P. 1
RUTE TERPENDEK DENGAN VEHICLE ROUTING PROBLEM

RUTE TERPENDEK DENGAN VEHICLE ROUTING PROBLEM

|Views: 435|Likes:
Published by Yoan Ariesta

More info:

Published by: Yoan Ariesta on Jun 23, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

03/04/2015

pdf

text

original

USULAN PENELITIAN TUGAS AKHIR

TOPIK/JUDUL TUGAS AKHIR

PENERAPAN ANT COLONY SYSTEM PADA VEHICLE ROUTING PROBLEM UNTUK MENENTUKAN RUTE DISTRIBUSI PADA PT. RISKY AGIE

Maksud dan Tujuan Penelitian Memperoleh rute distribusi yang terpendek sehingga dapat meminimalkan biaya distribusi menggunakan Algoritma Ant Colony System pada PT. Risky Agie

Oleh: Yoan Ariesta 063.08.013

Laboratorium: Sistem dan Simulasi Industri

Pembimbing utama DR. Dra.Pudji Astuti, MT

Paraf Pembimbing

JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS TRISAKTI 2012

1.

Latar Belakang Seiring dengan perkembangan zaman di Indonesia maka semakin berkembang pula teknologi yang digunakan untuk memudahkan kinerja manusia. Sebagai contoh dalam hal memasak, dulu sekali orang Indonesia memakai kayu bakar. Namun hal ini sangatlah merepotkan karena mereka harus mencari kayu atau ranting-ranting pohon. Lalu dengan bertambahnya waktu mucullah kompor minyak. Hal ini dianggap jauh lebih praktis karena kompor ini hanya menggunakan minyak tanah, sumbu dan api sebagai bahannya. Karena persediaan cadangan minyak bumi di Indonesia makin menipis akhirnya pada awal tahun 2007 pemerintah RI mengeluarkan kebijakan konversi minyak tanah ke gas. Hal ini tentunya berakibat melonjaknya permintaan gas. Oleh karena itu pendistribusian yang baik dan tepat waktu merupakan salah satu hal yang penting untuk memenuhi kebutuhan pelanggan. PT. RISKY AGIE memiliki armada angkut untuk melayani pengiriman gas elpiji ke sub-sub agen dalam Kota dan setiap armada melayani 4-7 titik sub-sub agen tersebut. Selama ini pertimbangan pengemudi dalam rute mendistribusikan gas-gas elpiji ke sub-sub pelanggan hanya berdasarkan instuisi acak pengemudi dan tidak mempertimbangkan banyaknya barang yang diangkut ke lokasi serta tidak mempertimbangkan apakah rute yang ditempuh sudah memiliki jarak tempuh yang efisien atau belum. Oleh sebab itu perlu ditentukan rute pendistribusian yang efisien sehingga perusahaan dapat memperoleh jarak tempuh yang terpendek sekaligus dapat meminimasi biaya transportasi. Masalah transportasi ini dimodelkan sebagai permasalahan Vehicle Routing Problem (VRP). Beberapa metode yang digunakan untuk menyelesaikan VRP antara lain adalah dengan pendekatan eksak, heuristik dan metaheuristik. Dibandingkan dengan heuristik klasik, metaheuristik menunjukan pencarian solusi yang lebih efektif dan teliti. Ant Colony System merupakan metode terbaik yang dapat diimplementasikan pada VRP dibanding metaheuristik lain.

2.

Rumusan Masalah Permasalahan yang terjadi pada PT. Risky Agie adalah rute pendistribusian gas elpiji dari PT. Risky Agie ke sub-sub agen yang masih kurang efektif dan efisien dikarenakan pendistribusian gas elpiji berdasarkan instuisi acak pengemudi sehingga rute pendistribusian belum optimal atau rute yang yang dilewati masih belum terpendek. Akibatnya biaya distribusi atau biaya transportasi pun ikut melonjak dan waktu tempuh untuk mengantarkan gas ke sub-sub agen menjadi lebih lama.

