BAB 2 LANDASAN TEORI
|
|
- Shinta Hartono
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB 2 LANDASAN TEORI 2.1. Optimalisasi Optimalisasi merupakan suatu proses untuk mengoptimalkan suatu solusi agar ditemukannya solusi terbaik dari sekumpulan alternatif solusi yang ada dengan menggunakan formulasi matematika. Optimalisasi dilakukan dengan memaksimalkan atau meminimalkan suatu fungsi objektif dengan tidak melanggar batasan yang ada (Sianturi, 2012). Dengan adanya optimalisasi, suatu sistem dapat meningkatkan efektifitasnya seperti meminimalisir biaya, meningkatkan keuntungan, meminimalisir waktu proses, dan sebagainya Bin Packing Problem Bin Packing Problem adalah sebuah permasalahan optimalisasi kombinatorial yang termasuk dalam jenis Non-deterministic Polynomial-time (NP) hard yang pertama kali diperkenalkan oleh Garey dan Johnson pada tahun Bin Packing memiliki peran penting dalam menyelesaikan beberapa persoalan di dunia nyata seperti perencanaan transportasi, pemuatan kontainer, alokasi sumber daya, penjadwalan, serta kargo pesawat dan kapal (Yesodha & Amudha, 2013). Pada permasalahan bin packing, diberikan sebuah bin dengan kapasitas tertentu V yang digunakan sebagai tempat dari seluruh objek n yang memiliki ukuran berbeda-beda, dan tujuannya adalah untuk meminimalkan bin yang digunakan agar seluruh objek n dapat ditempatkan ke dalam bin tersebut (Swain et al., 2014) Two dimensional bin packing problem (2DBPP) Pada 2DBPP, sebuah item atau objek hanya memiliki dua buah variabel seperti panjang dan lebar. Penyusunan item atau objek pada 2DBPP hanya berdasarkan
2 7 kepada dua variabel tersebut. 2DBPP biasanya digunakan untuk menyusun barang pada lantai ruang dan tidak adanya penumpukan barang. 2DBPP bisa juga digunakan untuk menyusun barang dengan adanya penumpukan, tetapi semua barang tersebut harus memiliki variabel tinggi yang sama, sehingga variabel tinggi tersebut tidak akan mempengaruhi penyusunan barang yang memiliki variabel panjang dan lebar yang berbeda Three dimensional bin packing problem (3DBPP) Pada 3DBPP, satu atau lebih bin yang tersedia dipilih untuk memuat barang-barang secara tiga dimensi sehingga ruang pada bin dapat dimaksimalkan (Li et al., 2014). Berbeda dengan 2DBPP yang hanya menggunakan dua variabel, 3DBPP menggunakan tiga variabel yaitu panjang, lebar, dan tinggi barang dalam melakukan penyusunan barang. Hal ini menyebabkan tingkat kesulitan 3DBPP lebih tinggi dari 2DBPP. Setiap item atau objek pada 3DBPP harus disusun sedemikian rupa agar item tersebut dapat dimuat ke dalam bin yang juga memiliki batasan panjang, lebar, dan tinggi. Jika pada 2DBPP penyusunan barang lebih ditekankan kepada penyusunan bidang segi empat pada dasar ruang (rectangle-to-floorplan packing), 3DBPP lebih ditekankan kepada penyusunan bangun segi empat pada ruang (box-to-room packing) (Sweep, 2003). 3DBPP juga termasuk ke dalam permasalahan pemuatan kontainer (Container Loading Problem). Pada 3DBPP penyusunan barang dapat dibedakan menjadi single bin atau multiple bins. Pada single bin, penyusunan barang yang dilakukan hanya menggunakan sebuah bin, sehingga tujuan penyusunan hanya untuk meminimalkan sisa ruang kosong pada bin tersebut. Sementara pada multiple bins, penyusunan barang yang dilakukan menggunakan lebih dari satu bin, sehingga tujuan penyusunannya adalah untuk meminimalkan jumlah bin yang digunakan Permasalahan Optimalisasi Penyusunan Barang pada Mobil Box Gambaran umum objek Terdapat dua buah objek yang digunakan pada permasalahan optimalisasi penyusunan barang pada mobil box yaitu mobil box dan barang. Mobil box yang digunakan harus berbentuk segi empat yang memiliki panjang, lebar, tinggi, serta beban maksimal
3 8 mobil. Mobil yang digunakan hanya satu buah (single bin). Gambaran umum objek mobil box dapat dilihat pada Gambar 2.1. Gambar 2.1. Gambaran Mobil Box dalam Koordinat Tiga Dimensi (Susanto, 2009) Pada Gambar 2.1. dapat dilihat bahwa koordinat awal penyusunan (titik 0,0,0) berada di depan, kiri, dan bawah mobil. Sumbu x mewakili lebar mobil, sumbu y mewakili tinggi mobil, dan sumbu z mewakili panjang mobil. Barang yang akan disusun merupakan barang tiga dimensi berbentuk segi empat yang memiliki panjang, lebar, dan tinggi. Setiap barang juga memiliki berat sebagai batasan agar mobil box tersebut tidak membawa beban yang melebihi kapasistasnya. Gambaran umum objek barang dapat dilihat pada Gambar 2.2. Gambar 2.2. Objek Barang
4 9 Pada Gambar 2.2. dapat dilihat bahwa barang i memiliki dimensi 1 yang sejajar dengan sumbu x, dimensi 2 yang sejajar dengan sumbu y, dan dimensi 3 yang sejajar dengan sumbu z. Dimensi masing-masing barang ini ditentukan oleh perotasian barang. Apabila suatu barang i tidak dapat dirotasi maka barang tersebut hanya akan memiliki satu variasi nilai dimensi yaitu dimensi 1 sebagai panjang barang, dimensi 2 sebagai tinggi barang, dan dimensi 3 sebagai lebar barang. Namun, apabila suatu barang i dapat dirotasi maka barang tersebut akan memiliki enam variasi nilai dimensi. Pertukaran nilai dimensi untuk suatu barang yang dapat dirotasi dapat dilihat pada Gambar 2.3. Gambar 2.3. Variasi Perotasian Barang (Susanto, 2009) Pada Gambar 2.3. dapat dilihat bahwa pada enam variasi perotasian tersebut, nilai dimensi masing-masing posisi diubah sesuai dengan arah perputarannya. Seperti contoh pada Variasi 1, nilai dimensi 1 sama dengan AC yang merupakan panjang barang. Sedangkan pada Variasi 3 nilai dimensi 1 sama dengan CD yang merupakan tinggi barang. Nilai dimensi ini yang akan digunakan untuk proses penyusunan barang di dalam mobil box. Adapun gambaran umum penempatan objek barang pada mobil box dapat dilihat pada Gambar 2.4.
