BAB I PENDAHULUAN. Universitas Sumatera Utara

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Setelah berkembangnya AI (Artifical Intelligence), banyak sekali ditemukan sejumlah algoritma yang terinspirasi dari alam. Banyak persoalan yang dapat diselesaikan dengan mudah menggunakan algoritma. Dalam AI, telah dikembangkan beberapa algoritma seperti neural network merupakan cara kerja otak yang sangat luar biasa, proses evolusi pada makhluk hidup kemudian dikembangkan dalam GA (genetic algorithm), dan ant system (AS) berasal dari perilaku semut yang dikembangkan menjadi suatu solusi dalam penyelesaian masalah optimasi. Algoritma adalah kumpulan instruksi/perintah yang dibuat secara jelas dan sistematis berdasarkan urutan yang logis (logika) untuk penyelesaian suatu masalah. Urutan instruksi pada algoritma dapat diterjemahkan secara bertahap dari awal hingga akhir dengan memiliki kriteria kondisi awal yang harus dipenuhi sebelum menjalankan algoritma. Pada umumnya algoritma kurang lebih sama dengan suatu prosedur yang sering dilakukan setiap hari, misalnya prosedur untuk pemasangan arus listrik, prosedur pemakaian telepon umum, prosedur membuat makanan dan lain-lain. Algoritma dapat dimanfaatkan sebagai langkah-langkah untuk menyelesaikan suatu masalah atau proses pengambilan keputusan. Banyak permasalahan yang dapat diselesaikan dengan menggunakan algoritma, salah satunya adalah penyelesaian optimasi untuk menyelesaikan permasalahan vehicle routing problem (VRP). Vehicle Routing Problem (VRP) merupakan suatu kondisi dimana kendaraankendaraan melakukan perjalanan keliling yang harus mengunjungi n kota dengan aturan bahwa ia wajib mengunjungi setiap kota hanya sebanyak satu kali, meminimalisasi total jarak perjalanannya dan pada akhirnya kendaraan tersebut harus kembali ke kota asalnya. Persoalan Vehicle Routing Problem ini diilhami dari permasalahan dasar pada travelling salesmen problem (TSP) yang mengelilingi beberapa kota. Persoalan ini sendiri merupakan salah satu permasalahan yang penting dalam dunia matematika dan informatika.

2 Beberapa metode algoritma banyak dikembangkan dalam menyelesaikan kasus VRP ini. Salah satu algoritma yang akan digunakan dalam penulisan skripsi ini adalah algoritma genetika dengan teknik kendali logika fuzzy. Algoritma Genetika (genetic algorithm) ini banyak dipakai pada aplikasi bisnis, teknik maupun pada bidang keilmuan. Algoritma ini dapat dipakai untuk mendapatkan solusi yang tepat untuk masalah optimal dari satu variabel atau multi variabel. Sebelum algoritma ini dijalankan, masalah apa yang ingin dioptimalkan itu harus dinyatakan dalam fungsi tujuan, yang dikenal dengan fungsi fitness. Jika nilai fitness semakin besar, maka sistem yang dihasilkan semakin baik. Walaupun pada awalnya semua nilai fitness kemungkinan sangat kecil (karena algoritma ini menghasilkannya secara random), sebagian akan lebih tinggi dari yang lain. Kromosom dengan nilai fitness yang tinggi ini akan memberikan probabilitas yang tinggi untuk bereproduksi pada generasi selanjutnya. Sehingga untuk setiap generasi pada proses evolusi, fungsi fitness yang mensimulasikan seleksi alam, akan menekan populasi kearah fitness yang meningkat. (dikutip dari Pada proses menemukan solusi terbaik dalam kasus VRP ini akan digunakan algoritma genetika serta mengkombinasikanya pada sistem fuzzy logic controller atau yang dikenal dengan hybrid GA dengan harapan memperoleh rute dengan kualitas terbaik dari GA. Pada prinsipnya, sistem fuzzy logic controller digunakan untuk mengontrol nilai paramater GA pada suatu generasi secara otomatis (automatic finetuning) berdasarkan informasi yang diperoleh dari populasi sebelumnya. 1.2 Perumusan Masalah Adapun permasalahan dalam penelitian ini adalah bagaimana mengimplementasikan hybrid algoritma genetika dengan teknik kendali logika fuzzy untuk menyelesikan vehicle routing problem. 1.3 Batasan Masalah Batasan masalah Penelitian ini dibatasi dalam beberapa hal, yaitu : 1. Permasalahan yang akan diteliti hanya menggunakan depot tunggal.

