PENYELESAIAN MASALAH RUTE PENYIRAMAN TANAMAN
MENGGUNAKAN ALGORITMA ARTIFICIAL IMMUNE SYSTEM (AIS)
DAN ALGORITMA CLARKE AND WRIGHT
SAVINGS
DI KOTA YOGYAKARTA
TUGAS AKHIR SKRIPSI
Diajukan kepada Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Negeri Yogyakarta
untuk Memenuhi Sebagian Persyaratan guna Memperoleh Gelar Sarjana Sains
Oleh
Viga Apriliana Sari
NIM 13305141051
PROGRAM STUDI MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
SURAT PERNYATAAN
Saya yang bertanda tangan di bawah ini:
Nama
: Viga Apriliana Sari
NIM
: 13305141051
Program Studi : Matematika
Judul TAS
:
Penyelesaian Masalah Rute Penyiraman Tanaman
Menggunakan Algoritma
Artificial Immune System
(AIS)
dan Algoritma
Clarke And Wright Savings
di Kota
Yogyakarta
Menyatakan bahwa skripsi ini benar-benar karya saya sendiri. Sepanjang
pengetahuan saya tidak terdapat karya atau pendapat yang ditulis atau diterbitkan
orang lain kecuali sebagai acuan kutipan dengan mengikuti tata penulisan karya
ilmiah yang telah lazim. Apabila ternyata terbukti pernyataan saya ini tidak benar,
maka sepenuhnya menjadi tanggung jawab saya dan saya bersedia menerima
sanksi sesuai dengan ketentuan yang berlaku.
Yogyakarta, 4 Juli 2017
Yang menyatakan,
MOTTO
“
Sejauh apapun jarak kita dengan mimpi-mimpi kita, tak ada satu teorema pun
yang mampu mematahkan usaha dan meruntuhkan kemauan yang tinggi.
Kelak, pundi-pundi semangat dan kerja keras akan membuahkan
kecupan yang manis dari Allah.
”
(Maulana Kafaby)
“
Kunci kesuksesan itu adalah adanya niat dari diri sendiri dengan usaha giat
dan selalu berdoa kepada Allah SWT
.”
PERSEMBAHAN
Dengan mengucap syukur kehadirat Allah SWT, atas berkat dan hidayah-Nya
sehingga skripsi ini dapat diselesaikan. Tak lupa sholawat serta salam kepada
Nabi Muhammad SAW atas petunjuk jalan kebenaran bagi seluruh umatnya.
Saya persembahkan karya ini kepada:
Orang tua saya, Bu Sri Mulyani dan Pak Suroto yang saya sayangi, terimakasih
atas semangat, doa, motivasi, kasih sayang, dan dukungan baik secara moril,
materil, maupun spiritual yang tak terhingga.
Kakak saya, Mega Kartika Putri, terimakasih selama ini sudah menjadi sosok
kakak yang begitu baik yang selalu memberi dorongan, semangat, dan motivasi
kepada saya.
Ibu Eminugroho Ratna Sari, M.Sc, terimakasih atas semangat, dorongan, dan
bimbingan yang telah diberikan dalam menyusun skripsi ini.
PENYELESAIAN MASALAH RUTE PENYIRAMAN TANAMAN
MENGGUNAKAN ALGORITMA ARTIFICIAL IMMUNE SYSTEM (AIS)
DAN ALGORITMA CLARKE AND WRIGHT
SAVINGS
DI KOTA YOGYAKARTA
Oleh:
Viga Apriliana Sari
NIM 13305141051
ABSTRAK
Capacitated Vehicle Routing Problem with Time Windows
(CVRPTW)
merupakan salah satu permasalahan
Vehicle Routing Problem
(VRP) yang
terbentuk dari gabungan permasalahan
capacitated vehicle routing problem
(CVRP) dengan
vehicle routing problem with time windows
(VRPTW). Tujuan
dari CVRPTW adalah membentuk rute optimal untuk memenuhi permintaan
pelanggan dengan kendala kapasitas dan waktu pelayanan. Masalah CVRPTW
yang akan dibahas adalah menentukan rute penyiraman tanaman di Kota
Yogyakarta dengan batasan kapasitas dan waktu. Tujuan dari penelitian ini untuk
membuat model matematika CVRPTW untuk rute penyiraman tanaman di Kota
Yogyakarta, menyelesaikan model tersebut dengan Algoritma
Artificial Immune
System (AIS)
dan
Algoritma
Clarke and Wright Savings
yang selanjutnya akan
dilakukan analisis perbandingan untuk melihat algoritma mana yang
menghasilkan jarak terpendek serta waktu tercepat untuk rute penyiraman
tanaman di Kota Yogyakarta.
Algoritma AIS diselesaikan dengan dua tahap yaitu
route construction
–
route minimization
dan tahap
distance improvement
total jarak. Pada tahap
route
construction
–
route minimization
menggunakan algoritma Solomon
insertion
heuristic
I1 untuk pembentukan rute awal yang disesuaikan dengan kapasitas
kendaraan menggunkan prosedur
ejection pool
dan pada tahap
distance
improvement
total jarak digunakan untuk mengoptimalkan hasil dari tahap
Route
Minimization.
Algoritma
Clarke and Wright Savings
diselesaikan dengan cara
mengaitkan titik-titik yang ada dan menjadikannya sebuah rute bedasarkan nilai
saving
yang terbesar yaitu jarak tempuh antara titik awal dan titik tujuan.
Untuk rute penyiraman tanaman di Kota Yogyakarta dihitung dengan
menggunakan Algoritma AIS didapatkan total jarak
yaitu 38,53 km dengan waktu
1304 menit, sedangkan menggunakan Algoritma
Clarke and Wright Savings
diperoleh total jarak 42,18 km dengan waktu 1300 menit. Jarak yang didapatkan
menggunakan Algoritma
AIS
lebih baik dibandingkan Algoritma
Clarke and
Wright Savings
karena menghasilkan jarak yang lebih optimal
,
sedangkan waktu
yang dihasilkan Algoritma
Clarke and Wright Savings
sama baiknya
dibandingkan Algoritma
AIS
karena selisihnya hanya empat menit untuk
penyelesaian CVRPTW.
KATA PENGANTAR
Dengan mengucapkan Alhamdulillah dan puji syukur kehadirat Allah
SWT yang telah memberikan rahmat dan karuniaNya sehingga penulis dapat
menyelesaikan tugas akhir skripsi ini dengan lancar. Skripsi yang berjudul
“
Penyelesaian
Masalah
Rute
Penyiraman
Tanaman
Menggunakan
Algoritma Artificial Immune System (AIS) dan Algoritma Clarke And Wright
Savings di Kota Yogyakarta
”
ini disusun untuk memenuhi salah satu syarat
kelulusan meraih gelar sarjana sains pada Fakultas Matematika dan Ilmu
Pengetahuan Alam.
Penulis menyadari bahwa tanpa adanya bantuan, dukungan, saran,
bimbingan dengan keikhlasan dan ketulusan dari berbagai pihak, skripsi ini tidak
akan terselesaikan dengan baik. Dalam kesempatan ini penulis mengucapkan
terima kasih kepada:
1.
Bapak Dr. Hartono selaku Dekan Fakultas Matematika dan Ilmu
Pengetahuan Alam, Universitas Negeri Yogyakarta.
2.
Bapak Dr. Ali Mahmudi selaku Ketua Jurusan Pendidikan Matematika
FMIPA UNY.
3.
Bapak Dr. Agus Maman Abadi selaku Ketua Program Studi
Matematika FMIPA UNY.
4.
Ibu Eminugroho Ratna Sari. M.Sc., selaku dosen pembimbing yang
telah memberikan bimbingan, pengarahan, dan nasehat dalam
penyusunan skripsi ini.
5.
Ibu Dra. Mathilda Susanti. M.Si., selaku Pembimbing Akademik yang
telah memberikan dukungan, saran dan kritik yang memotivasi
penulis untuk menjadi lebih baik dalam menjalani proses perkuliahan.
6.
Bapak Pramu Haryanto, S.T., selaku Pegawai Dinas Lingkungan
Hidup Kota Yogyakarta yang telah memberi fasilitas dan dukungan
dalam penelitian ini.
8.
Seluruh Dosen Jurusan Pendidikan Matematika FMIPA UNY, yang
telah memberikan ilmunya kepada penulis.
9.
