan kebijakan partisi tetap dan kebijakan kekuatan-dua-pihak. Dalam strategi partisi tetap dan kekuatan-dua-pihak, himpunan N pengecer dipartisi menjadi himpunan daerah tetap = {1,2,...,L}, dan semua pengecer di daerah l 2 dikunjungi pada intervalyang samayang merupakan waktukekuatan dua pihakperiodeperencanaan; demikianpula halnya dengan selangwaktupengiriman-kembalikegudang. Pada bagian ini, diperkenalkan strategi POT dengan serangkaian daerah terpartisi = {1,2,...,L}, yg dirumuskan fungsi biaya optimal dari sistem logistik yang dipertimbangkan dengan diketahui himpunan = {1,2,...,L}, dan kami hitung interval optimalyangbersesuaian {T 0 ,T 1 ,...,T p,...,TL }, dengan pembulatan L {T 0 ,T 1 ,...,T L }, dikembangkan interval POT {T p 0 ,T p 1

}. Kelebihan strategi partisi tetap dan kekuatan-dua-pihak terletak pada dua aspek. Pertama, mudah diimplementasikan dalam praktek karena jadwal kerja stabil, dan kebijakan partisi tetap memungkinkan integrasi mudah dari fungsi distribusi,pemasaran dan layanan pelanggan agar optimal asymptotik; kedua,

5 Roundy (1985) menunjukkan bahwa, tanpa adanya batasan untuk frekuensi pengisian -kembali regional, dan tanpa pertimbangan atas biayapengangkutan tidak tetap untukpengecer, kebijakankekuatan-dua-pihak sederhana untuk sistem persediaan dan distribusi dua-eselon ada, yang biayanya dijamin berada dalam 6% optimalitas. 1.2 Rumusan Masalah Rumusan masalah ini adalah bagaimana memperoleh model keputusan inventori dalam sistem logistik tiga eselon. 1.3 Tujuan Penelitian Tujuanpenelitian ini adalah untuk meminimalkan biaya rata-rata keseluruhan sistem logistik tiga eselon 1.4 Kontribusi Penelitian Manfaatpenelitian ini adalah dengan menggunakan model ini diharapkan biaya rata-rata keseluruhan sistem logistik atas horizon tak berhingga dapat dim inimalkan. 1.5 Metode Penelitian Langkah-langkahyang digunakan dalam metodepenelitian ini adalah: Menjelaskan tentangpersediaan /inventori, menjelaskan sistem logistik, menentuka n model untukkeputusanpersediaan dalam sistem logistik tiga eselon, menentukan strategi, mengembangkan algoritma untuk menyelesaikanpersediaan dalam

sistem logistik tiga eselon dan menganalisis data dengan membuat analisa perhitu ngan untuk masalah dua eselon dan untuk masalah tiga eselon serta membuat kesimpulan dan saran. Bagan Alir Tahapan Rancangan Penelitian Keterangan : POT = Power-Of-Two (Uji Kekuatan Dua Pihak) VLNS = Variable Large Neighborhood Search (Algoritma Pencarian Neighborhood Variabel)

BAB 2 TINJAUAN PUSTAKA Roundy (1985) menunjukkan bahwa tanpa adanya batasan untuk frekuensipengisiankem bali regional dan tanpapertimbangan atas biayapengangkutan tidak tetap untukpengecer, kebijakan POT sederhana untuk sistempersediaan dan distribusi dua eselon ada, yang biayanya dijamin berada dalam 6% optimalitas . Selanjutnya Savelsbergh dan Song (2004), menyatakan bahwa untuk meminimalkan biaya transportasi atas horizonperencanaan, dengan menjamin tidak ada pelanggan mengalami kehabisan stock dan tidak ada pabrik yang kehabisan produk Selanjutnya Zhao et al. (2007), menyatakan bahwa strategi partisi tetap dan kekuatan dua pihak (FP-POT) awal digunakan untuk menyelesaikan serangkaian masalahpersediaan dan routing dua-eselon, dan algoritmaTabu Searchdirancang untuk menentukan daerahpengecer terpartisi optimal. Karena biaya transportasi dari pemasok ke gudang dan juga kapasitas kendaraan dipertimbangkan, strategi partisi tetap dan kekuatan dua pihak modifikasi untuk masalah tiga-eselon dipresentasikan dalam tulisan ini. Selain itu, diaplikasikan algoritmapencarian neighborhood variabel skala besar (VLNS) yang dapat dipandang sebagai kasus khusus dari algoritma tersebut, untuk hasil-hasil daerah terpartisiyang lebih ba ik dalam waktuperhitunganyangberkurang.

Inventori(Persediaan) merupakanpermasalahanoperasionalyang sering dihadapiperusa haan. Inventoriberupa jumlah barang yang disimpan digudang. Jika jumlahinventori terlalu sedikitdanpermintaan tidak dapatdipenuhikarena kurangnyapersediaan, hal ini akan mengakibatkan konsumen akan kecewa dan ada kemungkinan konsumen tidak akan kembali lagi. Begitu juga jika inventori terlalubesar, hal iniakan mengakibatkankerugian bagiperusahaankarena harus menyediakan tempat yang lebih besar, kemungkinan terjadinya penyusutan nilai guna barang, serta harus menyediakan biaya-biaya tambahan yang terkait dengan biaya inventori seperti biayapemeliharaan dan biaya akuntansi. Karena itu, manajemen harus bisa memutuskan berapa banyak suatu barang harus disiapkan (distock) untukkeperluanperusahaan. Selain itu manajemen juga harus jeli dalam melihat kebutuhan konsumen sehingga mereka merasa puas karena mendapatkan apa yang dibutuhkannya. Untuk melihat dan mendapatkan jumlah inventori yang tepat serta bisa melihatkebutuhan konsumen, manajemen harus sering mengadakan kajian terhadap masalah tersebut. Mereka melakukan survei pasar, menganalisa data penjualan, mengamati pola pembelian, mengamati keterkaitan barang yang dibeli olehkonsumen. Salah satukajianyang bisa dilakukan untuk mengetahuikondisi pasar(konsumen) adalah dengan mengamati transaksipenjualan dan dilanjutkan dengan melakukan pengolahan data penjualan tersebut. Dengan proses pengolahan datapenjualan ini, manajemen bisa mendapatkan informasiyang digunakan untukkeperluan manajemen inventoriperusahaan seperti menentukan jumlah barang yang harus disiapkan di gudang, mengatur jumlah minimal stock, jumlah stock aman (safety stock) dan jumlah stock maksimal setiap barang.

