Computer File

Penerapan genetic algorithm dengan genetic multi-step searches pada M(max)-travelling salesman problem untuk meminimasi biaya dengan memperhatikan due date

Persaingan di dunia industri yang semakin ketat menyebabkan perusahaan berusaha menekan biaya agar harga jual produk dapat bersaing di pasaran. Salah satu komponen biaya yang dapat ditekan adalah biaya distribusi. Kegiatan distribusi ke berbagai kota dapat ditugaskan pada beberapa orang salesman. Permasalahan timbul dalam menentukan jumlah salesman dan rute distribusi yang dapat menghemat biaya. Komponen-komponen biaya mencakup biaya bahan bakar yang berbanding lurus dengan jarak, biaya makan dan biaya penginapan salesman yang dikeluarkan dalam mendistribusikan produk. Terdapat pula komponen biaya penalti yang dikenakan kepada perusahaan apabila salesman tiba di kota tujuan melewati tenggat waktu (due date) yang ditetapkan. mmax-Travelling Salesman Problem (mmax-TSP) merupakan permasalahan dalam penentuan rute sejumlah salesman dalam mengunjungi sejumlah kota. Dengan adanya mmax salesman yang tersedia, maka perlu ditentukan jumlah salesman yang ditugaskan agar biaya dapat ditekan. Genetic Algorithm dengan Genetic Multi-step Searches (GAIGMS) merupakan metode heuristik untuk menyelesaikan permasalahan kombinatorial. Algoritma ini melakukan pengembangan genetik dengan dMSXF (deterministic Multi-step Crossover Fusion) dan dMSMF (deterministic Multi-step Mutation Fusion). Kedua operator genetik ini memodifikasi kromosom parent sebanyak jumlah langkah (step) tertentu yang dilakukan dengan teknik pencarian tetangga (neighborhood search). GA/GMS diimplementasikan pada Mmax-TSP melalui 6 kasus hipotetik. Karakteristik yang membedakan satu kasus dengan kasus lainnya adalah jumlah kota tujuan, jumlah salesman maksimum yang tersedia, serta hubungan antar kota tujuan. Hasil implementasi dari GA/GMS menunjukkan algoritma tersebut dapat menyelesaikan Mmax-TSP. Melalui uji kasus hipotetik, diketahui bahwa probabilitas mutasi memiliki pengaruh yang signifikan untuk kasus yang cenderung kompleks. Algoritma ini menghasilkan performansi yang lebih baik dibandingkan algoritma Arlificial Immune System (AIS) untuk kasus tidak terlalu kompleks. Akan tetapi pada permasalahan yang kompleks, GAIGMS tidak memberikan solusi yang lebih baik daripada AIS.

Ketersediaan

Informasi Detail

Judul Seri

No. Panggil

TI PAR p/11

Penerbit

Bandung : Program Studi Teknik Industri Fakultas Teknologi Industri - UNPAR., 2011

Deskripsi Fisik

xiv, VI-2 p. : il. ; 30 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

TI

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

3158 - FTI

Pernyataan Tanggungjawab

Stefani Citta Paramita

Versi lain/terkait

Lampiran Berkas

Komentar