Teman-teman Matematika E 2013 yang selalu memberikan keceriaan,
dukungan, dan motivasi kepada penulis dalam proses penyusunan
skripsi ini.
10.
Semua pihak yang tidak dapat disebutkan satu persatu, yang telah
membantu dan mendukung dalam penyusunan tugas akhir skripsi ini.
Penulis menyadari bahwa tugas akhir ini masih memiliki banyak
kekurangan dan kesalahan dalam penyusunan tugas skripsi ini, sehingga sangat
diharapkan akan kritik dan saran yang dapat membangun kebaikan bagi penulis.
Akhir kata, semoga penelitian ini dapat bermanfaat bagi penulis dan pembaca.
Yogyakarta, 4 Juli 2017
Penulis
DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN PERSETUJUAN ... ii
HALAMAN PERNYATAAN ... iii
HALAMAN PENGESAHAN ... iv
HALAMAN MOTTO ... v
HALAMAN PERSEMBAHAN ... vi
ABSTRAK ... vii
KATA PENGANTAR ... viii
DAFTAR ISI ... x
DAFTAR TABEL ... xii
DAFTAR GAMBAR ... xiii
DAFTAR LAMPIRAN ... xiv
DAFTAR SIMBOL ... xv
BAB I PENDAHLUAN
A.
Latar Belakang Masalah ... 1
B.
Identifikasi Masalah ... 6
C.
Batasan Masalah ... 6
D.
Rumusan Masalah ... 7
E.
Tujuan Penelitian ... 7
F.
Manfaat Penelitian ... 8
BAB II KAJIAN TEORI
A.
Masalah Optimasi
...
10
B.
Graf ... 11
1.
Definisi Graf ... 11
2.
Macam - Macam Graf ... 11
C.
Vehicle Routing Problem
(VRP) ... 14
D.
Capacitated Vehicle Routing Problem With Windows
(CVRPTW) ... 16
E.
Algoritma Artificial Immune System (AIS) ...
20
F.
Algoritma Clarke-Wright Savings ...
27
G.
Dinas Lingkungan Hidup Kota Yogyakarta
...
30
BAB III METODE PENELITIAN
A.
Prodedur Penelitian ... 32
B.
Penentuan Obyek Penelitian ... 33
C.
Lokasi Penelitian ... 33
D.
Teknik Pengumpulan Data ... 34
E.
Teknik Analisis Data ... 35
B.
Penyelesaian Masalah Rute Penyiraman Tanaman Menggunakan
Algoritma
Artificial Immune System
(AIS) ... 44
C.
Penyelesaian Masalah Rute Penyiraman Tanaman Menggunakan
Algoritma
Clarke and Wright Savings
... 60
D.
Perbandingan Hasil Model Matematika Antara Algoritma
Artificial
Immune System
(AIS) Dengan Algoritma
Clarke and Wright Savings
... 65
BAB V KESIMPULAN DAN SARAN
A.
Kesimpulan ... 68
B.
Saran ... 74
DAFTAR PUSTAKA ... 75
DAFTAR TABEL
Tabel 4.1. Kebutuhan Air Untuk Setiap Lokasi ... 38
Tabel 4.2. Hasil Perubahan Rute ... 47
Tabel 4.3. Hasil Pengurangan Banyaknya Rute ... 48
Tabel 4.4. Hasil Pembentukan Rute
Ejection Pool
... 49
Tabel 4.5
.
Hasil Pembentukan Rute
Ejection Pool
dengan Rute 2 ... 51
Tabel 4.6. Hasil Pembentukan Rute 1 dan Rute 2 dari Rute
Ejection Pool
... 51
Tabel 4.7. Hasil Tahap
Route Minimization ...
52
Tabel 4.8.
2-Opt*
untuk
Multi-Route ...
58
Tabel 4.9. Rute Penyiraman Menggunakan
Artificial Immune System (AIS) ...
58
Tabel 4.10. Matriks Penghematan ... 61
Tabel 4.11. Iterasi 1 Pengelompokan Rute Berdasarkan Matriks Penghematan ... 62
Tabel 4.12. Iterasi 2 Pengelompokan Rute Berdasarkan Matriks Penghematan ... 63
Tabel 4.13. Rute Penyiraman Menggunakan Algoritma
Clarke and Wright
Savings ...
64
DAFTAR GAMBAR
Gambar 2.1. Graf nol dengan 2 titik
...
11
Gambar 2.2. Graf
dengan 4 titik dan 6 rusuk
...
12
Gambar 2.3. Graf ganda yang ditunjukan dengan loop pada e
2dan e
3... 12
Gambar 2.4. Graf yang berarah dari V
1menuju ke V
2 ...12
Gambar 2.5. Graf yang memiliki bobot
...
13
Gambar 2.6. Graf G
...
13
Gambar 2.7 Diagram alir Algoritma
Artificial Immune System
(AIS)
...
27
Gambar 2.8. Diagram alir Algoritma
Clarke and Wright Savings ...
30
Gambar 3.1. Diagram Alir Penelitian
...
36
Gambar 4.1. Lokasi Titik Penyiraman Tanaman di Kota Yogyakarta
...
39
Gambar 4.2. Graf Kosong untuk Titik Penyiraman Tanaman di Kota
Yogyakarta
...
39
Gambar 4.3. Graf Lengkap untuk Rute Penyiraman Tanaman di Kota Yogyakarta 40
Gambar 4.4. Pembentukan Rute 2-Opt untuk
Single-route
... 55
Gambar 4.5. Graf Rute Penyiraman Tanaman di Kota Yogyakarta
Menggunakan
Algoritma Artificial Immune System
(AIS) ... 60
DAFTAR LAMPIRAN
Lampiran 1 Waktu Penyiraman untuk Setiap Lokasi
...
78
Lampiran 2 Keterangan untuk Setiap Titik Lokasi ... 79
Lampiran 3 Matriks Jarak Antar Titik ... 80
Lampiran 4 Matriks Waktu Tempuh Antar Titik
...
80
Lampiran 5 Iterasi Penentuan Rute Pada Tahap Route Construction ... 81
Lampiran 6 Hasil Pembentukan Rute
Ejection Pool
Dengan Rute 1
...
127
Lampiran 7
Hasil Pembentukan Rute
Ejection Pool
Dengan Rute 1 dan Rute 2 .... 128
Lampiran 8
Relocate
untuk
Single-Route
... 129
Lampiran 9
Exchange
untuk
Single-Route
... 131
Lampiran 10
Tabel
2-Opt
untuk
Single-Route ...
132
Lampiran 11
Or-Opt
untuk
Single-Route ...
133
Lampiran 12
Iteras
Relocate
untuk
Multi-Route
... 134
Lampiran 13
Exchange
untuk
Multi-Route
... 135
Lampiran 14 Iterasi Pengelompokan Rute Berdasarkan Matriks Penghematan ... 136
Lampiran 15
Surat Permohonan Izin Penelitian untuk Dinas Perizinan
...
143
Lampiran 16 Surat Permohonan izin Penelitian untuk Dinas Lingkungan Hidup
(DLH)
...
144
Lampiran 17 Surat Izin Penelitian Dari Dinas Perizina ...
145
DAFTAR SIMBOL
: jarak dari titik
i
ke titik
j
: jarak antara titik
i
dan
u
: jarak dari
u
(
unrouted customer
) ke titik
j
: himpunan rusuk graf
:
edge
/
rusuk antara dua titik ke
i
: Graf
dengan titik
dan rusuk
h
: waktu paling awal melakukan pelayanan (
lower bound
)
k
: banyaknya kendaraan
: waktu paling lambat melakukan pelayanan (
upper bound
)
: jumlah pelanggan
�
: jumlah permintaan titik distribusi ke-
S
ij: nilai penghematan jarak dari titik
i
ke titik
j
: lamanya pelayanan di titik distribusi ke- oleh kendaraan ke-
�
0: waktu saat kendaraan ke- meninggalkan depot dan kembali ke depot
�
: waktu dimulainya pelayanan titik distribusi ke- oleh kendaraan ke-
k
: waktu tempuh titik distribusi ke titik distribusi
: waktu mulai pelayanan di titik
j
sebelum dilakukan insersi
′
: waktu mulai pelayanan di titik
j
setelah dilakukan insersi
u
:
unrouted customer
.
: himpunan titik graf
:
vertex
/titik/depot distribusi ke i
w
: jalan/
walk
pada graf G
BAB I
PENDAHULUAN
A.