Sistem inventori adalah suatu sistemyangberkaitan denganpengurusan simpanan(stock) dan permintaan(demand). Sistem inventori mempunyai ketentuan pembangun sebagai berikut : struktur sistem inventori,biaya inventori dan model jumlahpesanan ekonomik.

BAB 3 LANDASAN TEORI Masalah dapat diuraikan sebagaiberikut: sebuah gudang tunggal melayani para pengecer yang tersebar secara geografis di suatu daerah tertentu. Misalkan 0 menyatakan gudang, N = {1,2,...,n}himpunanpengecer. Setiappengecer menghadapi tingkatpermintaan spesifik-pengecer deterministik untuk item tunggal, yang dipenuhi tanpa terlambat oleh armada kendaraan-kendaraan homogen dengankapasitas terbatas V. Stock gudang karena pemesanan datang daripemasoknya melalui kenderaan dengankapasitas terbatas W. Bilamana pesanan dilakukan, biayapemesanan dan biayapengangkutan dengankenderaan dibayar. Pengiriman dari gudang ke pengecer menimbulkan biaya tetap plus biaya tidak tetap yang sebanding dengan total jarak yang ditempuh kendaraan. Dapat dilihat bahwa proses distribusi secarakeseluruhan bisa dibagi menjadi dua bagian. Bagianpertama adalah daripemasokke gudang dan bagiankedua adalah masalah pengiriman satu-gudang L-pengecer (lihat illustrasinya dalam Gambar1,di manaS menyatakanpemasok,W menyatakan gudang danR menyatakan pengecer), dengan batasan frekuensipengisian-kembali maksimum dan kapasitas pengangkutan. Tujuan kita adalah untuk menentukan strategi FPPOT optimal, yang meminimalkan biaya rata-rata jangka panjang sistem, yang meliputi biayapemesanan, biayapenyimpanan, biayapengangkutan tetap dan tidak tetap.

11

Gambar 3.1 : Ilustrasi proses pendistribusian Untuk selanjutnya, kita gunakan notasi-notasi berikut: (1) Parameter Di permintaan per satuan waktu pada pengecer i, i=1,...,n f frekuensi maksimum dengan mana setiap pengecer dikunjungi disebabkan kapasitaspenanganan bahannyayang terbatas, dan f1. Diasumsikan Dif-1 V8i2 N dan PDif-1 W. i2N K0 biayapemesanan tetap bilamanapersediaan diisikembali di gudang C0 biayapengangkutan dengankenderaanyang diberangkatkan daripemasok per waktu c biaya tetap kendaraan yang diberangkatkan dari gudang per waktu v biaya tidak-tetap unit kendaraan, yang diambil sama dengan 1 di sini h0 biayapenyimpananpersediaanper satuan waktu danper satuan stockdi gudang h biayapenyimpananpersediaanper satuan waktu danper satuan stock untuk semuapengecer. Diasumsikan h= h= h0 >0 (karena biayapenyimpanan unit pada pengecer biasanya lebih besar dari biaya penyimpanan unit di gudang,

asumsi ini merupakan asumsi alamiah). (2) Variabel keputusan Notasikan dengan = {1,2,...}daerah-daerah terpartisi pengecer dan dengan, T0 selang waktu pemesanan (pengisian-kembali) di gudang T1 selang waktu pengiriman di daerah l,l2 Tp 0 selang waktu pemesanan di gudang bila strategi POT diikuti Tp 1 selang waktu pengiriman di daerah l bila strategi POT diikuti, l2 Si himpunan pengecer di daerah l,l2 0(Si) panjang perjalanan pedagang keliling optimal melalui gudang dan para pengecer dalam himpunan Si 3.1 Strategi POT Pada bagian ini, diperkenalkan strategi POT dengan serangkaian daerah terpartisi = {1,2,...,L}. Pada Bagian 3.1, dirumuskan fungsi biaya optimal dari sistem logistik yang dipertimbangkan dengan diketahui himpunan = {1,2,...,L}, dankami hitung interval optimalyangbersesuaian {T0 ,T1 ,...,T}. L Pada Bagian 3.2, dengan pembulatan {T0 ast,T1 ,...,T}, dikembangkan interval LPOT {T0 p,T1 p,...,Tp} L 3.1.1 Analisa atas interval optimal {T0 ,T1 ,...,T} L Dalam setiap himpunan daerah terpartisi = {1,2,...,L}, setiap daerah 1 2 dapat dipandang sebagai pengecer tunggal dengan tingkat permintaan

1 2 2 mj = Pj2l Dj dan biaya pengadaan tetap c. Karenanya {T0 ,T1 ,...,T}adalah L penyelesaian optimal masalahberikut: L Min C(T0)=(C0 + K0)/T0 + XCl(Tl) (3.1) l=1 s.t0 <T0 W dan f-1 Tl V =1,...,L (3.2) Pl2x ml ml di mana Ci(Ti)mencakup biayapengangkutan tetap dan tidak-tetapyang ditanggung di daerah l, biayapengadaan untukpersediaan yang disimpan di daerah l dan bagianpersediaan gudangyang ditetapkan untuk dikirimkanke daerah. Menurut Roundy (1985), untuk setiap l2 , Cl(Tl)=(l + c)/Tl + ml[hT -l+ h0 max(T0,Tl)] (3.3) Di sini, j = (Si). Biaya stock unit untuk setiap daerah l, tergantung pada hubungan antara intervalpengisian-kembali gudang danpengisian-kembali daerah. Notasikan intervalpengisian-kembali optimal daerah l dalam setiap T0 2 03 w @0, 5sebagai Tj0 . Kemudian lemma berikut dapat disimpulkan. l2x Lemma 1. Untuk setiap daerah l 2 Tl 0l bisa berubah bersama-sama dengan 03 w variasi T0

2 @0, 5dan bisa dihitung sebagai berikut. Pwl l2x (1) Jika f1 Tl 0 V/ml,Tl 0 dihitung menurut rumus berikut 8 1 l 0 =[2(l + c)/(ml (h0 + h0))] /2 ,JikaTp <l 0 , . >>>>> T0 < l = T0 , Jikal 0 . T0 . l , (3.4) . >>>>>l =[2(l + c)/(ml h0)] , JikaT0 >l. :

