Penentuan Rute Pengiriman Barang Pada PT Maspion Medan Dengan Algoritma Genetika
Dosen Pengampu : Marlina Setia Sinaga S.Si., M.Si.
Disusun Oleh:
NAMA : Dian Marisa
NIM : 4213530001
KELAS : PSM 21 B
PROGRAM STUDI S1 MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS NEGERI MEDAN
2024
LAPORAN UAS MK. METODE
PENELITIAN
BAB II
TINJAUAN KONSEPTUAL
Bisnis
Dalam bisnis, distribusi adalah tugas yang sangat dihargai. Distribusi adalah proses mendapatkan barang ke pelanggan. Namun, proses distribusi seringkali menghadapi kendala akibat keterbatasan transportasi[ CITATION Pra23 \l 1033 ]. Kecepatan dalam pengantaran barang merupakan salah satu faktor penting dari kepuasan pelanggan. Dalam beberapa kasus, keterlambatan pengiriman masih sering terjadi pada beberapa usaha pengiriman barang. Banyak faktor yang dapat menyebabkan hal ini, salah satu faktornya adalah mengambil jalur yang salah, sehingga jalur yang akan ditempuh menjadi lebih jauh dari yang diharapkan [ CITATION Mub21 \l 1033 ]. Jarak adalah pertimbangan utama saat merencanakan rute untuk setiap truk. Proses distribusi akan lebih murah dan memakan waktu lebih sedikit jika jarak keseluruhan yang ditempuh lebih sedikit[ CITATION Pra23 \l 1033 ].
Algoritma Genetika
Algoritma generika dikembangkan pada tahun 1975 di Unversitas Michigan oleh Jhon Holland. Algoritma genetika dapat diartikan sebagai algoritma yang menggunakan proses seleksi alam, atau bisa juga disebut proses evolusi sebagaimana yang diutarakan oleh Charles Darwin. Individu akan melakukan perubahan gen secara terus-menerus hingga sesuai dengan lingkungannya[ CITATION Mub21 \l 1033 ]. Teknik evolusi yang paling populer di seluruh dunia adalah algoritma genetika (GA). Berdasarkan genetika dan seleksi alam, Belanda memperkenalkannya. AG mengevaluasi anak-anak dengan menerapkan operator persilangan dan mutasi ke populasi awal, yang meliputi ayah dan ibu. Dengan memilih yang unggul dari yang tersedia, atau lebih dikenal dengan rekombinasi, tujuannya adalah untuk menghasilkan solusi yang lebih baik secara berurutan.[ CITATION Pra23 \l 1033 ].
Beberapa metode algoritma yang telah dikembangkan untuk menyelesaikan persoalan jalur terpendek diantaranya Algoritma Djikstra, Algoritma Floyd- Warshall dan Algoritma Bellman-Ford. Algoritma ini dapat diselesaikan dengan cepat jika kota-kota yang akan dikunjunginya sedikit. Seiring dengan itu muncul permasalahan bagaimana menentukan jalur terpendek jika terdapat banyak jalur alternatif ke kota tujuan dengan mempertimbangkan efisiensi dan waktu sehingga diperlukan ketepatan dalam menentukan jalur terpendek antar suatu kota [ CITATION Mel20 \l 1033 ].
Sifat algoritma genetika adalah mencari kemungkinan-kemungkinan dari solusi untuk mendapatkan yang optimal untuk menyelesaikan masalah. Algoritma Genetika dapat digunakan untuk menyelesaikan beberapa kasus karena beberapa kelebihan, seperti terdiri dari banyak calon solusi yang dibangkitkan sekaligus, setiap iterasi memberikan calon solusi yang lebih baik, ruang solusi yang besar tidak menjadi masalah dan algoritma cepat dan efisien perbedaan perhitungan nilai fitness tiap kebutuhan computer berdasarkan pada bobot tiap perangkat keras dan sistem yang ingin dibuat ada lah penentuan rute tercepat pengiriman barang [ CITATION Put21 \l 1033 ].
