Perpustakaan Digital ITB

Cross-docking merupakan salah satu strategi yang banyak digunakan oleh perusahaan untuk mendapatkan keunggulan kompetitif dan menurunkan biaya transportasi yang dapat mencapai 30% dari total biaya yang dikeluarkan. Dalam cross-docking ada dua poin utama yang harus diperhatikan yaitu kedatangan kendaraan dan konsolidasi secara bersamaan (simultan). Jika setelah proses pickup seluruh kendaraan kembali ke cross-dock tidak secara simultan maka proses konsolidasi harus ditunda hingga seluruh kendaraan kembali ke cross-dock, hal ini dapat menyebabkan meningkatnya waktu tunggu dan level inventori di cross-dock. Oleh karena itu, keputusan vehicle routing menjadi salah satu keputusan penting dalam proses cross-docking. Masalah ini lebih dikenal sebagai Vehicle Routing Problem with Cross-dock (VRPCD). Pada penelitian ini VRPCD dikembangkan menjadi Vehicle Routing Problem with Multiple Cross-dock (VRPMCD) yang mempertimbangkan kendaraan heterogen (heterogeneous fleet), jendela waktu pelayanan (time window), dan batasan ketergantungan antara lokasi konsumen dan jenis kendaraan (site-dependent), atau dapat disingkat menjadi SDVRPMCDTW. Aspek time window dan site-dependent ditambahkan karena pada sistem nyata perusahaan dihadapkan pada situasi dimana setiap cross-dock dan konsumen memiliki jendela waktu pelayanan masingmasing, dan beberapa jenis kendaraan tidak dapat mengunjungi lokasi konsumen tertentu. Model matematis dan algoritma Adaptive Neighborhood Simulated Annealing (ANSA) dikembangkan untuk permasalahan SDVRPMCDTW. Algoritma yang dikembangkan diuji coba untuk menyelesaikan permasalahan HFVRPMCD dari penelitian terdahulu. Hasil uji coba menunjukkan algoritma yang dikembangkan mampu menghasilkan solusi yang sama atau lebih baik dari hasil algoritma penelitian terdahulu pada 60 data dari 90 data yang diuji coba. Uji statistik paired t-test digunakan untuk melihat apakah perbedaan solusi antara algoritma yang dikembangkan dan algoritma penelitian terdahulu signifikan, hasil uji statistik ini menunjukkan bahwa algoritma yang dikembangkan menghasilkan solusi yang lebih baik dibandingkan algoritma dari penelitian terdahulu. Model matematis dan algoritma yang dikembangkan diuji coba untuk menyelesaikan permasalahan SDVRPMCDTW. Hasil uji coba menunjukkan bahwa penyelesaian menggunakan model matematis atau disebut juga dengan metode eksak hanya dapat digunakan untuk menyelesaikan data 10 titik konsumen, sedangkan pada data 30 dan 50 titik konsumen metode eksak membutuhkan waktu komputasi yang sangat lama untuk mendapatkan solusi global optimal. Sedangkan algoritma yang dikembangkan dapat menyelesaikan data 10, 30, dan 50 titik konsumen dengan waktu komputasi yang dapat diterima. Hasil uji coba ini juga menunjukkan bahwa performansi algoritma yang dikembangkan cukup baik dari segi kualitas solusi dengan gap dari metode eksak sebesar 0,16% dan -24,99% pada data 10 dan 30 titik konsumen, dan gap dari algoritma SA sebesar -1,37% pada data 50 titik, dan waktu komputasi yang dibutuhkan lebih kecil dibanding metode eksak pada data 30 titik konsumen.