(2) Jika Tl 0 dihitung dengan berdasarkan Persamaan (3.4) tidak memenuhi f1 Tl 0 V/ml, maka 8f-1 , jikaCl ..f-1 . Cl V/ , >ml < Tl 0 = (3.5) >V/,jikaCl ..f-1 >Cl V/ . : ml ml Dengan mempertimbangan sifatkonveks dari rumus (3.3) dalam T0 tertentu, Lemma1 bisa dengan mudah disimpulkanberdasarkan rumus (3.3) dan rumus EOQ. Rinciannya silahkan lihat dalam Anily dan Federgruen (1993). Lemma2. Cl(T0)adalah fungsi tidak-turun dan C(T0)=(C0+K0)/T0+PL cl(T0) ll=1 l adalah fungsi konveks, di mana terdapat beberapa titik perubahan yang termasuk dalam {,,f1,V/ml}pada mana fungsi Cl(T0)berubah. l Dalam Zhao et al. (2007), disimpulkan bahwa fungsi U(T0) (yang serupa dengan G(T0)) adalah konveks dan illustrasi cinti dari titik perubahan ada diberikan. Perbedaan utama masalah tiga eselon dengan masalah dua-echelon terletak padapertimbangan ataskapasitas kenderaan dan biayapengangkutan sesuai dengankapasitas tersebut,yang tidakberdampak pada sifat fungsi tujuan. Karenanya kesimpulan dalam Zhao et al. (2007) juga bisa diaplikasikan pada masalah tiga eselon seperti yang didaftarkan dalam Lemma 2. Berdasarkan Lemma di atas, prosedur untukpenghitungan min C(T0)dan intervalpengisian-kembaliyangbersesuaian {T,T,...,T}dapat dirangkumkan 01 L sebagai berikut. Tahap 1 Untuk setiap daerah l 2 , identifikasi semua Tl 0 yang didasarkan pada Lemma 1, yang harus merupakan satu atau lebih titik dalam himpunan {T0,,,f1,V/ml}.

03 w Tahap 2 Bagi T0 2B57 menjadibeberapa himpunan bagiankontinu, di mana @0, Pwl l2 dalam masing-masing himpunan bagian {T10,...,T0}yangbersesuaian tidak L berubah. ww Tahap 3 T 2{T0,f-1,V/ml, ,l =1,...,L}\0 <T , di mana T0 00 Pwl Pwl l2l2 dC(T0) memenuhi =0 atas interval C(T0)yang dapat didiferensialkan. dT0 Tahap 4 Berdasarkan T yang dihitung dalam tahap 3, {T1 ,...,T}dapat dihitung 0 L dengan mengulangi tahap 1. 3.1.2 Interval POT {T0 p,T1 p,...,Tp} L Untuk menentukan interval POT {T0 p,T1 p,...,Tp},perlu kiranya dibulatkan L {T0 ,T1 ,...,T}. Di sini, kami adopsi metode yang diberikan Anily dan FederL

gruen (1993), yang dimodifikasi dengan membatasi t p 0 = wwl . Dengan demikian, l2 dalam proses pembulatan harus kita pilih bilangan bulat e, yang nilai awalnya memenuhi T0 2TB[2e1 ,2e) (di sini periode perencanaan dasar TB = f-1). Ji ka batas atas TB2e > wwl , maka e = 11 sampai TB2e = wwl . Interval POT l2l2 Tp0,Tp1,,TpL, yang merupakan waktu kekuatan-dua-pihak TB, dihitung menurut nilai akhir dari e. 3.2 Algoritma VLNS Telah diadaptasikan sejumlah teknik optimisasi global untuk masalah routing kendaraan (VRP) seperti Annealing Simulasi dan Tabu Search. Tetapi teknik tersebut bukan teknik paling tepat untuk menghasilkan tour yang baik dengan

tepat dan kinerjanya terkait langsung dengan waktupengoperasian. Karenanya algoritma dengan efisiensi yang lebih tinggilah dibahas dalam tulisan ini, sedem ikian sehingga partisi pengecer yang lebih baik bisa dientukan dalam waktu perhitungan yang terbatas. Kilby et al. (2000) menunjukkan bahwa pencarian neighborhood besar (LNS) juga cocok untuk VRP dengan batasan tambahan. Beberapa tulisan mengindikasikan pencarian neighborhood tidak tetap (VLNS),yang mengubah neighborhood secara sistematik dengan menggunakan algoritmapencarian lokal acak, yang kerapkali menghasilkan meta-heuristik sederhana dan efektif untuk optimisasi kombinatorial dan global. Dalam tulisan ini, VLNS dirancang untuk menentukan partisi optimalpengecer, di mana strategi POT digunakan. Seperti halnya VNS dan algoritma meta-heuristik lainnyayang dicirikan oleh masalahyang dikaji, algoritma VLNSyang diajukan dipresentasikanberdasarkan ciri-ciri masalah yang dikaji. Karena fungsi tujuan (rumus 1) bukan hanya mencak up biayapengangkutan titak tetap, tetapi juga biayapersediaan dan biaya pemesanan tetap dan biayapengangkutan tetap, maka masalahyang dikaji sangat berbeda dari VRP umum, sementara VRP biasanya bertujuan menentukan tourperjalanan terpendek. Yangberikut ini adalahbeberapapengamatanyang membantu untuk merancang struktur neighborhood. (1) Kombinasivertex-vertex(pengecer-pengecer) dengan tourkelilingterpendek mungkin tidak memberikontribusikepada partisi optimal. (2) Karena sifat permintaan yang deterministik dan persyaratan pemenuhan permintaan tanpa keterlambatan, jumlah optimal daerah pada pokoknya

terkait dengan perimbangan antara biayapersediaan padapengecer dan biayapengangkutan tidak tetap,yang cenderung semakin tinggi jika h semakin rendah. Berdasarkan pengamatan di atas, neighborhood dalam algoritma VLNS yang diajukan dibangun pada tingkatan yang berbeda-beda, yang ditandai dengan limitasi jumlah maksimumpengecer di setiap daerah. Dan limitasiberkurang secara lambat laun dari tingkat jke j+1. Selain itu, karena daerah-daerah pada tingkat jdibentuk dengan mempertimbangkan perimbangan antara berbagai biaya, maka transformasi dari tingkat jke j+1 dilakukan dengan menggabungkan daerah-daerah. Dengan demikian, pengelompokan vertex yang lebih baik dapat diturunkanketikapencarian siklus baru (tingkat baru) dimulai. 3.2.1 Struktur Neighborhood Telah diketahui bahwakeaslian VNS terletak pada dua aspek: (1)berusaha menghindari optimum lokal dengan mengubah struktur neighborhood secara sistematik untuk mencapai intensifikasi dan diversifikasi dan (2) tetap padapeny elesaianyang sama sampaipenyelesaian lainnyayang lebih baik daripenyelesaian yang sedang berlaku ditemukan dan kemudian melompat ke situ. Pada tingkat j, neighborhood penyelesaian saat ini didefinisikan sebagai berikut. (1) Pilih secara acak sebanyak ka vertex(pengecer), di mana a adalahkonstanta bilangan bulat dan k berubah secara sistematik. (2) Untuk setiap vertex v, pilih secara acak min{k,b}vertex dari d min{k,b}