Latar Belakang
Dinas lingkungan Hidup (DLH) Kota Yogyakarta adalah dinas
pemerintahan yang bergerak di bidang lingkungan hidup daerah yang meliputi
kegiatan dalam melakukan pengawasan, pengendalian, dan penertiban terhadap
segala sesuatu mengenai lingkungan hidup di Kota Yogyakarta. DLH memiliki
amanah untuk menjaga kualitas lingkungan hidup demi kehidupan dimasa depan.
Oleh sebab itu, diperlukan perlindungan dan pengelolaan lingkungan hidup yang
sungguh
–
sungguh dan konsisten oleh semua pihak.
dalam kehidupan sehari-hari. Berbagai kalangan menemui permasalahan serupa
dengan variasi yang berbeda, salah satu contohnya adalah proses penyiraman
tanaman. Oleh karena itu, diperlukan suatu penyelesaian untuk masalah optimasi
rute perjalanan yang sering dikenal dengan
Vehicle Routing Problem
(VRP).
Vehicle Routing Problem
(VRP) adalah masalah penentuan rute kendaraan
dalam mendistribusikan barang dari tempat produksi yang dinamakan depot ke
pelanggan dengan tujuan meminimumkan total jarak tempuh kendaraan (
T
oth dan
Vigo, 2002). Tujuan dari VRP adalah untuk
melayani sekumpulan pelanggan
dengan ongkos operasi, jarak dan waktu yang minimum. VRP mempunyai
beberapa variasi, antara lain yaitu
capacitated vehicle routing problem
(CVRP)
dimana setiap kendaraan mempunyai kapasitas yang terbatas, adanya selang
waktu tertentu bagi pelanggan untuk menerima pelayanan maka masalahnya
menjadi VRP
with time windows
(VRPTW), distributor memiliki banyak depot
untuk menyuplai pelanggan maka dikenal dengan masalah
multiple depot VRP
(
MDVRP), pelanggan mungkin mengembalikan barang pada depot asal maka
dikenal dengan masalah VRP
with pick-up and delivering
(VRPPD),
split delivery
VRP(SDVRP) dimana pelanggan dilayani dengan kendaraan berbeda, dan
periodic
VRP (PVRP) dimana pengantar hanya dilakukan dihari tertentu. (T
oth
dan Vigo, 2002)
pelanggan dengan kendala kapasitas dan waktu pelayanan agar diperoleh waktu
dan jarak yang minimum. DLH memiliki kebijakan untuk penyiraman yang
dilakukan dua hari sekali, sehingga dalam rentang waktu tersebut DLH harus
mampu menyirami seluruh tanaman tanpa melebihi waktu yang ditentukan . Oleh
karena itu, data ini termasuk masalah CVRPTW dengan batas waktu tersebut.
Metode yang dapat digunakan untuk menyelesaikan masalah CVRPTW adalah
Algoritma
Artificial Immune System
(AIS), dan Algoritma
Clarke and Wright
Savings
.
Artificial Immune System (AIS)
dalam aplikasinya menggunakan
mekanisme sistem imun hewan bertulang belakang (vertebrata) untuk menemukan
solusi yang digunakan menyelesaikan masalah khusus. AIS bertujuan membuat
penjadwalan pekerjaan yang diproses pada mesin tertentu, sehingga perjalanan
dari sistem secara keseluruhan dapat diminimalkan. AIS telah digunakan dalam
menyelesaikan berbagai bidang seperti optimasi, klasifikasi,
clustering
, deteksi
anomali,
machine learning
,
adaptive control
, dan
associative memories
(Dasgupta
and Nino, 2009). Secara umum, algoritma AIS diselesaikan dengan dua tahap
yaitu
route construction
–
route minimization
dan tahap
distance improvement
total jarak. Pada tahap
route construction
–
route minimization
digunakan
algoritma Solomon
insertion heuristic
I1 yang dilanjutkan dengan prosedur
Artificial Immune System
(AIS) dipilih karena pada beberapa kasus
optimasi, algoritma ini cukup efektif dalam mengatasi rute perjalanan. Beberapa
penelitian tentang Algoritma AIS pernah dilakukan. Salah satunya dilakukan oleh
Hamzah dan Santosa (2011). Penelitian tersebut dilakukan pada 56 masalah
dengan menggunakan sampel 25 pelanggan dan 100 pelanggan. Hasil yang
diperoleh menunjukan penggunaan AIS sangat kompetitif untuk masalah dengan
ukuran 25 pelanggan
dari pada menggunakan data secara acak. Penelitian ini juga
pernah dilakukan oleh Perdana (2011) dimana dalam penelitian tersebut
mengaplikasikan AIS pada masalah penjadwalan
job shop
dengan menggunakan
sembilan jenis mesin dan empat pekerjaan di PT Cahaya Kawi Ultra Polyintraco.
Hasil yang diperoleh jadwal optimal yang terbentuk setelah 10 kali
running
program
Job Shop Application
tidak tunggal dengan waktu 433 menit yang dapat
memberikan alternatif jadwal lainnya terhadap perusahaan tersebut.
jarak tempuh dan waktu yang digunakan dengan mengaitkan titik-titik yang ada
dan menjadikannya sebuah rute berdasarkan nilai saving yang terbesar yaitu jarak
tempuh antara titik awal dan titik tujuan (Octora, dkk, 2014 : 2). Proses
perhitungannya, algoritma ini tidak hanya menggunakan jarak sebagai parameter,
tetapi juga waktu untuk memperoleh nilai
saving
yang terbesar untuk kemudian
disusun menjadi sebuah rute yang terbaik.
Algoritma
Clarke and Wright Savings
dipilih karena dipublikasikan
sebagai suatu algoritma yang digunakan sebagai solusi untuk permasalahan rute
kendaraan dimana sekumpulan rute pada setiap langkah ditukar untuk
mendapatkan sekumpulan rute yang lebih baik, dan algoritma ini digunakan untuk
mengatasi permasalahan yang cukup besar, dalam hal ini adalah jumlah rute yang
banyak. Beberapa penelitian tentang algoritma
Clarke and Wright Savings
telah
banyak dilakukan. Salah satunya yang dilakukan oleh Rahmawati (2014).
Penelitian tersebut dilakukan di PT Wina Putra Jaya untuk pendistribusian gas
LPG, didapatkan rute dengan jarak dan biaya transportasi yang minimum dengan
menggunakan algoritma
Clarke and Wright Savings
dari pada menggunakan rute
distribusi dari perusahaan tersebut. Penelitian ini juga pernah dilakukan oleh Agus
Purnomo (2010), dimana penelitian ini dilakukan di PT Teh Botol Sosro Bandung
untuk menentukan rute pengiriman dan biaya transportasi menggunakan algoritma
Clarke and Wright Savings.
Hasilnya adalah rute pengiriman dengan Algoritma
Rp. 200.700,00 (46,07%) dibandingkan dengan rute yang digunakan oleh
perusahaan tersebut pada saat itu.
Menurut DLH Pusat Provinsi Daerah Istimewa Yogyakarta, di Provinsi
DIY yang memiliki tanaman hias yang paling banyak berada di Kota Yogyakarta
dari pada kabupaten yang lain, sehingga penelitian ini dilakukan di Kota
Yogyakarta. Oleh sebab itu, dalam penelitian ini akan dibahas
tentang metode
penyelesaian masalah
Capacitated Vehicle Routing Problem With Time Windows
(CVRPTW) dengan cara membandingkan hasil menggunakan
Algoritma
Artificial Immune System
(AIS) dan Algoritma
Clarke and Wright Savings
untuk
rute penyiraman tanaman yang terdapat di Kota Yogyakarta.
Sehingga dari hasil
membandingkan kedua metode tersebut mana yang lebih baik untuk
menghasilkan rute dengan jarak dan waktu yang paling optimal.
B.
Identifikasi Masalah
Berdasarkan latar belakang masalah di atas maka dapat diidentifikasi
permasalahan yang ada dalam rute penyiraman tanaman yang terdapat di Kota
Yogyakarta yaitu ketika musim kemarau penggunaan air untuk proses penyiraman
yang tidak optimal dan tidak adanya rute yang tetap dikarenakan pengendara yang
berbeda-beda.
C.
Batasan Masalah
1.
