Optimasi Vehicle Routing Problem With Time Windows (VRPTW) Pada Distribusi Kue Menggunakan Algoritma Genetika

  • Daryono Budi Utomo Departemen Matematika, Fakultas Matematika, Komputasi, dan Sains Data, Institut Teknologi Sepuluh Nopember
  • Dinah Razan Anshori Departemen Matematika, Fakultas Matematika, Komputasi, dan Sains Data, Institut Teknologi Sepuluh Nopember
  • Nuri Wahyuningsih Departemen Matematika, Fakultas Matematika, Komputasi, dan Sains Data, Institut Teknologi Sepuluh Nopember
Keywords: Algoritma Genetika, Distribusi kue, Rute Optimal, Vehicle Routing Problem, Time Window

Abstract

Kegiatan distribusi adalah kegiatan tidak bisa lepas dalam dunia industri, terutama yang bergerak dalam bidang produksi. Dalam pendistribusian suatu produk perlu mempertimbangkan beberapa faktor antara lain waktu, jarak tempuh, biaya transportasi, serta  rute yang akan dilalui dari satu tempat ke tempat yang lainnya. Pada makalah ini, dibahas bagaimana menentukan jarak terpendek pedistribusian kue industri rumah tangga “Matoh Tenan” ke 26 toko kue yang berbeda dengan menggunakan empat kendaraan. Untuk memudahkan Toko Kue dinyatakan bilangan 1 sampai dengan 26, data jarak antar toko kue menggunakan Google Map. Dalam pendistribusian empat kendaraan mulai dari “Matoh Tenan” sebagai titik awal dan kembali lagi ke titik awal. Metode yang digunakan adalah Vehicle Routing Problem Time Window (VRPTW) dan penyelesaiannya menggunakan algoritma genetika. Untuk mendapatkan solusi terbaik digunakan beberapa kombinasi probabilitas crossover dan mutasi serta ukuran populasi. Dari hasil pengujian ukuran populasi terbaik adalah 150 populasi, sedangkan untuk kombinasi probabilitas crossover dan mutasi adalah 0,2 dan 0,7. Dari nilai-nilai parameter ini didapatkan rute optimal dengan nilai fitness  sebesar 0,0160. Rute dimulai dari titik awal untuk rute  kendaraan 1:  9 ke 3 ke 5 ke 6 ke 10 ke 4 ke 12, rute kendaraan 2: 1  ke 18 ke 24 ke 11 ke 20 ke 23 ke 13, rute kendaraan 3:  26 ke 7 ke 14 ke 25 ke 21 ke 19, rute kendaraan 4: 2 ke 8 ke 22 ke 17 ke 16 ke 15 dan jarak tempuh dari total perjalanan oleh 4 kendaraan yaitu 62,31 km.

References

[1] Chopra, S., Meindl, Peter. 2010. Supply Chain Management: Strategy, Planning and Operation. New Jersey: Pearson Education.
[2] Prana A, Raden. 2007. Aplikasi Kombinatorial pada Vehicle Routing Problem. Bandung: Jurusan Teknik Informatika Institut Teknologi Bandung.
[3] Kusumadewi, S. 2003. Artificial Intelligence (Teknik dan Aplikasinya). Yogyakarta: Graha Ilmu.
[4] Gen, M. and Cheng, R., 2000. Genetic Algorithms and Engineering Optimization. New York: John Wiley and Sons Inc.
[5] Kallehauge, B., Larsen, J. and Madsen, O. 2006. Lagrangian Duality Applied to The Vehicle Routing Problem with Time Windows. Computers & Operations Research.
[6] Nugraha, I. 2008. Algoritma Genetik untuk Optimasi Penjadwalan Kegiatan Belajar mengajar. Bandung: Institut Teknologi Bandung.
[7] Mahmudy, F. W. 2013. Algoritma Evolusi. Malang: Program Teknologi Informasi dan Ilmu Komputer Universitas Brawijaya.
[8] Mahmudy, W.F., Marian, R.M., dan Luong, L.H.S., 2014. Hybrid Genetic Algorithms for Part Type Selection and Machine Loading Problems with Alternative Production Plans in Flexible Manufacturing System. ECTI Transactions on Computer and Information Technology (ECTI-CIT).
[9] Setiawan, K. 2003. Paradigma Sistem Cerdas. Surabaya: Banyumedia.
[10] Wati, A. W. 2011. Penerapan Algoritma Genetika Daalam Optimasi Model Dan Simulasi Dari Suatu Sistem. Jurnal Keilmuan Teknik Industri.
[11] Kusumadewi, S., Purnomo, H. 2005. Penyelesaian Masalah Optimasi dengan Teknik-Teknik Heuristik. Yogyakarta. Graha Ilmu.
[12] Sarwadi, Anjar KSW. 2004. Algoritma Genetika untuk Penyelesaian Masalah Vehicle Routing. Jurnal Matematika dan Komputer Universitas Diponegoro.
Published
2020-02-13