3.

Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah: 1. Memperoleh rute pendistribusi gas elpiji yang efisien dan optimal, menggunakan model Vehicle Routing Problem dengan metode Algoritma Ant Colony. 2. Meminimasi biaya distribusi gas elpiji pada PT. Risky Agie

4. 4.1

Studi Literatur Definisi dan jenis Vehicle Routing Problem VRP dapat disebut juga Vehicle Schedulling Problem, berhubungan dengan distribusi barang jadi antara depot dengan pengguna akhir (konsumen). Model dan algoritmanya dapat digunakan secara efektif tidak hanya untuk pengiriman dan pengambilan barang, tetapi juga dapat diaplikasikan untuk masalah transportasi sehari-hari.

Vehicle Routing Problem (VRP) adalah suatu metoda yang digunakan untuk menetukan rute untuk suatu armada kendaraan baik dari single depot ataupun multiple depot sehingga dapat melayani pelanggan yang tersebar secara geografis.

Distribusi barang meliputi pelayanan sejumlah konsumen, pada waktu tertentu, oleh jumlah kendaraan, berasal dari 1 atau lebih depot, dikendarai sejumlah pengemudi/kru, dan pergerakannya menggunakan suatu jaringan jalan (road network).

Salah satu definisi VRP adalah suatu pencarian solusi yang meliputi penentuan sejumlah rute, masing-masing rute dilalui oleh 1 kendaraan yang berawaal dan berakhir di depot asal, agar dapat melayani semua konsumennya dengan tetap memenuhi kendala operasional yang ada, juga dengan meminimumkan biaya transportasi global (P.toth & D. Vigo, 2002) VRP pada aplikasinya merupakan salah satu bagian dari permasalahan perutean (routing problem). Pengembangan dari persoalan di atas menghasilkan beberapa jenis (variant) VRP, antara lain :

1. Capacitated Vehicle Routing Problem (CVRP), jenis dari VRP dimana setiap unit kendaraan mempunyai kapasitas angkut barang yang sama. Jumlah permintaan barang yang dapat dilayani oleh setiap kendaraan tidak boleh melebihi dari kapasitas angkut barang kendaraan. 2. Vehicle Routing Problem with Time Widows (VRPTW), jenis dari VRP dimana masing-masing pelanggan dan tempat pemberhentian memiliki interval waktu tertentu dalam melakukan pengambilan dan pengiriman barang. 3. Capacitated Vehicle Routing Problem with Time Windows (CVRPTW), jenis dari VRP yang merupakan gabungan dari CVRP dan VRPTW. 4. Multiple Depot Vehicle Routing Problem (MDVRP), jenis dari VRP dengan lebih dari satu depot. 5. Periodic Vehicle Routing Problem (PVRP), jenis dari VRP dimana pengiriman barang dapat dilakukan dalam beberapa hari (lebih dari 1 hari). 6. Split Delivery Vehicle Routing Problem (SDVRP), jenis dari VRP dimana satu pelanggan dapat dilayani oleh lebih dari satu unit kendaraan.

7. Vehicle Routing Problem with Backhauls (VRPB), jenis dari VRP dimana antara pengambilan barang dan pengiriman barang dapat dilakukan pada setiap tempat pemberhentian yang diberikan sepanjang rute. Secara khusus, pengambilan barang tidak dapat dilakukan sampai semua pengiriman selesai dilakukan.

4.2 Definisi Ant Colony Algoritma Semut diadopsi dari perilaku koloni semut yang dikenal sebagai sisetem semut (Dorigo, 1996). Secara alamiah koloni semut mampu menemukan rute terpendek dalam perjalanan dari sarang ke tempat-tempat sumber makanan. Koloni semut dapat menemukan rute terpendek antara sarang dan sumber makanan berdasarkan jejak kaki pada lintasan yang telah dilalui. Semakin banyak semut yang melalui suatu lintasan, maka akan semakin jelas bekas jejak kakinya. Hal ini akan menyebabkan lintasan yang dilalui semut dalam jumlah sedikit, semakin lama akan semakin ber4kurang kepadatan semut yang melewatinya, atau bahkan akan tidak dilewati sama sekali. Sebaliknya lintasan yang dilalui semut dalam jumlah banyak, atau bahkan semua semut akan melalui lintasan tersebut.

