PENGEPAKAN BARANG 3 DIMENSI (3-D PACKING) PADA PETI KEMAS MENGGUNAKAN HYBRID GENETIC ALGORITHM (GA) DAN CAT SWARM OPTIMIZATION (CSO)
| Main Author: | ELLYZA PRIMATYANINGRUM, 081211233015 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2016
|
| Subjects: | |
| Online Access: |
http://repository.unair.ac.id/45313/1/ABSTRAK.pdf http://repository.unair.ac.id/45313/2/MPM.%2084-16%20Pri%20p.pdf http://repository.unair.ac.id/45313/ http://lib.unair.ac.id |
Daftar Isi:
- Masalah pengepakan barang 3D digambarkan dengan njumlah barang yang akan dimasukkan dalam peti kemas dengan tujuan untuk meminimalkan penggunaan panjang peti kemas. Penulisan skripsi ini bertujuan untuk menyelesaikan masalah pengepakan barang 3D menggunakan hybrid GA dan CSO. Genetic Algorithm (GA) merupakan metode optimasi yang menggunakan teori evolusi dan seleksi alam di dalam suatu populasi individu. GA menawarkan pemecahan persoalan dengan pendekatan terhadap solusi optimum global dari permasalahan pengepakan barang 3D.Cat Swarm Optimization (CSO) merupakan salah satu metode heuristic yang dibangun berdasarkan pengamatan perilaku sekumpulan kucing dan terdiri atas dua submode yang menstimulasi kebiasaan kucing yaitu mode seeking dan tracing. Hybrid GA dan CSO merupakan kombinasi dari dua algoritma dengan memproses GA terlebih dahulu kemudian dilanjutkan dengan CSO. Proses algoritma ini dimulai dengan generate populasi awal GA, evaluasi fungsi tujuan, menghitung nilai fitness, seleksi roulette wheel, melakukan proses crossover, melakukan proses mutasi, pemilihan solusi untuk CSO. Pada skripsi ini, proses crossover dan mutasi dalam GA berurut-urut menggunakan one cut point crossover dan inversion mutation. Selanjutnya melakukan proses CSO yang telah dipilih yaitu menyimpan solusi terbaik dari GA,generate kecepatan awal CSO, menentukan SPC, menentukan flag, memproses kucing berdasarkan flag, menentukan global best, dan proses berlanjut sampai maksimum iterasi. Data yang digunakan adalah data 3 tipe dengan 12 unit barang, data 5 tipe dengan 81 unit barang, data 10 tipe dengan 106 unit barang, dan data 20 tipe dengan 110 barang. Algoritma ini diimplementasikan dengan bahasa pemrograman C++ menggunakan software Borland C++. Total penggunaan panjang peti kemas terbaik untuk data 3 tipe dengan 12 unit barang sebesar 119 cm, untuk data 5 tipe dengan 81 unit barang sebesar 857 cm, untuk data 10 tipe dengan 106 barang sebesar 898 cm, dan untuk data 20 tipe dengan 110 unit barang sebesar 927 cm. Berdasarkan hasil yang diperoleh menunjukkan bahwa semakin besar jumlah populasi k dan maxiterasi maka solusi yang didapatkan semakin mendekati solusi yang optimal. Akan tetapi hasil yang diperoleh bergantung pada permasalahan yang diselesaikan.