Penyelesaian Biobjective Vehicle Routing Problem with Time Windows dengan Algoritma Genetika dan Algoritma Cat Swarm Optimization

Abstract

Perkembangan jumlah penduduk yang semakin meningkat menyebabkan jumlah kebutuhan hidup yang harus dipenuhi juga semakin banyak. Para produsen barang atau jasa saling berlomba untuk dapat memberikan pelayanan terbaik dalam memenuhi kebutuhan masyarakat. Di era persaingan usaha yang sangat ketat, para produsen dituntut untuk dapat memberikan pelayanan dalam memenuhi kebutuhan masyarakat. Untuk menjangkau pasar yang luas dalam memenuhi keinginan pelanggan, setiap perusahaan harus membuat strategi pemasaran produknya yaitu dengan membuat jalur distribusi yang efisien. Para produsen barang akan berusaha secara maksimal untuk menekan biaya distribusi barang sampai seminimal mungkin untuk memenuhi kebutuhan pelanggannya yang tersebar di beberapa lokasi. Permasalahan optimasi pelayanan kepada pelanggan seperti ini disebut Vehicle Routing Problem (VRP). Vehicle Routing Problem (VRP) merupakan permasalahan distribusi yang di dalamnya terdapat sebuah problem dimana terdapat sejumlah rute yang harus dipilih dan dilewati sejumlah kendaraan untuk sampai kepada pelanggan atau konsumennya. Bentuk variasi lainnya dari jenis VRP ini yaitu salah satunya Vehicle Routing Problem with Time Windows (VRPTW). Vehicle Routing Problem with Time Windows merupakan variasi permasalahan VRP dimana terdapat tambahan kendala yaitu batasan interval waktu pelayanan. Permasalahan VRPTW ini untuk mencapai solusi yang lebih optimal dapat menekan pada dua fungsi tujuan khusus yaitu meminimalkan jumlah kendaraan dan jumlah total jarak tempuh yang disebut juga dengan Biobjective VRPTW. Penelitian ini akan menyelesaikan permasalahan Biobjective Vehicle Routing Problem with Time Windows menggunakan algoritma genetika dan algoritma Cat Swarm Optimization (CSO) dan untuk mengetahui hasil dan waktu komputasi dari penerapan algoritma tersebut. Data yang digunakan pada penelitian ini adalah data yang diambil dari skripsi Faridah (2017) yang bersumber dari perusahaan air minum kemasan PT. Tujuh Impian Bersama AMDK (Air Minum Dalam Kemasan) Al-Qodiri Jember. Data-data tersebut antara lain nama barang, jumlah barang, harga beli, dan harga jual. Penyelesaian dibantu software MATLAB R2015b. Hasil penelitian menunjukkan bahwa Solusi terbaik yang mampu ditemukan oleh kedua algoritma untuk data 32 pelanggan yaitu untuk algoritma genetika Rp 817.900,00 dengan jumlah kendaraan 3 dan total jarak tempuh 435,8km, serta untuk algoritma CSO Rp 777.500,00 dengan jumlah kendaraan 3 dan total jarak tempuh 355 km. Solusi terbaik yang mampu ditemukan oleh kedua algoritma untuk data 57 pelanggan yaitu untuk algoritma genetika Rp 2.358.300,00 dengan jumlah kendaraan 10 dan total jarak tempuh 716,6 km, serta untuk algoritma CSO Rp 2.153.250,00 dengan jumlah kendaraan 9 dan total jarak tempuh 706,5 km. Berdasarkan hasil tersebut, terlihat bahwa solusi dari CSO lebih minimal daripada solusi dari algoritma genetika, atau dapat dikatakan CSO lebih efektif untuk menemukan solusi optimal dibandingkan algoritma genetika. Hal ini dikarenakan pada setiap iterasi algoritma CSO mendapatkan solusi baru sejumlah kucing tracing ditambah dengan sejumlah kucing seeking dikali parameter SMP, sedangkan pada algoritma genetika maksimal hanya dua solusi hasil crossover dan tiga solusi hasil mutasi.