Untuk menilai seberapa baik kromosom merupakan solusi, nilai fitness adalah nilai yang digunakan. Kromosom solusi dengan nilai fitness tertinggi akan ditemukan oleh algoritma genetika. Total jarak yang ditempuh dan total biaya yang dikeluarkan digunakan untuk menghitung nilai fitness dalam masalah terkait transportasi. Nilai fitness digunakan untuk memisahkan hasil kualitas kromosom satu dengan yang lain[ CITATION Pra23 \l 1033 ]. Nilai fitness adalah nilai yang menyatakan baik atau tidaknya suatu solusi. Semakin tinggi nilai fitnes maka semakin tinggi nilai kromosom.
Proses inversi dapat dilakukan dengani rumusan Fi=1
fi' dengan i merupakan kromosom. Crossover (pindah silang) adalah salah satu operator Algoritma Genetika yang melibatkan dua induk untuk menghasilkan gen baru. Cara kerja crossover adalah membangkitkan offspring baru dengan mengganti sebagian informasi dari parents.
Pemilihan titik penyilangan dilakukan dengan posisi pemotongan secara acak. Kromosom induk dipilih dari dua kromosom awal dan dilakukan pemotongan titik penyilangan.
Mutasi iadalah proses iuntuk menciptakan individu baru dengan memodifikasi gen individu. Prosesi ini dimodelkan seperti kehidupan yang terjadi di alam. Probabilitas dari suatu gen biasanya dipilih sangat kecil, sama seperti kejadian yang sebenarnya dalam kehidupan sehingga memungkinkan terjadinya mutasi genetis tetapi dalam prosentasi sangat kecil. Proses optimasi dalam Algoritma Genetika akan berhenti ketika syarat berhenti dipenuhi. Beberapa isyarat berhenti yang dapat digunakan yaitu batas nilai fungsi fitness, batas nilai fungsi objektif, batas waktu komputasi, banyak generasi, dan terjadi konvergensiPemilihan syarat berhenti yang paling sesuai sangat bergantung pada tingkat kerumitan masalah dan perangkat keras yang digunakan. Pada kasus-kasus tertentu yang biasanya digunakan adalah banyak generasi, tetapi belum tentu syarat berhenti tersebut dapat diterapkan pada kasus lainnya.[ CITATION Toh23 \l 1033 ]
Konsep Big Data
Big Data mengacu pada kumpulan data yang sangat besar dan kompleks yang tidak dapat dikelola, diproses, atau dianalisis menggunakan perangkat lunak pengolahan data tradisional. Big Data ditandai oleh 3V yaitu Volume (jumlah data yang sangat besar), Variety (beragam jenis data), dan Velocity (kecepatan data yang dihasilkan dan diproses).
Big Data memanfaatkan teknologi dan alat analisis yang canggih untuk mengidentifikasi pola, tren, dan wawasan yang dapat membantu dalam pengambilan keputusan yang lebih baik. Teknologi seperti Hadoop, Spark, dan alat analitik seperti data mining dan machine learning sering digunakan untuk mengelola dan menganalisis Big Data.
Contoh Big Data pada Penentuan Rute Pengiriman Barang di PT Maspion Medan
1. Volume (Volume Data yang Besar)
PT Maspion Medan mungkin memiliki ribuan transaksi pengiriman barang setiap hari. Data ini mencakup informasi tentang alamat pengiriman, jenis barang, waktu pengiriman, dan informasi lainnya.
2. Variety (Keanekaragaman Data)
Data yang digunakan untuk menentukan rute pengiriman dapat berasal dari berbagai sumber seperti:
Data GPS dari kendaraan pengiriman.
Data cuaca untuk memperkirakan kondisi jalan.
Data lalu lintas dari aplikasi seperti Google Maps atau Waze.
