The Determination of Crystal Ice Distribution Route Using The Algorithm of Ant Colony (Study Case : PT. XYZ)
D. Hasil Eksperimen
5. Penentuan Jalur Optimal
Dari tabel 7 untuk siklus selanjutnya dapat diketahui bahwa semut yang ada di titik P0 akan cenderung lebih memilih titik P3 atau P8. Semut yang ada di titik P1 akan cenderung untuk memilih titik P3 atau P8 dibandingkan tiik lainnya, hal ini karena titik tersebut memiliki feromone yang lebih besar dibandingkan dengan titik lainnya. Pada siklus selanjutnya dilakukan pengosongan tabu list dan ulangi langkah 2. Jika jumlah siklus maksimum belum tercapai atau belum terjadi konvergensi (menemukan nilai optimal), algoritma diulang lagi dari langkah dua dengan nilai parameter intensitas feromone antar titik yang sudah diperbaharui.
Apabila sudah terjadi konvergensi maka tahapan algoritma koloni semut selesai. Pada pencarian secara manual ini hanya terbatas untuk siklus pertama.
D. Hasil Eksperimen
Sistem distribusi PT. XYZ sebelumnya telah dijelaskan pada deskripsi sistem. Pada kasus ini pelanggan yang terdapat di 222 titik lokasi yang berbeda memiliki permintaan yang bervariasi. Total permintaan dari 222 pelanggan tersebut adalah 685 bungkus es kristal. PT. XYZ memiliki 3 unit kendaraan berkapasitas 310 bungkus yang digunakan untuk mengantar permintaan pelanggan. Untuk menyelesaikan masalah yang terjadi di PT. XYZ dilakukan penentuan rute distribusi untuk memenuhi setiap permintaan pelanggan dengan menggunakan metode metaheuristik yaitu algoritma koloni semut.
Adapun batasan dan parameter yang digunakan pada kasus PT. XYZ terdapat pada tabel 8 dan 9.
Tabel 8. Batasan Penelitian Batasan
Kapasitas Kendaraan 310 bungkus
Durasi Waktu 5 jam
Tabel 9. Parameter Ant Colony untuk Penelitian Parameter Ant Colony Nilai Intensitas jejak semut (τij) 0,5
Tetapan siklus semut (Q) 3
Tetapan pengendali intensitas jejak
semut (α) 1
Tetapan pengendali visibilitas (β) 2 Visibilitas antar pelanggan ( ηij) 1/data waktu
Banyak semut (m) 222
Tetapan penguapan jejak semut (ρ) 0,5 Jumlah siklus maksimum (NCmax) 100
Feromon P0 P1 P2 P3 P4 P5 P6 P7 P8 P9
P0 0 0,500 4,157 4,267 4,157 4,045 0,500 0,500 4,267 0,500
P1 0,500 0 0,500 4,267 0,500 0,500 0,500 0,500 4,267 0,500
P2 4,157 0,500 0 0,500 0,500 0,500 0,500 0,500 0,500 4,157
P3 4,267 4,267 0,500 0 0,500 4,045 0,500 0,500 4,045 0,500
P4 4,157 0,500 0,500 0,500 0 0,500 0,500 0,500 0,500 4,157
P5 4,045 0,500 0,500 4,045 0,500 0 0,500 0,500 0,500 0,500
P6 0,500 0,500 0,500 0,500 0,500 0,500 0 0,500 0,500 0,500
P7 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0 0,500 0,500
P8 4,267 4,267 0,500 4,045 0,500 0,500 0,500 0,500 0 0,500
P9 0,500 0,500 4,157 0,500 4,157 0,500 0,500 0,500 0,500 0
Feromon P0 P1 P2 P3 P4 P5 P6 P7 P8 P9
P0 0 0,500 0,500 4,517 0,500 0,500 0,500 0,500 4,517 0,500
P1 0,500 0 0,500 4,517 0,500 0,500 0,500 0,500 4,517 0,500
P2 0,500 0,500 0 0,500 0,500 0,500 0,500 0,500 0,500 0,500
P3 4,517 4,517 0,500 0 0,500 0,500 0,500 0,500 0,500 0,500
P4 0,500 0,500 0,500 0,500 0 0,500 0,500 0,500 0,500 0,500
P5 0,500 0,500 0,500 0,500 0,500 0 0,500 0,500 0,500 0,500
P6 0,500 0,500 0,500 0,500 0,500 0,500 0 0,500 0,500 0,500
P7 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0 0,500 0,500
P8 4,517 4,517 0,500 0,500 0,500 0,500 0,500 0,500 0 0,500
P9 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0,500 0
33
Tabel 10. Rekapitulasi Hasil Algoritma Koloni Semut
Berdasarkan tabel 10 diperoleh hasil urutan rute yang lebih optimal dilihat dari total waktu tempuh yang dibutuhkan adalah 2,8077 jam. Nilai ini menunjukan bahwa terjadi pengurangan waktu tempuh sebesar 2,1923 jam atau sebesar 43,85 % dari fungsi tujuan yaitu 5 jam. Waktu ini menunjukkan bahwa kualitas es kristal masih tetap terjaga pada saat sampai kepada pelanggan. Waktu komputasi yang dibutuhkan oleh algoritma koloni semut untuk memperoleh solusi akhir adalah 192,7938 detik.