18 vertexyang terdekatpadanyadanambilitu sebagaivertexjirannya,di mana b dan d adalah konstanta bilangan bulat. Gunakan algoritma GENI untukberusaha secaraberturut-turut memasukkanvertex v ke dalam rute ke dalam mana vertex jiran termasuk. (3) k=1,...,kmax,kmax = p+ 1, di mana padalah konstanta bilangan bulat. Dengan demikian, jumlah maksimum neighborhood penyelesaan saat ini xadalah Nk(x)= ka min{k,b},k=1,...,kmax. 3.2.2 Fungsi Tujuan Artifisial Notasikan nilai fungsi tujuan suatu neighborhood sebagai q, untuk membatasi frekuensi bahwa vertex vbergerak, dirancanglah nilai fungsi tujuan artifisial q. Dan q= q+max(n)1/2'v, di manamax adalah variasi diamati terbesar dalam q antara dua iterasiyangberturutan pada tingkat j,adalah faktorkelipatanyang sama dengan 0,0001 dalam implementasiyang ditentukan denganpengujian, dan 'v adalah berapa kali vertex v bergerak pada tingkat sedemikian. 3.2.3 Implementasi VLNS pada Tingkat j Untuk mengimplementasikan algoritma VLNS, nilai parameter-parameter konstan yang terkait dengan struktur neighborhood perlu ditentukan. Karena waktuperhitungan meningkat secara intensif sesuai denganpeningkatan nilai, maka parameter-parameter haruslah ditentukan dengan perimbangan antara durasi dan efisiensiperhitungan. Dalam tulisan ini, parameterkonstan a, b, ddan pditent ukan denganpengujian sambil tetap memperhatikan prinsip-prinsipberikut:

(1) Nilai parameter-parameter yang diberikan dalam Gendreau et al. (1992) menjadi rujukan, yang ditentukan dengan pertimbangan atas sifat VRP. (2) Struktur neighborhood haruslah dicapai secara sistematik dengan intensifikas i dan diversifikasi, sambil mempertimbangkan efisiensiperhitungan. Dalam uraian berikut, inisialisasi dan tahap-tahap utama implementasi VLNS pada tingkat jdispesifikasikan. 3.2.3.1 Inisialisasi Misalkan a = n/10,b =5,d = 2 dan p = 2, tentukan penyelesaian awal dengan menyusun masing-masing vektor pada rute tunggal. Berdasarkan strategi yang diberikan dalam Bagian 3, hitung interval POT penyelesaian saat ini. 3.2.3.2 Tahap-Tahap Utama (1) Tetapkan k=1,m=1. (2) Sampai k= kmax, ulangi tahap-tahapberikut: (3) Tentukan penyelesaian terbaik x 2 Nk(x) untuk masalah min{q}dari neighborhood ke-kdengan prosedur pada Bagian 4.1. (a) Jika x * adalah penyelesaian terbaik yang diperoleh sampai sejauh ini, misalkan x= x ,k=1,m= 1; dalam hal lainnya, tentukan penyelesa ian terbaik d2 Nk(x)atau masalah min{q}, misalkan x= x ,m = m+ 1. Jika m>M, misalkan k= k+1,m=1. (b) Pergi ke tahap (a).

Dalam tahap-tahap di atas, m digunakan untuk membatasi jumlah iterasi maksimal dengan k yang diberikan. M ditentukan dengan mengikuti prinsip-prinsip sebelumnya,yang sama dengan 250 untuk contohperhitungan dalam Bagian 5. 3.2.4 Deskripsi Selengkapnya Dari Proses VLNS Seperti yang disebutkan di awal bagian ini, selalu cenderung lebih banyak vertex (pengecer) menumpuk ke dalam satu rute, yang bisa menyebabkan biaya pengangkutan tidak-tetap yang lebih tinggi karena pengecer pada rute sedemikianp erlu sering-sering dikunjungi. Untuk menghindari situasi ini, neighborhood penyelesaian saat ini disusun pada tingkatyangberbeda j,yang ditandai dengan mengganti f-1 dengan 2jf-1 saat daerah-daerah terbentuk, dan limitasi sedemikian dilepaskan saat interval POT dihitung. Dj 2-r1f,2-(r1+1)f< Tahap 1. Misalkan j= 1, dan fj = maxj2n 2-r1f, di mana r1 v adalah bilangan bulatyang menentukan frekuensi minimalyang bisa dikunjungi pengecer i, yang dibatasi oleh kapasitas kendaraan dan juga oleh kebijakan POT. Pergi ke tahap 2. Tahap 2. Menurut proseduryang didaftarkan pada Bagian 4.3, selesaikan sisipan dan prosedur VLNS, ambilpenyelesaian terbaikyang ditentukan pada tingkatj sebagai penyelesaian saat ini, misalkan fj+1 =2fj,j = j+ 1, dan pergi ke tahap 3. Tahap 3. Jika fj =2f, catatpenyelesaian terbaikyangpernah ditemukan dan selesai; dalam hal lainnya coba gabungkan kedua daerah terdekat yang didasarkan pada pusat gravitasi danpenuhi semuakombinasiyangmungkin sedemikian. Pergi ke tahap 2.