5 10 Gambar 2.4. Penempatan Barang pada Mobil Box Pada Gambar 2.4. dapat dilihat bahwa penempatan suatu barang i di dalam mobil box didasarkan pada dimensi barang tersebut. Dimensi 1 barang akan menempati posisi lebar mobil, dimensi 2 barang akan menempati posisi tinggi mobil, serta dimensi 3 barang akan menempati posisi panjang mobil Fungsi objektif Dalam melakukan penyusunan barang dengan berbagai ukuran pada mobil box, perlu dilakukannya optimalisasi agar penyusunan yang dilakukan optimal. Di dalam permasalahan optimalisasi ada beberapa hal yang harus ditentukan, yaitu fungsi objektif (objective function) dan batasan (constraint). Fungsi objektif merupakan suatu fungsi matematika yang merupakan tujuan utama pada permasalahan optimalisasi yang harus diminimalkan atau dimaksimalkan. Sebuah solusi yang dapat meminimalkan atau memaksimalkan (sesuai tujuan utama permasalahan) fungsi objektif adalah solusi optimal (Kumar, 2014). Fungsi objektif pada permasalahan optimalisasi penyusunan barang adalah untuk memaksimalkan penggunaan ruang yang tersedia yaitu total volume barang yang dapat disusun pada suatu mobil box. Fungsi objektif tersebut dapat dilihat pada persamaan 2.1. (2.1)
6 11 Dimana : = Fungsi Objektif = Indeks Barang = Jumlah Barang = Masing-masing panjang, lebar, dan tinggi barang i = Variabel biner yang mengidentifikasi dapat atau tidaknya barang disusun pada mobil box. Bernilai 1 jika barang berada di mobil, 0 jika tidak. Fungsi objektif berdasarkan persamaan 2.1. di atas digunakan sebagai nilai fitness yang dihasilkan masing-masing kandidat solusi. Namun, jika pada suatu kasus terdapat beberapa solusi yang memiliki nilai fitness yang sama, maka akan dilakukan pencarian nilai fitness kedua untuk menghitung total volume barang yang disusun pada ketinggian 0 ½ tinggi mobil box. Kandidat solusi yang memiliki nilai fitness yang sama tersebut akan dibandingkan. Kandidat solusi yang menghasilkan total volume barang pada ketinggian 0 ½ tinggi mobil box lebih besar akan diambil sebagai kandidat solusi dengan solusi terbaik. Keputusan tersebut diambil karena mempertimbangkan kepadatan benda yang berada di bawah. Semakin padat barangbarang yang berada di bawah, maka semakin bagus pola susunannya (Oktorini, 2008). Contoh dua solusi yang memiliki nilai fitness sama besar dapat dilihat pada Gambar 2.5. (a) Gambar 2.5. (a) Susunan I; (b) Susunan II (Oktorini, 2008) (b)
7 12 Pada Gambar 2.5. dapat dilihat bahwa susunan I dan susunan II memiliki nilai fitness yang sama besar jika menggunakan perhitungan fitness dengan menghitung total volume barang yang dapat disusun. Namun, jika dilihat dari pola susunan penumpukan, maka susunan II lebih baik untuk diterapkan karena terdapat lebih sedikit ruang kosong di antara tumpukan benda yang berada di bawah Batasan (constraints) Selain menentukan fungsi objektif, pada permasalahan optimalisasi juga harus ditentukan batasan permasalahan (constraint). Batasan atau constraint merupakan suatu kondisi yang harus dipenuhi pada permasalahan optimalisasi. Solusi yang dihasilkan dari fungsi objektif tidak boleh melanggar batasan-batasan tersebut. Constraint dalam permasalahan penyusunan barang dapat dibagi menjadi dua jenis, yaitu hard constraint dan soft constraint. Hard constraint digunakan untuk mendefinisikan batasan yang digunakan pada proses optimalisasi, sedangkan soft constraint digunakan untuk membentuk fungsi objektif suatu permasalahan optimalisasi (Hicks et al., 2006). Hard Constraint Hard constraint merupakan batasan yang harus selalu dipenuhi. Pola penyusunan yang melanggar hard constraint disebut solusi yang tidak layak (Bortfeldt & Wascher, 2012). Batasan-batasan dalam penyusunan barang tiga dimensi yang dikategorikan sebagai hard constraint adalah sebagai berikut : 1. Orientasi Barang Barang yang disusun harus berbentuk kubus atau balok yang memiliki tiga dimensi yaitu panjang, lebar, dan tinggi. Khusus barang berbentuk balok yang memiliki nilai berbeda untuk setiap dimensinya, terdapat barang yang bisa dan tidak bisa dirotasi penempatannya di dalam mobil box. Barang-barang yang dapat dirotasi akan mengalami pertukaran dimensi sebanyak enam variasi orientasi. Sedangkan barang yang tidak dapat dirotasi tidak boleh mengalami pertukaran dimensi, sehingga hanya memiliki satu variasi orientasi. 2. Beban Maksimum Mobil Setiap mobil box memiliki batas beban maksimum yang dapat ditampung mobil sehingga barang-barang yang disusun di dalam mobil tersebut tidak
8 13 boleh memiliki total berat yang melebihi beban maksimum yang dapat ditampung mobil. Model matematika dapat dilihat pada persamaan 2.2. (2.2) Dimana : = Indeks Barang = Jumlah Barang = Berat barang i = Beban maksimum mobil box = Variabel biner yang mengidentifikasi dapat atau tidaknya barang i disusun pada mobil box. Bernilai 1 jika barang berada di mobil, 0 jika tidak. 3. Kapasitas Ruang Mobil Box Penyusunan barang-barang pada penelitian ini hanya menggunakan satu buah mobil box (single bin). Batasan kapasitas ruang mobil box digunakan agar barang-barang yang disusun pada mobil box memiliki ukuran yang lebih kecil atau sama dengan ukuran mobil box. Volume dari barang-barang yang disusun tidak boleh melebihi volume box mobil. Model matematika dapat dilihat pada persamaan 2.3. (2.3) Masing-masing dimensi panjang, lebar, dan tinggi barang juga tidak boleh melebihi lebar, panjang, dan tinggi mobil. Model matematika dapat dilihat pada persamaan 2.4. (2.4)
