JISI: JURNAL INTEGRASI SISTEM INDUSTRI
Volume 10 No 2 Agustus 2023 Penentuan Rute Terbaik Pendistribusian Produk Wafer dengan Metode Algoritma Genetika (Studi Kasus di Perusahaan Jasa Pergudangan Produk Wafer Karawan.
Annisa Indah Pratiwi1.
Neni Triana2.
Muhamad Sayuti3.
Afif Hakim4,Dewih Adetia5.
Ahmad Ridho Nurohman6 .
Sobar Pazri7 1,2,3,4,5,6 Jurusan Teknik Industri.
Fakultas Teknik dan Ilmu Komputer.
Universitas Buana Perjuangan Karawang Jl.
HS.
Ronggowaluyo Telukjambe Timur Karawang, 41361 email : annisa.
indah@ubpkarawang.
ABSTRAK
Tujuan dari penelitian ini adalah untuk menekan biaya transportasi dan menentukan cara terbaik untuk mendistribusikan produk wafer.
Penelitian ini dilakukan pada sebuah perusahaan yang bekerja untuk memproduksi produk wafer, dimana terdapat departemen Logistik dan perusahaan yang bertanggung jawab untuk mendistribusikan produk tersebut ke distributor lain di seluruh Indonesia khususnya Pulau Jawa.
Proses distribusi sendiri merupakan salah satu proses terpenting dalam perusahaan dan tidak memerlukan biaya yang sedikit bagi perusahaan untuk memantau proses distribusi.
Dan metode pengiriman membutuhkan pembayaran.
Selain itu, truk digunakan untuk mengantarkan barang ke masing-masing distributor melalui rute yang berbeda, sehingga penelitian ini bertujuan untuk mencari rute terbaik dan menekan biaya transportasi tergantung jarak.
Untuk mendapatkan rute terbaik dengan biaya terendah, penelitian ini mengusulkan solusi menggunakan algoritma sel dengan menentukan rute yang akan diambil dari kendaraan.
Metode distribusi menggunakan metode genetik menggunakan metode crossover dan one crosspoint crossover, mutasi dan mutasi dan seleksi menggunakan seleksi Hasil akhirnya adalah saluran distribusi terbaik dan biaya distribusi terendah.
Kata Kunci: Algoritma Genetika.
Distribusi.
Logistik.
Optimasi Biaya
ABSTRACT
The purpose of this research is to reduce transportation costs and determine the best way to distribute wafer products.
This research was conducted at a company that works to produce wafer products, where there is a Logistics department and a company that is responsible for distributing these products to other distributors throughout Indonesia, especially Java Island.
The distribution process itself is one of the most important processes in the company and does not require a small fee for the company to monitor the distribution process.
And the shipping method requires payment.
In addition, trucks are used to deliver goods to each distributor via different routes, so this study aims to find the best route and reduce transportation costs depending on distance.
To get the best route with the lowest cost, this study proposes a solution using a cell algorithm by determining the route to be taken from the vehicle.
Distribution method using genetic method using crossover and one cross point crossover method, mutation and mutation and selection using elitism selection.
The end result is the best distribution channel and the lowest distribution cost.
Keywords: Costs Optimization.
Distribution.
Genetic Algorithm.
Logistics DOI: /10.
24853/jisi.
JISI: JURNAL INTEGRASI SISTEM INDUSTRI
Website: http://jurnal.
id/index.
php/jisi PENDAHULUAN Menurut Juwitasary.
Martani, dan Putra .
, departemen logistik merupakan bagian terpenting dalam menjalankan bisnis atau Tidak mungkin memisahkan logistik dari semua aktivitas bisnis lainnya.
Istilah AulogistikAy mengacu pada serangkaian perjalanan dan pergerakan yang melibatkan pergerakan sumber daya seperti produk, barang, energi, dan lain-lain (Zai et al.
, 2.
Seri ini mencakup fase perencanaan, implementasi, dan pemantauan transfer dari titik awal ke tujuan pengiriman.
Rantai pasokan dan logistik sangat terkait.
Senada dengan Sumekar et al.
Tujuan dari kegiatan logistik adalah untuk mencapai ketepatan mendistribusikan barang atau jasa serta dapat menghemat waktu dan biaya sehingga lebih efektif dalam menjalankan operasi perusahaan, dalam menjalankan kegiatan industri, dan elemen logistik dapat juga mempengaruhi pengendalian operasional.