Data penjualan untuk memahami pola permintaan barang.
Data warehouse untuk memonitor stok barang.
3. Velocity (Kecepatan Data)
Data lalu lintas dan cuaca berubah dengan cepat dan perlu diperbarui secara real-time untuk membuat keputusan rute yang tepat.
Informasi tentang pengiriman baru yang masuk juga perlu diproses secara cepat untuk dimasukkan ke dalam jadwal pengiriman.
Penerapan Big Data untuk Penentuan Rute Pengiriman a. Pengumpulan Data
Mengumpulkan data dari sensor GPS, sistem manajemen gudang, aplikasi pemantau lalu lintas, dan sumber data lainnya.
b. Pengolahan Data
Menggunakan teknologi Big Data seperti Hadoop atau Spark untuk mengumpulkan dan mengolah data dalam skala besar.
Menggunakan teknik machine learning untuk memprediksi kondisi lalu lintas dan waktu pengiriman.
c. Analisis Data
Menggunakan algoritma optimasi rute seperti Algoritma Genetika atau Ant Colony Optimization untuk menemukan rute pengiriman yang paling efisien.
Mempertimbangkan berbagai faktor seperti waktu tempuh, biaya bahan bakar, kondisi lalu lintas, dan waktu pengiriman.
d. Visualisasi dan Pengambilan Keputusan
Menyediakan dashboard visualisasi data yang interaktif untuk manajer logistik agar mereka dapat melihat kondisi real-time dan mengambil keputusan berdasarkan data yang akurat.
Memberikan rekomendasi rute secara otomatis kepada pengemudi melalui aplikasi mobile.
Manfaat dari Penggunaan Big Data
Efisiensi Operasional: Penggunaan rute yang lebih efisien dapat mengurangi biaya bahan bakar dan waktu perjalanan.
Peningkatan Layanan Pelanggan: Pengiriman yang lebih cepat dan tepat waktu dapat meningkatkan kepuasan pelanggan.
Pengurangan Biaya: Optimalisasi rute dapat mengurangi biaya operasional secara keseluruhan.
Pemanfaatan Sumber Daya yang Lebih Baik: Pengelolaan armada yang lebih baik dapat meningkatkan produktivitas dan efisiensi.
Dengan mengimplementasikan Big Data, PT Maspion Medan dapat membuat proses pengiriman barang lebih efisien, mengurangi biaya, dan meningkatkan layanan pelanggan.
DAFTAR PUSTAKA
Melladia. (2020). Algoritma Genetika Menentukan Jalur Jalan dengan Lintasan Terpendek (Shortest Path). Prosiding Seminar Nasional Sistem Informasi dan Teknologi (SISFOTEK) ke 4 (pp. 111-117). Padang: seminar iaii.
Mubarok, A. Y., & Chotijah, U. (2021). Penerapan Algoritma Genetika Untuk Mencari Optimasi Kombinasi Jalur Terpendek Dalam Kasus Travelling Salesman Problem. Jurnal
Teknologi Terpadu, 77-82.
Pratiwi, A. I., Triana, N. N., Sayuti, M., Hakim, A., Adetia, D., Nurohman, A. R., & Pazri, S.
(2023). Penentuan Rite Terbaik Pendistribusian Produk Wafer dengan Metode Algoritma Genetika (Studi Kausu di Perusahaan Jasa Pergudangan Produk Wafer Karawang). JIS:
Jurnal Integrasi Sistem Industri, 69-75.
Putra, A. P., & Yunita, S. (2021). Sistem Informasi Penentuan Rute Pengiriman Barang di CV ASA Menggunakan Metode Algoritma Genetika. Kajian Ilmiah Informatika dan Komputer, 35-42.
Tohari, A. (2023). Algoritma Genetika dalam Menentukan Rute Terpendek PT. Pos Cabang Lamongan. Math unesa Jurnal Ilmiah Matematika, 458-467.