9 14 Dimana : = Indeks Barang = Jumlah Barang = Masing-masing panjang, lebar, dan tinggi barang i = Masing-masing panjang, lebar, dan tinggi mobil box = Variabel biner yang mengidentifikasi dapat atau tidaknya barang i disusun pada mobil box. Bernilai 1 jika barang berada di mobil, 0 jika tidak. Soft Constraint Soft constraint merupakan batasan yang tidak harus selalu dipenuhi untuk kondisi tertentu. Pola penyusunan yang melanggar soft constraint masih dapat disebut solusi layak, tetapi sedapat mungkin untuk dipenuhi dan tidak melanggar batas tertentu (Bortfeldt & Wascher, 2012). Salah satu batasan dalam penyusunan barang tiga dimensi yang dikategorikan sebagai soft constraint adalah stabilitas beban (load stability). Stabilitas beban digunakan sebagai pendukung fungsi objektif dalam menemukan solusi penyusunan yang lebih baik. Batasan ini digunakan untuk mengurangi ruang-ruang kosong yang berada pada susunan bawah mobil sehingga barang-barang yang berada di atasnya bisa lebih didukung oleh barang-barang yang berada di bawahnya. Batasan ini juga digunakan untuk mengurangi kemungkinan ambruknya barang yang berada di atas karena banyaknya ruang kosong yang berada pada susunan di bawahnya. Solusi yang digunakan untuk menjaga stabilitas beban mobil box adalah dengan memilih susunan yang memiliki ruang kosong paling sedikit pada ketinggian 0 ½ tinggi mobil box Algoritma Firefly Algoritma Firefly merupakan salah satu jenis dari Swarm Intelligence. Algoritma ini dikembangkan oleh Dr Xin-She Yang di Cambridge University pada tahun Algoritma yang tergolong algoritma metaheuristik ini terinspirasi oleh tingkah laku berkedipnya kunang-kunang yang menghasilkan cahaya. Menurut Yang (2009), algoritma firefly memiliki tiga aturan umum, yaitu:
10 15 1. Semua kunang-kunang merupakan unisex yang menyebabkan kunangkunang dapat tertarik dengan kunang-kunang lain tanpa mempedulikan gender atau jenis kelaminnya. 2. Ketertarikan kunang-kunang berbanding lurus dengan intensitas cahayanya dan akan berkurang jika jarak di antara mereka meningkat. Untuk setiap dua kunang-kunang berkedip, kunang-kunang dengan cahaya yang lebih sedikit akan mendekati kunang-kunang dengan cahaya yang lebih terang. Jika di antara mereka tidak ada salah satu yang cahayanya lebih terang, maka ia akan bergerak secara acak. 3. Terangnya cahaya dari seekor kunang-kunang ditentukan oleh fungsi objektif (objective function). Berdasarkan tiga aturan dasar diatas, langkah-langkah algoritma firefly dapat diringkas menjadi pseudo code yang dapat dilihat pada Gambar 2.6. Gambar 2.6. Algoritma Firefly (Yang, 2009) Algoritma firefly dimulai dengan pembentukan populasi awal firefly dimana masing-masing firefly akan mewakilkan satu kandidat solusi permasalahan. Kemudian, algoritma firefly akan bekerja sesuai dengan langkah-langkah yang ada pada Gambar 2.6. Pada penerapannya, algoritma firefly memiliki tiga konsep utama yaitu light intensity, distance, dan movement (Yang, 2009).
11 Light intensity (I) Setiap firefly pada suatu populasi memiliki light intensity atau intensitas cahaya. Intensitas cahaya tersebut digunakan sebagai penentu apakah firefly akan melakukan pergerakan atau tidak. Firefly yang memiliki intensitas cahaya lebih besar akan didekati oleh firefly lain yang memiliki intensitas lebih kecil. Pada permasalahan optimalisasi penyusunan untuk memaksimalkan fungsi objektif, nilai dari intensitas cahaya firefly akan sebanding dengan fungsi objektif dan dapat dihitung menggunakan persamaan 2.5. (2.5) Dimana : = Intensitas cahaya firefly i (i = 1, 2,..., n) = Fungsi objektif Distance (r) Jarak antara dua buah firefly i dan j ditentukan menggunakan tabel Cartessian dan dapat dihitung menggunakan persamaan 2.6. (2.6) Dimana : = Jarak antara firefly i dan firefly j = Dimensi setiap firefly = Banyaknya dimensi k = Posisi firefly i pada dimensi k = Posisi firefly j pada dimensi k Movement Pergerakan firefly terjadi apabila ada suatu firefly yang memiliki nilai intensitas cahaya lebih kecil daripada firefly didekatnya. Firefly dengan intensitas cahaya lebih kecil akan bergerak mendekati firefly dengan intensitas cahaya lebih besar. Laju
12 17 pergerakan suatu firefly i mendekati firefly j untuk mendapatkan posisi baru firefly i dapat dihitung menggunakan persamaan 2.7. (2.7) Dimana : = Posisi firefly i yang baru = Posisi firefly i sekarang = Koefisien ketertarikan pada posisi 0 = Koefisien penyerapan cahaya (0.01 < < 100) = Jarak antara firefly i dan firefly j = Posisi firefly j = Koefisien bilangan acak (0 < < 1) = Bilangan acak (0 < < 1) 2.5. Library StdDraw3D Standard Draw 3D (StdDraw3D) merupakan salah satu library Java yang digunakan untuk membuat grafik tiga dimensi. StdDraw3D bertujuan untuk memudahkan pengguna dalam membuat model, simulasi, dan game dengan visualisasi tiga dimensi di dalam bahasa pemrograman Java karena script pada library ini dibuat lebih sederhana (Martirosyan, 2011). StdDraw3D digunakan untuk membuat visualisasi susunan barang secara tiga dimensi Penelitian Terdahulu Penelitian mengenai optimalisasi penyusunan barang sudah beberapa kali dilakukan. Optimalisasi penyusunan barang tersebut dilakukan pada ruangan atau bin yang berbeda-beda. Permasalahan penyusunan pallet pada kontainer pernah diselesaikan oleh Baltacioglu pada tahun Penelitian ditujukan untuk meminimalkan volume ruang kosong pada kontainer agar sekumpulan barang dengan ukuran berbeda-beda dapat dimuat pada pallet di kontainer. Ia menggunakan algoritma heuristik yaitu gabungan wall building dan layer in layer packing approach. Wall building digunakan untuk