Kendaraan yang digunakan untuk mendistribusikan berjumlah satu, dengan
ketentuan kendaraan yang memiliki kapasitas maksimum 5000 liter dan
memiliki titik penyiraman yang paling banyak.
2.
Permasalahan
capacitated vehicle routing problem with time windows
(CVRPTW) dengan enam belas
titik.
3.
Tidak ada batasan total jarak pada suatu rute, sehingga dapat ditambahkan
titik terdekat dari rute tersebut dengan syarat masih memenuhi batasan
kapasitas dan waktu.
4.
Penyiraman tanaman dilakukan setiap dua hari sekali dengan jam kerja pagi
pukul 05.00-11.00 WIB dan sore pukul 15.30-18.30 WIB.
D.
Rumusan Masalah
Berdasarkan latar belakang yang telah diuraikan, rumusan masalah dalam
penelitian ini adalah sebagai berikut:
1.
Bagaimana model matematika CVRPTW untuk rute penyiraman tanaman di
Kota Yogyakarta?
2.
Bagaimana penyelesaian model matematika untuk rute penyiraman tanaman
di Kota Yogyakarta menggunakan Algoritma
Artificial Immune System
(AIS) ?
3.
Bagaimana penyelesaian model matematika untuk rute penyiraman tanaman
4.
Bagaimana perbandingan hasil penyelesaian masalah rute penyiraman
tanaman di Kota Yogyakarta menggunakan Algoritma
Artificial Immune
System
(AIS) dengan Algoritma Clarke and Wright
Savings
?
E.
Tujuan Penelitian
Berdasarkan rumusan masalah di atas, tujuan dari penelitian yang ingin
dicapai yaitu :
1.
Membentuk model matematika CVRPTW untuk rute penyiraman tanaman
di Kota Yogyakarta.
2.
Menyelesaikan model matematika untuk rute penyiraman tanaman di Kota
Yogyakarta menggunakan Algoritma
Artificial Immune System
(AIS).
3.
Menyelesaikan model matematika untuk rute penyiraman tanaman di Kota
Yogyakarta menggunakan Algoritma Clarke and Wright
Savings.
4.
Membandingkan hasil penyelesaian masalah rute penyiraman tanaman di
Kota Yogyakarta menggunakan Algoritma
Artificial Immune System
(AIS)
dengan Algoritma Clarke and Wright
Savings.
F.
Manfaat Penelitian
Adapun manfaat yang diharapkan dari penelitian ini sebagai berikut:
1.
Bagi DLH
Menjadi solusi alternatif untuk pengoptimalan penggunaan air dan
2.
Bagi Pembaca
Dijadikan salah satu referensi untuk memperluas pemahaman mengenai
capacitated vehicle routing problem with time windows
(CVRPTW) bagi
kalangan akademik khususnya Program Studi Matematika.
3.
Bagi Penulis
Menambah pengetahuan penulis lebih dalam mengenai masalah optimasi
dengan menggunakan metode penyelesaian
Capacitated Vehicle Routing
Problem With Time Windows
(CVRPTW) khususnya menggunakan
BAB II
KAJIAN TEORI
Secara umum, pada bab ini akan dibahas mengenai kajian teori yang
digunakan dalam penelitian ini yaitu masalah optimasi, graf
,
Vehicle Routing
Problem
(VRP),
Capacitated Vehicle Routing Problem With Time Windows
(CVRPTW),
Algoritma Artificial Immune System
(AIS) ,
Algoritma Clarke and
Wright Savings,
dan
DLH
.
A.
Masalah Optimasi
Optimasi merupakan suatu upaya sistematis untuk memilih elemen terbaik
dari suatu kumpulan elemen yang ada.
Optimasi ialah proses untuk mencapai hasil
yang ideal atau optimal (nilai efektif yang dicapai). Optimasi secara intuisi berarti
melakukan pekerjaan dengan cara terbaik (Brogan, 1991).
Masalah optimasi mengarah pada studi permasalahan yang mencoba untuk
mencapai nilai minimal atau maksimal dari suatu fungsi nyata. Banyak masalah
dalam dunia nyata yang dapat direpresentasikan dalam kerangka permasalahan
ini, misal pendapatan yang maksimum, biaya yang minimum dan lain sebagainya.
Apabila ada hal yang dioptimumkan ternyata kuantitatif, maka masalah optimum
akan menjadi masalah maksimum dan minimum (Susanta, 1994).
Dalam kehidupan sehari-hari sering ditemukan permasalahan yang berkaitan
dengan optimis, misalnya besaran panjang, waktu, dan lain-lain. Persoalan yang
berkaitan dengan optimasi antara lain:
2.
Mengatur jalur kendaraan umum agar semua lokasi dapat dijangkau.
3.
Menentukan jumlah pekerja seminimal mungkin untuk melakukan suatu
proses produksi agar pengeluaran biaya pekerja dapat diminimalkan dan
hasil produksi tetap maksimal.
4.
Mengatur routing jaringan kabel telepon agar biaya pemasangan kabel
tidak terlalu besar dan penggunaannya tidak boros.
B.
Graf
1.
Definisi Graf
Graf merupakan pasangan himpunan (
V,E
), dengan notasi
G=(V,E)
. Dalam
hal ini,
V
adalah himpunan tak kosong dari titik-titik dan E adalah
himpunan rusuk pada G yang menghubungkan sepasang titik.
(Munir,
2009)
2.
Macam-macam Graf
Menurut Lovasz,dkk (2010)
terdapat 4 macam graf, yaitu:
a)
Graf Sederhana
(
simple graph
)
Menurut Munir (2009), Graf sederhana adalah graf yang tidak memuat
rusuk ganda dan gelang. Beberapa contoh graf sederhana sebagai
berikut :
1)
Graf Nol (Graf Kosong) adalah graf yang tidak memiliki rusuk atau
himpunan rusuknya merupakan himpunan kosong. Berikut adalah
Graf nol dengan 2 buah titik.
2)
Graf Lengkap adalah graf sederhana yang setiap pasang titiknya
saling berikatan. Notasi graf lengkap n titik adalah
. Berikut
adalah graf
dengan 4 titik dan 6 rusuk.
V
1e
1V
4e
2e
3e
4e
5V
2e
6V
3Gambar 2.2 Graf
dengan 4 titik dan 6 rusuk
b)
Graf Ganda (multigraph)
Graf ganda adalah graf yang mengandung gelang (loop)
. Gelang (
Loop)
merupakan rusuk yang menghubungkan titik tertentu dengan dirinya
sendiri. Berikut adalah
graf ganda dengan loop pada e
2dan e
3.V
1e
1V
3e
2e
3V
2Gambar 2.3 Graf ganda yang ditunjukan dengan loop pada e
2dan e
3c)
Graf Berarah
Graf berarah adalah graf yang setiap rusuknya diberikan orientasi arah.
Pada graf berarah, berlaku (
u,v
) ≠
(
v,u
) dimana (
u,v
) dan (
v,u
)
menyatakan dua buah rusuk yang berbeda. Untuk rusuk (
u,v
), titik
u
dinamakan titik asal dan titik v dinamakan titik terminal.
Berikut adalah
graf yang berarah dari V
1menuju ke V
2.V
1V
2d)
Graf Berbobot
Graf berbobot adalah graf yang setiap rusuknya diberi sebuah harga
(bobot) yang berbeda-beda tiap rusuk. Bobot bergantung pada masalah
yang dimodelkan, misalnya dapat menyatakan jarak antara dua buah
kota, biaya perjalanan dua buah kota, waktu tempuh perjalanan, ongkos
produksi, dan sebagainya.
Berikut adalah contoh dari
graf yang
memiliki bobot.
V
13
3
V
22 V
3Gambar 2.5 Graf yang memiliki bobot
3.
Keterhubungan
Menurut Tenia & Elisa (2016: 117), keterhubungan dibagi menjadi 4
bagian, yaitu:
a)
Perjalanan (
Walks
)
Perjalanan dalam sebuah graf
�
=(
�
,
�
) adalah barisan terhingga dengan
bentuk W = {
1,
1,
2,
2,
3,
3,
…,
−1,
} dimana rusuk
menghubungkan titik dengan titik
+1.
Berikut adalah contoh sebuah graf.
e
1e
3e
9e
2
e
8e
7e
5e
4
e
6Gambar 2.6 Graf G
A
B
C
E
Contoh suatu perjalanan pada Graf
�
adalah
A,
1, B,
2, C,
4, D,
6, E,
8, A.
b)
Lintasan (
Trails
)
Lintasan adalah perjalanan dengan semua rusuk dalam barisan berbeda.