3 2. Pada permasalahan ini hanya mencari jarak terpendek dengan kondisi lintasan dan kapasitas kendaraan dianggap sama. 3. Masukkan yang diperlukan berupa graph yang terdiri dari jumlah titik, nama, dan koordinat titik. Letak titik dapat dibangkitkan secara acak atau manual. 4. Bobot antara titik yang ditentukan hanyalah bobot jarak dengan mengabaikan bobot-bobot lainnya, sehingga jalur terpendek ditentukan berdasarkan jarak terpendek antara titik dari awal perjalanan sampai kembali lagi. 5. Graph yang digunakan adalah graph terhubung (connected graph) dan tak berarah (undirected graph). 6. Perangkat lunak yang dibangun menggunakan MATLAB Tujuan Penelitian Penelitian ini bertujuan untuk meminimalisasi jarak dalam masalah vehicle routing problem (VRP) dengan menggunakan algoritma genetika serta mengkombinasikan kendali logika fuzzy sehingga dalam melakukan perjalanan keliling diperoleh suatu solusi rute optimal yang akan ditempuh. 1.5 Tinjauan Pustaka Menurut Bernd Bullnheimer, Richard F. Hartl, dan Christine Strauss [2] bahwa VRP dapat direpresentasikan sebagai sebuah komplit graph berbobot G = (V, A,d) dimana V = {v 0, v 1,, v n } adalah himpunan vertices dan A = {(v i, v j ) : i j } himpunan dari arcs. Verteks v 0 dinotasikan sebagai depot, sedangkan vertices lain dari V direpresentasikan sebagai kota atau pelanggan dan bobot nonnegatif d ij yang mana dihubungkan dengan setiap arc (v i, v j ) direpresentasikan sebagai jarak (waktu perjalanan ataupun biaya perjalanan) antara v i dan v j. Untuk setiap pelanggan v i (i = 1, 2,, n), permintaan nonnegatif q i, dan waktu pelayanan nonnegatif dapat diberikan (q 0 = 0, δ0 = 0). Tujuan adalah untuk menentukan biaya minimum dari rute kendaraan dimana : a. Pelanggan harus dikunjungi sekali dari satu kendaraan. b. Semua rute kendaraan diawali dan diakhiri pada depot.

4 c. Untuk setiap rute kendaraan jarak total tidak melebihi kapasitas kendaraan Q. d. Untuk setiap rute kendaraan, panjang rute total (berdasarkan waktu pelayanan) tidak melebihi penentuan dari L. Secara umum, VRP berdasarkan kapasitas dari VRP merupakan bentuk formal yang dapat diuraikan dalam cara berikut. Ada satu central depot awal, dimana menggunakan k yang kendaraan independent dengan identitas kapasitas C, untuk jarak perjalanan pada n i customer, dengan i = 1,2,, n. Kendaraan ini malakukan perjalanan dengan memenuhi biaya minimum, dimana biaya c ij merupakan jarak dari custemer i to customer j, dengan i, j [i,n]. Jarak antara customer merupakan symetrik yang beridentitas c ij = c ji dengan c ii = 0. Solusi dari CVRP dijadikan pada beberapa bagian {R 1, R 2,,R k } dengan jarak n dalam rute k, dimana setiap rute Rq berdasarkan p Rq d p C. Dihubungkan dengan setiap Rq merupakan permutasi dari jarak perjalanan menjadi spesifikasi aturan pengantaran pada kendaraan. Algoritma yang digunakan dalam penyelesaian masalah optimasi ini adalah Algoritma Genetika. Adupun struktur dari algoritma tersebut diuraikan oleh Rachmayadi (2008) [4] adalah sebagai berikut : 1. Memilih populasi awal 2. Menghitung nilai fitness dari setiap individu 3. Repeat 3.1. Memilih indvidu-individu yang terbaik berdasarkan fungsi fitness untuk dilakukan reproduksi Menghasilkan generasi baru melalui reproduksi disertai operasi genetik berupa persilangan dan mutasi Menghitung nilai fitness generasi baru Mengganti individu-individu yang memiliki nilai fitness yang paling rendah dengan generasi baru yang nilai fitnessnya lebih baik. 4. Until terminasi. (terminasi dilakukan jika ditemukan solusi optimal, tidak ditemukan solusi yang lebih baik, atau waktu yang dialokasikan telah digunakan sepenuhnya).

5 Secara umum dalam sistem logika fuzzy terdapat empat buah elemen dasar, yaitu : 1. Basis kaidah (rule base) yang berisi aturan-aturan secara bahasa (linguistik) yang bersumber dari pakar. 2. Suatu mekanisme pengambilan keputusan (inference engine) yang memperagakan bagaimana pakar mengambil suatu keputusan dengan menerapkan pengetahuan (knowledge). 3. Proses fuzzifikasi (fuzzification) yang merubah besaran tegas (crisp) ke besaran fuzzy. 4. Proses defuzzifikasi (defuzzification) yang mengubah besaran fuzzy hasil dari inference engine menjadi besaran crisp. 1.6 Kontribusi Penelitian Penelitian ini dilakukan untuk menambah pemahaman dan pengetahuan penulis mengenai AI (artifical intellegence) dengan pengembangan algoritma genetika dalam kendali logika fuzzy sehingga dapat diperoleh keputusan untuk menentukan rute terbaik pada permasalahan vehicle routing problem (VRP). Penulis juga berharap dapat menambah referensi bagi pembaca maupun programmer untuk menggunakan algoritma genetika sebagai algoritma yang akurat untuk menyelesaikan masalah optimasi khususnya pada kasus vehicle routing problem (VRP). 1.7 Metodologi Penelitian Metode yang digunakan pada penelitian ini adalah sebagai berikut: A. Metode Pengumpulan Data Pengumpulan data yang diperlukan pada penulisan ini adalah : 1. Menggunakan berbagai macam literatur yang berhubungan dengan algoritma genetika, kendali logika fuzzy dan permasalahan mengenai VRP. 2. Melakukan observasi dengan mengajukan pertanyaan-pertanyaan kepada narasumber yang mengetahui hal-hal yang berhubungan mengenai topik pembahasan. 3. Mencari referensi melalui internet.

6 B. Metode Pengembangan Sistem Pada metode pengembangan sistem ini akan digunakan analisis kebutuhan perangkat lunak, perancangan perangkat lunak dan implementasi perangkat lunak serta melakukan evaluasi kinerja perangkat lunak. Perangkat lunak yang akan digunakan pada kasus ini adalah Matlab 6.1.