PENJADWALAN DAN PENENTUAN RUTE KENDARAAN PADA INDUSTRI BAHAN KIMIA MENGGUNAKAN KOMBINASI METODE ALGORITMA GENETIKA DAN ALGORITMA PENCARIAN TABU

(1)

PENJADWALAN DAN PENENTUAN RUTE

KENDARAAN PADA INDUSTRI BAHAN KIMIA

MENGGUNAKAN KOMBINASI METODE ALGORITMA

GENETIKA DAN ALGORITMA PENCARIAN TABU

Oleh :

Maya Sagita W. 5208 100 106

Dosen Pembimbing :

Prof. Ir. Arif Djunaidy, M.Sc., Ph.D

(2)

(3)

Latar Belakang

Kendala yang dihadapi saat melakukan

pengiriman barang :

• Keterlambatan dan waktu tunggu akibat dari

estimasi waktu layanan pengiriman yang

kurang tepat

• _{Permasalahan pada ketersediaan dan kesiapan}

(4)

Perumusan Masalah

Permasalahan yang muncul dari latar belakang :

• Bagaimana melakukan penjadwalan dan penentuan

rute

kendaraan

agar

dapat

mengoptimalkan

penggunaan kendaraan dan memenuhi permintaan

konsumen menggunakan gabungan dari algoritma

genetik dan algoritma pencarian tabu.

• Bagaimana

penjadwalan

dan

penentuan

rute

kendaraan yang menggunakan gabungan algoritma

genetik

dan

algoritma

pencarian

tabu

dapat

memuaskan batasan yang berhubungan dengan

kondisi dan karakteristik transportasi, permintaan

konsumen dan waktu layanan yang diberikan.

(5)

Batasan Tugas Akhir

Batasan yang dikenakan pada proses penjadwalan

dan penentuan rute kendaraan :

• Kendaraan memulai aktifitasnya dari titik awal yang

sama, kemudian kembali ke titik awal yang sama pula.

• Jumlah kendaraan terbatas dan tidak menentu karena

disesuaikan dengan jumlah ketersediaan kendaraan.

• Jumlah produk yang dimuat tidak melebihi kapasitas

kendaraan.

• Waktu layanan pada kendaraan yang melakukan

pengiriman dibatasi dan harus memenuhi waktu

kedatangan sampai batas waktu yang ditentukan di

konsumen.

(6)

Batasan Tugas Akhir

• _{Batasan tambahan yang disesuaikan :}

 Dalam satu rute, Setiap konsumen hanya

dikunjungi dan dilayani oleh satu kendaraan dan

kendaraan yang sama.

 Semua konsumen pada hari layanan harus

dilayani.

 Tambahan waktu yang diperhitungkan dalam

estimasi waktu layanan adalah waktu tunggu

(7)

Tujuan Tugas Akhir

• _{Mengoptimalkan penggunaan kendaraan dan}

memenuhi target permintaan konsumen.

• Membuat penjadwalan dan penentuan rute

yang dapat :

 Meminimalkan jarak

 Meminimalkan biaya transportasi

(8)

Manfaat Tugas Akhir

• _{Dapat membuat pelaksanaan proses distribusi}

menjadi efisien dan optimal berdasarkan

(9)

Metode Pengerjaan

Tugas Akhir

(10)

(11)

Model dan Implementasi

Formulasi Model

• Fungsi Tujuan

Meminimalkan jarak dan waktu perjalanan.

• Fungsi Batasan

• Hard Constraint

 Tidak ada pelanggan dalam satu armada yang tidak dilayani oleh

kendaraan.

 Permintaan yang dimuat oleh satu kendaraan dalam suatu armada

tidak boleh melebihi kapasitas muatan kendaraan tersebut.

(12)

Model dan Implementasi

Formulasi Model

• Hard Constraint

 Waktu kedatangan kendaraan pada pelanggan tidak boleh

melebihi batas waktu akhir pengiriman yang ditentukan oleh

pelanggan.

Untuk batasan ini, t

_jv

dibentuk dari formulasi (t

_iv

+ w

_i

+ tl

_i

+ t

_ijv

)x

_ijv

• SoftConstraint

 Waktu kedatangan kendaraan boleh kurang dari waktu awal

pengiriman yang ditentukan pelanggan.

(13)

Model dan Implementasi

Pemodelan Kromosom dan Individu

Trip Object (T) Waktu kirim ID Pelanggan Jumlah permintaan (kg) Waktu kirim Jenis produk ID Armada ID Kendaraan Kapasitas Kendaraan (kg)

Waktu Awal kirim (menit) Waktu Akhir kirim (menit)

(14)

Model dan Implementasi

(15)

Model dan Implementasi

Alur Gabungan

Algoritma Genetika

dan Pencarian Tabu

pada Program

(16)

Model dan Implementasi

Terminasi

• Jika jumlah generasi yang dihasilkan telah mencapai

angka maksimum generasi yang ditentukan.

• Solusi terbaik dalam populasi atau solusi terbaik dari

individu baru terhadap solusi terbaik dari populasi

sebelumnya tidak mengalami peningkatan sebanyak

500 kali iterasi atau mengalami penurunan pada

jumlah generasi tertentu.

• Solusi terbaik dari individu baru dibandingkan solusi

terbaik dari populasi generasi sebelumnya memiliki

(17)

Model dan Implementasi

Praproses Data

Perubahan bentuk data pada Data permintaan dimana batas waktu

pengiriman (Waktu_atas dan Waktu_bawah) diubah dari bentuk jam

(hh:mm) ke menit untuk memudahkan proses perhitungan.

Nama Tabel Atribut Tambahan

Data pelanggan - Koor_x

- Koor_y

Data kendaraan - Kecepatan_rata

- Status_kendaraan

(18)

Model dan Implementasi

(19)

(20)

Uji Coba dan Analisis Hasil

Verifikasi Program

No. Fungsionalitas Keterangan

1 Memasukkan Data (Menyimpan Data Pelanggan, Kendaraan, Permintaan Pengiriman)

Dapat dijalankan

2 Merubah Data (Data Pelanggan, Kendaraan, Permintaan Pengiriman)

Dapat dijalankan

3 Menghapus Data (Data Pelanggan, Kendaraan, Permintaan Pengiriman)

Dapat dijalankan

(21)

Uji Coba dan Analisis Hasil

Validasi Hasil Program

Jadwal Biaya (Program) Nilai Fitness (Program) Biaya (Manual) Nilai Fitness (Manua) Selisih Biaya (%) Selisih Fitness (%) 1 (17 Pelanggan) 366,14285 71428571 0,0023214 98244245 0256 366,14285 7142857 0,0023214 98244245 02 0 % 0 % 2 (24 Pelanggan) 599,94285 71 0,0014287 07495952 599,94285 7142857 0,0014287 07495952 0 % 0 % 3 (27 Pelanggan) 564,9142 0,0015931 620473396 7 572,15866 8302665 0,0015222 48617711 67 1,2 % 4,4 %

(22)

Uji Coba dan Analisis Hasil

Lingkungan Uji Coba

Uji coba dilakukan pada komputer personal dengan

spesifikasi sebagai berikut :

• Processor : Intel(R) Core(TM)2 Duo CPU T6600

2,20GHz

• Memory : 1 GB

• Sistem Operasi : Microsoft Windows 7 Ultimate

(23)

Uji Coba dan Analisis Hasil

Uji Coba

Dilakukan 2 skenario uji coba, antara lain :

1. Uji Kebenaran

(24)

Uji Coba dan Analisis Hasil

Uji Kebenaran

Solusi yang dihasilkan program disesuaikan dengan

batasan yang dikenakan.

- Solusi yang dihasilkan oleh program terbukti tidak menyalahi

batasan (hardconstraint) yang dikenakan.

- Hasil perhitungan program dan perhitungan secara manual

mengenai batasan (hardconstraint) yang dikenakan sesuai

(25)

Uji Coba dan Analisis Hasil

Uji Kinerja

Menguji kemampuan program dan algoritma yang

digunakan dalam menghasilkan solusi.

Dilakukan 2 jenis uji coba, antara lain :

1. Uji Kinerja Program

(26)

Uji Coba dan Analisis Hasil

Uji Kinerja Program

Menguji kemampuan program dalam menghasilkan

solusi yang optimal.

Uji ke- Jumlah

Pelanggan Biaya Nilai Fitness Nilai Fitness terakhir Individu baru Generasi terkhir 1. 17 432,542857 1 0,00206855 07 0,00206855 072 503 2. 24 616,4095 0,00144204 27 0,00144204 27 781 3 27 574,742857 0,00151540 0,00151540 499

(27)

Uji Coba dan Analisis Hasil

Uji Kinerja Program

0 0,0001250,00025 0,0003750,0005 0,0006250,00075 0,0008750,001 0,0011250,00125 0,0013750,0015 0,0016250,00175 0,0018750,002 0,0021250,00225 1 ₂5 ₄9 ₇3 ₉7 1 21 ₁45 ₁69 ₁93 ₂17 ₂41 ₂65 ₂89 ₃13 ₃37 ₃61 ₃85 ₄09 ₄33 ₄57 ₄81 ₅05 ₅29 ₅53 ₅77 ₆01 ₆25 ₆49 ₆73 ₆97 ₇21 ₇45 ₇69 N ila i Generasi

Grafik Perubahan Nilai Fitness

17 Pelanggan 27 Pelanggan 24 Pelanggan

(28)

Uji Coba dan Analisis Hasil

Uji Kinerja Program

0,000125 0,00025 0,000375 0,0005 0,000625 0,00075 0,000875 0,001 0,001125 0,00125 0,001375 0,0015 0,001625 0,00175 0,001875 0,002 0,002125 0,00225 N ila i

Grafik Perubahan Nilai Fitness

(29)

Uji Coba dan Analisis Hasil

Uji Kinerja Metode

Menguji kinerja tiap-tiap algoritma acuan yang

digunakan dengan membandingkan hasil yang

dikeluarkan oleh tiap-tiap algoritma.

Membandingkan algoritma yang digunakan dengan

metode penjadwalan perusahaan.

(30)

Uji Coba dan Analisis Hasil

Uji Kinerja Metode

Uji 1 :

Uji 2 :

Metode Rata-rata Biaya Waktu Komputasi

Rata-rata Biaya Terbaik Nilai Fitness Terbaik

Algoritma Genetika 526,256190 28 menit 40 detik 432,06667 0,001967288998611 33 Algoritma Pencarian

Tabu 421,37809 8 menit 13 detik 386,49523

-Algoritma

Kombinasi 396,5381 28 menit 21 detik 366,14290

0,002321498244245 0256

Algoritma Genetika 815,055238 39 menit 45 detik 746.67619 0,001147944541523 7047 Algoritma Pencarian

(31)

-Uji Coba dan Analisis Hasil

Uji Kinerja Metode

Uji 3 :

Uji 4 :

Tabu 623,5018081 20 menit 30 detik 576,09523

-Algoritma

0,001593162047339 6727

Tabu 608,408345 21 menit 53 detik 552,9142857

-Algoritma

0,001704664661864 4667

(32)

Uji Coba dan Analisis Hasil

Uji Kinerja Metode

Uji 5 :

Tabu 467,934187 11 menit 13 detik 423.1904761904

-Algoritma

Kombinasi 461,14029 60 menit 20 detik 427.057142857

0,020361800099481 94

(33)

Uji Coba dan Analisis Hasil

Analisis Hasil Uji Coba :

• Program menjalankan proses perhitungan sesuai dengan batasan

yang diberikan. Program terbukti tidak menyalahi batasan yang

merupakan hardconstraint.

• Program masih belum memberikan kinerja terbaiknya dalam

membentuk jadwal dan rute kendaraan.

• Kombinasi algoritma terbukti menghasilkan solusi yang paling

baik. Namun kombinasi metode ini memiliki kekurangan pada

waktu komputasi dimana waktu komputasi yang dihasilkan lebih

lama.

• Kombinasi algoritma maupun dua algoritma acuan belum bisa

menghasilkan solusi yang lebih minimum

• Biaya yang paling mendekati biaya yang dihasilkan oleh metode

penjadwalan perusahaan adalah yang dihasilkan oleh program

yang menggunakan kombinasi algoritma.

(34)

(35)

Kesimpulan dan Saran

Kesimpulan yang dapat diambil dari analisis solusi

yang dilakukan :

• Program terbukti dapat menjalankan semua fungsional yang diberikan dan

solusi yang dihasilkan oleh program sesuai dengan perhitungan manual terhadap solusi yang dihasilkan.

• Aplikasi yang dibuat berdasarkan algoritma genetika dan pencarian tabu yang

dibuat mampu memenuhi batasan-batasan yang ditentukan dalam pembentukan jadwal dan rute kendaraan dari perusahaan.

• Aplikasi yang dibuat berdasarkan kombinasi algoritma genetika dan pencarian

tabu berpeluang memberikan biaya lebih minimum dari pada biaya yang dikeluarkan menggunakan metode penjadwalan perusahaan.

(36)

Kesimpulan dan Saran

Berikut ini beberapa saran yang diberikan untuk pengembangan aplikasi

untuk masa mendatang :

• Dibutuhkan penyesuaian kembali pada aplikasi terhadap kondisi nyata proses

penjadwalan dan penentuan rute kendaraan, dimana biaya yang dihitung bukan jarak dan waktu tapi biaya pengiriman produk seperti biaya bahan bakar, biaya sopir dan biaya lain yang bersatuan mata uang. Dalam penentuan rute, rute yang dibentuk didapatkan dari jarak yang didapat dari sistem peta geografis, bukan didapat dari koordinat tambahan yang diberikan.

(37)