Dalam dunia layanan berbasis perusahaan, terutama yang menyediakan layanan di lokasi seperti pemeliharaan atau perbaikan, tantangan terbesar terletak pada pengelolaan rute kendaraan untuk memenuhi permintaan layanan yang datang secara dinamis. Salah satu permasalahan utama yang dihadapi oleh banyak perusahaan layanan adalah Dynamic Vehicle Routing Problem (DVRP), di mana rute kendaraan harus terus disesuaikan dengan kedatangan pesanan layanan baru selama jam kerja. Permasalahan ini semakin rumit dengan ketidakpastian waktu layanan yang harus disesuaikan dengan berbagai faktor eksternal yang tidak dapat diprediksi dengan pasti, seperti kemacetan lalu lintas atau kesalahan dalam estimasi waktu layanan.
Di sinilah pentingnya menciptakan solusi yang dapat mengoptimalkan keputusan pengambilan rute secara real-time, sehingga perusahaan dapat tetap melayani pelanggan dengan efisien tanpa mengorbankan kualitas layanan. Dalam konteks ini, pengelolaan rute yang fleksibel dan adaptif menjadi kunci untuk meningkatkan kinerja operasional sekaligus meminimalkan keterlambatan dan kegagalan dalam memenuhi permintaan layanan.
Untuk mengatasi masalah ini, penelitian ini mengusulkan algoritma Fuzzy Ant Colony System (ACS) yang merupakan pengembangan dari algoritma metaheuristik berbasis perilaku koloni semut. Algoritma ini dirancang untuk menangani DVRP dengan waktu layanan yang tidak pasti, di mana ketidakpastian tersebut dimodelkan menggunakan logika fuzzy. Dalam solusi ini, waktu layanan yang tidak dapat dipastikan digantikan dengan variabel fuzzy, memungkinkan algoritma untuk membuat keputusan yang lebih fleksibel dan adaptif terhadap dinamika situasi.
Kontribusi utama dari pendekatan ini terletak pada penggunaan metode cluster insertion yang meningkatkan tahap inisialisasi algoritma ACS. Metode ini mengelompokkan pelanggan berdasarkan kedekatannya, dan setiap kendaraan akan melayani kelompok pelanggan tertentu. Ketika permintaan layanan baru muncul, pelanggan tersebut akan dimasukkan ke dalam kelompok yang paling dekat. Hal ini mengoptimalkan distribusi feromon dalam ACS, yang berperan dalam menentukan rute kendaraan. Dengan cara ini, algoritma dapat menghindari potensi kesalahan yang terjadi akibat distribusi feromon yang buruk, yang sering kali menjadi masalah pada algoritma ACS dasar.
Selain itu, algoritma ini juga memperkenalkan penyesuaian dinamis dalam pembaruan rute yang berlangsung dalam beberapa interval waktu yang telah ditentukan. Setiap kali ada pembaruan, algoritma ini mengevaluasi kembali rute yang optimal berdasarkan informasi terkini, termasuk pesanan baru yang masuk, waktu layanan yang sudah diperkirakan, dan waktu perjalanan yang dapat berubah-ubah. Hasil dari penerapan algoritma ini menunjukkan bahwa penggunaan metode cluster insertion dalam inisialisasi feromon secara signifikan meningkatkan kinerja dibandingkan dengan penggunaan distribusi feromon acak pada ACS biasa.
Dari sisi implikasi manajerial, penerapan algoritma ini memiliki dampak yang cukup besar dalam pengelolaan operasional perusahaan layanan. Dengan solusi yang adaptif ini, perusahaan dapat mengoptimalkan pengalokasian sumber daya yang ada, seperti kendaraan dan teknisi, dengan cara yang lebih efisien. Hal ini tidak hanya meningkatkan kepuasan pelanggan dengan pengurangan waktu tunggu yang lebih cepat, tetapi juga menurunkan biaya operasional yang timbul akibat keterlambatan atau kegagalan dalam memenuhi permintaan. Lebih jauh lagi, sistem ini memberi perusahaan kemampuan untuk menangani dinamika yang lebih tinggi dalam operasi layanan, yang sangat penting di dunia yang semakin serba cepat dan penuh ketidakpastian.
Selain itu, algoritma ini juga memberikan fleksibilitas dalam menentukan parameter pengelolaan risiko, seperti indeks preferensi kredibilitas, yang memungkinkan pengambil keputusan untuk menyesuaikan tingkat risiko yang ingin diambil. Ini memberikan perusahaan ruang untuk menentukan kebijakan internal yang sesuai dengan tingkat dinamisitas yang dihadapi, apakah lebih konservatif atau lebih berani dalam mengambil keputusan.
Secara keseluruhan, pendekatan ini memberikan kontribusi signifikan dalam menyelesaikan tantangan DVRP dengan ketidakpastian waktu layanan, memungkinkan perusahaan layanan untuk lebih efisien dalam menghadapi ketidakpastian dan dinamika operasional. Implementasi dari algoritma ini tidak hanya mengarah pada efisiensi operasional yang lebih baik tetapi juga pada kepuasan pelanggan yang lebih tinggi, yang pada gilirannya akan berkontribusi pada keberlanjutan dan daya saing perusahaan dalam jangka panjang.
Sumber: Kuo, R. J., Wibowo, B. S., & Zulvia, F. E. (2016). Application of a fuzzy ant colony system to solve the dynamic vehicle routing problem with uncertain service time. Applied Mathematical Modelling, 40(23-24), 9990-10001.