13 18 menyusun barang pada layer yang sesuai, sementara layer in layer packing digunakan untuk menyusun barang pada sisa layer yang masih terdapat ruang kosong. Dimensi semua barang harus dianalisa terlebih dahulu sebelum penyusunan barang dimulai. Hal ini dilakukan untuk menemukan beberapa nilai ketebalan layer (layerthickness) yang paling sesuai untuk keseluruhan barang agar ruang kosong pada kontainer dapat dikurangi. Penyusunan barang dilakukan sebanyak iterasi yang ada. Banyaknya jumlah iterasi ditentukan oleh orientasi pallet dan nilai layerthickness. Jumlah orientasi pallet bergantung pada dimensi pallet. Jika pallet memiliki 3 dimensi yang sama, maka pallet hanya memiliki 1 orientasi saja. Sedangkan jika pallet memiliki 3 dimensi dengan ukuran yang berbeda-beda, maka akan ada 6 orientasi pallet. Setiap iterasi dimulai dengan menyusun barang pada layer awal, yaitu layer dengan nilai layerthicknes pertama yang diambil dari kumpulan layerthickness yang sudah ditentukan sebelumnya. Jika ada 7 nilai layerthickness yang berbeda dan pallet memiliki 3 dimensi yang berbeda, maka jumlah iterasi adalah 6*7, yaitu 42 iterasi. Parameter yang digunakan adalah ukuran barang (panjang, lebar, dan tinggi). Semua barang dapat dirotasi sebanyak enam orientasi. Constraints yang digunakan hanyalah kapasitas ruang kontainer, yaitu dimensi barang tidak melebihi dimensi kontainer. Pada penelitian ini, penyusunan yang tidak stabil diperbolehkan. Hal ini menyebabkan ada beberapa barang yang tidak memiliki dasar, sehingga barang akan menggantung (Baltacioglu, 2001). Pada tahun 2008, Oktorini melakukan penelitian untuk optimalisasi penyusunan barang dalam ruang tiga dimensi. Pada penelitiannya, ia menggunakan algoritma Genetika untuk menyusun barang pada ruang tiga dimensi seperti kontainer. Implementasi algoritma genetika dalam proses penyusunan barang yaitu dengan meletakkan barang-barang yang diwakili oleh kode dan posisinya pada gen-gen dalam suatu kromosom lalu memperhatikan bisa atau tidaknya suatu barang menempati posisi tersebut tanpa mengubah posisi barang. Proses penempatan gen berlangsung setiap muncul generasi baru sampai iterasi maksimum tercapai. Pada tahapan reproduksi awal (generasi pertama), proses penempatan gen dilakukan dengan cara randomize. Mulai generasi 2 sampai terakhir, proses penempatan gen dilakukan sesuai hasil bilangan acak antara 0-1 yang dibangkitkan untuk mengetahui operator algoritma genetik yang dipakai sebagai landasan penempatan gen. Individu yang memiliki nilai fitness terbaik pada setiap generasi diikutsertakan kembali pada generasi berikutnya.
14 19 Hal-hal yang diperhatikan pada penyusunan barang di penelitian ini adalah beban maksimum yang dapat ditampung ruang, beban maksimum yang dapat ditampung barang, perotasian barang, dan letak titik berat suatu posisi barang terhadap barang dibawahnya agar tumpukan tidak roboh dan menyebabkan kehancuran pada barang. Nilai fitness yang digunakan didasarkan pada jumlah satuan ruang yang terisi oleh barang, jumlah barang yang seimbang posisinya, dan jumlah barang yang utuh (Oktorini, 2008). Penelitian selanjutnya yang dilakukan oleh Susanto (2009) menerapkan algoritma Greedy untuk melakukan penyusunan barang dalam kontainer. Ia juga menerapkan metode wall building approach untuk mengisi kontainer sesuai dengan layer yang sejajar kedalaman kontainer. Metode ini menerapkan aturan pengurutan untuk memilih nilai layer. Kotak dengan dimensi terbesar akan dipilih untuk dimuat pertama dan dimensinya akan dijadikan nilai layer dikarenakan kotak dengan dimensi terbesar akan sulit untuk dimuat jika diletakkan di urutan terakhir. Setelah nilai layer ditentukan, maka metode greedy diterapkan untuk melakukan penyusunan barang secara horizontal di setiap potongan layer. Pada setiap layer, barang yang tersisa akan dimasukkan secara berurutan sesuai urutan panjang barang yang terbesar terlebih dahulu. Parameter yang digunakan pada penelitian ini adalah volume dan berat barang, sedangkan constraint yang harus dipenuhi adalah kapasitas ruang pada kontainer dan beban maksimal yang dapat ditampung kontainer (Susanto, 2009). Penelitian terbaru yang dilakukan oleh Harefa (2014) mengenai penyusunan barang menerapkan algoritma Steepest Ascent Hill Climbing untuk memvisualisasikan penyusunan barang pada sebuah gudang. Metode tersebut diterapkan untuk mengurutkan barang berdasarkan beratnya, sehingga urutan barang dimulai dari barang yang memiliki berat paling besar hingga paling kecil. Barang kemudian disusun berdasarkan urutannya dengan menggunakan metode block stacking, yaitu barang akan disusun di atas barang sebelumnya dengan syarat berat barang yang akan disusun tidak boleh melebihi batas maksimum beban yang dapat ditampung barang yang berada di bawahnya. Hal-hal yang diperhatikan pada proses penyusunan barang di penelitian ini adalah beban maksimum yang dapat ditampung barang dan kapasitas ruang.