Contoh suatu lintasan pada graf
�
adalah
B,
2, C,
3, C,
4, D,
6, E,
8,
A.
c)
Jalur (
Path
)
Jalur adalah perjalanan dengan semua titik dalam barisan berbeda.
Contoh suatu jalur pada graf
�
adalah
A,
9, B,
7, E,
6, D,
4, C.
d)
Sirkuit (
Circuit
)
Sirkuit adalah lintasan yang berawal dan berakhir pada titik yang sama.
Contoh suatu
sirkuit
pada graf
�
adalah
A,
9, B,
7, E,
8, A.
C.
Vehicle Routing Problem (VRP)
Vehicle Routing Problem
(VRP) pertama kali diperkenalkan oleh Dantzig
dan Ramser (1959) dalam
penelitiannya “
the Truck Dispatching Problem
”
.
Semenjak itu penelitian VRP terus berkembang. Perkembangan tersebut meliputi
pendekatan pemecahan masalah dan munculnya kendala-kendala baru.
Vehicle Routing Problem
(VRP) adalah permasalahan optimasi mengenai
adanya sejumlah pelanggan di titik lokasi tertentu yang memerlukan sejumlah
barang dan harus dilayani oleh suatu depot (pusat distribusi) dengan
menggunakan sejumlah kendaraan dengan kapasitas muat terbatas.
VRP adalah
istilah umum yang diberikan untuk permasalahan yang melibatkan rute kendaraan
dengan berbasis depot yang melayani pelanggan yang tersebar dengan permintaan
kendaraan dalam mendistribusikan barang dari tempat produksi yang dinamakan
depot ke pelanggan dengan tujuan meminimumkan total jarak tempuh kendaraan.
Fungsi secara umum dari VRP adalah meminimumkan jumlah kendaraan yang
digunakan dan meminimumkan total jarak tempuh kendaraan.
Tujuan umum VRP menurut Toth dan Vigo (2002) adalah
:
1.
Meminimalkan jarak dan biaya tetap yang berhubungan dengan
penggunaan kendaraan.
2.
Meminimalkan banyaknya kendaraan yang dibutuhkan untuk melayani
permintaan seluruh pelanggan.
3.
Menyeimbangkan rute-rute dalam hal waktu perjalanan dan muatan
kendaraan.
4.
Meminimalkan pinalti sebagai akibat dari pelayanan yang kurang
memuaskan terhadap pelanggan, seperti keterlambatan pengiriman dan
lain sebagainya.
Menurut Toth dan Vigo (2002), komponen-komponen yang berkaitan dalam
VRP yaitu pelanggan, depot, kapasitas kendaraan, dan rute kendaraan. Ditemukan
juga variasi permasalahan utama atau batasan dari VRP, yaitu:
1.
Capacitated
VRP (CVRP), yaitu setiap kendaraan mempunyai kapasitas
angkut yang terbatas.
2.
CVRP
with time windows
(CVRPTW), yaitu setiap pelanggan harus
dilayani dalam jangka waktu tertentu.
3.
Multiple Depot VRP
(MDVRP), yaitu distributor memiliki banyak depot
4.
VRP
with pick-up and delivering
(VRPPD), yaitu pelanggan dapat
mengembalikan baranag pada depot asal.
5.
Split Delivery VRP
( SDVRP), yaitu pelanggan dilayani dengan
kendaraan berbeda.
6.
Stochastic
VRP (SVRP), yaitu munculnya beberapa besaran (seperti
jumlah pelanggan, jumlah permintaan, waktu pelayanan atau waktu
perjalanan).
7.
Periodic
VRP (PVRP), yaitu pengiriman hanya dilakukan diwaktu
tertentu.
D.
Capacitated Vehicle Routing Problem With Time Windows (CVRPTW)
Capacitated Vehicle Routing Problem with Time Windows
(CVRPTW)
adalah gabungan dari permasalahan
capacitated vehicle routing problem
(CVRP)
dengan
vehicle routing problem with time windows
(VRPTW). Tujuan dari
CVRPTW adalah membentuk rute optimal untuk memenuhi permintaan
pelanggan dengan kendala kapasitas dan waktu pelayanan agar diperoleh waktu
dan jarak yang minimum.
Masalah CVRPTW dibentuk sebagai suatu graf berarah
�
= (
�
,
�
) dengan
�
= {
0,
1,
2,
…,
} adalah himpunan titik,
0adalah depot sebagai tempat
kendaraan memulai dan mengakhiri rute perjalanan.
�
= {( ,
| , )
∈
�
,
≠
}
adalah himpunan rusuk atau garis berarah yang menghubungkan dua titik yaitu
ruas jalan penghubung antar pelanggan atau antar depot dengan pelanggan.
Setiap titik
∈
�
,
≠
0 memiliki permintaan sebesar . Himpunan
= {
1,
2,
…,
} merupakan kumpulan kendaraan yang homogen dengan kapasitas
maksimal sama yaitu
�
, sehingga panjang setiap rute dibatasi oleh kapasitas
kendaraan. Setiap vertex ( , ) memiliki waktu tempuh
yaitu waktu tempuh
dari titik ke titik .
Dari permasalahan CVRPTW tersebut, dapat dibentuk formulasi dalam
bentuk model matematika dengan tujuan meminimumkan total jarak dan waktu
pendistribusian dalam melayani semua pelanggan, dengan menggunakan variabel
keputusan sebagai berikut :
1.
Variabel
�
,
∀
,
∈�
,
∀ ∈
,
≠
.
Variabel
�
mempresentasikan ada atau tidaknya perjalanan dari
pelanggan ke- ke pelanggan ke- oleh kendaraan ke- .
x
k{
2.
Variabel
,
0, dan
,
∀ ∈�
,
∀ ∈
.
Variabel
menyatakan waktu dimulainya pelayanan pada pelanggan
ke- oleh kendaraan ke- ,
0menyatakan waktu saat kendaraan ke-
3.
Variabel
�
dan ,
∀
,
∈�
,
∀ ∈
.
Variabel
�
menyatakan kapasitas total kendaraan ke- setelah melayani
pelanggan ke- , sedangkan
menyatakan banyaknya permintaan
pelanggan ke- .
Oleh karena itu, fungsi tujuan untuk masalah CVRPTW adalah:
Min
�
=
∑
∑
ij∑
�
)
(2.1)
dengan z merupakan fungsi tujuan dan
merupakan waktu tempuh titik distribusi
ke titik distribusi .
Kendala dari permasalahan CVRPTW adalah sebagai berikut :
1.
Setiap pelanggan hanya dikunjungi tepat satu kali oleh kendaraan yang
sama. Pelanggan dengan titik tujuan yang sama hanya dikunjungi tepat
satu kali oleh kendaraan yang sama.
∑
∑
�
=1
(2.2)
∑
∑
�
=1.
Pelanggan dengan titik asal yang sama hanya dikunjungi tepat
satu kali oleh kendaraan yang sama.
∑
∑
�
=1
(2.3)
∑
∑
�
=1.
�
+
=
�
,
∀
,
∈
�
,
∀
∈
(2.4)
�
≤ �,
∀
∈�
,
∀
∈
.
3.
Jika ada perjalanan dari pelanggan ke- ke pelanggan ke- , maka waktu
memulai pelayanan di pelanggan ke- lebih dari atau sama dengan waktu
kendaraan ke- memulai pelayanan di pelanggan ke- ditambah waktu
pelayanan ke- dan ditambah waktu tempuh perjalanan dari pelanggan
ke- ke pelanggan ke- . Misalkan terdapat rute dari ke dengan
kendaraan k, maka
+
+
≤
,
∀
,
∈�
,
∀
∈
.
(2.5)
4.
Waktu kendaraan untuk memulai pelayanan di pelanggan ke- harus
berada pada selang waktu [h
i,l
i].
h
≤
≤
,
∀
∈�
,
∀ ∈
.
(2.6)
5.
Setiap rute perjalanan pasti diawali oleh depot
∑
∑
�
∀
∈�
,
∀ ∈
.
(2.7)
6.
Setiap rute perjalanan pasti diakhiri oleh depot
∑
∑
�
∀
∈�
,
∀ ∈
.
(2.8)
7.
Kekontinuan rute adalah kendaraan yang mengunjungi setiap pelanggan,
setelah selesai melayani akan meninggalkan pelanggan tersebut.
∑
�
−
∑
�
ijk= 0,
∀
,
∈�
,
∀
∈
.
(2.9)
8.
Variabel keputusan
�
merupakan variabel biner.
E.
Algoritma Artificial Immune System (AIS)
Artificial Immune System
(AIS) dikembangkan pada tahun 1986 oleh
Farmer et al
yang terinspirasi oleh sistem kekebalan tubuh manusia. Algoritma
AIS meniru perilaku dan sifat sel-sel kekebalan, khususnya sel B, sel T, dan
antigen. Algoritma AIS menggunakan mekanisme sistem imun vetebrata untuk
menemukan solusi yang digunakan menyelesaikan masalah kompleks. Prinsip
algoritma AIS bertujuan menemukan sebuah jadwal pekerjaan yang diproses pada
mesin tertentu sedemikian, sehingga perjalanan dari sistem secara keseluruhan
dapat diminimalkan.
Algoritma AIS telah digunakan dalam menyelesaikan berbagai bidang
seperti optimasi, klasifikasi,
clustering
, deteksi anomali,
machine learning
,
adaptive control
, dan
associative memories
(Dasgupta and Nino, 2009). Secara
umum, algoritma AIS diselesaikan dengan dua tahap yaitu
route construction
–
route minimization
dan tahap
distance improvement
.
Pada tahap
route construction
–
route minimization
digunakan algoritma
Solomon
insertion heuristic
I1 yang dirangkai dengan prosedur
ejection pool
(Lim
dan Zhang, 2007) dan pada tahap
distance improvement
digunakan
artificial
immune system
untuk mengoptimalkan hasil jarak dari tahap
Route Minimization
.
Berikut proses Algoritma
Artificial Immune System
(AIS) bekerja:
1.
Tahap
Route Construction
–
Route Minimization
Tahap
route construction
–
Route Minimization
terbagi menjadi dua sub
tahapan, yaitu sub tahapan menggunakan metode inisialisasi insersi Solomon
I1 (Solomon, 1987) dan sub tahapan menggunakan metode
ejection pool
a.
Route Construction
Berdasarkan algoritma insersi I1 yang diusulkan oleh Solomon (1987).
Tahapnya sebagai berikut :
1) Membuat
seed route
yang berisi satu pelanggan
.
Seed
pelanggan
dapat dipilih berdasarkan sebagai berikut:
(1) Pelanggan memiliki jarak terjauh dari depot, atau
(2) Pelanggan
dengan
earliest due date
, atau
(3) Selang
–
seling jarak terjauh maupun
earliest due date.
2) Mengidentifikasi letak insersi untuk seluruh pelanggan yang belum
masuk ke rute, dengan syarat bahwa letak insersi tersebut
feasible.
Membentuk beberapa rute yang akan digunakan, misalnya:
{
�
0= 0,
�
1,
�
2,
…,
�
,
�
+1= 0}
dimana
�
0dan
�
+1adalah depot, dan
�
1,
�
2,
…,
�
merupakan
pelanggan.
3) Menghitung posisi insersi terbaik, dimana insersi
u
(
unrouted
customer
) diantara 2 titik yakni
υn
dan
υn+1
adalah
feasible
yakni
1
( ) =
m q 0,...,
min
1
(
�
, ,
�
+1)
(2.11)
dimana nilai
1
( , , ) =
�1
.
�
+
�2
.(
′−
)
(2.12)
notasi
merupakan waktu mulai pelayanan di titik
j
sebelum
dilakukan insersi atau sama dengan
yaitu waktu perjalanan titik
i
setelah dilakukan insersi, dalam hal ini merupakan gabungan dari
waktu perjalanan titik
i
ke
u
,
u
ke titik
j
dan waktu pelayanan di
u
.
’
u + u +s
uk(2.13)
nilai c
1dihitung untuk setiap pelanggan dan jarak tempuh yang
sebenarnya (
�
) diperoleh dari
�
=
+
−
.
(2.14)
dengan
merupakan koefisien untuk perjalanan. Sedangkan
merupakan jarak dari titik
i
ke titik
j,
merupakan jarak antara
titik
i
dan
u
, dan
merupakan jarak dari
u
ke titik
j
. Sedangkan
koefisien jarak tempuh yaitu
�
yang memenuhi
�
1+
�
2= 1
dengan
�
1,
�
2,
≥ 0
(2.15)
4) Menghitung nilai c
2untuk setiap pelanggan
yang memiliki nilai c
1.
Jika pelanggan
yang tidak bisa di-
insersi
dimanapun, maka tidak
memiliki nilai c
1dan c
2. Nilai c
2diperoleh dari :
2
( ) = .
0−
1( )
dengan λ ≥ 0
(2.16)
5) Memilih pelanggan
yang memiliki nilai c
2paling maksimum untuk
diinsersikan. Pelanggan
dengan nilai c
2tertinggi dimasukan ke
dalam rute yang sedang dibentuk, sesuai dengan posisi terbaiknya
yang ditunjukkan c
1dengan syarat u belum masuk ke rute dan insersi
bersifat
feasible.
7) Jika semua pelanggan
telah berada di rute, maka proses dihentikan,
dan dilanjutkan ke sub tahapan
route minimization
.
b.
Route Minimization
Setelah terbentuk rute, bila rute tersebut hasilnya melebihi batas
kapasitas kendaraan yang tersedia, maka dilakukan langkah selanjutnya
yaitu mengurangi jumlah rute menggunakan prosedur
ejection pool.
Prosedur ini digunakan
untuk menampung kumpulan pelanggan
yang
berlebih dari rute. Langkah
–
langkah algoritma prosedur pengurangan
rute dengan
ejection pool
adalah sebagai berikut :
1)
Menghapus beberapa rute sisa yang memiliki jumlah pelanggan
paling sedikit.
2)
Pelanggan-pelanggan
tersebut dimasukkan ke dalam
ejection pool
(EP).
3)
Selama EP masih berisi pelanggan
dan iterasi kurang dari iterasi
maksimum, maka salah satu pelanggan
dipilih dari EP untuk
kemudian dinotasikan dengan
u
.
4)
Menentukan posisi insersi
u
pada rute yang eksis.
5)
Menghapus
u
dari EP dan memasukkan
u
pada rute target.
6)
Apabila rute target tidak
feasible
, maka mengambil salah satu
pelanggan
dari rute tersebut dan dimasukkan ke dalam EP.
7)
Akhir iterasi.
8)
Bila prosedur
ejection pool
berhasil, tahap selanjutnya adalah tahap
9)
Apabila prosedur
ejection pool
gagal mengurangi jumlah rute, maka
solusi akan kembali pada solusi yang dihasilkan pada Solomon
insertion
.
2.
Tahap
distance Improvement
Total Jarak
Tahap
distance improvement
total jarak dilakukan untuk memperbaiki rute
agar lebih optimum. Pada tahap ini
dibedakan menjadi dua yaitu
menggunakan satu rute (
Single
-
route)
atau menggunakan dua rute (
Multi
-route)
. Misalkan rute tersebut sebagai berikut:
= {
0, …, −1, ,
+1, …, −1, ,
+1, …,}
dan
′= {
0′, …, −1′, ′, +1′, …, −1′, ′, +1′, …, ′}dimana kedua rute tersebut adalah dua rute yang berbeda. Tahap
distance
improvement
total jarak yang akan dilakukan pada satu atau dua rute
,
bergantung bagaimana
tahap
improvement
total jarak dioperasikan adalah
sebagai berikut: (Savelsbergh, 1990)
a.
Satu Rute (
Single
-
route)
Single
-
route
adalah operasi yang dilakukan untuk satu rute yang tidak
akan berdampak pada rute lain.
1)
Relocate
Relocate
adalah memindahkan suatu pelanggan
vi
sebelum
pelanggan
vj
dalam satu rute.
2)
Exchange
Exchange
adalah menukar posisi dua pelanggan
yaitu
vi
dan
vj
dalam
satu rute.
= {
0, …, −1, ,
+1, …, −1,
�
�,
+1, …,}
3)
2-Opt
2-Opt
adalah memotong rute yang berisi sejumlah pelanggan
berurutan menjadi dua rute dan menggabungkan rute tersebut
menjadi rute baru.