Salah satu tugas yang menurut perusahaan sangat penting adalah distribusi.
Untuk mendapatkan barang ke pelanggan, distribusi digunakan.
Dengan menentukan rute terpendek yang harus diambil oleh setiap truk untuk mengirimkan barangnya ke agen, perusahaan mencoba untuk mengurangi biaya yang terkait dengan transportasi selama proses Jarak adalah aspek yang paling mengarahkan truk apa pun (Ramadhania dan Rani, 2.
Dalam manajemen rantai pasokan, pengambilan keputusan melibatkan solusi untuk proses distribusi (Ramadhani et , 2.
PT.
UPA merupakan salah satu perusahaan dalam industri produk wafer yang berbasis di Karawang.
Perusahaan memiliki departemen logistik yang menangani masalah pengiriman barang produksi ke pusat-pusat distribusi di seluruh Indonesia, khususnya di Pulau Jawa.
Terdapat tiga distributor besar dengan demand terbanyak setiap bulannya.
Produk dengan demand terbanyak yang akan digunakan pada penelitian ini yaitu produk wafer dengan gramasi 130 gram dengan varian rasa coklat dan vanila.
Produk tersebut merupakan demand tertinggi setiap bulannya dengan rata-rata jumlah permintaan dari setiap distributor mencapa 250.
000 karton setiap Produk wafer tersebut merupakan P-ISSN: 2355-2085
E-ISSN: 2550-083X
supermarket, sehingga permintaannya tinggi.
Dalam proses pendistribusian produk menggunakan truk-truk jenis Tronton.
Setiap mengangkut barang sesuai dengan permintaan distributor.
Rute yang digunakan dalam pendistribusian barang untuk ke setiap wilayah berbeda-beda.
Biaya yang dikeluarkan perusahaan dalam pendistribusian wafer tersebut dihitung sesuai ongkos jalan dan ditetapkan sama untuk setiap truk yang bertujuan sama.
Sistem distribusi dari PT.
UPA ke setiap distributor dapat digambar seperti berikut.
Gambar 1.
Sistem distribusi barang Dalam menggunakan algoritma genetika untuk memecahkan masalah distribusi produk wafer.
Penelitian ini menggunakan optimasi pengiriman untuk menentukan rute terbaik untuk pengiriman produk wafer.
Minimisasi biaya dan penentuan rute yang optimal dalam penelitian ini dipengaruhi oleh jarak antar lokasi, waktu, dan biaya bahan bakar untuk setiap truk.
TINJAUAN PUSTAKA
Dalam bisnis, distribusi adalah tugas yang sangat dihargai.
Distribusi adalah proses mendapatkan barang ke pelanggan.
Namun, proses distribusi seringkali menghadapi kendala akibat keterbatasan transportasi.
Menemukan rute terpendek untuk diambil setiap truk saat mendistribusikan barang ke agen membantu perusahaan mengurangi biaya transportasi.
Jarak adalah pertimbangan utama saat merencanakan rute untuk setiap truk.
Proses distribusi akan lebih murah dan memakan waktu lebih sedikit jika jarak keseluruhan yang ditempuh lebih sedikit (Rongre, 2.
Teknik evolusi yang paling populer di seluruh dunia adalah algoritma genetika (GA).
Berdasarkan genetika dan seleksi alam.
Belanda
JISI: JURNAL INTEGRASI SISTEM INDUSTRI
AG mengevaluasi anakanak dengan menerapkan operator persilangan dan mutasi ke populasi awal, yang meliputi ayah dan ibu.
Dengan memilih yang unggul dari yang tersedia, atau lebih dikenal dengan menghasilkan solusi yang lebih baik secara berurutan (Muftikhali et al.
, 2.
Untuk menilai seberapa baik kromosom merupakan solusi, nilai fitness adalah nilai yang Kromosom solusi dengan nilai fitness tertinggi akan ditemukan oleh algoritma Total jarak yang ditempuh dan total biaya yang dikeluarkan digunakan untuk menghitung nilai fitness dalam masalah terkait Nilai fitness digunakan untuk memisahkan hasil kualitas kromosom satu dengan yang lain (Ramadhani et al.
, 2.
Salah satu proses yang digunakan dalam algoritma genetika untuk reproduksi adalah Dua kromosom dipilih secara acak dan digunakan sebagai orang tua dalam teknik Kedua kromosom induk tersebut kemudian masing-masing dipotong pada satu titik, sehingga terjadi pembagian masing-masing kromosom induk menjadi dua segmen.
