IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520
1
Analisis Perbandingan Metode Pencarian Rute Distribusi menggunakan Algoritma Genetika Ibnu Nur Hidayat1, Yusuf Mutaali2, Anita Rahayu3, Nurbaiti Mega3 Universitas Singaperbangsa Karawang Jurusan Teknik informatika, FASILKOM UNSIKA, Karawang 1 2 e-mail: *
[email protected],
[email protected], 3
[email protected],
[email protected]
Abstrak Distribusi merupakan salah satu faktor penting dalam dal am sebuah industri. Setiap industri / distributor tentunya memiliki permasalahan distribusi produk yang berbeda. Untuk itu tidak bisa menerapkan suatu pola distribusi yang sama pada tempat yang berbeda. Diperlukan sebuah penelitian mengenai pola distribusi yang tepat dan efisien untuk tiap permasalahan distribusi. Penelitian ini bertujuan untuk membandingkan 5 jurnal dengan permasaslahan distribusi yang diselesaikan dengan algoritma genetika.
Distribusi, Industri, produk produk Kata kunci Algoritma Genetika, Distribusi,
Abstract Distribution is one of the important factors in an industry. Every industry / distributor certainly has different product distribution problems. For it can not apply a similar distribution pattern in different places. A research is needed on the appropriate and efficient distribution patterns for each distribution problem. This study aims to compare 5 journals with distribution problems solved by genetic algorithm. algorithm. Keywords— genetic algorithm, distribution, Industry, product
1. PENDAHULUAN
D
istribusi adalah proses pengiriman produk dari produsen ke konsumen pada waktu
tertentu[1]. Pendistribusian yang tidak efisien akan sangat berpengaruh pada membengkaknya biaya serta penjualan penjualan produk yang tidak efektif. efektif. Karena di dalam industri, laba yang tinggi merupakan salah satu faktor penting [2]. Proses pendistribusian produk dihitung mulai dari pesanan masuk atau order dari konsumen, konsumen, hingga pesanan diterima oleh konsumen.Tiap konsumen.Tiap Produsen produk tentunya sudah memiliki job schedule terhadap proses didtribusi produknya. Namun, hal ini bukan berarti tidak ada permasalahan permasalahan distribusi produk yang dihadapi. dihadapi. Received June 1st ,2012; Revised June 25th , 2012; Accepted July 10th , 2012
2
ISSN: 1978-1520
Permasalahan distribusi produk pada tiap Produsen memiliki perbedaan,sehingga diperlukan perlakuan yang berbeda untuk menyelesaikan permasalahan distribusi produk.
Dari 5 jurnal yang akan di review dan di bandingkan ini, ada beberapa masalah yang bisa diselesaikan menggunakan algoritma Genetika dengan beberapa metode . Adapun Metode yang digunakan dalam 5 jurnal ini yaitu Multi Traveling Salesman Problem (M-TSP), Hiterogenous fleet and time window, menggunakan metode clarke and wright savings, Vehicle Routing Problem with Time Window (VRPTW), dan variable neighborhood search (VNS). M-TSP adalah proses mendistribusikan barang ke beberapa tempat di mana industri memiliki salesman lebih dari satu [3]. Clarke and Wright pada tahun merupakan
metode yang perhitungan
penghematan yang diukur dari seberapa banyak dapat dilakukan pengurangan jarak tempuh yang digunakan dengan mengaitkan simpul-simpul yang ada dan menjadikannya sebuah rute bedasarkan nilai savings yang terbesar yaitu jarak tempuh antara simpul awal dan simpul tujuan [5]. VRPTW adalah perancangan optimasi rute dengan pengeluaran biaya yang minimal dari suatu depot
kebeberapa tujuan[6]. VNS merupakan algoritma yang menerapkan proses
pencarian solusi ketetanggaan yang jauh dan dekat sehingga memberikan kemungkinan besar menghasilkan solusi yang unggul[7]. Penelitian ini dimaksudkan untuk mengetahui keefektifan algoritma Genetika dalam penyelesaian masalah distribusi produk dalam ke – 5 jurnal yang di review dan dapat memberikan informasi yang bermanfaat dalam kaitanya penerapan algoritma genetika untuk masalah distribusi produk. 2. METODE PENELITIAN Metode yang digunakan dalam pembuatan jurnal review ini adalah mencari jurnal yang mempunyai bahasan mengenai Algoritma Genetika dalam distribusi produk. Dalam meninjau jurnal ini menggunakan pendekatan Asosiasi untuk mendapatkan perbandingan penerapan Algoritma Genetika dalam distribusi produk pengolahan data transaksi penjualan di lihat dari
nilai minimum support dan nilai minimum conficence. Dari pelaksanaan metode yang dikerjakan, diharapkan dapat menghasilkan kesimpulan yang dapat menjelaskan makalah ini.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
IJCCS
ISSN: 1978-1520
3
3. HASIL DAN PEMBAHASAN Perbandingan keefektifan algoritma genetika terhadap permasalahan distribusi ini disajikan dengan mengkomparasi setiap iterasi dari algoritma genetika untuk setiap permasalahan distribusi. Hasil yang diperoleh sebagai berikut.