Gambar 4.1 Perjalanan semut menemukan sumber makanan

dari gambar 4.1a di atas menujukkan ada dua kelompok semut yang akan melakukan perjalanan. Satu kelompok bernama L yaitu kelompok yang berangkat dari arah kiri merupakan sarang semut dan kelompok lain ytang bernama kelompok R yang berangkat dari kanan yang merupakan sumber makanan. Kedua kelompok semut dari titik berangkat sedang dalam posisi pengambilan keputusan jalan sebelah mana yang akan diambil. Kelompok semut L membagi dua kelompok lagi. Sebagian melalui jalan bawah. Hal ini juga berlaku pada kelompok semut R. Gambar 4.1b dan gambar 4.1c menunjukkan bahwa kelompok semut berjalan pada kecepatan yang sama dengan meninggalkan feromon atau jejak kaki di jalan yang telah dilalui. Feromon yang ditinggalkan oleh kumpulan semut yang melalui jalan atas telah mengalami banyak penguapan karena semut yang melalui jalan atas berjumlah lebih sedikit daripada jalan yang di bawah. Hal ini dikarenakan jarak yang ditempuh lebih panjang daripada jalan bawah. Sedangkan feromon yang berada di jalan bawah, penguapannya cenederung lebih lama. Karena semut yang melalui jalan bawah lebih banyak daripada semut yang melaui jalan atas. Gambar 4.1d menunjukkan bahwa semut-semut yang lain pada akhirnya memutuskan untuk melewati jalan bawah karena feromon yang ditinggalkan masih banyak. Sedangkan feromon pada jalan atas sudah banyak menguap sehingga semut-semut tidak memilih jalan atas tersebut. Semakin banyak semut yang melalui jalan bawah maka semakin banyak semut yang mengikutinya. Demikian juga dengan jalan atas, semakin sedikit semut yang melalui jalan atas, maka feromon yang ditinggalkan semakin berkurang bahkan hilang. Dari sinilah kemudian terpilihlah jalur terpendek antara sarang dan sumber makanan. Dalam algoritma semut, diperlukan beberapa variabel dan langkahlangkah untuk menentukan jalur terpendek, yaitu:

Langkah 1 : a. Inisialisasi harga parameter-parameter algoritma. Parameter-parameter yang di inisialisasikan adalah : 1. Intensitas jejak semut antar kota dan perubahannya (τij) 2. Banyak kota (n) termasuk koordinat (x,y) atau jarak antar kota (dij) 3. Kota berangkat dan kota tujuan 4. Tetapan siklus-semut (Q) 5. Tetapan pengendali intensitas jejak semut (α), nilai α ≥ 0 6. Tetapan pengendali visibilitas (β), nilai β ≥ 0 7. Visibilitas antar kota = 1/dij (ηij) 8. Banyak semut (m) 9. Tetapan penguapan jejak semut (ρ) , nilai ρ harus > 0 dan < 1 untuk mencegah jejak pheromone yang tak terhingga 10.Jumlah siklus maksimum (NCmax) bersifat tetap seloama algoritma dijalankan, sedangkan τij akan selalu diperbaharui harganya pada setiap siklus algoritma mulai dari siklus pertama (NC=1) sampai tercapai jumlah siklus maksimum (NC= NCmax) atau sampai terjadi konvergasi.

b. Inisialisasi kota pertama setiap semut. Setelah inisialisasi τij dilakukan, kemudian m semut ditempatkan pada kota pertama tertentu secara acak.

