Optimasilisasi Rute Transportasi dan Biaya Pengangkutan Sampah di Tps 3r Usu Menggunakan Metode Saving Matrix

Yoppy Tigor Mario Sinaga; Gina Cynthia Raphita  Hasibuan; Zaid Perdana  Nasution

doi:10.36418/syntax-literate.v10i7.60756

Yoppy Tigor Mario Sinaga Universitas Sumatera Utara, Indonesia
Gina Cynthia Raphita Hasibuan Universitas Sumatera Utara, Indonesia
Zaid Perdana Nasution Universitas Sumatera Utara, Indonesia

DOI: https://doi.org/10.36418/syntax-literate.v10i7.60756

Keywords: Saving Matrix, optimasi rute, Python, transportasi sampah, TPS 3R USU

Abstract

Penelitian ini bertujuan untuk mengoptimalkan rute transportasi dan biaya pengangkutan sampah di TPS 3R USU menggunakan metode Saving Matrix dengan bantuan Machine Learning Python. Latar belakang penelitian didasarkan pada meningkatnya volume sampah seiring pertumbuhan penduduk, khususnya di Kota Medan, yang menghasilkan sekitar 2.000 ton sampah per hari. Permasalahan utama yang dihadapi adalah ketidakefisienan rute pengangkutan sampah, yang menyebabkan pemborosan waktu dan biaya. Metode Saving Matrix dipilih karena kemampuannya dalam meminimalkan jarak tempuh, waktu, dan biaya dengan mempertimbangkan kapasitas kendaraan dan volume sampah. Data yang digunakan meliputi koordinat lokasi TPS, timbulan sampah, dan kapasitas kendaraan, yang kemudian diolah menggunakan bahasa pemrograman Python untuk menghasilkan rute optimal. Algoritma Nearest Neighbor diterapkan untuk menentukan urutan kunjungan terdekat dari depot (TPS3R USU). Hasil penelitian menunjukkan bahwa optimasi rute berhasil mengurangi total jarak tempuh dan biaya operasional. Program Python yang dikembangkan menghasilkan 12 rute baru dengan biaya bahan bakar optimal sebesar Rp 139.732.713 per tahun. Selain itu, metode ini terbukti fleksibel dan dapat diterapkan pada skala yang lebih besar. Kesimpulan dari penelitian ini adalah metode Saving Matrix efektif dalam meminimalkan biaya dan jarak pengangkutan sampah. Saran untuk penelitian selanjutnya mencakup pertimbangan dinamika jalan, pengembangan program Python untuk variabel tambahan, serta evaluasi pemilahan sampah untuk meningkatkan efisiensi.

Downloads

Download data is not yet available.

References

Cholissodin, I., & Soebroto, A. A. (2021). AI, machine learning & deep learning (teori & implementasi).
Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to algorithms (3rd ed.).
Damanhuri, E., & Tri Padmi. (2019). Pengelolaan sampah terpadu. Bandung: ITB.
Dijkstra, E. W. (1959). A note on two problems in connexion with graphs. Numerische Mathematik, 1(1), 269�271.
Direktorat Jenderal Kependudukan dan Pencatatan Sipil (Dukcapil) Kementerian Dalam Negeri (Kemendagri). (2024). Direktorat Jenderal Kependudukan dan Pencatatan Sipil (Dukcapil) Kementerian Dalam Negeri (Kemendagri).
Direktur Bank Sampah New Normal Yasra Al-Fariza, & Kompas.id. (2023). Kota Medan hasilkan 2.000 ton sampah per hari, mayoritas belum tertangani.
Damanhuri, E., & Tri Padmi. (2008). Diktat pengelolaan sampah FTSL ITB.
Ernawati, D., Budiastuti, S., & Masykuri, M. (2012). Analisis komposisi, jumlah dan pengembangan strategi pengelolaan sampah di wilayah Pemerintah Kota Semarang berbasis analisis SWOT. Jurnal Ekosains.
Fikriya, Z. A., Irawan, M. I., & Soetrisno, S. (2017). Implementasi Extreme Learning Machine untuk pengenalan objek citra digital. Jurnal Sains dan Seni ITS, 6(1).
H�ke, M. C., & Yalcinkaya, S. (2021). Municipal solid waste transfer station planning through vehicle routing problem-based scenario analysis. Waste Management & Research, 39(1), 185�196.
Jordan, M. I., & Mitchell, T. M. (2015). Machine learning: Trends, perspectives, and prospects. Science, 349(6245), 255�260.
Kadarsa, E., Andini, E. T., Hasibuan, A., & Fauzan, M. (2023). Operational efficiency of Palembang City transportation using Saving Matrix Method. ASEAN Engineering Journal, 13(3).
Kasih, P. H., & Maulidina, Y. (2023). Penentuan rute pengiriman untuk meminimasi jarak tempuh transportasi menggunakan metode Saving Matrix. Jurnal INTECH Teknik Industri Universitas Serang Raya, 9(1).
Lynch, S. (2023). Python for scientific computing and artificial intelligence. Chapman and Hall/CRC.
Ali, M. (2014). Metodologi & aplikasi riset pendidikan. Jakarta: PT. Bumi Aksara.
Safira, N. (2021). Pengoptimalan rute distribusi tabung gas elpiji dengan metode Nearest Neighbour di PT. Duta Gasindo Sarana [Preprint].
Aina, N. (2021). Penyelesaian vehicle routing problem dengan algoritma Clarke and Wright Savings di Perusahaan Umum Bulog Medan Amplas [Preprint].
Kementerian Pekerjaan Umum. (2006). Peraturan Menteri Pekerjaan Umum No. 21/PRT/M/2006 tentang Kebijakan dan Strategi Nasional Pengembangan Sistem Pengelolaan Persampahan (KSNP-SPP).
Pemerintah Republik Indonesia. (2012). Peraturan Pemerintah Republik Indonesia Nomor 81 Tahun 2012.
Peraturan Presiden Republik Indonesia. (2017). Perpres SDGs No. 59 Tahun 2017.
Kementerian Pekerjaan Umum. (2013). PERMEN PU No.3 Tahun 2013.
Kementerian Dalam Negeri. (2021). Permendagri No. 7 Tahun 2021 tentang Cara Perhitungan Tarif Retribusi dalam Penyelenggaraan Penanganan Sampah.
Kementerian PUPR, Direktorat Cipta Karya. (2017). Petunjuk teknis TPS 3R.
Alfarizi, R. S., Gunawan, H., & Lestari, P. (2023). Penggunaan Python sebagai bahasa pemrograman untuk machine learning dan deep learning. Karimah Tauhid, Bogor.
Badan Standardisasi Nasional. (2002). SNI 19-2454-2002: Tata cara teknik operasional pengelolaan sampah perkotaan.
Winardi. (2014). Perencanaan dan pengawasan dalam bidang manajemen.
Yulianto, Ramadiani, & Kridalaksana, A. H. (2018). Penerapan formula Haversine pada sistem informasi geografis pencarian jarak terdekat lokasi lapangan futsal. Palembang.