15 20 Algoritma Firefly sudah diterapkan pada permasalahan Bin Packing oleh Kwesnady pada tahun Metode tersebut diterapkan dalam penyelesaian Two Dimensional Bin Packing Problem dengan fungsi objektif adalah meminimalkan jumlah mobil yang diperlukan dalam pengiriman barang. Penyusunan barang hanya bersifat satu layer dan tidak adanya penumpukan barang, sehingga dari segi biaya tidak dapat dihitung nilainya secara aktual. Penempatan barang ke dalam mobil box juga tidak menggunakan rotasi, sehingga barang tidak dapat berubah posisi dari horizontal menjadi vertikal, dan sebaliknya. Hasil penyusunan yang diperoleh dari penggunaan algoritma firefly dapat berbeda-beda setiap kali dijalankan. Hal ini disebabkan oleh bilangan acak yang dihasilkan pada tahap inisialisasi awal. Parameter yang digunakan hanya dimensi panjang dan lebar barang (Kwesnady, 2013). Algoritma firefly juga sudah digunakan untuk menyelesaikan masalah optimalisasi kombinatorial lain, seperti Travelling Salesman Problem (TSP) oleh Kumbharana dan Pandey pada tahun Fungsi tujuan dari permasalahan ini adalah meminimalkan jarak yang harus ditempuh untuk mengunjungi semua kota yang ada. Pada penelitian ini algoritma firefly diubah menjadi diskrit untuk menyelesaikan permasalahan permutasi. Tahapan inisialisasi awal dilakukan dengan menghasilkan urutan permutasi secara acak yang merupakan urutan kota yang akan dikunjungi. Kriteria berhenti yang digunakan pada penelitian ini adalah stagnasi, yaitu keadaan dimana hasil yang didapatkan stabil atau tidak ada lagi terjadi peningkatan. Ia juga membandingkan kinerja algoritma firefly dengan beberapa algoritma metaheuristik lain seperti Ant Colony Optimization (ACO), Genetic Algorithm (GA), dan Simulated Annealing (SA). Hasil yang didapatkan oleh algoritma firefly dari implementasi menggunakan 6 jenis data rute kota lebih baik, yaitu menghasilkan total jarak tempuh yang lebih sedikit dibandingkan yang dihasilkan oleh ketiga algoritma tersebut (Kumbharana dan Pandey, 2013). Rangkuman dari penelitian terdahulu dapat dilihat pada Tabel 2.1.
16 21 No. Peneliti (Tahun) 1. Baltacioglu (2001) 2. Oktorini (2008) 3. Susanto (2009) 4. Harefa (2014) Tabel 2.1. Penelitian Terdahulu Metode Keterangan Wall building Fungsi objektif : approach dan meminimalkan ruang kosong pada Layer-in-layer kontainer packing Constraints : kapasitas ruang kontainer Algoritma Fungsi objektif : Genetika memaksimalkan ruang terisi, jumlah barang seimbang, dan jumlah barang utuh. Constraints : kapasitas ruang; beban maksimum ruang; beban maksimum tumpukan barang; orientasi barang Algoritma Fungsi objektif : Greedy meminimalkan ruang kosong pada kontainer Constraints : kapasitas ruang; beban maksimum ruang; orientasi barang Algoritma Fungsi objektif : Steepest Ascent memaksimalkan ruang terisi pada Hill Climbing kontainer Constraints : kapasitas ruang; beban maksimum tumpukan barang
17 22 No. Peneliti (Tahun) 5. Kwesnady (2013) 6. Kumbharana & Pandey (2013) Tabel 2.1. Penelitian Terdahulu (lanjutan) Metode Keterangan Algoritma Fungsi objektif : Firefly meminimalkan jumlah mobil box yang digunakan untuk pengiriman barang Constraints : kapasitas ruang Algoritma Fungsi objektif : Firefly meminimalkan jarak yang ditempuh untuk mengunjungi semua kota Constraints : masing-masing kota dikunjungi hanya sekali Perbedaan penelitian yang dilakukan dengan penelitian terdahulu adalah penggunaan algoritma firefly dalam menyelesaikan permasalahan bin packing dengan penambahan unsur tinggi (three dimensional packing problem). Penyusunan barang dilakukan pada mobil box dan bersifat tiga dimensi sehingga dapat memungkinkan terjadinya penumpukan barang. Parameter yang digunakan adalah volume barang, volume mobil box, berat barang, beban maksimum mobil, dan perotasian barang. Fungsi objektif yang digunakan pada penelitian ini adalah memaksimalkan total volume barang yang dapat disusun pada mobil box. Adapun constraints yang digunakan pada penelitian ini adalah sebagai berikut : 1. Masing-masing barang memiliki posisi yang unik sehingga tidak akan terjadi barang yang saling tumpang tindih (overlapping). 2. Barang-barang yang tidak berada di dasar mobil box harus didukung oleh barang yang berada dibawahnya, sehingga tidak akan terjadi barang yang menggantung atau melayang (overhang). 3. Masing-masing dimensi barang tidak boleh melebihi masing-masing dimensi mobil box, dan total volume barang tidak boleh melebihi volume ruang pada mobil box.
18 23 4. Total berat barang yang disusun pada mobil box tidak boleh melebihi beban maksimum yang dapat ditampung mobil box. 5. Barang-barang yang memiliki sifat tidak dapat dirotasi tidak boleh mengalami pertukaran dimensi pada saat penyusunan barang pada mobil box, sementara barang-barang yang memiliki sifat dapat dirotasi boleh mengalami pertukaran dimensi sebanyak enam variasi orientasi. 6. Untuk solusi yang menghasilkan nilai fitness yang sama, maka akan dilakukan pencarian nilai fitness kedua yaitu mencari susunan dengan ruang kosong paling sedikit di ketinggian 0-1 /2 tinggi mobil box. Hal ini dilakukan untuk menjaga keseimbangan barang dan mengurangi resiko barang yang ambruk ke bawah (load stability).
BAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan semakin berkembangnya dunia bisnis dan usaha, suatu perusahaan dituntut untuk meningkatkan efisiensi dalam segala bidang dengan menerapkan prinsip ekonomi yaitu
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciPERANCANGAN SISTEM INFORMASI PADA PERMASALAHAN BIN PACKING PROBLEM DENGAN METODE FIREFLY ALGORITHM DI PT ANUGERAH MANDIRI SUCCESS
PERANCANGAN SISTEM INFORMASI PADA PERMASALAHAN BIN PACKING PROBLEM DENGAN METODE FIREFLY ALGORITHM DI PT ANUGERAH MANDIRI SUCCESS William Kwesnady Anggara Hayun Anujuprana Bernadus Gunawan Sudarsono Binus
Lebih terperinciAnalisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem
Analisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem Adidtya Perdana Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No. 70 C Medan adid.dana@gmail.com Abstrak
Lebih terperinciBAB 2 LANDASAN TEORI 2.1. Bin Packing Problem Menurut Wu, Li, Goh, & Souza (2009, p. 2), memasukkan kemasan barang ke dalam suatu tempat merupakan
BAB 2 LANDASAN TEORI 2.1. Bin Packing Problem Menurut Wu, Li, Goh, & Souza (2009, p. 2), memasukkan kemasan barang ke dalam suatu tempat merupakan suatu material handling yang penting dalam manufaktur
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciOPTIMASI PENATAAN SILINDER DALAM KONTAINER DENGAN ALGORITMA GENETIKA
OPTIMASI PENATAAN SILINDER DALAM KONTAINER DENGAN ALGORITMA GENETIKA Novita Wulan Sari 1, Yuliana Setyowati 2, S.Kom, M.Kom, Ira Prasetyaningrum 2, S. Si, M.T 1 Mahasiswa, 2 Dosen Pembimbing Politeknik
Lebih terperinciOptimasi Penataan Barang pada Proses Distribusi Menggunakan Algoritme Evolution Strategies
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 5, Mei 2018, hlm. 1874-1882 http://j-ptiik.ub.ac.id Optimasi Penataan Barang pada Proses Distribusi Menggunakan Algoritme
Lebih terperinciAPLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2015), hal 25 32. APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Edi Samana, Bayu Prihandono, Evi Noviani
Lebih terperinciBAB 2 LANDASAN TEORI
18 BAB 2 LANDASAN TEORI 2.1 Pengertian Optimasi Optimasi adalah salah satu ilmu dalam matematika yang fokus untuk mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi, peluang maupun
Lebih terperinciBAB I PENDAHULUAN. wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat
BAB I PENDAHULUAN A. Latar Belakang Masalah Objek pariwisata di Yogyakarta sudah semakin beragam mulai dari wisata budaya, wisata belanja, hingga wisata Alam. Untuk menarik minat wisatawan dapat dibuat
Lebih terperinciBAB 1 PENDAHULUAN. Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pengiriman barang dari pabrik ke agen atau pelanggan, yang tersebar di berbagai tempat, sering menjadi masalah dalam dunia industri sehari-hari. Alokasi produk
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
digilib.uns.ac.id BAB I PENDAHULUAN 1.1 Latar Belakang Jadwal merupakan daftar atau tabel kegiatan atau rencana kegiatan dengan pembagian waktu pelaksanaan yang terperinci. Universitas menggunakan tabel
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Distribusi merupakan salah satu komponen dari suatu sistem logistik yang bertanggungjawab akan perpindahan material antar fasilitas. Distribusi berperan dalam membawa
Lebih terperinciBAB 2 LANDASAN TEORI. waktu yang diperlukan. Pengukuran waktu yang diperlukan dalam mengeksekusi suatu
BAB 2 LANDASAN TEORI 2.1 Permasalahan NP-Hard dan NP-Complete Salah satu ukuran biaya dalam pengeksekusian sebuah algoritma adalah lamanya waktu yang diperlukan. Pengukuran waktu yang diperlukan dalam
Lebih terperinciPENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI ABSTRAK
PENERAPAN ALGORITMA GENETIK UNTUK OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI Eddy Triswanto Setyoadi, ST., M.Kom. ABSTRAK Melakukan optimasi dalam pola penyusunan barang di dalam ruang tiga
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciBAB II LANDASAN TEORI
27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.
Lebih terperinciPRESENTASI TUGAS AKHIR
PRESENTASI TUGAS AKHIR Travelling Salesman Problem menggunakan Algoritma Genetika Via GPS berbasis Android (kata kunci : android,gps,google Maps, Algoritma Genetika, TSP) Penyusun Tugas Akhir : Azmi Baharudin
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Penelitian Terdahulu Pujawan dan Mahendrawati (2010) telah menjelaskan bahwa fungsi dasar manajemen distribusi dan transportasi pada umumnya yang terdiri dari:
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 0, No. (2015), hal 17 180. PENYELESAIAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN METODE SIMPLE HILL CLIMBING Kristina Karunianti Nana, Bayu Prihandono,
Lebih terperinciDAFTAR ISI. Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii
DAFTAR ISI Tim Redaksi... i Kata Pengantar... ii Daftar Isi... iii Faiz Rafdh Ch SISTEM INFORMASI ZAKAT BERBASIS WEB MENGGUNAKAN PHP DAN MYSQL PADA RUMAH ZAKATINDONESIA 1-7 Abdul Jamil Syamsul Bachtiar
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciAlgoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia. Andhika Eko Prasetyo
Algoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia Andhika Eko Prasetyo Latar Belakang 1. Struktur dari Kompetisi Liga Super. 2. Geografis Indonesia yang
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciSISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG
SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG Achmad Hambali Jurusan Teknik Informatika PENS-ITS Kampus PENS-ITS Keputih Sukolilo Surabaya 60 Telp (+6)3-59780, 596, Fax. (+6)3-596 Email : lo7thdrag@ymail.co.id
Lebih terperinciPERANCANGAN APLIKASI OPTIMALISASI MUATAN PADA KONTAINER DENGAN ALGORITMA METAHEURISTIC
PERANCANGAN APLIKASI OPTIMALISI MUATAN PADA KONTAINER DENGAN ALGORITMA METAHEURISTIC Irawati Djajadi 1) Lely Hiryanto 2) Gunadi Gan 3) 1)2)3) Teknik Informatika Fakultas Teknologi Informasi Universitas
Lebih terperinciPENGEPAKAN PALLET DALAM KONTAINER DENGAN FORKLIF MENGGUNAKAN METODE ALGORITMA GENETIKA