Setelah itu, segmen kromosom induk dialihkan untuk menghasilkan keturunan atau orang baru dengan nama yang berbeda (Ramadhani et al.
Suatu proses yang disebut mutasi digunakan untuk mengubah nilai satu atau lebih gen pada Kromosom mengalami operasi mutasi dengan tujuan menghasilkan kromosom baru sebagai kandidat solusi untuk generasi mendatang dengan peningkatan kebugaran dan pada akhirnya mengarah ke solusi optimal yang Penekanan selektif sangat penting.
Konvergensi prematur sangat mudah terjadi ketika kromosom cenderung hanya menempel pada kromosom dengan aptitude tinggi saat memilih kromosom (Putra dan Yunita, 2.
diproduksi oleh Mathworks Inc.
perangkat lunak MATLAB.
adalah program yang dirancang untuk melakukan analisis dan komputasi numerik menggunakan bahasa pemrograman matematika canggih yang dibangun di atas penggunaan properti dan bentuk matriks (Astutik & fitriatien, 2.
METODE PENELITIAN
Dalam penelitian ini akan dibahas bagaimana perpindahan produk wafer dari gudang distributor di Pulau Jawa ke penyedia Volume 10 No 2 Agustus 2023 jasa pergudangan produk wafer di Karawang.
Rute yang ditempuh truk pengangkut barang saat mengirimkan produk wafer ke distributor merupakan permasalahan yang relevan dengan penelitian ini.
dan biaya yang dikeluarkan bisnis untuk mendistribusikan produk wafer ini.
Data primer dan sekunder digunakan dalam penelitian ini.
Beberapa karyawan yang bekerja di bagian pengiriman produk wafer di PT XYZ memberikan data primer.
Sebaliknya, data sekunder meliputi:.
teori algoritma genetika.
data produk wafer terpopuler.
pemisahan dua tempat.
Biaya transportasi.
Menemukan permasalahan yang muncul sepanjang tahun merupakan langkah awal dalam proses pendataan.
Dua produk wafer diidentifikasi, bersama dengan distributornya, pada langkah kedua.
Data sekunder digunakan dalam langkah awal ini.
Pengumpulan data primer dilakukan dengan melihat rute yang ditempuh oleh masing-masing truk dan jarak antar lokasi dari perusahaan ke masing-masing distributor.
Informasi tersebut dikumpulkan melalui wawancara dengan supir truk yang bertugas mengantarkan produk wafer ke masing-masing distributor dan dikuatkan dengan jarak Google Maps.
Selain itu, data primer yang dibutuhkan adalah data biaya yang dikeluarkan dalam pendistribusian barang tersebut, dikumpulkan melalui wawancara dengan pihak terkait, dan didukung oleh pengemudi truk yang mengirimkan barang.
HASIL DAN PEMBAHASAN
Pengumpulan data dilakukan dengan cara melihat jarak tujuan antar lokasi dari perusahaan ke setiap distributor yang dilalui oleh truk menggunakan google maps.
Data tersebut diperoleh dengan cara wawancara dengan supir-supir truk yang bertugas mendistribusikan produk wafer ke setiap Proses pemecahan masalah menghasilkan jarak antar Tabel oleh tabel matriks jarak.
JISI: JURNAL INTEGRASI SISTEM INDUSTRI
Website: http://jurnal.
id/index.
php/jisi P-ISSN: 2355-2085
E-ISSN: 2550-083X
Probabilitas (P.
= Fitness.
/Total Fitness Karawang Semarang Solo Rembang Pemalang Purwokerto Cilacap Yogyakarta Jaeak Antar Lokasi Karawang Semarang Solo Rembang Pemalang Purwokerto Cilacap Yogyakarta Selain itu, proses optimasi dilakukan dengan menggunakan algoritma genetika.
Proses algoritma genetika yang diterapkan terdiri dari enam tahap berikut:
Pembangkitan Pengukuran yang digunakan dalam analisa ini adalah sebagai berikut :
Tabel 2.
Kromosom awal Individu 1 Individu 2 Individu 3 Individu 4 Individu 5 Evaluasi fitness.
Melakukan inverse dari total jarak setiap kromosom dengan penghitungan Seleksi Tabel 3.
Kromosom berurutan Pilihan ada roda roulette.
