OPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG

Transkripsi

1 OPTIMASI JALUR TRANSPORTASI PRODUK HOUSING CLUTCH DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA PADA PT. SUZUKI INDOMOBIL MOTOR PLANT CAKUNG Disusun Oleh : Nama : Mochammad Brananta Arya Lasmono NPM : Jurusan : Teknik Industri Pembimbing : Dr. Emirul Bahar, ACSI

2 LATAR BELAKANG PROSES TRANSPORTASI PERMASALAHAN TRANSPORTASI 1. Jauhnya jarak antar dealer yang memesan produk ALGORITMA GENETIKA PENERAPAN 2. Jalur yang dilalui pada proses transportasi selalu berubah-ubah tergantung pada situasi lalu lintas, dan keputusan sopir yang sangat menentukan jalur mana yang akan dilalui 3. Terkadang pada waktu bongkar muat selesai sopir tidak langsung berangkat, hal ini mengakibatkan waktu keberangkatan menjadi tidak menentu 4. Waktu proses transportasi menjadi tidak jelas karena tergantung pada pemilihan jalur transportasi HARAPAN

3 Perumusan Masalah bagaimana cara menentukan jalur yang optimal dengan jarak tempuh yang pendek. Pembatasan Masalah 1. Penelitian dilakukan pada PT. Suzuki Indomobil Motor Plant Cakung. 2. Penelitian dilakukan pada 3 dealer PT. Suzuki Indomobil Motor Plant Cakung. 3. Penyelesaian masalah jalur transportasi menggunakan algoritma genetika dengan aplikasi Google Maps, dan Microsoft Office Excel Tujuan Penelitian 1. Meminimumkan jarak tempuh pada proses transportasi. 2. Menentukan urutan jalur transportasi yang akan dilalui.

4 ALGORITMA GENETIKA Metode Algoritma Genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi biologis. (Liu, 1995). Metode tersebut pada dasarnya mencari penyelesaian secara menyeluruh dan tidak dilakukan dengan point per point saja, sehingga akan memperoleh hasil yang optimal dalam satu generasi dalam pencarian jalur transportasi.

5 FLOWCHART ALGORITMA GENETIKA Mulai Identifikasi Masalah Studi Pustaka Tujuan Penelitian Pengumpulan Data Pengolahan Data Perhitungan Algoritma Genetika Analisis Perhitungan Kesimpulan dan Saran Selesai

6 DATA PENUNJANG ALGORITMA GENETIKA No Nama Gudang dan Dealer Alamat 1. PT. Suzuki Indomobil Motor Plant Cakung Jalan Raya Penggilingan. Cakung. Jakarta Timur 2. Suzuki Sejahtera Buana Jl. Raya Serpong Sektor Viii Blok 405 Kav. 3, Trada BSD Tangerang, Banten Dealer Mobil Suzuki Bogor Jl. Raya Bogor Blok 47,5, Nanggewer Mekar, Cibinong, Kota Bogor, Jawa Barat. 4. Dealer Mobil Suzuki Cirebon Jalan Raya Plered-Cirebon, Kedawung, Kota Cirebon, Jawa Barat No Nama Gudang dan Dealer Kode 1. PT. Suzuki Indomobil Motor Plant Cakung 1 2. Suzuki Sejahtera Buana Trada BSD 2 3. Dealer Mobil Suzuki Bogor 3 4. Dealer Mobil Suzuki Cirebon Keterangan : : Arah Transportasi Satuan jarak dalam (km)

7 DESKRIPSI MODEL EXISTING Proses transportasi PT. Suzuki Indomobil Motor Plant Cakung dalam mengirimkan produk housing clutch CJS ke dealer dengan menggunakan 1 unit truk. Kendala yang dihadapi dalam proses transportasi ini adalah truk bergerak dari gudang mengirimkan produk housing clutch CJS ke 3 dealer tujuan setelah itu kembali ke gudang, setiap dealer hanya dikunjungi 1 kali oleh truk, dan barang yang terdapat pada muatan truk habis sewaktu kembali ke gudang. Untuk menyelesaikan kendala tersebut, maka keputusannya adalah meminimumkan jarak pada proses transportasi, dan menentukan urutan jalur transportasi yang dilalui.

8 ALGORITMA GENETIKA No Algoritma Genetika Kondisi Sesungguhnya 1. Populasi Solusi 2. Gen Dealer 3. Kromosom Jalur Transportasi

9 PERHITUNGAN ALGORITMA GENETIKA Penentuan Parameter Ukuran Populasi 6 Probabilitas Crossover (Pc) 0,95 Probailitas Mutasi (Pm) 0,50 Kromosom Gen 2 Gen 3 Gen

10 PERHITUNGAN NILAI FITNESS Kromosom Jarak Nilai Fitness , , , , , , Total 0,

11 PROSES SELEKSI Hasil probabilitas fitness (PK) dapat dilihat pada tabel 4.7. Kemudian mencari probabilitas kumulatif (QK). Berikut ini adalah salah satu contoh perhitungan untuk mendapatkan PK dan QK. PK = 0, / 0, = 0, QK = 0, , = 0, Kromosom PK QK 0, , , , , , , , , , , R 0, , , , , , Kromosom Awal Kromosom Akhir

12 PROSES CROSSOVER Pada proses crossover adalah proses persilangan sepasang kromosom induk untuk menghasilkan offspring atau keturunan yang menjadi generasi berikutnya. Contohnya PC = 95%, maka yang diharapkan dalam satu generasi ada 95% x 6 = 5 kromosom dari populasi akan mengalami crossover. Sebelumnya bangkitkan dulu bilangan acak crossover sebanyak jumlah populasi yaitu 6 kali seperti pada tabel 4.9 Kromosom Random Parent , , , , , , Induk Induk Bukan Induk Induk Induk Induk

13 PROSES CROSSOVER Proses berikutnya menentukkan posisi crossover, proses ini dilakukan dengan membangkitkan bilangan random antara 1 sampai dengan panjang kromosom-1. (3-1=2). Contoh bilangan acak untuk 6 kromosom induk yang di crossover. Contoh bilangan acak untuk 6 kromosom induk yang di crossover. C[1]= 1 C[4]= 1 C[6]= 2 C[2]= 2 C[5]= 1 Induk 1 Gen 2 Gen 3 Gen 4 C Induk 2 Gen 2 Gen 3 Gen Offspring 1 Gen 2 Gen 3 Gen 4 Offspring Offspring Offspring Offspring Offspring Kromosom Gen 2 Gen 3 Gen

14 PROSES MUTASI Proses mutasi dilakukan setelah proses crossover dengan cara memilih kromosom yang akan dimutasi secara acak, dan kemudian menentukan titik mutasi pada kromosom secara acak. Berikut ini merupakan langkah-langkah perhitungan pada proses mutasi. Menentukan panjang total gen dar populasi. Panjang total gen = panjang gen x jumlah kromosom = 3 x 6 = 18 gen. Memilih posisi gen yang mengalami mutasi dengan membangkitkan bilangan acak antara 1 panjang total gen yaitu Probabilitas mutasi yang telah ditentukan adalah 50%, maka jumlah gen yang dimutasi adalah. Jumlah gen yang dimutasi = 0,5 x 18 = 9 gen yang dimutasi No R Kromosom Gen 2 Gen 3 Gen Kromosom Gen 2 Gen 3 Gen

15 INDIVIDU TERBAIK GENERASI 1 Setelah melalui proses Algoritma Genetika, maka dapat diperoleh hasil yang optimal, meskipun belum menghasilkan yang paling optimal. Untuk menghasilkan hasil. Hasil dari populasi akhir generasi ke 1 ini akan dijadikan sebagai populasi awal untuk dilakukan proses pada generasi ke 2 yang dimulai dari tahap seleksi, crossover, mutasi hingga memperoleh individu terbaik dari generasi ke 2, yang paling optimal dibutuhkan sampai generasi ke 100. Kromosom Gen 2 Gen 3 Gen 4 Jarak Fitness , , , , , ,

16 PERBANDINGAN INDIVIDU TERBAIK Kromosom Gen 2 Gen 3 Gen 4 Jarak Fitness , , , , , , Kromosom Gen 2 Gen 3 Gen 4 Jarak Fitness , , , , , ,001838

17 KESIMPULAN DAN SARAN Kesimpulan yang dapat diambil dari proses penentuan jalur terpendek dengan menggunakan algoritma genetika dapat ditentukan minimasi jarak tempuh transportasi produk ke 3 dealer dengan total jarak terpendek sebesar 540 km. Jalur transportasi yang akan dilalui dimulai dari PT. Suzuki Indomobil Motor Plant Cakung - Suzuki Sejahtera Buana Trada BSD - Dealer Mobil Suzuki Bogor - Dealer Mobil Suzuki Cirebon - PT. Suzuki Indomobil Motor Plant Cakung ( ). Saran yang dapat diberikan kepada pihak perusahaan untuk jadi bahan pertimbangan adalah perusahaan dapat mengaplikasikan metode algoritma genetika untuk mempersingkat jalur transportasi menuju 3 kota dealer yang memiliki jalur yang berbeda-beda. Perusahaan dapat menggunakan teknik penyelesaian yang telah dihitung oleh penulis untuk dijadikan bahan pertimbangan untuk mengatasi persoalan transportasi produk.

18 TERIMA KASIH