Computer File
Penerapan artificial immune system dalam M(max)-travelling salesman problem untuk meminimasi total biaya dengan memperhatikan due date
Pengiriman barang (distribusi) merupakan salah satu faktor yang perlu
diperhatikan dalam dunia industri. Kendala yang dihadapi dalam pengiriman
barang adalah bagaimana mengirimkan barang sampai ke tangan konsumen
tepat pada waktunya sekaligus menempuh rute perjalanan dengan jarak
terpendek sehingga dapat menghemat biaya.
Masalah penentuan rute perjalanan agar mendapatkan total jarak yang
minimum dikenal dengan Travelling Salesman Problem (TSP). Dalam penelitian
ini, masalah yang dibahas adalah mmax-TSP dengan ukuran performansi adalah
total biaya. Pada mmax TSP, jumlah salesman yang tersedia lebih dari satu orang
dan merupakan jumlah salesman maksimum. Total biaya yang menjadi ukuran
performansi mencakup biaya bahan bakar, biaya makan, biaya penginapan, dan
biaya penalti per hari akibat keterlambatan.
Algoritma yang digunakan dalam penelitian ini adalah Artificial Immune
System (AIS). AIS merupakan metode metaheuristik yang dikembangkan untuk
menyelesaikan permasalahan kombinatorial. Penyelesaian masalah pada AIS
meniru cara kerja dari sistem kekebalan tubuh dalam hal mempertahankan
kekebalan tubuh manusia terutama dalam hal produksi antibodi. Teori yang
digunakan dalam AIS adalah Clonal Selection Principle. Clonal Selection
Principle merupakan teori yang menjelaskan bagaimana B-Cells dalam tubuh
memproduksi antibodi yang bervariasi melalui proses kloning untuk dimutasi.
Antibodi dapat dianalogikan sebagai solusi bagi masalah yang dihadapi. Hasil
mutasi kemudian menghasilkan antibodi-antibodi yang lebih baik dari antibodi
sebelumnya. Proses tersebut dikenal dengan affinity maturation. Semakin baik
suatu antibodi mengikat antigen, semakin baik solusi yang dihasilkan untuk
menyelesaikan masalah.
Dalam penelitian ini, AIS diimplementasikan pada 6 kasus hipotetik.
Karakteristik kasus yang membedakan satu sama lain adalah jumlah kota,
jumlah salesman maksimum, serta hubungan antar kota tujuan. Hasil penelitian
menunjukkan bahwa algoritma AIS dapat menyelesaikan mmax-TSP dengan
cukup baik. Nilai parameter yang diuji (langkah eliminasi (F), proporsi eliminasi
(P), serta Bmin mutasi dan Bmax mutasi) memberikan pengaruh terhadap total
biaya pada kasus yang cenderung lebih kompleks. Selain itu, dari perbandingan
dengan Genetic Algorithm dengan Genetic Multi-step Searches (GA/GMS) pada
kasus-kasus yang diuji dalam penelitian ini menunjukkan bahwa AIS memiliki
performansi yang lebih baik dibandingkan GA/GMS pada kasus yang lebih
kompleks.
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp20556 | DIG - FTI | Skripsi | TI WIL p/11 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain