PENYELESAIAN VRP MENGGUNAKAN
ALGORTIMA PARTICLE SWARM OPTIMIZATION (PSO) UNTUK MEMINIMASI KONSUMSI BAHAN
BAKAR KENDARAAN
(Studi Kasus PT. Narmada Awet Muda)
Skripsi
Diajukan Kepada Universitas Muhammadiyah Malang Untuk Memenuhi Salah Satu Persyaratan Akademik
Dalam Menyelesaikan Progam Sarjana Teknik
Disusun Oleh :
BAIQ NURUL IZZAH FARIDA
201510140311041
JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNIK
UNIVERSITAS MUHAMMADIYAH MALANG
2019
ii
viii
x
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Allah SWT yang telah memberikan rahmatnya sehingga kami dapat menyelesaikan tugas akhir ini dengan sebaik- baiknya. Skripsi ini dibuat untuk memenuhi persyaratan akademik di Universitas Muhammadiyah Malang. Untuk memenuhi persyaratan tersebut saya mengajukan skripsi yang berjudul “Penyelesaian VRP Menggunakan Algoritma Particle Swarm Optimization (PSO) Untuk Meminimasi Konsumsi Bahan Bakar Kendaraan”.
Penulis menyadari bahwa tanpa bantuan dan bimbingan dari berbagai pihak, dari masa perkuliahan sampai pada penyusunan skripsi, sangatlah sulit bagi penulis untuk dapat menyelesaikan skripsi ini. Penulis mengucapkan terimakasih kepada semua pihak yang telahmembantu dan memberikan dukungan demi terselesaikan skripsi ini. Ucapan terima kasih ini
penulis ucapkan kepada :
1. Orang tua saya yang selalau memberi doa dan support selama menempuh pendidikan di Malang
2. Annisa Kesy Garside., ST., MT. selaku Dosen Pembimbing Skripsi Pertama.
3. Dana Marsetiya Utama., ST., MT. selaku Dosen Pembimbing Skripsi Kedua.
4. Dosen-dosen yang telah berkontribusi membimbing penulis dalam menyelesaikan Skrips ini. Universitas Muhammadiyah Malang.
5. Teman-teman Teknik Industri A 2015 yang selalu kompak. Semoga nanti kita bisa jumpa kembali
6. Sahabatku Fatimah, Lucya, Ricca, Wirra, Andy, Sandi. Terimakasih atas kebersamaannya. Semoga kita semua manjadi orang yang bermanfaat nantinya.
Penulis menyadari sepenuhnya bahwa skripsi ini masih jauh dari kesempurnaan, olehkarenanya penulis mohon maaf apabila ditemukan kesalahan dalam skripsi ini. Secara khususpenulis mengharapkan agar skripsi ini dapat memberikan wawasan dan pengetahuan yang barubagi setiap pembaca.
Malang, 19 November 2019
Penulis
xiii
DAFTAR ISI
Halaman
HALAMAN JUDUL ... i
HALAMAN PENGESAHAN ... ii
LEMBAR BIMBINGAN SKRIPSI ... iii
BERITA ACARA UJIAN TUGAS AKHIR ... vii
SURAT PERNYATAAN KEASLIAN ... viii
SURAT BALASAN PERUSAHAAN ... ix
KATA PENGANTAR ... x
ABSTRAK ... xi
ABSTRACT ... xii
DAFTAR ISI ... xiii
DAFTAR TABEL ... xvi
DAFTAR GAMBAR ... xvii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang... 1
1.2 Rumusan Permasalahan ... 2
1.3 Tujuan Penelitian ... 2
1.4 Manfaat Penelitian ... 2
1.4 Batasan dan Asumsi ... 3
BAB II LANDASAN TEORI... ... 4
2.1 Vehicle Routing Problem ... 4
2.1.1 Jenis-Jenis VRP ... 5
2.1.2 VRP With Fuel Consumption ... 6
2.1.3 Model Matematis VRP ... 8
2.2 Prosedur Pembagian Rute ... 10
2.3 Kalkulasi Konsumsi Bahan Bakar ... 11
2.4 Dasar Teori Particle Swarm Optimization (PSO)... 12
2.5 Time Varying Accelaration Coefficien PSO... 14
xiv
2.6 Prosedur Dasar Algoritma PSO ... 15
BAB III METODOLOGI PENELITIAN ... 18
3.1 Studi Lapangan ... 18
3.2 Studi Literatur ... 18
3.3 Perumusan Masalah ... 19
3.4. Penetapan Tujuan Penelitian ... 19
3.5 Pengumpulan Data ... 19
3.5.1 Data Primer ... 19
3.5.2 Data Sekunder ... 20
3.6 Perhitungan Konsumsi Bahan Bakar Rute Awal... 20
3.7 Pembuatan Coding MATLAB ... 21
3.7.1 Prosedur Algoritma PSO ... 21
3.7.2 Prosedur Pembagian Rute ... 22
3.8. Setting Parameter Algoritma PSO ... 23
3.9 Validasi Percobaan Numerik ... 24
3.10 Penyelesaian VRP Menggunakan Data Riil ... 25
3.11 Perbandingan Fuel Consumption... 25
3.12 Analisis dan Pembahasan ... 25
3.13 Kesimpulan dan Saran ... 25
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA ... 28
4.1 Pengumpulan Data ... 28
4.1.1 Tinjauan Umum Perusahaan ... 28 Data Produk 30
4.1.3 Data Kendaraan ... 30 Data Pelanggan 30 4.1.5 Data Matriks Jarak ... 32 Data Permintaan dan Total Berat Produk 32 4.1.7 Data Rute Awal ... 34
4.2 Perhitungan Konsumsi Bahan Bakar Rute Awal… ... 34
4.3 Validasi dengan data numerik ….. ... 37
4.4 Penyelesaian VRP Menggunakan Data Riil ….. ... 44
4.4 Perbandingan fuel consumption ….. ... 45
xv
Bab V ANALISIS PEMBAHASAN……… ... 48
5.1 Analisis Rute Distribusi……... 48
5.1.1 Rute Awal Perusahaan ... 48
5.1.2 Rute Usulan dengan Algoritma PSO ... 50
5.1.2 Analisis Uji Parameter Algoritma PSO ... 54
5.2 Perbandingan Fuel Consumption... 54
Bab VI PENUTUP……… ... 58
6.1 Kesimpulan ……. ... 58
6.2 Saran………... 58
DAFTAR PUSTAKA………. ... 59
59
DAFTAR PUSTAKA
Bai, Q. (2010): Analysis of particle swarm optimization algorithm, Computer and Information Science, 3(1), 180.