Berdasarkan tabel 4.19 dapat diketahui bahwa kendaraan 1 akan melayani sebanyak 109 pelanggan dengan kapasitas maksimal yaitu 310 bungkus es kristal. Kendaraan 2 akan melayani sebanyak 93 pelanggan dengan membawa 310 bungkus es kristal.
Sedangkan kendaraan 3 melayani pelanggan paling sedikit yaitu sebanyak 20 pelanggan dengan jumlah bungkus es kristal yang harus dibawa adalah 65 bungkus. Angka 1 yang terdapat di awal dan di akhir rute menginformasikan bahwa kendaraan selalu berangkat dan kembali ke PT. XYZ setelah melakukan pengiriman
V. KESIMPULAN DAN SARAN A. Kesimpulan
Berdasarkan penelitian yang telah dilakukan maka diperoleh beberapa kesimpulan sebagai berikut:
1.
Solusi yang dihasilkan oleh algoritma koloni semut mampu menyelesaikan permasalahan pada proses distribusi es kristal di PT. XYZ dan terjadi penghematan waktu sebesar 2,1923 jam atau ± 45% dari fungsi tujuan untuk pengiriman per hari.
Dimana awalnya proses distribusi es kristal PT.
XYZ dapat berlangsung selama 5 sampai 6 jam per trip setiap harinya.
2.
Berdasarkan uji sensitivitas dapat diketahui parameter-parameter dari algoritma koloni semut yang sangat mempengaruhi solusi atau rute yang dihasilkan baik dari segi waktu tempuh maupun waktu komputasi. Parameter intensitas jejak semut antar titik (τij) tidak terlalu mempengaruhi baik dari segi waktu tempuh maupun waktu komputasi. Tetapan pengendali intensitas jejak semut (α) dan tetapan pengendali visibilitas (β) sangat mempengaruhi hasil waktu tempuh dan waktu komputasi. Sedangkan jumlah semut (m)lebih mempengaruhi waktu komputasi dan tetapan penguapan jejak semut (ρ) lebih mempengaruhi waktu tempuh.
B. Saran
Berikut ini merupakan beberapa saran yang dapat penulis berikan dari hasil penelitian yang telah dilakukan:
1. Pada penelitian ini jenis kendaraan bersifat homogen sehingga tidak dapat diterapkan pada perusahaan yang menggunakan ukuran kendaraan berbeda. Penelitian lanjutan dapat dilakukan dengan penentuan rute distribusi es kristal menggunakan jenis kendaraan yang berbeda (heterogen) atau disebut juga Heterogeneous Fleet Vehicle Routing Problem menggunakan algoritma koloni semut.
2. Untuk penelitian selanjutnya dapat dilakukan penentuan rute distribusi es kristal menggunakan algoritma koloni semut dengan mempertimbangkan kemacetan jalan dan banyaknya lampu lalu lintas.
