Multiple Trip Vehicle Routing Problem (MTVRP) menggunakan algoritma Grey Wolf Optimizer (GWO) dan implementasinya / Fitria Nurhalizah - Repositori Universitas Negeri Malang

Multiple Trip Vehicle Routing Problem (MTVRP) menggunakan algoritma Grey Wolf Optimizer (GWO) dan implementasinya / Fitria Nurhalizah

Nurhalizah, Fitria (2020) Multiple Trip Vehicle Routing Problem (MTVRP) menggunakan algoritma Grey Wolf Optimizer (GWO) dan implementasinya / Fitria Nurhalizah. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

ABSTRAK Nurhalizah Fitria. 2020. Multiple Trip Vehicle Routing Problem (MTVRP) Menggunakan Algoritma Grey Wolf Optimizer (GWO) dan Implementasinya. Skripsi. Jurusan Matematika. Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas Negeri Malang. Pembimbing (I) Dra. Sapti Wahyuningsih M.Si. (II) Darmawan Satyananda S.T M.T Kata Kunci distribusi graph Grey Wolf Optimizer (GWO) Multiple Trip Vehicle Routing Problem (MTVRP) Salah satu permasalahan yang sering ditemukan dalam kehidupan sehari-hari adalah permasalahan distribusi. Masalah penentuan rute untuk efisiensi proses distribusi dapat diselesaikan menggunakan salah satu kajian dalam teori graph yaitu Vehicle Routing Problem (VRP). Tetapi dalam kenyataannya banyaknya rute bisa lebih banyak daripada kendaraan yang tersedia. Salah satu varian VRP yang dapat digunakan untuk menyelesaikan permasalahan tersebut adalah Multiple Trip Vehicle Routing Problem (MTVRP) di mana satu kendaraan dapat digunakan untuk melayani beberapa rute. Permasalahan MTVRP dapat diselesaikan dengan beberapa algoritma salah satunya adalah algoritma Grey Wolf Optimizer (GWO). Langkah-langkah penyelesaian menggunakan GWO terdiri dari tahap inisialisasi tahap iterasi tahap akhir dan tahap routing. Tahap inisialisasi merupakan tahap penentuan ukuran populasi dan pembentukan populasi awal serta pemilihan 3 titik acak yang ditambahkan dalam populasi awal sehingga terbentuk 3 populasi baru. Tahap iterasi merupakan tahap pencarian titik terdekat pertama kedua dan ketiga dari titik terakhir serta penjumlahan total cost untuk masing-masing populasi. Jika banyaknya populasi melebihi ukuran populasi yang telah ditentukan maka dilakukan penghapusan populasi dengan cost tertinggi sampai banyaknya populasi tidak melebihi batasan populasi. Tahap akhir merupakan tahap di mana dilakukan pemilihan 1 populasi dengan cost terendah. Tahap routing merupakan tahap pembentukan rute sesuai dengan kendala MTVRP. Pemilihan 3 titik acak pada iterasi pertama dapat menghasilkan solusi yang optimum namun terkadang juga dapat menghasilkan solusi yang kurang memuaskan. Untuk mengantisipasi hal tersebut dilakukan perbaikan dalam masing-masing rute dengan perbaikan 1-Insertion Intra-route yaitu dengan menyisipkan satu pelanggan dalam rute yang sama ke posisi yang berbeda. Solusi dan langkah GWO dengan perbaikan 1-Insertion Intra-route dibandingkan dengan algoritma Variable Neighborhood Descent (VND) untuk kasus MTVRP dengan 6 pelanggan. Algoritma GWO menghasilkan solusi dengan jarak tempuh yang lebih pendek dari algoritma VND. Implementasi algoritma GWO dengan perbaikan 1-Insertion Intra-route pada MTVRP berhasil dirancang menggunakan bahasa pemrograman Borland Delphi 7.0. Program telah diujicoba menggunakan 5 dataset CMT. Guna mengetahui kinerja GWO dengan 1-Insertion Intra-route dilakukan perbandingan hasil uji coba program dengan solusi terbaik dari Memetic Algorithm (MA). Berdasarkan uji coba pada kelima dataset dengan 5 kali proses run ada solusi GWO yang menunjukkan hasil lebih baik dari solusi oleh MA. Penelitian ini menyimpulkan bahwa pemilihan 3 titik acak dalam proses inisialisasi berpengaruh terhadap solusi yang dihasilkan.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika
Depositing User: Users 2 not found.
Date Deposited: 26 Aug 2020 04:29
Last Modified: 09 Sep 2020 03:00
URI: http://repository.um.ac.id/id/eprint/148519

Actions (login required)

View Item View Item