Duan, Z., Sun, S., Sun, S., and Li, W. (2015): Stochastic time-dependent vehicle routing problem: Mathematical models and ant colony algorithm, Advances in
Mechanical Engineering, 7(11), 168781401561863.
https://doi.org/10.1177/1687814015618631
Eberhart, and Yuhui Shi (2001): Particle swarm optimization: developments, applications and resources, Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546), IEEE, Seoul, South Korea, 1, 81–86.
https://doi.org/10.1109/CEC.2001.934374
Eglese, R., and Bekta¸s, T. (2014): Chapter 15: Green Vehicle Routing, 437–458 in P. Toth and D. Vigo, eds., Vehicle Routing, Society for Industrial and Applied Mathematics, Philadelphia, PA. https://doi.org/10.1137/1.9781611973594.ch15 Gendreau, M., Hertz, A., and Laporte, G. (1994): Tabu Search Heuristic for the Vehicle Routing Problem, Management, 40(10), 1276–1290.
https://doi.org/10.1287/mnsc.40.10.1276
Kok, A. L., Hans, E. W., and Schutten, J. M. J. (2012): Vehicle routing under time-dependent travel times: The impact of congestion avoidance, Computers &
Operations Research, 39(5), 910–918. https://doi.org/10.1016/j.cor.2011.05.027 Kuo, Y. (2010): Using simulated annealing to minimize fuel consumption for the time-dependent vehicle routing problem, Computers & Industrial Engineering, 59(1), 157–165. https://doi.org/10.1016/j.cie.2010.03.012
Kuo, Y., and Wang, C. (2011): Optimizing the VRP by minimizing fuel consumption, Management of Environmental Quality: An International Journal, 22(4), 440–450. https://doi.org/10.1108/14777831111136054
Laporte, G. (1992): The traveling salesman problem: An overview of exact and approximate algorithms, European Journal of Operational Research, 59(2), 231–
247. https://doi.org/10.1897/1551-5028(1999)018<0357:AIEOTP>2.3.CO;2 Lin, C., Choy, K. L., Ho, G. T. S., Chung, S. H., and Lam, H. Y. (2014): Survey of Green Vehicle Routing Problem: Past and future trends, Expert Systems with Applications, 41(4), 1118–1138. https://doi.org/10.1016/j.eswa.2013.07.107 Montoya, A., Guéret, C., Mendoza, J. E., and Villegas, J. G. (2016): A multi- space sampling heuristic for the green vehicle routing problem, Transportation Research Part C: Emerging Technologies, 70, 113–128.
https://doi.org/10.1016/j.trc.2015.09.009
60
Newbould, T. (2004): Industrial coatings, Engineer, 293(7661), 44.
https://doi.org/10.1109/CEC.2001.934374
Norouzi, N., Sadegh-Amalnick, M., and Tavakkoli-Moghaddam, R. (2017):
Modified particle swarm optimization in a time-dependent vehicle routingproblem: minimizing fuel consumption, Optimization Letters, 11(1), 121–
134. https://doi.org/10.1007/s11590-015-0996-y
Poonthalir, G., and Nadarajan, R. (2018): A Fuel Efficient Green Vehicle Routing Problem with varying speed constraint (F-GVRP), Expert Systems with Applications, 100, 131–144. https://doi.org/10.1016/j.eswa.2018.01.052
Qian, J., and Eglese, R. (2016): Fuel emissions optimization in vehicle routing problems with time-varying speeds, European Journal of Operational Research, 248(3), 840–848. https://doi.org/10.1016/j.ejor.2015.09.009
Ratnaweera, A., Halgamuge, S. K., and Watson, H. C. (2004): Self-Organizing Hierarchical Particle Swarm Optimizer With Time-Varying Acceleration Coefficients, IEEE Transactions on Evolutionary Computation, 8(3), 240–255.
https://doi.org/10.1109/TEVC.2004.826071
Santosa, B., and Willy, P. (2011): Metoda Metaheuristik, Konsep dan Implementasi, Graha Widya, Surabaya.
Trelea, I. C. (2003): The particle swarm optimization algorithm: convergence analysis and parameter selection, Information Processing Letters, 85(6), 317–325.
US Departement of Energy (2008): Fuel Economy Guide, retrieved from internet:
www.fueleconomy.gov.