PENGEPAKAN PALLET DALAM KONTAINER DENGAN FORKLIF MENGGUNAKAN METODE ALGORITMA GENETIKA Ira Prasetyaningrum Jurusan Teknik Informatika Politeknik Elektronika Negeri Surabaya-ITS Email : ira@eepis-its.edu
Lebih terperinciUKDW. Bab I PENDAHULUAN. 1.1 Latar Belakang Masalah
Bab I PENDAHULUAN 1.1 Latar Belakang Masalah Seiring dengan perkembangan ekonomi di Indonesia yang semakin pesat, perkembangan industri distribusi juga semakin meningkat untuk memenuhi kebutuhan pasar
Lebih terperinciBAB I PENDAHULUAN. Umumnya, optimasi didefinisikan sebagai proses menentukan nilai minumum
BAB I PENDAHULUAN 1.1. Latar Belakang Umumnya, optimasi didefinisikan sebagai proses menentukan nilai minumum dan maksimum bergantung pada fungsi tujuannya. Dalam kehidupan sehari-hari, banyak ditemukan
Lebih terperinciPerancangan Aplikasi Container Loading Problem dengan Menggunakan Maximal Space Algorithm
Perancangan Aplikasi Container Loading Problem dengan Menggunakan Maximal Space Algorithm Rosalinda 1) Lely Hiryanto 2) Gunadi Gan 3) 1) 2) 3) Program Studi Teknik Informatika Fakultas Teknik Informasi
Lebih terperinciGENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR
MULTI TRAVELING SALESMAN PROBLEM (MTSP) DENGAN ALGORITMA Abstrak GENETIKA UNTUK MENENTUKAN RUTE LOPER KORAN DI AGEN SURAT KABAR Oleh : Fitriana Yuli Saptaningtyas,M.Si. Jurusan Pendidikan Matematika FMIPA
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pembentukan kelas belajar merupakan kegiatan rutin yang dilakukan oleh setiap sekolah pada setiap tahun ajaran baru. Pembentukan kelas biasanya dilakukan dengan membagi
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciOptimasi Penyusunan Paket Suku Cadang Pada PT. XYZ Menggunakan Metode Algoritma Genetik
Optimasi Penyusunan Paket Suku Cadang Pada PT. XYZ Menggunakan Metode Algoritma Genetik Ridzky Utomo 1,, Pratya Poeri S 2, Mira Rahayu 3 Program Studi Teknik Industri, Fakultas Rekayasa Industri,Institut
Lebih terperinciPENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR
PENGGUNAAN ALGORITMA GENETIKA UNTUK MENENTUKAN LINTASAN TERPENDEK STUDI KASUS : LINTASAN BRT (BUS RAPID TRANSIT) MAKASSAR Karels, Rheeza Effrains 1), Jusmawati 2), Nurdin 3) karelsrheezaeffrains@gmail.com
Lebih terperinciBAB II KAJIAN TEORI. genetika, dan algoritma memetika yang akan digunakan sebagai landasan dalam
BAB II KAJIAN TEORI Pada bab II ini dijelaskan mengenai beberapa teori tentang penjadwalan, penjadwalan kuliah, metode penyelesaian penyusunan jadwal kuliah, algoritma genetika, dan algoritma memetika
Lebih terperinciBAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya
5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai
Lebih terperinciBAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu
18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode
Lebih terperinciOPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM
OPTIMALISASI SOLUSI TERBAIK DENGAN PENERAPAN NON-DOMINATED SORTING II ALGORITHM Poetri Lestari Lokapitasari Belluano poe3.setiawan@gmail.com Universitas Muslim Indonesia Abstrak Non Dominated Sorting pada
Lebih terperinciBAB 1 PENDAHULUAN. menggunakan sistem komputerisasi. Salah satu bentuk perusahaan yang sangat
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada zaman sekarang ini komputer merupakan kebutuhan yang umum dalam sebuah perusahaan. Di dalam perusahaan, banyak hal menjadi lebih efisien dengan menggunakan
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciSOLUSI KOMBINASI CONTAINER LOADING PROBLEM DAN VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PROS ID I NG 2 0 1 1 HASIL PENELITIAN FAKULTAS TEKNIK SOLUSI KOMBINASI CONTAINER LOADING PROBLEM DAN VEHICLE ROUTING PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Jurusan Mesin Fakultas Teknik Universitas Hasanuddin
Lebih terperinciOPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM
OPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM Aditya Permana 1, Mahmud Dwi Sulistiyo 2, Gia Septiana Wulandari 3 1,2,3 Prodi S1 Teknik Informatika,
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciBAB II KAJIAN TEORI. memindahkan barang dari pihak supplier kepada pihak pelanggan dalam suatu supply
BAB II KAJIAN TEORI Berikut diberikan beberapa teori pendukung untuk pembahasan selanjutnya. 2.1. Distribusi Menurut Chopra dan Meindl (2010:86), distribusi adalah suatu kegiatan untuk memindahkan barang
Lebih terperinciBAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM
BAB III IMPLEMENTASIALGORITMA GENETIK DAN ACS PADA PERMASALAHAN TRAVELLING SALESMAN PROBLEM 3.1 TRAVELLING SALESMAN PROBLEM Sebelum membahas pencarian solusi Travelling Salesman Problem menggunakan algoritma
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan Penjadwalan adalah penempatan sumber daya (resource) dalam satu waktu. Penjadwalan mata kuliah merupakan persoalan penjadwalan yang umum dan sulit dimana tujuannya
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan yang sangat pesat dalam dunia industri menuntut suatu perusahaan melakukan aktifitas bisnisnya secara optimal. Mulai dari penyediaan barang baku,
Lebih terperinciT I N J A U A N P U S T A K A Algoritma Genetika [5]
Algoritma Genetika [5] Fitness adalah nilai yang menyatakan baik-tidaknya suatu jalur penyelesaian dalam permasalahan TSP,sehingga dijadikan nilai acuan dalam mencari jalur penyelesaian optimal dalam algoritma
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciBAB II KAJIAN PUSTAKA. Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi
BAB II KAJIAN PUSTAKA Pada bab kajian pustaka berikut ini akan dibahas beberapa materi yang meliputi graf, permasalahan optimasi, model matematika dari objek wisata di Yogyakarta, dan algoritma genetika
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciBAB III PEMBAHASAN. Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan
BAB III PEMBAHASAN Berikut akan diberikan pembahasan mengenai penyelesaikan CVRP dengan Algoritma Genetika dan Metode Nearest Neighbour pada pendistribusian roti di CV. Jogja Transport. 3.1 Model Matetematika