BAB 4 PEMBAHASAN Analisaperhitungan pada bagian ini dilakukan dari dua aspek.Pada Bagian 4.1, algoritma VLNS dimodifikasi untuk menyelesaikan masalah dua-echelonyang dijelaskan pada Bagian1, dan hasil-hasil perhitunganperbandingan didaftarkan dalam Tabel 2 dan 3. Pada Bagian 4.2, bersama-sama dengan presentasi batas bawah, hasil-hasilperhitungan untuk masalah tiga eselon didaftarkan dalamTabel 5 dan 6, yang diikuti dengan analisanya. 4.1 Hasil Perhitungan Untuk Masalah Dua Eselon Untuk mengevaluasi algoritma VLNS yang diajukan, algoritma tersebut diadaptasikan untuk menyelesaikan masalah dua-echelon yang dijelaskan pada Bagian 1. Contoh diklasifikasikanke dalam duakelompok menurut jumlahpengecer. Padakelompok contohpertama, terdapat 50pengecer, sementara pada contohkedua terdapat 75pengecer. Semuakoordinat danpermintaan unitpengecer dalam masing-masing kelompok contoh sama seperti yang diberikan dalam Christofides dan Eilon (1969). Pada masing-masing kelompok contoh, dibentuk 17 masalah. V fK0 Ch0 h 500 0,2 300 200 0,1 0,1 Tabel 4.1 : Nilai parameterpertama pada setiap contohyang ditetapkan dalam bagian 4.1 Tabel1 mendaftarkan nilai-nilai parameter masalah pertama dalamkedua kelompok contoh. Untuk masing-masing kelompok contoh, nilai parameter setiap

22 masalahyangberbeda dari masalahpertama masing-masing diperlihatkan dalam Tabel 2 dan 3. Tabel 4.2 : Parameter dan Hasil Perhitungan Untuk Contoh 1 Pada Bagian 4.1, n=50 Tp Tp. No. P BZZ0 LL0 00 CPU CPU 1 831,71 908,86 912,93 8 8 5 5 98 159 2 h= h0 =0,05 637,71 715,72 716,18 8 8 5 5 124 197 3 h= h0 =0,01 470,94 542,86 537,18 18 16 10 10 136 162 4 f=0,5 677,46 877,35 881,61 7 7 4 4 156 190 5 f =0,5;h = 574,46 717,73 719,65 7 7 4 4 84 187 h0 =0,05 6 f =0,5;h = 459,28 538,09 538,75 13 13 8 8 83 167 h0 =0,01 7 f= 1 638,61 880,32 885,02 7 7 4 4 146 185 8 f =1; h = 555,34 718,15 714,33 7 7 4 4 132 170 h0 =0,05 9 f =1; h = 455,40 546,04 543,80 13 13 8 8 56 172 h0 =0,01 10 f =0,5;h = 613,61 803,05 803,11 7 7 4 4 79 220 0,05 11 f =0,5;h = 766,31 998,34 1046,24 4 7 2 4 105 175 0,2 12 V = 200; f = 786,08 983,06 977,41 17 15 4 4 141 177 0,5;c=80 13 V = 641,26 873,95 872,92 4 4 4 4 108 178 1000; f = 0,5;c= 400 14 c = 800; f = 1609,86 1828,99 1824,72 4 4 4 4 105 180 0,5 15 c= 1600; f = 2853,06 3062,01 3077,19 4 4 4 4 113 195 0,5 16 K0 = 855,16 1045,23 1041,43 4 4 4 4 133 183 1000; f=0,5 17 K0 = 1018,58 1199,09 1203,80 7 7 8 8 145 185 2000,f =0,5 Data dikutip dari :European Journal of Oprational Research, 2008,vol.191,issue 3,pages623-635.

Tabel 4.3 : Parameter dan Hasil Perhitungan Untuk Contoh 2 Pada Bagian 4.1. n=75 No P BZZ0 LL0 T p 0 T p 0 CPU CPU 1 1416,31 1520,92 1521,86 14 14 5 5 185 257 2 H = h0 = 1075,31 1180,23 1178,82 14 14 5 5 162 225 0,05 3 H = h0 = 799,01 903,26 910,61 18 18 5 10 241 306 0,01 4 f=0,5 1097,11 1345,76 1652,64 6 6 2 2 126 233 5 f =0,5;h = 944,81 1134,25 1145,18 11 11 4 4 220 321 h0 =0,05 6 f =0,5;h = 778,55 921,82 907,31 23 23 8 8 199 242 h0 =0,01 7 f=1 1028,92 1335,62 1347,80 6 6 2 2 123 247 8 f =1,h = 910,71 1130,56 1145,18 11 11 4 4 212 286 h0 =0,05 9 f =1,h = 771,73 909,12 905,60 24 24 8 8 231 255 h0 =0,01 10 f =0,5,h = 1013,01 1256,30 1261,02 6 6 4 4 132 260 0,05 11 f =0,5;h = 1233,51 1506,31 1501,34 6 6 2 2 240 264 0,2 12 V = 200; f = 1290,18 1453,20 1481,89 18 18 2 2 154 269 0,5,c=80 13 V = 1032,76 1388,02 1391,16 6 6 4 4 235 294 1000; f = 0,5;c= 400 14 C = 800; f = 2733,91 2972,36 2992,00 6 6 2 2 214 278 0,5 15 C = 4916,31 5196,32 5202,64 6 6 2 2 169 282 1600; f =0,5 16 K0 = 1333,51 1554,02 1564,60 6 6 4 4 213 286 1000; f =0,5 17 K0 = 1551,71 1816,03 1814,60 6 6 4 4 208 291 2000; f =0,5

Data dikutip dari :European Journal of Oprational Research, 2008,vol.191,issue 3,pages623-635. Pada masing-masing dari kedua tabel, P mendaftarkan nilai parameter dalam masalah i berbeda dari masalah pertama; B adalah batas bawah masa

lah yang bersesuaian, yang diberikan dalam Zhao et al. (2007). Nilai fungsi tujuan terbaik setelah tigakalipengoperasian kode VLNS didaftarkan dalam Z, di mana jumlah rute (daerah terpartisi) adalah Ldan intervalpemesanan gudang Tp adalah 0 ; CPU adalah waktuperhitungan (detik)yangbersesuaian dengan Z. Karenanya, Z0 adalah nilai fungsi tujuan daripenyelesaian terbaikyang diberikan dalam Zhao et al. (2007), di mana jumlah rute adalah L0 dan intervalpemesanan Tp. gudang adalah 0 ; CPU adalahwaktuperhitungan (detik) yangbersesuaian dengan Z0 . Dalam Tabel 2, 12 total masalah mempunyai hasil yang lebih baik bila diselesaikan dengan algoritma VLNS dan untuk semua contoh, waktu perhitunga n algoritma VLNS lebih sedikit dari waktuperhitungan algoritmaTabu Search yang digunakan dalam Zhao et al. (2007). Untuk sebagianbesar masalah (12 dari 17) dalamTabel 4.3, algoritma VLNS lebih unggul kinerjanya daripada algoritma Tabu Search. Efeisiensi algoritma VLNS juga bisa ditunjukkan dengan menggunakan waktuperhitunganyang lebih sedikit untuk menentukan hasil-hasil. ZB Z0B Notasikan x = % dan x0 = %, dalam Gambar 4.1 dan 4.2, x dan x0 BB pada masing-masingkeduakelompok masalah diperlihatkan. Gambar 4.1 : x dan x0 pada contohpertama dibagian 4.1