Langkah 2 : Pengisian kota pertama ke dalam tabu list. Hasil inisialisasi kota pertama setiap semut dalam langkah 1 harus diisikan sebagai elemen pertama tabu list. Hasil dari langkah ini adalah terisinya elemen pertama tabu list setiap semut dengan indeks kota tertentu, yang berarti bahwa setiap tabuk(1) bisa berisi indeks kota antara 1 sampai n sebagaimana hasil inisialisasi pada langkah 1.

Langkah 3 : Penyusunan rute kunjungan setiap semut ke setiap kota. Koloni semut yang sudah terdistribusi ke sejumlah atau setiap kota, akan mulai melakukan perjalanan dari kota pertama masing masing sebagai kota asal dan salah satu kotakota lainnya sebagai kota tujuan. Kemudian dari kota kedua masing-masing, koloni semut akan melanjutkan perjalanan dengan memilih salah satu dari kotakota yang tidak terdapat pada tabuk sebagai kota tujuan selanjutnya. Perjalanan koloni semut berlangsung terus menerus sampai semua kota satu persatu dikunjungi atau telah menempati tabuk. Jika s menyatakan indeks urutan kunjungan, kota asal dinyatakan sebagai tabuk(s) dan kota-kota lainnya dinyatakan sebagai {N-tabuk}, maka untuk menentukan kota tujuan digunakan persamaan probabilitas kota untuk dikunjungi sebagai berikut :

dan

dengan i sebagai indeks kota asal dan j sebagai indeks kota tujuan.

Langkah 4 : a. Perhitungan panjang rute setiap semut. Perhitungan panjang rute tertutup (length closed tour) atau Lk setiap semutdilakukan setelah satu siklus diselesaikan oleh semua semut. Perhitungan ini dilakukan berdasarkan tabuk masing-masing dengan persamaan berikut :

dengan dij adalah jarak antara kota i ke kota j yang dihitung berdasarkan persamaan :

b. Pencarian rute terpendek Setelah Lk setiap semut dihitung, akan didapat harga minimal panjang rute tertutup setiap siklus atau LminNC dan harga minimal panjang rute tertutup secara keseluruhan adalah atau Lmin. c. Perhitungan perubahan harga intensitas jejak kaki semut antar kota. Koloni semut akan meninggalkan jejak-jejak kaki pada lintasan antar kota yang dilaluinya. Adanya penguapan dan perbedaan jumlah semut yang lewat, menyebabkan kemungkinan terjadinya perubahan harga intensitas jejak kaki semut antar kota. Persamaan perubahan ini adalah :

dengan k Δτij adalah perubahan harga intensitas jejak kaki semut antar kota setiap semut yang dihitung berdasarkan persamaan:

untuk (i,j) ∈ kota asal dan kota tujuan dalam tabuk Δτij = , untuk (i,j) lainnya.

Langkah 5 :

a. Perhitungan harga intensitas jejak kaki semut antar kota untuk siklus selanjutnya. Harga intensitas jejak kaki semut antar kota pada semua lintasan antar kota ada kemungkinan berubah karena adanya penguapan dan perbedaan jumlah semut yang melewati. Untuk siklus selanjutnya, semut yang akan melewati lintasan tersebut harga intensitasnya telah berubah. Harga intensitas jejak kaki semut antar kota untuk siklus selanjutnya dihitung dengan persamaan :

τij = ρ⋅ τij + Δτi

b. Atur ulang harga perubahan intensitas jejak kaki semut antar kota. Untuk siklus selanjutnya perubahan harga intensitas jejak semut antar kota perlu diatur kembali agar memiliki nilai sama dengan nol.

Langkah 6 : Pengosongan tabu list, dan ulangi langkah 2 jika diperlukan. Tabu list perlu dikosongkan untuk diisi lagi dengan urutan kota yang baru pada siklus selanjutnya, jika jumlah siklus maksimum belum tercapai atau belum terjadi konvergensi. Algoritma diulang lagi dari langkah 2 dengan harga parameter intensitas jejak kaki semut antar kota yang sudah diperbaharui.