Tabel 1.1 Perbandingan Penerapan Algoritma Genetika pada proses Distribusi produk
Referensi
CR
MR
Fittness
Metode
[3]
0,4
0,6
2,9964
Genetika
[4]
0,1
0,9
2,6296
[5]
0,06
0,047
0,002573
Genetika, Nearest Neighbour
Genetika, Clarke and Wright Saving
[6]
0,4
0,6
0.021383
Genetika
[7]
0,8
0,2
2,4591
Genetika, variable neighborhood search (VNS)
Title of manuscript is short and clear, implies research results (First Author)
4
ISSN: 1978-1520
Tabel 1.2 Perbandingan Popiulasi dan Generasi Penerapan Algoritma Genetika pada proses Distribusi produk
Referensi
Populasi
Generasi
120 [3]
800
[4]
17
249
[5]
20
1100
[6]
80
2500
[7]
60
1100
Tabel 1.3 Perbandingan Penerapan Teknik Algoritma Genetika pada proses Distribusi produk Referensi
Teknik
Hasil/Tujuan
[3]
Seleksi Replacement,
Pencarian nilai fitness
Mutasi one cut point
[4]
Seleksi rangking, Mutasi Biner
IJCCS Vol. x, No. x, July 201x : first_page – end_page
Pencarian nilai fittnes dan solusi usulan
IJCCS
ISSN: 1978-1520
[5]
Seleksi rangking,
5
Pencarian Solusi Usulan
Mutasi gen
[6]
Seleksi elitis,seleksi
Pencarian nilai fittnes dan solusi usulan
binary tournament
[7]
Seleksi random, Swap
Pencarian nilai fittnes dan solusi
mutase
Pada penelitan
[3]
usulan
(Optimasi Multi Travelling Salesman Problem (M-TSP) untuk
Distribusi Produk pada home Industri Tekstil dengan Algoritma Genetika) proses penentuan rute untuk mencapai nilai optimal dan waktu yang efisien didapat pada popolasi 120 dan generasi 800.Sehingga dari hasil pengujian tersebut d idapat kombinasi CR = 0,4 dan MR = 0,6 dengan nilai fitness sebesar 2,9964.Dapat disimpulkan untuk permasalahan M-TSP yang sejelis dapat langsung menggunakan nilai parameter diatas.
Pada penelitian [4] (Usulan Rancangan Rute Transportasi Multr tripuntuk Meminimasi biaya Transportasi dengan Hetererogeneous Fleet and Time Window menggunakan Metode Algoritma Genetika di PT.XYZ). Proses pencarian rute selain menggunakan algoritma genetika juga menerapkan algoritma nearest neeighbour. Tahapan awal dilakukan pengkodean biner, selanjutnya dilakukan proses seleksi untuk menentukan nilai fitness. Proses minimasi diacak secara random, sehingga nilai fitness tertinggi tidak selalu akan terpilih.Hasil pengujian pencarian rute difokuskan mencari rute terpendek secara total, sekalipun terdapan rute tertentu yang lebih panjang, secara keseluruhan terjadi penurunan jarak total distribusi sebesar 35 %.