Gambar 4.2 : xdan x0 pada contoh kedua bagian 4.1 Dalam Gambar 4.1, x dan x0 mempunyai kecenderungan serupa, demikian pula halnya dalam Gambar 4.2. Dalam Zhao et al. (2007), yang didasarkan pada analisa B, strategi FP-POT yang diajukan dan algoritma Tabu Search terbukti kuat. Tampak jelas bahwa kesimpulan sedemikian juga sesuai dengan algoritma VLNS. 4.2 Hasil Perhitungan Untuk Masalah Tiga Eselon 4.2.1 Batas Bawah Untuk mengevaluasi strategi FP-POT dan juga algoritma VLNS, pada bagian ini diajukan batas bawah untuk masalah tiga-echelon..Untuk setiap strategiyang layak R, biaya rata-rata selama interval [0,t)terdiri dari empat bagian: notasik an c1 sebagai jumlah biayapemesanan dan biayapengangkutan daripemasokke gudang, c2 biaya penyimpanan di gudang, c3 biayapenyimpanan padapengecer, dan c4 biayapengangkutan yang ditanggung kendaraan dalamperjalanan dari gudangkepengecer. Tanpakehilangankeumuman, kita tetapkanpersediaan awal dan jugapersediaan akhir gudang selama[0,t)sama dengan nol, dan ini kita lakukan untuk semuapengecer.

Pertama sekali kitaperlonggar batasan untukkapasitaskendaraan dan kita putuskan minimum dari jumlah c1,c2 dan c3,yang kita ambil sebagai batas bawah dari c1 +c2 +c3. Perhitungan batas bawah c4 mengikuti algoritmayang diberikan Chan et al. (1998). Notasikan jumlah kedua batas bawah ini sebagai B , yang dapat dianggap sebagai batas bawah untuk biaya strategi layak. Rumus dan deskripsi rinci dari B didaftarkan dalam Lampiran A. Notasikan biaya rata-rata penyelesaianlayak optimalyangbersesuaian den

gan B sebagai Pi=1,2,3,4 ci, karena kedua bagian dari B dihitung berdasarkan pelonggaranyang lainnya, dapatlah diambilkesimpulanberikut.

Kesimpulan 5-1.S = Pi=1,2,3,4 ciB lebih besar dari nol jika 9i2 N,V/Dj > f-1, dan (1) S meningkat sesuai dengan peningkatan nV -Pi2n Dif-1 . (2) S adalah fungsi tidak-turun dari biayapersediaan unit padapengecer, dan juga fungsi tidak-turun dari biayapengangkutan tidak-tetap unit untuk pengecer. (3) S adalah fungsi tidak-turun dari biayapengangkutan tetap unit pada pengecer. (4) S menurun sesuai dengan peningkatan W dan akhirnya akan stabil. Ketiga subkesimpulan pertama diperoleh dari Zhao et al. (2007). Karena biayapengangkutan tetap daripemasok ke gudang tidakberdampak pada kesimpulan tersebut, kesimpulan sedemikian juga berlaku pada masalah tigaechelon . Sesuai dengan peningkatan W, dimungkinkan perimbangan yang baik

antaraberbagai biaya dan menentukanpenyelesaian optimal, sehingga subkesimpulan keempat bisa diambil. Kesimpulan di atas menunjukkan sampai tingkat tertentuhubungan B dan Pi=1,2,3,4 ci, dan membantu dalam analisa hasilperhitungan dan lebih lanjut evaluasi strategi dan juga algoritma yang diajukan. 4.2.2 Hasil-Hasil Perhitungan Contoh dikelompokkanke dalam duakelompok.Padakelompok contohpertama, terdapat 50pengecer, sementara pada contohkedua terdapat 75pengecer. Semuakoordinat danpermintaan unitpengecer dalam masing-masingkelompok contoh sama sepertiyang diberikan dalam Bagian 5.1. Padakelompokpertama dibentuk 21 masalah, sementara pada kelompok contoh kedua terdapat 17 masalah. Nilai parameter masalahpertama pada masing-masing kelompok contoh didaftarkan dalam Tabel 4.1 dan 4.4. Tabel 4.4 : Nilai parameter dari masalahpertama pada masing-masingkelompok contoh bagian 4.2 WC0 5000 500 Untuk masing-masingkelompok contoh, nilai parameter setiap masalahyang berbeda dari masalah pertama diperlihatkan dalamTabel 4.5 dan 4.6, di mana hasilperhitungan terbaik setelah tigakalipengoperasiankode didaftarkan.

Tabel 4.5 :Parameter dan HasilPerhitungan dari ContohPertamaPada Bagian 4.2, n=50 Tp B G0 Zb No PL Z CPU 0 1 13 5 1087,23 931,71 21,115 155,52 109 2 h= h0 =0,05 16 5 875,66 730,22 21,115 145,44 120 3 h= h0 =0,01 22 5 675,32 559,28 21,115 116,04 146 4 f=0,5 7 4 1013,88 815,16 23,446 198,72 125 5 f =0,5;h = 7 4 863,06 671,95 23,446 191,11 146 h0 =0,05 6 f =0,5;h = 5 4 717,88 547,63 23,446 170,25 194 h0 =0,01 7 f=1 7 4 1012,05 776,31 24,223 235,74 96 8 f =1; h = 9 4 877,38 652,52 24,223 224,86 130 h0 =0,05 9 f =1,h = 16 4 715,93 543,76 24,223 172,19 126 h0 =0,01 10 f =0,5;h = 7 4 919,30 710,80 23,446 208,50 92 0,05 11 f =0,5;h = 7 4 1171,37 960,68 23,446 210,69 163 0,2 12 V = 200; f = 19 4 1122,56 923,78 48,446 198,78 174 0,5;c=80 13 V = 4 4 990,82 778,96 48,446 211,86 131 1000; f = 0,5,c= 400 14 c = 800; f = 7 4 2064,84 1747,52 23,446 317,32 123 0,5 15 c = 1600; f = 7 4 3464,90 2990,76 23,446 474,14 95 0,5 16 K0 = 5 4 1192,26 944,01 23,446 248,25 123