Nilai fitness, probabilitas, dan jumlah kromosom dihitung terlebih dahulu sebelum dilakukan proses seleksi menggunakan metode roulette wheel.
Fitness i Fitness 1 Fitness 2 Fitness 3 Fitness 4 Fitness 5 = 1/Fungsi Objektif.
= 1/999 = 0,0010 = 1/1502 = 0,0009 = 1/1283 = 0,0008 = 1/1282 = 0,0008 = 1/1149 = 0,0007 Pi 1 Pi 2 Pi 3 Pi 4 Pi 5 = 0,0010/0.
0041 = 0,2444
= 0,0009/0.
0041 = 0,2125
= 0,0008/0.
0041 = 0,1903
= 0,0008/0.
0041 = 0,1904
= 0,0007/0.
0041 = 0,1625
Komulatif
Komulatif 1
Komulatif 2
Komulatif 3
0,5971
Komulatif 4
0,7875
Komulatif 5
0,4069
= 0,2444 0 = 0,2444
= 0,2125 0,7875 = 1
= 0,1903 0,4069 =
= 0,1904 0,5971 =
= 0,1625 0,2444 =
Crossover Proses crossover dilakukan dengan menggunakan metode cycle crossover.
Crossover_Loop = (Populasi size* Pc %)/2 = .
* 50%)/2 = 2,5 / 2
= 1,25
Individu Kota Total Jarak Individu 1 Individu 5 Individu 4 Individu 3 Individu 2 = 2 .
ali persilanga.
Untuk setiap persilangan, ambil dua JISI: JURNAL INTEGRASI SISTEM INDUSTRI Volume 10 No 2 Agustus 2023 Ambil titik perpotongan pada kromosom induk dan kromosom induk secara acak.
Misalnya, kromosom .
digunakan dalam proses persilangan awal, dengan gen ke-4 bertindak Tabel 4.
Hasil Crossover Anak anak1 mutated Mutasi Proses menggunakan metode inversion mutation.
Sebelum proses mutasi berjalan, hitung dulu jumlah proses yang akan dijalankan, yaitu :
Mutase_loop = Populasi size * %Pm = 8*10% = 0,8 = 1 kali mutasi Misalkan gen yang dimutasikan yaitu gen ke-5 dan ke-7.
Kromosom keturunan dianggap sebagai generasi baru karena nilai objektifnya lebih kecil daripada kromosom induknya .
Generasi keempat adalah tempat persimpangan Misalnya, kromosom .
diambil pada proses persilangan kedua, dengan titik perpotongan adalah gen ke-5.
Berdasarkan pemilihan roda roulette.
Hasil Crossover Kromosom.
Total Jarak Gen Hasil Crossover Elitism Melalui proses seleksi acak, penelitian ini menambahkan metode etilism untuk melestarikan dan menyalin salah satu kromosom terbaik di setiap generasi ke populasi berikutnya.
Nilai optimal tercermin dari populasi yang baru terbentuk.
Algoritma Genetika Nilai Optimal Untuk Pemilihan Roda Roulette Generasi Kedua Menggunakan Metode Roulette Wheel Selection.
Dapat di lihat kromosom yang paling optimal adalah 1 - 5 - 6 - 7 - 8 - 3 - 4 Ae 2 yaitu Karawang Ae Pemalang Ae Purwokerto Ae Cilacap Ae Yogyakarta Ae Semarang dengan nilai jarak paling dekat 890 km.
Pengolahan dengan Matlab Penerapan pengolahan hasil analisis dan desain aplikasi penerapan menggunakan perangkat lunak Matlab, adalah :
Input data jarak ke dalam matlab Pembuatan grup awal dilakukan delapan kali untuk jumlah grup yang ditentukan dengan menghasilkan angka acak dari 1 hingga 8 titik posisi untuk mengisi gen pada setiap kromosom.
JISI: JURNAL INTEGRASI SISTEM INDUSTRI
Website: http://jurnal.
id/index.
php/jisi P-ISSN: 2355-2085
E-ISSN: 2550-083X
%inputan jarak = .
382 478 499 275 297 320
382 0 97 126 131 194 229 130
478 97 0 118 228 236 241 64
499 126 118 0 248 307 341 202
275 131 228 248 0 85 134 247
297 194 236 307 85 0 50 172
320 229 241 341 134 50 0 173
489 130 64 202 247 172 173 .
Setelah pembangkitan populasi awal dilakukan, kemudian dilakukan inisialisasi seperti pada hitungan manual.
%inisialisasi crossrate = 0.
%laju crossover mutrate = 0.
%laju mutasi populasi = 8.
%jumlah populasi max_it = 1.
%iterasi maksimum kota = 8.
%jumlah kromosom Membangkitkan menggunakan software.
%membangkitkan populasi for i=1:populasi pop (:,.
=randperm.
jarakTempuh.
,:)= jarak.
,pop.
) jarak.
,pop.
,pop.
) jarak.
o p.
,pop.
,pop.
) jarak.
o p.
,pop.
,pop.
=jarak.
,child2.
) jarak( child2.
,child2.
) jarak.
hild2( .
,child2.
kromosom terbaik yang diawetkan dari sebelumnya tahap evaluasi dan penggantian kromosom dengan nilai Fitness terendah dari populasi baru.
%regenerasi [,inde.
= max.
arakTempu.
pop(:,inde.
= child1.
jarakTempuh.
ndex,:) = [,inde.
= max.
arakTempu.
pop(:,inde.
= child2.
jarakTempuh.
ndex,:) = %elitism .
,inde.
= min.
arakTempu.
elite(:,i.
= pop(:,inde.
TotalJarak.
t,:) = jarakTempuh.
ndex,:).
%terminasi if it == max_it gatsp = false.
it = it 1.
gatsp = true.
%plot min.
hold on.
title('Algoritma Genetik.
arak,'-b').
xlabel('Iterasi').
ylabel('Jarak').
hold off.
Setelah tahapan diatas dilakukan, kemudian akan di dapatkan hasil sebagai jarak.
,child2.
) jarak( child2.
,child2.
) jarak.
hild2( .
,child2.
,child2.
Regenerasi/Elitism Proses etilism ditambahkan karena kromosom terbaik dari generasi sebelumnya mungkin tidak termasuk dalam populasi baru, atau proses crossover dan mutasi mungkin telah mengurangi nilai Fitness dari kromosom terbaik Etilism dicapai dengan menyalin Gambar 2.
Hasil Pengolahan Matlab
JISI: JURNAL INTEGRASI SISTEM INDUSTRI
Hasil perhitungan dengan menggunakan Matlab dengan jumlah populasi 5, mutasi 0.
jumlah kota 8 kota dengan crossrate nya 0,07 maka di peroleh jarak yang paling optimal dengan menggunakan software total jarak tempuh diperoleh jarak 924 km.
Dari hasil pengolahan data tersebut, rute tercepat yang didapatkan yaitu 4 Ae 3 Ae 8 Ae 2 Ae 5 Ae 7 Ae 6 Ae 1 .
Rembang Ae Solo Ae Yogyakarta Ae Semarang Ae
Pemalang Ae Cilacap Ae Purwokerto Ae Karawang
Ae Pemalang Ae Cilacap Ae Purwokerto Ae
Karawang
KESIMPULAN
Pengolahan data pendistribusian produk wafer dilakukan oleh PT dengan menggunakan temuan penelitian yang komprehensif.
Teknik Genetic Algorithm digunakan oleh UPA (LDC Karawan.
Hal ini terbukti dari temuan penelitian bahwa metode Genetic Algorithm Mengingat jarak yang ditempuh dalam perhitungan manual yaitu 1 - 5 - 6 - 7 8 - 3 - 4 - 2, dengan nilai jarak terdekat 890 km Karawang - Pemalang - Purwokerto - Cilacap Yogyakarta - Semarang dapat menyimpulkan bahwa metode ini digunakan untuk memilih jalur yang kurang optimal.
Penentuan jarak terpendek dengan menggunakan software matlab dengan nilai crossrate 0,07 dan mutrate 0,03 memberikan hasil informasi rute optimal yang akan dilalui dengan nilai total jarak tempuh sebesar 924 km dengan kromosom rute tercepat yang didapatkan yaitu 4 Ae 3 Ae 8 Ae 2 Ae 5 Ae 7 Ae 6 Ae 1 .
Rembang Ae Solo Ae Yogyakarta Ae Semarang Ae Pemalang Ae Cilacap Ae Purwokerto Ae Karawang.
Terdapat gap dari perhitungan manual dan software sebesar 34 km disebabkan pada software pembangkit bilangan menggunakan bilangan acak sehingga setiap proses run menginformasikan hasil yang berbeda sampai ditemukan nilai terkecil.
DAFTAR PUSTAKA