OPTIMASI RUTE DISTRIBUSI LOGISTIK MENGGUNAKAN ALGORITMA GENETIKA BERBASIS GOOGLE MAPS API UNTUK EFISIENSI BIAYA OPERASIONAL

Abstract

Distribusi merupakan aktivitas logistik yang memakan biaya operasional terbesar dalam rantai pasok. Permasalahan yang sering dihadapi oleh perusahaan distribusi adalah penentuan rute pengiriman yang masih dilakukan secara manual berdasarkan intuisi pengemudi, sehingga mengakibatkan jarak tempuh yang tidak optimal, pemborosan bahan bakar, dan pembengkakan biaya operasional. Penelitian ini bertujuan untuk membangun model optimasi rute distribusi menggunakan pendekatan Vehicle Routing Problem (VRP) yang diselesaikan dengan Algoritma Genetika. Kebaruan dalam penelitian ini terletak pada integrasi Google Maps API untuk mendapatkan data jarak dan waktu tempuh yang akurat (real-time) sebagai basis perhitungan fitness function, bukan sekadar jarak Euclidean (garis lurus). Metode penelitian meliputi pengembangan sistem, simulasi rute, dan analisis komparatif biaya. Hasil pengujian menunjukkan bahwa rute yang dihasilkan oleh sistem mampu memperpendek total jarak tempuh sebesar 38,3% (setara dengan 26,3 km per rute) dibandingkan rute eksisting. Dari sisi manajerial, optimasi ini berkontribusi pada efisiensi biaya operasional sebesar Rp 1.195.975 per truk per bulan. Penelitian ini merekomendasikan penerapan sistem otomatisasi rute sebagai strategi manajemen untuk meningkatkan efisiensi logistik dan daya saing perusahaan.

Distribution is a logistics activity that accounts for the largest operational costs in the supply chain. A common problem faced by distribution companies is route determination which is still done manually based on driver intuition, resulting in suboptimal travel distances, fuel wastage, and inflated operational costs. This study aims to build a distribution route optimization model using the Vehicle Routing Problem (VRP) approach solved by Genetic Algorithms. The novelty of this research lies in the integration of Google Maps API to obtain accurate (real-time) distance and travel time data as the basis for fitness function calculations, rather than just Euclidean (straight line) distances. The research method includes system development, route simulation, and comparative cost analysis. The test results show that the route generated by the system is able to shorten the total travel distance by 38.3% (equivalent to 26.3 km per route) compared to the existing route. From a managerial perspective, this optimization contributes to operational cost efficiency of Rp. 1,195,975 per truck per month. This study recommends the implementation of route automation systems as a management strategy to improve logistics efficiency and company competitiveness.