= {
0, …, j+1,
,
j-1, …, +1,�
�,
i-1, …,}
4)
Or-Opt
Or-Opt
adalah menukarkan sebuah rute yang berisi sejumlah
pelanggan
,…,
+k−1sebanyak k ke posisi yang lain dengan k
3.
= {
0, …, −1,
i+k, …, −1,
�
�, …,
i+k-1,
j,}
b.
Dua Rute
(Multi
-
route)
Tahap Multi
-
route
adalah operasi yang dilakukan terhadap sepasang atau
dua rute yang berbeda.
1)
Relocate
Relocate
adalah memindahkan suatu pelanggan
v
idari
r
sebelum
pelanggan
vp
’pada rute
r
’.
= {
0,…, −1,
+1,…,}
′=
{
0′,…, −1′,��,
′,…, ′
}
2)
Exchange
= {
0,…, −1,
�
�′,
+1,…,}
′=
{
0′,…, −1′,��,
+1′,…, ′}
3)
2-Opt*
2-Opt*
adalah menukar bagian ekor/belakang dari masing - masing
rute.
= {
0,…, −1,
�
�′,…,�
′
}
′=
{
0′,…, −1′,��,…,�
}
Dalam
distance Improvement
tidak boleh menghasilkan solusi yang
melanggar syarat, baik dari kapasitas kendaraan,
time windows
, maupun
jumlah kendaraan yang dihasilkan. Satu rute hanya satu kali pelayanan.
Berikut ini akan disajikan diagram alir Algoritma
Artificial Immune System
[image:42.595.113.501.75.615.2]
Gambar 2.7 Diagram alir Algoritma
Artificial Immune System
(AIS)
F.
Algoritma Clarke And Wright Savings
Menurut Rand (2009), Algoritma
Clarke-Wright
Savings
adalah algoritma
yang digunakan untuk menentukan rute distribusi produk ke wilayah pemasaran
Membuat Rute Baru
Tidak
(1) Relocate (3) 2-Opt* (2) Exchange
Membuat matriks jarak dan waktu dari titik i ke j dan sebaliknya
Route Construction
Route Minimization
Jumlah permintaan ≤ kapasitas kendaran Total waktu pelayanan ≤ waktu kendaraan
Masukan ke rute Ya Menentukan data jarak, waktu, dan kapasitas yang diperlukan
Mulai
Tahap distance Improvement Total Jarak
(1) Relocate (3) 2-Opt (2) Exchange (4) Or-Opt
Rute Terbentuk
Selesai
dengan cara menentukan rute distribusi yang harus dilalui dan jumlah kendaran
berdasarkan kapasitas dari kendaraan tersebut agar diperoleh rute terpendek dan
biaya transportasi yang minimal. Algoritma
Clarke-Wright
Savings
juga
merupakan salah satu teknik yang digunakan untuk menjadwalkan sejumlah
kendaraan terbatas dari fasilitas yang memiliki kapasitas maksimum yang
berlainan. Tujuan dari Algoritma
Clarke Wright Savings
yaitu menemukan solusi
untuk meminimalkan total pembiayaan kendaraan, dengan syarat bahwa setiap
pelanggan hanya dikunjungi sekali, dan total permintaan pada setiap rute harus
sesuai dengan kapasitas kendaraan dan batasan waktu. Algoritma
Clarke Wright
Savings
melakukan perhitungan penghematan yang diukur dari seberapa banyak
dapat dilakukan pengurangan jarak tempuh dan waktu yang digunakan dengan
menghubungkan titik
–
titik yang ada dan menjadikannya sebuah rute berdasarkan
nilai
saving
yang terbesar yaitu jarak tempuh antara titik sumber dan titik tujuan.
(Octora, dkk, 2014 : 2).
Proses perhitungannya, algoritma ini tidak hanya
menggunakan jarak sebagai parameter, tetapi juga waktu untuk memperoleh nilai
saving
yang terbesar untuk kemudian disusun menjadi sebuah rute yang terbaik.
Langkah-langkah Algoritma
Clarke and Wright Savings
adalah sebagai
berikut (Purnomo, 2010):
1.
Menentukan data dengan jumlah kapasitas maksimum kendaraan
digunakan untuk pengiriman barang ke pelanggan.
2.
Membuat matriks jarak yaitu matriks jarak antara depot dengan titik dan
titik ke titik.
jarak dari depot ke titik , dan
oadalah jarak dari depot ke titik . Dapat
dituliskan dengan persamaan
= o + o
−
(2.17)
4.
Membuat matriks penghematan, selanjutnya dicari matriks yang bernilai
terbesar terlebih dahulu, dan dilakukan dengan proses berulang dari yang
matrik terbesar ke matriks yang bernilai kecil, hingga dihasilkan rute
yang diinginkan.
Gambar 2.8 Diagram alir Algoritma
Clarke and Wright Savings
G.
Dinas Lingkungan Hidup Kota Yogyakarta
Dinas lingkungan Hidup (DLH) Kota Yogyakarta adalah dinas
pemerintahan yang bergerak dibidang lingkungan hidup daerah yang meliputi
Selesai
Memilih pasangan rute pelanggan selanjutnya
Jumlah permintaan ≤ kapasitas kendaran Total waktu pelayanan ≤ waktu kendaraan
Masukan ke rute Ya Membuat matriks penghematan Membuat matriks jarak dan waktu
dari titik i ke j dan sebaliknya Menentukan data jarak, waktu, dan kapasitas yang diperlukan
Mulai
Menghitung nilai penghematan (Sij)
Memilih sebuah sel dimana 2 rute yang dapat dikombinasikan
menjadi satu rute tunggal Mencari dan memilih nilai penghematan
terbesar dari matriks tersebut
Menghitung jumlah permintaan dari pasangan rute pelanggan yang terpilih
Membuat Rute Baru
kegiatan dalam melakukan pengawasan, pengendalian, dan penertiban terhadap
segala sesuatu mengenai lingkungan hidup di Kota Yogyakarta. DLH memiliki
amanah untuk menjaga kualitas lingkungan hidup demi kehidupan dimasa depan.
Menurut Peraturan Daerah Istimewa Yogyakarta Nomor 7 Tahun 2008
bahwa tugas pokok DLH DIY adalah melaksanakan penyusunan dan pelaksanaan
kebijakan daerah dibidang lingkungan hidup. Untuk melaksanakan tugas tersebut
DLH DIY mempunyai fungsi:
1.
penyusunan program dibidang lingkungan hidup.
2.
perumusan kebijakan teknis dibidang lingkungan hidup.
3.
pengendalian pencemaran dan/kerusakan lingkungan, pemulihan kualitas
lingkungan hidup, konservasi lingkungan.
4.
penyelenggaraan pembinaan pengendalian lingkungan.
5.
penyelenggaraan koordinasi perijinan bidang lingkungan hidup.
6.
penyelenggaraan kajian dan penataan lingkungan.
7.
pembinaan dan pengembangan laboratorium lingkungan hidup.
8.
pemberian fasilitasi penyelenggaraan pengendalian lingkungan hidup
Pemerintah Kabupaten/Kota.
9.
pemberdayaan sumberdaya dan mitra kerja dibidang lingkungan hidup.
10.
penyelenggaraan kegiatan ketatausahaan.
BAB III
METODE PENELITIAN
Penelitian dilakukan untuk menentukan rute penyiraman tanaman di Kota
Yogyakarta, untuk itu pada bagian ini dipaparkan mengenai metode yang
digunakan untuk penelitian.
A.
Prosedur Penelitian
Prosedur yang dilakukan dalam penelitian ini sebagai berikut:
1.
Tahap Pendahuluan
a.
Mengidentifikasi masalah yang dijadikan sebagai bahan penelitian
dan mencari topik-topik yang berhubungan dengan permasalahan.
b.
Mengidentifikasi data penelitian yang akan digunakan yaitu data rute
penyiraman tanaman di Kota Yogyakarta.
c.
Mencari teori pendukung dan penelitian yang relevan dalam masalah
penentuan rute penyiraman tanaman di Kota Yogyakarta.
2.
Pengambilan data
a.
Mengumpulkan data, yaitu data primer dan data sekunder.
1)
Data primer berupa
Interview
(wawancara).
2)
Data sekunder menggunakan dokumen yang ada di DLH Kota
Yogyakarta.
3.
Pengolahan data
Data yang diperoleh (baik primer atau sekunder) diolah dengan
berpedoman pada kajian pustaka. Adapun kajian pustaka yang digunakan
dalam menganalisis masalah yang berpedoman pada Algoritma
Artificial
Immune System
(AIS), dan Algoritma
Clarke and Wright Savings
.