5.

Pembatasan Masalah Pembatasan masalah dari penelitian ini digunakan agar masalah yang diteliti lebih terarah dan terfokus sehingga penelitian dapat dilakukan sesuai dengan apa yang direncanakan dan memberikan hasil yang optimal. Batasan masalah yang digunakan pada penelitian ini adalah sebagai berikut: 1. Penelitian dilakukan di PT. Risky Agie yang berlokasi di Jalan Kapin Raya Nomor 6A RT 09 RW 004 Kelurahan Jatibening Bekasi 2. Pendistribusian gas dikirim ke Dalam Kota meliputi Jakarta, Bekasi 3. Dalam hal kemacetan, waktu dianggap linear dengan jarak. 4. Permintaan outlet yang tidak dapat dilayani pada satu rute dan pada satu hari makan akan didistribusikan pada hari berikutnya. 5. Kondisi armada dianggap sama untuk semua dan jumlahnya tetap untuk satu periode 6. Perancangan model pendistribusian menggunakan Alogoritma Ant Colony System

6.

Metodologi Penelitian 1. Penelitian Pendahuluan Penelitian pendahuluan adalah langkah awal sebelum melanjutkan ke tahapan-tahapan selanjutnya. Penelitian pendahuluan dilakukan agar kita mengerti apa maksud penelitian yang dilakukan, dan apa/siapa yang mengarahkan penelitian. Penelitian ini dilakukan pada di PT. Risky Agie yang berlokasi di Jalan Kapin Raya Nomor 6A RT 09 RW 004 Kelurahan Jatibening Bekasi 2. Identifikasi Masalah Identifikasi masalah memuat rincian pernyataan tentang cakupan atau topictopik pokok yang akan diungkap/digali dalam penelitian ini. Identifikasi diajukan unutk mengetahui gambaran apa yang akan diungkapkan di lapangan. Setelah mengamati langsung dan mewawancarai pemilik PT. Risky Agie maka diketahui bila masalah yang ada di PT. Risky Agie adalah pendistribusian gas ke sub-sub agen agar sampai tempat waktu dengan rute terpendek dan biaya transportasi yang minimum. 3. Studi Pustaka/Studi Literatur Studi pustaka yaitu mengadakan penelitian dengan cara mempelajari dan membaca literature-literatur yang ada hubungannya dengan permasalahan yang menjadi objek penelitian yaitu menelusuri teori-teori yang berkaitan dengan system distribusi, penjadwalan dan penyusunan rute distribusi dari internet, buku dan jurnal. 4. Tujuan Penelitian Sasaran hasil yang ingin dicapai dalam penelitian ini yaitu menemukan memperoleh rute distribusi yang optimal dengan metode Ant Colony System dan meminimalkan biaya pendistribusian gas.

5. Pengumpulan Data Pengumpulan data dilakukan untuk memperoleh informasi yang dibutuhkan dalam rangka mencapai tujuan penelitian. Adapun metode pengumpulan data yang digunakan adalah wawancara dengan pihak terkait, melakukan pengamatan langsung pada PT. Rizky Agie dan data-data yang ada pada PT. Risky Agie. Adapun data-data yang dikumpulkan pada penelitian kali ini adalah: 1. Data umum perusahaan  Sejarah perusahaan  Visi dan misi perusahaan  Struktur organisasi perusahaan  Jumlah tenaga kerja  Pengaturan jam kerja 2. Data pendistribusian produk  Lokasi PT. Risky Agie  Lokasi sub-sub agen  Data pengiriman barang  Data jarak PT. Risky Agie ke sub-sub agen  Data jarak antar sub-sub agen  Data jumlah armada 3. Data waktu tempuh kendaraan