UCAPAN TERIMA KASIH
Ucapan terima kasih kepada pihak perusahaan yang telah memudahkan penulis dalam pengumpulan data dan terima kasih kepada dosen pembimbing yang telah memberikan masukan dan membimbing penulis.
DAFTAR PUSTAKA
[1] Bell, J. E. and Griffis, S. E. ‘Swarm Intelligence : Application of The Ant Colony Optimization Algorithm to Logistics-Oriented Vehicle Routing Problems’, 31(2), pp. 157–176. 2010
[2] Berlianty, I. and Arifin, M. Teknik-Teknik Optimasi Heuristik. 1st edn. Yogyakarta: Graha Ilmu. 2010
[3] Bianca, L. ‘Sistem Rantai Dingin (Cold Chain) dalam Implementasi Sistem Logistik Ikan Nasional (SLIN)’. 2016
[4] Bin, Y., Zhong-zhen, Y. and Baozhen, Y. ‘An Improved Ant Colony Optimization for Vehicle Routing Problem’, European Journal of Operational Research. Elsevier B.V., 196(1), pp.
171– 176. 2009
[5] Ding, Q. et al. ‘Neurocomputing An Improved Ant Colony Optimization And Its Application to Vehicle Routing Problem With Time Windows’, Neurocomputing. Elsevier, 98, pp.101–107. 2012 [6] Hadhiatma, A. and Purbo, A. ‘Vehicle Routing
Problem untuk Distribusi Barang Menggunakan Algoritma Semut’, (1996), pp. 35–40. 2014 [7] Hillier, F. S. International Series in Operations
Research & Management Science Series. 2010 [8] Hutasoit, C. S., Susanty, S. and Imran, A.
‘Penentuan Rute Distribusi Es Balok Menggunakan Algoritma Nearest Neighbour dan Local Search’, 2(2), pp. 268–276. 2014
[9] Lestari, H. P. and Sari, E. R. S. ‘Penerapan Algoritma Koloni Semut untuk Optimisasi Rute Distribusi Pengangkutan Sampah di Kota
Kendaraan Rute Algoritma Koloni Semut Waktu Tempuh
(Jam)
34
Yogyakarta’, J. Sains Dasar 2013 Indonesia, 2(1), pp. 13–19. 2013
[10] Rini, A., Susanty, S. and Nurdiansyah, Y. ‘Usulan Perbaikan Rute Pendistribusian Ice Tube Menggunakan Metode Nearest Neighbour Dan Genetic Algorithm *’, 3(4), pp. 401–410. 2015 [11] Rusdiana, S. ‘Designing Application of Ant
Colony System Algorithm for The Shortest Route of Banda Aceh City dan Aceh Besar Regency Tourism by Using Graphical User Interface Matlab’, 17(2). 2017
[12] Suprayogi dan Mahaputra,M.S. ‘Pemecahan Masalah Rute Kendaraan Dengan Trip Majemuk, Jendela Waktu Dan Pengantaran-Penjemputan Simultan Menggunakan Algoritma Genetika’, 12(2), pp. 95–104. 2017
[13] Wirdianto, E. and Regenie, D. ‘Aplikasi Algoritma Hybrid dalam Penentuan Rute Pendistribusian Produk (Studi Kasus : PT.
Enseval Putera Megatrading )’, pp. 171–180.
2016
[14] Zhang, X. and Tang, L. ‘A New Hybrid Ant Colony Optimization Algorithm For The Vehicle Routing Problem’, Pattern Recognition Letters.
Elsevier B.V., 30(9), pp. 848–855. 2009 BIODATA PENULIS
Penulis 1
Nama : Cut Tria Fitri
Tempat/Tgl Lahir: Banda Aceh/15-03-1996 Pekerjaan : Mahasiswa
NIM : 1404106010007
Alamat : Tanjung Selamat, Aceh Besar
HP : 081398918873
Email : [email protected] Penulis 2
Nama : Andriansyah, S.T
Pekerjaan : Staf Pengajar Jurusan Teknik Mesin dan Industri
Email : [email protected] Penulis 3
Nama : Prima Denny Sentia
Pekerjaan : Staf Pengajar Jurusan Teknik Mesin dan Industri
Email : [email protected]