Title of manuscript is short and clear, implies research results (First Author)
6
ISSN: 1978-1520
Pada penelitian [5] (Determination of chicken Distribution Route using Clarke and Wright Saving Method and Genetic Algoritm) Proses pencarian rute dengan menggunakan algoritma genetika dan Capacitated Vehicle Routing Problem (CVRP) pada pendistribusian daging ayam di PT Ciomas Adisatwa. Dengan menganalisis permasalahan dari data yang tersedia dalam prosesnya, selanjudnya dicarikan solusi terbaik menggunakan metode clarke and wright savings dan algor itma genetika. Padapenelitian [6] (Penerapan Algoritma Genetika Untuk Vehicle Routing Problem with Time Window (VRPTW) pada Kasus Optimasi Distribusi Beras Bersubsidi) Proses pendistribusian beras dari perum bulog dikirim sesuai kebutuhan khusus, hal ini membuat distributor kesulitan memenuhi permintaan. Hal ini dikarenakan perbedaan waktu dan jarak tempuh tiap daerah. Dengan Vehicle Routing Problem with Time Window (VRPTW) dalam Algoritma Genetika menghitung optimasi rute dengan
kendaraan yang tersedia. Hasil yang didapat dari penelitian ini didapat CR = 0,4 dan MR = 0,6 dengan nilai fitness sebesar 0.021716518 dengan hasil akhir nilai optimal utuk waktu pendistribusian beras bersubsidi. Pada penelitian [7]. (Hidrasi Algoritma Genetika dengan Variabel Neighboarhood Search (VNS) pada Optimasi Biaya Distribusi) Distribusi merupakan factor penunjang keberhasilan produk, namun permasalahan besarnya biaya distribusi menjadi masalah tersendiri bagi produsen. Dengan menerapkan algoritma genetika, dan kombinasi algoritma variable neighborhood search (VNS) dilakukan penelitian untuk mencari solusi.Dari hasil penelitian di dapat nilai CR = 0,8 dan MR = 0,2 dengan nilai fitness sebesar 2,4591. Hasil yang didapat penelitian ini mampu membuat penghematan biaya distribusi sebesar 323190.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
IJCCS
ISSN: 1978-1520
7
RESEARCH QUESTION
Referensi
Masalah
Jawaban
Bagaimana memaksimalkan [3]
distribusi produk ke banyak tempat dengan lebih dari satu salesman ?
Diperlukan sebuah model M-TSP untuk menentukan
rute
distribusi
masing-
masing salesman
Bagaimana memaksimalkan Dengan melakukan analisa data history [4]
proses distribusi produk ke traffic, beberapa tempat perbedaan
kemudian
lokasi
rute distribusi yang menjadi usulan.
transportasi
menganalisa
sudah diketahui ?
beras
yang
efisien
dengan
mempelajari permasalahan yang ada.
Bagaimana memaksimalkan pendistribusian
permasalahan
dengan distribusi, melakukan perencanaan rute
permasalahan distribusi yang distribusi
[6]
tersebut
yang yang sesuai dengan membandingkan rute
Bagaimana memaksimalkan Dengan waktu
data
dengan dilakukan perancangan rute distribusi
berbeda jalur?
[5]
dari
agar
sesuai permitaan dan tepat waktu?
Dengan Algoritma genetika di bentuk suatu rumusan dengan memaksimalkan jumlah muatan dalam truk yang tersedia dan
dibuatkan
waktu
tempuh. Dengan
[7]
penjadwalan
melakukan
genetika
dan
hidrasi
algoritma
algoritma
variable
Bagaimana mengoptimalkan
neighborhood search (VNS) dibentuk
biaya pendistribusian
model
sistematis
produk?
jumlah
jenis
dengan
produk
yang
komposisi dipesan
dikalikan jumlah kendaraan yang dimiliki distributor.