6. Pengolahan Data Pengolahan data dilakukan apabila seluruh data-data Pendukung telah terkumpul. Adapun tahap-tahap dalam pengolahan dan data ini adaalah dengan

mengumpulakjn

wilayah-wilayah

pengiriman

perhitungan

menggunakan Algoritma Ant Colony. 7. Analisa Pada bagian analisis data diuraikan proses pelacakan dan pengaturan secara sistematis data-data dari wawancara, observasi dan data-data dari PT. Risky Agie. Lalu dari hasil pengolahan data yang ada dilakukan analisa hasil apakah rute usulan dengan menggunakan Ant Colony System lebih baik dari rute yang digunakan sebelumnya yang berdasarkan intuisi acak pengemudi. 8. Kesimpulan dan Saran Kesimpulan merupakan bagian akhir dari penelitian ini dan merupakan jawaban dari tujuan penelitian serta merupakan ringkasan dari penelitian. Penulispun memberikan saran atau usulan dari penelitian untuk perusahaan agar menjadi perusahaan yang lebih baik lagi.

Start

Penelitian Pendahuluan

Obseravasi, wawancara dan data historis

Identifikasi Masalah

Masalah Teori Pendukung Penelitian

Jurnal, Internet, Buku Tujuan Penelitian

Studi Pustaka

Data umum perusahaan, pendistribusiam produk, waktu tempuh kendaraan

Pengumpulan Data

Data sebagai informasi pendukung penelitian

Data pendukung penelitian

Pengolahan Data

Data hasil penelitian

Data hasil penelitian dan data nyata

Analisa

Hasil penelitian

Kesimpulan dan Saran

End

Gambar 6.1 Flowchart Metodologi Penelitian

INPUT

AKTIVITAS
Mulai

OUTPUT

 

Alamat-alamat sub agen Alamat antar sub-sub agen

Pengelompokkan daerah pendistribusian

Daerah pendisribusian yang terkelompok dan jarak pendistribusian yang lebih pendek

     

Banyak kota (n) Jarak antar kota (dij) Kota berangkat dan kota tujuan Intensitas jejak semut antar kota dan perubahannya (τij) Tetapan siklus-semut (Q) Visibilitas antar kota = 1/dij (ηij)

Pencarian rute terpendek dengan Ant Colony System

Rute terpendek pendistribusian gas dengan Ant Colony System Tidak

   

Jarak distribusi (km) Harga bahan bakar Biaya pemliharaan Biaya pengemudi

Perhitungan biaya distribusi

Biaya distribusi

   

Jarak rute distribusi nyata Jarak rute distribusi dengan Ant Colony System Biaya distribusi nyata Biaya distribusi dengan menggunakan rute jarak Ant Colony System

Perbandingan rute usulan dengan rute nyata

Rute terbaik

Ya End

Gambar 6.1 Flowchart Pencarian Rute Distribusi dengan Ant Colony System

VII. Rencana Penelitian
Uraian Studi Penelitian Pemilihan Pembimbing Identifikasi Variabel Wawancara Perusahaan Pengumpulan Data Penulisan laporan (Bab 1-3) Pengolahan Data Analisis Pengumpulan Data Pengolahan Data Peng Data dan Implementasi Penulisan laporan (Bab 4-5) Kesimpulan Perbaikan secara keseluruhan Pengesahan Maret April Mei Juni Juli Agustus

VII. Daftar Pustaka 1. P. Toth D. Vigo. An Overview OF Vehicle Routing Problems, 2002.
2. Dorigo M., V. Maniezzo & A. Colorni The Ant System: Optimization by a

colony of cooperating agents,

IEE transactions on Systems, Man, and

Cybernectics-Part B, Vol. 26 No.1 , 1996.
3. Dorigo, M & Gambardella, L.M. Ant Colony System: A Cooperative Learning

Approach to The Travelling Salesman Problem. 1996.

1. http://edvinramadhan.blogspot.com/2010/10/sekilas-tentang-algoritma-semutantnet.html

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->