Pencarian data berupa jarak dan waktu perjalanan antar lokasi penyiraman
tanaman di Kota Yogyakarta dengan menggunakan
google maps
.
B.
Penentuan Obyek Penelitian
Obyek yang akan diteliti adalah rute perjalanan truk untuk penyiraman
tanaman yang ada di Kota Yogyakarta. Tugas ini dilakuan oleh Dinas Lingkungan
Hidup (DLH) Kota Yogyakarta. DLH memiliki truk tangki air sebanyak enam
buah berupa truk tipe 130 HD, dimana empat truk berkapasitas 5000 liter dan dua
truk berukuran 3000 liter . Untuk masing-masing kendaraan memiliki titik
penyiraman yang berbeda-beda dengan jumlah yang berbeda. Sampel penelitian
yang digunakan adalah satu truk untuk penyiraman tanaman, dengan ketentuan
truk tangki yang memiliki kapasitas maksimum 5000 liter dan memiliki titik
penyiraman yang paling banyak.
C.
Lokasi Penelitian
kualitas lingkungan hidup dan salah satu tugasnya adalah menyirami tanaman
yang berada disuatu kota. Menurut DLH Pusat Provinsi Daerah Istimewa
Yogyakarta, di Provinsi DIY yang memiliki tanaman hias yang paling banyak
berada di Kota Yogyakarta dari pada kabupaten yang lain, sehingga penelitian ini
dilakukan di Kota Yogyakarta.
D.
Teknik Pengumpulan Data
Untuk mendapatkan data yang dibutuhkan untuk keperluan tugas akhir
skripsi, pengumpulan data untuk penelitian ini menggunakan metode-metode
sebagai berikut :
1.
Metode
Interview
(wawancara), yaitu metode pengumpulan data yang
dilakukan dengan cara mengadakan tanya jawab secara langsung kepada
responden, yaitu kepala Bidang Pertamanan dan Perindangan Jalan DLH
Kota Yogyakarta. Pertanyaan yang diberikan, sebagai berikut:
a.
Apakah sudah pernah ada penelitian tentang rute perjalan
penyiraman tanaman?
b.
Berapa jumlah truk untuk penyiraman tanaman yang dimiliki DLH
Kota Yogyakart?
c.
Berapa volume masing-masing truk?
d.
Berapa lama waktu yang diberikan untuk sekali rute penyiraman?
e.
Berapa volume air yang diperlukan untuk setiap pot dan setiap m
2nya?
f.
Berapa kali truk kembali ke depot untuk mengambil air?
h.
Bagaimana jam kerja untuk para petugas dalam menyirami tanaman
di Kota Yogyakarta?
i.
Apakah penyiraman tanaman dilakukan disemua musim?
2.
Metode menggunakan dokumen, yaitu metode pengumpulan data yang
menggunakan dokumen tertulis yang sudah ada di DLH Kota
Yogyakarta. Data yang digunakan adalah data lokasi penyiraman
tanaman di Kota Yogyakarta.
3.
Studi Literatur, yaitu mencari referensi teori yang relevan dengan kasus
atau permasalahan yang akan dibahas, baik berupa buku, jurnal, artikel,
laporan penelitian, dan situs-situs di internet.
E.
Teknik Analisis Data
Data yang digunakan adalah daftar lokasi yang terdapat tanaman yang perlu
disirami secara berkala oleh truk DLH Kota Yogyakarta. Penelitian bertujuan
untuk mendapatkan rute tetap yang optimal agar dapat menghemat biaya, waktu
dan air yang digunakan untuk penyiraman tanaman tersebut. Penyiraman tanaman
tersebut dilakukan setiap dua hari sekali dengan jam kerja pagi pukul 05.00-11.00
WIB dan sore pukul 15.30-18.30 WIB, sehingga termasuk data
Capacitated
Vehicle Routing Problem With Time Windows
(CVRPTW). Teknik yang
digunakan untuk menganalisis data tersebut menggunakan
Algoritma
Artificial
Immune System
(AIS) , dan Algoritma
Clarke and Wright Savings
.
Gambar 3.1 Diagram Alir Penelitian
Algoritma Artificial Immune
System
Algoritma Clarke and
Wright Savings
Analisis Data
Penarikan Kesimpulan
Perumusan Masalah dan Mengaplikasikan ke masing-masing algoritma
Studi Literatur
BAB IV
PEMBAHASAN
Pada bab ini dibahas mengenai model matematika untuk
rute penyiraman
tanaman
di Kota Yogyakarta yang selanjutnya akan dibandingkan hasil
penyelesaian model tersebut menggunakan
Algoritma
Artificial Immune System
(AIS) dengan Algoritma
Clarke And Wright Savings .
A.
Model Matematika untuk Rute Penyiraman Tanaman di Kota
Yogyakarta
Tabel 4.1 Kebutuhan Air untuk Setiap Lokasi
No
Lokasi
Luasan (m
2)
Pot (unit)
Total Air
(liter/
)
1
Jl. Sudirman Barat
5200
4
10416
2
Jl. Diponegoro
430
27
968
3
Jl. Magelang
150
134
836
4
Jl. Kyai Mojo
50
59
336
5
Jl. Tentara Pelajar
200
53
612
6
Depan Samsat Yogyakarta
1106
-
2212
7
Jl. Tentara Rakyat Mataram
25
-
50
8
Perpustakaan pusat
20
20
120
9
Jl. Hos Cokro Aminoto
55
35
250
10
Jl. Pembela Tanah Air
15
8
62
11
Jl. Jlagran Lor
80
-
160
12
Jl. Abu Bakar Ali
1036
82
2400
13
Taman Adipura
1200
12
2448
14
Jembatan Kewek
-
10
40
15
Jl. Mataram
-
15
60
16
Jl. Atmo Sukarto
887
5
1794
Jumlah:
10454
464
23228
Berdasarkan Tabel 4.1, rute perjalanan penyiramannya yang dilakukan DLH
belum ada rute tetap, sehingga tidak ada pengoptimalan dalam jarak
perjalanannya. Dengan melihat kebutuhan air untuk setiap lokasi berbeda-beda
mengakibatkan waktu yang diperlukan juga berbeda-beda, seperti yang terlihat di
Lampiran 1 halaman 78.
Berdasarkan data lokasi penyiraman pada Tabel 4.1 dan dengan bantuan
Gambar 4.1 Lokasi Titik Penyiraman Tanaman di Kota Yogyakarta
Pada Gambar 4.1 diasumsikan bahwa setiap jalan memiliki kondisi yang
sama kemudian dilakukan pengambilan setiap lokasi sebagai simpul dan dapat
dibuat graf kosong seperti pada Gambar 4.2 berikut:
Gambar 4.2 Graf Kosong untuk Titik Penyiraman Tanaman di Kota Yogyakarta
A B
P C
Q D
E
F
G
H I
J
K L
M N
[image:54.595.139.500.474.707.2]Keterangan untuk setiap titik yang terdapat pada Gambar 4.2 dijelaskan
pada Lampiran 2 halaman 79. Pada Gambar 4.3 diberikan graf lengkap rute
penyiraman tanaman di Kota Yogyakarta dengan menggunakan 16 titik.
Gambar 4.3 Graf Lengkap untuk Rute Penyiraman Tanaman di Kota Yogyakarta
Jarak antar titik yang sama selalu nol dan jarak antar titik berbeda seperti
yang terlampir pada Lampiran 3 halaman 80. Penentuan rute pendistribusian
model CVRPTW adalah dengan mengunjungi setiap titik tanpa adanya
pengulangan atau setiap titik hanya dikunjungi satu kali serta proses
pendistribusian berlangsung pada waktu
time windows
yang telah ditentukan.
Selanjutnya proses pencarian rute yang optimum dengan menggunakan
Algoritma
Artificial Immune System
(AIS) dan Algoritma
Clarke And Wright
Savings. Pada penyelesaian menggunakan
Algoritma
Artificial Immune System
antar titik simpul. Seperti halnya jarak, waktu perjalanan antar simpul yang sama
selalu nol dan waktu antar titik berbeda .
Asumsi yang dapat dibentuk dalam permasalahan penyiraman tanaman di
Kota Yogyakarta sebagai berikut:
1.
Tiap lokasi