Perkembangan teknologi saat ini memicu masyarakat untuk menggunakan platform ecommercesebagai penyedia transaksi. Hal ini berdampak pada peningkatan bisnis jasakurir servis untuk pengiriman barang. Sebelumnya telah dilakukan penelitan mengenaipengiriman dengan menggunakan kendaraan homogen tanpa pengelompokan denganjumlah pengiriman < 1.500 per hari. Oleh karena itu, diperlukan optimalisasi rutepengiriman serta jenis kendaraan heterogen yang melayani > 1.500 kiriman perharimelalui jasa kurir dengan menggunakan VRP berdasarkan konsep kendaraan heterogenuntuk meminimalkan rute kendaraan. Penelitain ini menggunakan metode cluster KMeansuntuk mengklasifikasikan customer, meminimalkan jarak pengiriman danmempersingkat waktu komputasi. Pendekatan berbasis Genetic Algorithm (GA)diterapkan dengan menggunakan kriteria banyak generasi yang ingin dicapai danperbedaan tingkat efisiensi antar generasi untuk mendapatkan hasil optimasi rute. HasilPenelitan ini menunjukan bahwa dengan dengan GA dan cluster per jenis kendaraanheterogen berdasarkan pengelompokan area dengan jumlah > 1500 customer yang dibagimenjadi 4 cluster pada jenis kendaraan mobil, 2 cluster pada jenis kendaraan motor, dan2 cluster pada jenis kendaraan truck didapatkan rute optimal dengan jarak 8.99453 KMdengan total 34 rute

---

Current technological developments triggered people to use e-commerce platforms as

providers of transactions. This has an impact on increasing the courier service business

for delivery of goods. Previously, research had been carried out on shipments using

homogeneous vehicles without grouping with a number of shipments <1.500 per day.

Therefore, it is necessary to optimize delivery routes as well as heterogeneous vehicle

types serving > 1.500 shipments per day via courier services using VRP based on

heterogeneous vehicle concept to minimize vehicle routes. This research uses the KMeans

cluster method to classify customers, minimize delivery distances and shorten

computation time. Genetic Algorithm (GA) based approach is applied by using the criteria

of many generations to be achieved and differences in efficiency levels between

generations to obtain route optimization results. The results of this research show that

with GA and clusters per heterogeneous vehicle type based on area grouping with a

number of > 1.500 customers which are divided into 4 clusters on the type of car, 2clusters

on the type of motor cycle, and 2 clusters on the type of truck, the optimal route is obtained

8,99453 KM with total of 34 routes