1000,f =0,5 17 K0 = 16 4 1444,97 1110,68 23,446 561,30 146 2000,f =0,5 18 C0 = 7 4 1093,66 875,16 23,446 218,50 88 800,f =0,5 19 C0 = 7 4 1278,91 977,35 23,446 301,56 139 1400,f =0,5 20 W = 7 2 1212,42 844,13 23,446 268,29 90 3000,f =0,5 21 W = 8 4 1015,85 815,16 23,446 200,69 135 10.000,f = 0,5

Data dikutip dari :European Journal of Oprational Research, 2008,vol.191,issue 3,pages623-635. Tabel 4.6 : Parameter Dan Hasil Perhitungan Dari Contoh 1 Pada Bagian 4.2, n=75 Tp B G0 Zb No PL Z CPU 0 4 f=0,5 6 2 1507,86 1281,98 34,772 225,88 139 5 f =0,5;h = 14 2 1397,53 1111,48 34,772 286,05 243 h0 =0,05 6 f =0,5;h = 23 2 1182,23 975,08 34,772 207,15 247 h0 =0,01 7 f=1 6 2 1620,68 1213,78 36,136 406,90 332 8 f =1; h= h0 = 14 2 1490,14 1077,38 36,136 412,76 190 0,05 9 f =1,h = h0 = 23 2 1278,35 968,26 36,136 310,19 381 0,01 10 f =0,5;h = 8 2 1453,24 1179,68 34,772 273,56 285 0,05 11 f=0,5;h=0,2 6 2 1756,47 1483,51 34,772 272,96 237 12 V = 200; f = 17 2 1765,53 1475,05 12,272 290,48 211 0,5,c=80 13 V = 1000,f = 3 2 1576,44 1217,62 72,272 358,82 196 0,5;c= 400 14 c= 800,f =0,5 15 2 3474,38 2918,78 34,772 555,60 358 15 c = 1600; f = 13 2 5800,34 5101,18 34,772 699,16 288 0,5 16 K0 = 1000,f = 8 2 1975,02 1515,31 34,772 459,71 280 0,5 17 K0 = 2000,f = 13 2 2581,85 1848,65 34,772 733,20 300

0,5 18 C0 = 800,f = 7 2 1754,37 1381,98 34,772 372,79 164 0,5 19 C0 = 1400,f = 7 2 2271,711 1581,98 34,772 689,73 274 0,5 20 W = 3000,f = 13 2 1622,21 1347,11 34,772 275,10 383 0,5 21 W = 6 2 1577,79 1281,98 34,772 295,81 374 10.000,f =0,5 Data dikutip dari :European Journal of Oprational Research, 2008,vol.191,issue 3,pages623-635.

Dalam masing-masing tabel, arti dari G,Z diillustrasikan pada bagian anotasi Tabel 5, sementara arti dari parameter lainnya sama seperti pada Tabel 2. Karena asumsi Pi2n Dif-1 W tidak bisa dipenuhi, pada kelompok masalahkedua, masalahyangbersesuaian denganketigayangpertama dalamkelompok masalahpertama tidak dimasukkan. Akan tetapi, untuk analisa perbandingan, dalamkeduakelompok contoh, jumlah setiap dua masalah dengan parameteryang identik diambil nilainya sama. Untuk menganalisa hasilperhitungan, kita notasikan xik sebagai salah satu item (parameter atau hasilperhitungan) masalah i dalam kumpulan contoh k, misalnya 1 i adalah nilai G masalah i dalamkelompok contohpertama. Dari hasilperhitungan dapat dilihat bahwa, (1) Zi 1 < 2 i untuk i 2 [4,21] kecuali i = 20. Karena Gi 1 < Gi 2 untuk setiap i 2 [4,21], hasil Zi 1 < 2 i mengikuti itempertama Kesimpulan 5-1. (2) Zi 1 < Zj 1 untuk masalah i dan j, di mana masing-masing itemkecuali f sama dan fi 1 <fj 1 (lihat masalah pada himpunan bagian {1,4,7}, {2,5,8}dan {3,6,9}), Karena 1 i < 1 j untuk setiap dua masalah dalamperbandingan, hasilperhitungan sedemikian juga mengikuti itempertama Kesimpulan 5-1. Kesimpulanyang sama bisa diambil dari himpunan bagian {4,7}, {5,8}dan {6,9}dalam kelompok contoh kedua. (3) Dalamkelompok contohpertama, masing-masing itemkecuali h setiap masalah dalam himpunan bagian {1,2,3}identik, dan hasilperhitungan mengikuti itemkedua Kesimpulan 5-1, jadikerjakan itu untuk masalah dalam him

31 punan bagian {7,8,9}dan sebagian besar di antaranya dalam himpunan bagian {11,4,10,5,6}. Akan tetapi, dalam kelompok contoh kedua kesimpulan sedemikian tidak diikuti secara total, lihat untuk Zdalam himpunan bagian {7,8,9}dan {11,4,10,5,6}. 1 1 111 (4) Z<Z<1 Karena c<c<c15, di mana semua item lainnya 4 14 15. 4 14 sama untukketiga masalah ini, dapat disimpulkan bahwa hasilperhitungan mengikuti item ketiga Kesimpulan 5-1. Kesimpulan yang sama juga bisa diambil dari himpunan bagian {4,14,15}dalam kumpulan contoh kedua. 1 1 1 1 1 1111 (5) B<B<B<B<Bdan Z<Z<Z<Z< 4 18161917 4 18 16 19 Z1 Karenaperanan K0 dan C0 semuanya sama dalam C(T0), maka hasil 17. perhitungan menunjukkan kekuatan strategi dan algoritma. Kesimpulan yang sama juga bisa diambil dari himpunan bagianyangbersesuaian dalam kelompok contoh kedua. 1 1 1 111 (6) B4 = B>Bdan Z Z>ZHasilperhitungan mengikuti 2120 42120. kira-kira item ke empat Kesimpulan 5-1. Dan kesimpulan serupa juga bisa diambil dari himpunan bagian yang bersesuaian dalam kelompok contoh kedua.