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)
Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi
Lebih terperinciANALISA ALGORITMA GENETIKA DALAM TRAVELLING SALESMAN PROBLEM SIMETRI. Lindawati Syam M.P.Siallagan 1 S.Novani 2
ANALISA ALGORITMA GENETIKA DALAM TRAVELLING SALESMAN PROBLEM SIMETRI Lindawati Syam M.P.Siallagan 1 S.Novani 2 Jurusan Teknik Informatika, FT, Jl. Dipati Ukur Bandung ABSTRAK Masalah Travelling Salesman
Lebih terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciPENDEKATAN FIREFLY ALGORITHM (FA) UNTUK MENYELESAIKAN MASALAH PENGEPAKAN PERSEGI TIGA DIMENSI SKRIPSI
PENDEKATAN FIREFLY ALGORITHM (FA) UNTUK MENYELESAIKAN MASALAH PENGEPAKAN PERSEGI TIGA DIMENSI SKRIPSI DESSY PITON S BUNGA PERTIWI PROGRAM STUDI S-1 MATEMATIKA DEPARTEMEN MATEMATIKA FAKULTAS SAINS DAN TEKNOLOGI
Lebih terperinciBAB I PENDAHULUAN. hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Kereta api merupakan alat transportasi darat utama yang digunakan hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki multi keunggulan komparatif,
Lebih terperinciPENERAPAN ALGORITMA KUNANG-KUNANG (FIREFLY ALGORITHM) DALAM KNIGHT TOUR PROBLEM PADA PAPAN CATUR SKRIPSI
PENERAPAN ALGORITMA KUNANG-KUNANG (FIREFLY ALGORITHM) DALAM KNIGHT TOUR PROBLEM PADA PAPAN CATUR SKRIPSI Untuk memenuhi sebagai persyaratan guna memperoleh derajat Sarjana S-1 Program Studi Matematika
Lebih terperinciBAB III MODEL DAN TEKNIK PEMECAHAN
BAB III MODEL DAN TEKNIK PEMECAHAN III.1. Diskripsi Sistem Sistem pendistribusian produk dalam penelitian ini adalah berkaitan dengan permasalahan vehicle routing problem (VRP). Berikut ini adalah gambar
Lebih terperinciBAB 1 PENDAHULUAN. 1 Randy L Haupt & Sue Ellen Haupt, Practical Genetic Algorithms second edition, Wiley Interscience,2004.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seseorang salesman tentu akan sangat kesulitan jika harus mengunjungi semua kota sendirian, oleh karena itu dibutuhkan beberapa orang salesman untuk membagi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
1 BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dunia usaha mengalami persaingan yang begitu ketat dan peningkatan permintaan pelayanan lebih dari pelanggan. Dalam memenangkan persaingan tersebut
Lebih terperinciBAB 2 LANDASAN TEORI
8 BAB 2 LANDASAN TEORI Pada bab ini akan dibahas beberapa konsep dasar dan beberapa definisi yang akan digunakan sebagai landasan berpikir dalam melakukan penelitian ini sehingga mempermudah penulis untuk
Lebih terperinciKATA PENGANTAR. DAFTAR TABEL.. xviii. 1.1 Latar Belakang Masalah 1
DAFTAR ISI Halaman HALAMANJUDUL LEMBAR PENGESAHAN PEMBIMBING LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR LEMBAR PENGESAHAN PENGUJI HALAMAN PERSEMBAHAN HALAMAN MOTTO KATA PENGANTAR ABSTRAKSI DAFTAR ISI
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciAPLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY
APLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY Andri 1, Suyandi 2, WinWin 3 STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id 1, suyandiz@gmail.com
Lebih terperinciPENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER
JMA, VOL. 9, NO.1, JULI 2010, 43-48 43 PENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER PRAPTO TRI SUPRIYO Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK
IMPLEMENTASI ALGORITMA GENETIKA PADA KNAPSACK PROBLEM UNTUK OPTIMASI PEMILIHAN BUAH KEMASAN KOTAK Komang Setemen Jurusan Manajemen Informatika, Fakultas Teknik Kejuruan, Universitas Pendidikan Ganesha
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM
ANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM Sean Coonery Sumarta* 1 1 Program Studi Teknik Informatika, Universitas Atma Jaya Makassar,
Lebih terperinciBAB II LANDASAN TEORI. digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam
BAB II LANDASAN TEORI 2.1 Valuta Asing Valuta asing dapat diartikan sebagai mata uang yang dikeluarkan dan digunakan sebagai alat pembayaran yang sah di negara lain. Di dalam hukum ekonomi bila terdapat
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciOPTIMALISASI LAHAN TANAH UNTUK AREA RUMAH DAN JALAN MENGGUNAKAN ALGORITMA GENETIKA
Optimalisasi Lahan Tanah untuk Area Rumah dan Jalan... (Fadhil dkk.) OPTIMALISASI LAHAN TANAH UNTUK AREA RUMAH DAN JALAN MENGGUNAKAN ALGORITMA GENETIKA Luthfi Ahmad Fadhil *, Esmeralda C Djamal, Ridwan
Lebih terperinciOptimisasi Unit Commitment Mempertimbangkan Fungsi Biaya Tidak Mulus Dengan Firefly Algorithm
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2014) 1-6 1 Optimisasi Commitment Mempertimbangkan Fungsi Tidak Mulus Dengan Firefly Algorithm Benny Prastikha Hadhi, Rony Seto Wibowo, Imam Robandi Jurusan Teknik
Lebih terperinciAPLIKASI HASIL PENCARIAN DAN RUTE PENGIRIMAN BARANG DARI SOLUSI MASALAH TRANSPORTASI BIKRITERIA DENGAN METODE LOGIKA FUZZY
APLIKASI HASIL PENCARIAN DAN RUTE PENGIRIMAN BARANG DARI SOLUSI MASALAH TRANSPORTASI BIKRITERIA DENGAN METODE LOGIKA FUZZY Faisal Dosen Jurusan Teknik Informatika Fakultas Sains & Teknologi UIN Alauddin
Lebih terperinciPenyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut
Penyelesaian Traveling Salesperson Problem dengan Menggunakan Algoritma Semut Irfan Afif (13507099) Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Sebelum terjadi revolusi industri setiap produk dibuat dengan menggunakan
BAB I PENDAHULUAN 1.1 Latar Belakang Sebelum terjadi revolusi industri setiap produk dibuat dengan menggunakan tangan (manual). Dibutuhkan waktu yang lama dan jumlah pekerja yang tidak sedikit untuk membuat
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan dijelaskan tentang landasan dari konsep dan teori yang digunakan untuk mendukung pembuatan aplikasi yang dibuat. Landasan teori serta konsep yang akan dijelaskan
Lebih terperinciBAB I PENDAHULUAN. Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah
BAB I PENDAHULUAN I.1. Latar Belakang Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah optimasi yang banyak menarik perhatian para peneliti sejak beberapa dekade terdahulu. Pada mulanya,
Lebih terperinci