Penerapan Algoritma Centripetal Accelerated Particle Swarm Optimization pada Permasalahan Bounded Multiple Knapsack

Abstract

Proses seleksi pada pengadaan barang suatu pabrik atau perusahaan sangat diperlukan agar perusahaan tidak mengalami kerugian. Perusahaan harus menentukan barang berserta jumlahnya yang akan dibeli dan dimasukkan pada sejumlah media penyimpanan yang dimiliki sedemikian sehingga tidak melebihi kapasitas media penyimpanan tersebut dan menghasilkan keuntungan yang maksimal. Dalam ilmu matematika permasalahan ini biasa disebut dengan permasalahan bounded multiple knapsack. Penelitian ini akan menyelesaikan permasalahan bounded multiple knapsack menggunakan algoritma Centripetal Accelerated Particle Swarm Optimization (CAPSO). Tujuan dari penelitian ini adalah mendapatkan solusi optimum dan mengetahui keefektifan serta keefisiensian algoritma CAPSO dibandingkan dengan hasil dari metode Simplex dan hVEGA. Sebagai bahan simulasi, terdapat tiga data yang digunakan pada penelitian ini. Data pertama adalah data primer dari toko buah Barokah Jl. PB Soedirman, Patrang, Jember. Data kedua adalah data sekunder dari Wafirotullailiyah (2016). Data ketiga adalah data simulasi yang dibangkitkan secara acak. Data yang digunakan berisi nama barang, jumlah ketersediaan barang, berat setiap kemasan dan keuntungan. Terdapat dua knapsack yang digunakan sebagai media penyimpanan. Berdasarkan hasil uji pengaruh parameter terhadap ketiga data yang digunakan diketahui bahwa parameter pop lebih memiliki pengaruh yang signifikan dibandingkan parameter maksimal iterasi. Semakin besar nilai parameter pop, hasil yang didapatkan semakin mendekati nilai optimalnya. Semakin besar maksimal iterasi, belum menjamin hasil yang didapatkan semakin baik. Berdasarkan hasil percobaan akhir, algoritma CAPSO menemukan profit terbaik yang mampu ditemukan algoritma CAPSO pada data 1 sebesar Rp 3.555.000,- dan profit terburuknya adalah Rp 3.554.000,-. Pada data 2 profit terbaik yang mampu dihasilkan algoritma CAPSO sebesar Rp 7.538.650,- dan profit terburuknya adalah Rp 7.531.650,-. Pada data 3 profit terbaik yang didapatkan algoritma CAPSO sebesar Rp 8.512.000,- dan profit terburuknya adalah Rp 8.490.000,- Percobaan akhir tersebut menggunakan nilai 𝑝𝑜𝑝 = 1000 dan maksimal iterasi = 1000, dimana parameter pop lebih berpengaruh dibandingkan maksimal iterasi. Hasil algoritma CAPSO dibandingkan hasil Simplex memiliki rata-rata persentase deviasi yang sangat kecil, yang artinya algoritma CAPSO efektif untuk menyelesaikan permasalahan bounded multiple knapsack. Algoritma CAPSO memiliki hasil yang lebih baik dan proses yang lebih cepat dibangdingkan dengan algoritma hVEGA, yang artinya algoritma CAPSO lebih efektif dan efisien.