(7) Zdan juga B meningkat jika biaya unit suatu item menjadi lebih besar, kesimpulan sedemikian sesuai dengan hasilperhitungan semua masalahkedua kelompok contoh. (8)Waktuperhitunganberubah sesuai dengan variasi parameter. Akan tetapi, dapat dilihat dari kelompok contoh kedua bahwa jumlah pengecer adalah faktor utamayang mempengaruhi durasi prosesperhitungan.

Dapat dilihat bahwa sebagianbesar hasilperhitungan mengikutikesimpulanyang mencirikanhubungan batas bawah danpenyelesaian optimal masalah, atau mempunyai sifat serupa dengan sifat penyelesaian optimal, yang menunjukkan efektivitas dan juga kekuatan kebijakan FP-POT dan algoritma VLNS. Akan tetapi, analisa rinci harus dibuat untuk hasilperhitungan dengan mutasi,yang bisa semaki n meningkatkan strategi dan algoritma yang diajukan.

BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan 1. Dalam menyelesaikan masalahpersediaan dan routing pada masalah logistik tiga-echelon yang belum pernah diselesaikan sebelumnya karena kesulitannya, strategi yang disebut FP-POT dipresentasikan, yang diikuti dengan algoritmapencarian neighborhoodbesar variabel (VLNS),yang dapat dipandang sebagai kasus khusus dari alagoritma VNS. 2. Untuk mencari strategi POT optimal dalam suatu daerah terpartisi = {1,2,...,L}, dipresentasikan fungsi biaya optimal sistem logistikyang dikaji dalam suatu himpunan = {1,2,...,L}dan dikembangkan himpunan intervalpengirimanyangbersesuaian {T0,T1,...,L},yang dibulatkan sedemikian rupa sehingga himpunan interval POT {T1 p,T1 p,...,Tp}dapat diperL oleh. 3. Algoritma VLNS dirancang untuk menentukan partisi optimal pengecer. Dalam algoritma yang diajukan, neighborhood peyelesaian saat ini didefinisikan dengan memasukkan himpunan vertex(pengecer)yang dipilih secara acak ke dalam rute jirannya, masing-masing, di mana rute jiran masingmasing vertex dipilih secara acak dalam rentang tertentu, dan jumlah kendaraanyang dipilih dan rute jiranberubah sesuai dengan prosespencarian. Beberapa teknologi lainnya juga diadopsi saat VLNS dilaksanakan, termasuk definisi tingkatpencarian,penentuan rentang untukpemilihan rute jiran

34 masing-masing vertex yang dipilih, dan juga fungsi tujuan artifisial untuk membatasi frekuensi vertex yang digerakkan. Karenanya struktur biaya fungsi tujuan juga bisa diidentifikasi dan hasil yang lebih baik bisa diperoleh bila dilaksanakanpencarianyang ekstensif dan intensif. 4. Efisiensi strategi dan juga algoritma diillustrasikan dengan membandingkan hasilperhitungan dengan batas bawah masalahyang dikajiyang diberikan dalam tulisan ini, dankelebihan algoritma VLNSyang diajukan ditunjukkan lebih lanjut dengan memperoleh hasilyang lebih baik untuk masalah dalam sistem logistik dua eselon,yang diselesaikan dengan algoritmaTabu Search . 5.2 Saran Penelitian lebih lanjut perlu dilakukan pengambilan keputusan inventori dalam sistem logistik multi eselon.

DAFTAR PUSTAKA Angulo, A., Nachtmann, H.,Waller, M.A., 2004. Supplychain information sharing in a vendor managed inventory partnership. Journal of Business Logistics 25, 101125. Anily, S., Federgruen, A., 1990a. One warehouse multiple retailers systems with vehicle routing costs. Management Science 36, 92114. Anily, S., Federgruen, A., 1993. Two-echelon distribution systems with vehicle routing costs and central inventories.Operations Research 41, 3747. Bertazzi, L.,Paletta, G., Grazia, S.M., 2002. Deterministic orderup-to levelpoli cies in an inventory routing problem.Transportation Science 36 (11), 119132. Campbell,A.,Savelsbergh,M., 2004b.A decomposition approach for theinventoryrouti ng problem.Transportation Science38 (4), 488502. Chan, L.M.A., Federgruen, A., Simchi-Levi, D., 1998. Probabilistic analyses and practical algorithmsforinventoryroutingmodels.Operations Research46(1), 96106. Christofides, N., Eilon, S., 1969. An algorithm for the vehicle dispatching prob lem. Operational Research Quarterly 20, 309318. Chen,F., Zheng, Y.S., 1998. Near-optimal echelon-stock(R,nQ)policiesinmultistage serial systems.Operations Research 46 (4), 592602. Dror, M., Ball, M.O., 1987. Inventory/routing: Reduction from an annual to a short-period problem. Naval Research of Logistics Quarterly 34, 891908. Federgruen, A., Zipkin, P., 1984. A combined vehicle routing and inventory alloc ation problem.Operations Research 32, 297373. Fumero,F.,Vercellis,C., 1999.Synchronizeddevelopmentofproduction,inventory and distribution schedules.Transportation Science 33, 330350. Gaudioso, M., Paletta, G., 1992. A heuristic for the periodic vehicle routing pr oblem. Transportation Science 26, 8692. Gaur, V., Fisher, M.L., 2004.Aperiodicinventory routing problematasupermarketchain.Operations Research 52, 813822. Kleywegt Nori, V., Savelsbergh, M., 2002. The stochastic inventory routing probl em with direct deliveries.Transportation Science 36, 94118. Nori, V., 1999. Algorithms for Dynamic and Stochastic Logistics Problems. Ph.D. Dissertation. Georgia Institute of Technology. School of Industrial and Systems Engineering, Atlanta, GA. Ronald H. Ballou, 1992. Council of Logistic Management

Roundy, R.O., 1985. 98

Savelsbergh, M., Song, J.H., 2004. An Optimization Algorithm for the Inventory Routing with Continuous Moves. Working Paper of School of Georgia Institute of Technology. Viswanathan, S., Mathur, K., 1997. Integrating routing and inventory decisions in one-warehouse multi-retailer multiproduct distribution systems. Management Science 43, 294312. Zhao, Q.H., Wang, S.Y., Lai, K.K., 2007. A partition approach to the inventory/ routing problem. European Journal ofOperational Research 177, 786802. Q.-H. Zhao et al./ European Journal of Operational Research 191 (2008) 623635 635