Title of manuscript is short and clear, implies research results (First Author)
8
ISSN: 1978-1520
4. KESIMPULAN Penerapan Algoritma genetika untuk pemecahan permasalahan distribusi sudah tepat, karena hasil yang diperoleh dari penelitian menghasilkan nilai keefektifan distribusi yang meningkat.Namun, dalam beberapa kasus proses distribusi, tidak selamanya permasalahan yang dihadapi dapat terselesaikan dengan algoritma genetika. Dari penelitian ini dapat ditarik kesimpulan, bahwa besarnya populasi yang ada tidak berdampak pada nilai fitness. Dan Nilai fitness yang du dapat tidak bergantung juga pada generasi iterasinya. Permasalahan distribusi akan menghasil solusi yang efektif jika ditunjang dengan data yang akurat dan proses perencanaan yang baik dari mulai proses seleksi hingga mutasi pada step algoritma genetika. 5. SARAN Berdasarkan kesimpulan dalam penelitian ini, maka penulis merekomendasikan beberapa saran sebagai berikut : 1. Dalam penerapan Algoritma genetika untuk meningkatkan efektifitas distribusi produk harus melihat backgroud permasalahan yang dihadapi, agar dapat disesuaikan metode dan teknik yang tepat dalam pencarian solusinya. 2. Algoritma genetika merupakan suatu tools yang membantu untuk proses pengambilan keputusan / solusi, yang lebih penting dari keseluruhan prosesnya adalah keseterdiaan data awal yang akan menunjang proses algoritma genetika sendiri
UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada Bp. Garno M.Kom yang telah memberi dukungan dan bimbingan dalam penelitian ini.
IJCCS Vol. x, No. x, July 201x : first_page – end_page
IJCCS
ISSN: 1978-1520
9
DAFTAR PUSTAKA
[1] M. Al Khuluqi, W. F. Mahmudy, A. Rahmi, U. Brawijaya. 2016. “Profit Optimization Based on Total Production in Textile Home.” 109-117. [2] W. Lesmawati, A. Rahmi, and W. F. Mahmudy. 2016. “Optimization of Frozen Food Distribution using Genetic Algorithms.” Technol 51-58. [3] Rizki, Agung M, W.F. Mahmudi, G.E. Yuliastuti. 2017. “Optimasi Mult i Travelling Salesman Problem (M-TSP) untuk Distribusi Produk pada home Industri Tekstil dengan Algoritma Genetika.” Kumpulan Jurnal Ilmu Komputer 125-135. [4] Zuhdi, Muhammad Aiman Anka, Luciana Andrawina, Meldi Rendra. 2017. “Usulan Rancangan Rute Transportasi Multr tripuntuk Meminimasi biaya Transportasi dengan Hetererogeneous Fleet and T ime Window menggunakan Metode Algoritma Genetika di PT.XYZ .” Journal Industrial Servicess Vol. 3 No. 1a 15-19.
[5] Pratiwi, Andira Kusumawardan, Eminugroho Ratna Sari. 2017. "Determination of chicken Distribution Route using Clarke and Wright Saving Method and Genetic Algoritm." Jurnam FMIPA UNY 1-10. [6] Bahtera, Farah Putri, Wayan Fidaus Mahmudy, Dian Eka Ratnawati. 2017. "Penerapan Algoritma Genetika Untuk Vehicle Routing Problem with Time Window (VRPTW) pada Kasus Optimasi Distribusi Beras Bersubsidi." Jurnal PTIIK 1-9.
[7] Rahmi, Asyrofa, Wayan Firdaus Mahmudy, Syaiful Anam. 2017. "Hidrasi Algoritma Genetika dengan Variabel Neighboarhood Search (VNS) pada Optimasi Biaya Distribusi." Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) 87-96.
Title of manuscript is short and clear, implies research results (First Author)
