PENGEPAKAN BARANG 3 DIMENSI (3-D PACKING) PADA PETI KEMAS MENGGUNAKAN HYBRID GENETIC ALGORITHM (GA) DAN FIREFLY ALGORITHM (FA)
| Main Author: | FENNY ANGGI PUTRI DIYANWATI, 081311233096 |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.unair.ac.id/71374/1/KKC%20KK%20MPM.32-18%20Diy%20p%20ABSTRAK.pdf http://repository.unair.ac.id/71374/2/KKC%20KK%20MPM.32-18%20Diy%20p%20SKRIPSI.pdf http://repository.unair.ac.id/71374/ http://lib.unair.ac.id |
Daftar Isi:
- Tujuan dari penulisan skripsi ini adalah untuk menyelesaikan permasalahan pengepakan barang 3 dimensi (3d - packing) pada peti kemas dengan menggunakan Hybrid Genetic Algorithm (GA) dan Firefly Algorithm (FA). Permasalahan pengepakan barang 3 dimensi (3d - packing) merupakan proses penempatan sejumlah barang yang berbentuk persegi kedalam suatu wadah persegi dalam bentuk tiga dimensi dengan tujuan untuk meminimalkan penggunaan ruang dalam wadah yang terpakai. Dalam skripsi ini metode yang digunakan untuk permasalahan pengepakan barang 3 dimensi (3d - packing) pada peti kemas adalah penggabungan Algoritma GA dan FA. GA merupakan algoritma yang menggunakan teori evolusi dan seleksi alam di dalam suatu populasi. Genetic Algorithm (GA) berusaha mendapatkan individu (solusi) yang lebih baik dengan melakukan kombinasi antarindividu yang terbaik. FA merupakan algoritma yang terinspirasi dari perilaku berkedipnya kunang-kunang. Penggabungan algoritma GA-FA adalah kombinasi dari kedua algoritma dengan menyisipkan proses FA setelah proses GA selesai. Umumnya prosesnya dimulai dengan membangkitkan solusi awal, menghitung fungsi tujuan, melakukan proses GA, kemudian solusi akhir GA menjadi populasi awal pada FA, dan dilakukan proses FA. Program penyelesaian permasalahan pengepakan barang 3 dimensi (3d - packing) pada peti kemas dengan menggunakan Hybrid Genetic Algorithm (GA) dan Firefly Algorithm (FA) menggunakan bahasa pemrograman C++ dan diimplementasikan pada tiga contoh kasus yaitu data berukuran kecil (5 tipe barang sejumlah 21 barang), sedang (10 tipe barang sejumlah 106 barang) dan besar (20 tipe barang sejumlah 110 barang). Dari hasil running program, diperoleh hasil fungsi tujuan untuk data berukuran kecil yaitu 913cm, data berukuran sedang yaitu 969cm, dan untuk data berukuran besar yaitu 973cm satuan panjang. Berdasarkan hasil implementasi program pada ketiga contoh kasus dapat disimpulkan bahwa dengan menaikkan jumlah iterasi besarnya panjang dari peti kemas dapat menghasilkan solusi yang lebih optimal.