Cover Image

Optimasi Traveling Salesman Problem with Time Window (TSPTW) Menggunakan Algoritma Genetika: Studi Kasus Rute Antar Jemput Laundry

Main Author: Suprayogi, DwiAries
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2014
Subjects:
005 Computer programming
programs
data
Online Access: http://repository.ub.ac.id/138275/1/01-VRPTW-GA.pdf
http://repository.ub.ac.id/138275/
ctrlnum 138275
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/138275/</relation><title>Optimasi Traveling Salesman Problem with Time Window (TSPTW) Menggunakan Algoritma Genetika: Studi Kasus Rute Antar Jemput Laundry</title><creator>Suprayogi, DwiAries</creator><subject>005 Computer programming, programs, data</subject><description>Optimasi dalam pemilihan rute perjalanan merupakan satu masalah yang paling banyak dibahas dengan pengiriman barang sebagai salah satu contohnya. Pengiriman barang seperti antar jemput laundry dengan beberapa pelanggan yang memiliki waktu khusus untuk menerima barang adalah salah satu problem yang bisa dihadapi dengan banyaknya penyedia jasa laundry. Penghitungan rute terpendek memegang peranan penting karena harus tepat waktu dan dilakukan dalam waktu yang sangat singkat. Berbeda dengan TSP konvensional yang tujuannya adalah untuk meminimalkan jarak, kasus ini juga harus dipertimbangkan waktu datang yang sesuai untuk tiap-tiap pelanggan. Algoritma genetika adalah salah satu algoritma untuk menyelesaikan permasalahan multi objective, sehingga dapat diterapkan untuk masalah pemilihan rute antar jemput laundry. Pencarian solusi untuk permasalahannya adalah dengan mengkombinasikan solusi-solusi (kromosom) yang ada untuk menghasilkan solusi baru dengan menggunakan operator genetika (seleksi, crossover dan mutasi). Untuk mencari solusi terbaik digunakan beberapa kombinasi probabilitas crossover dan mutasi serta ukuran populasi dan ukuran generasi. Dari hasil pengujian kombinasi probabilitas crossover yang terbaik adalah 0.4 dan mutasi adalah 0.6 sedangkan untuk ukuran generasi optimal adalah 2000. Perbedaan data dapat mempengaruhi parameter algoritma genetika.</description><date>2014-06-14</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/138275/1/01-VRPTW-GA.pdf</identifier><identifier> Suprayogi, DwiAries (2014) Optimasi Traveling Salesman Problem with Time Window (TSPTW) Menggunakan Algoritma Genetika: Studi Kasus Rute Antar Jemput Laundry. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FT IK/2014/94/051403421</relation><recordID>138275</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Suprayogi, DwiAries
title Optimasi Traveling Salesman Problem with Time Window (TSPTW) Menggunakan Algoritma Genetika: Studi Kasus Rute Antar Jemput Laundry
publishDate 2014
topic 005 Computer programming
programs
data
url http://repository.ub.ac.id/138275/1/01-VRPTW-GA.pdf
http://repository.ub.ac.id/138275/
contents Optimasi dalam pemilihan rute perjalanan merupakan satu masalah yang paling banyak dibahas dengan pengiriman barang sebagai salah satu contohnya. Pengiriman barang seperti antar jemput laundry dengan beberapa pelanggan yang memiliki waktu khusus untuk menerima barang adalah salah satu problem yang bisa dihadapi dengan banyaknya penyedia jasa laundry. Penghitungan rute terpendek memegang peranan penting karena harus tepat waktu dan dilakukan dalam waktu yang sangat singkat. Berbeda dengan TSP konvensional yang tujuannya adalah untuk meminimalkan jarak, kasus ini juga harus dipertimbangkan waktu datang yang sesuai untuk tiap-tiap pelanggan. Algoritma genetika adalah salah satu algoritma untuk menyelesaikan permasalahan multi objective, sehingga dapat diterapkan untuk masalah pemilihan rute antar jemput laundry. Pencarian solusi untuk permasalahannya adalah dengan mengkombinasikan solusi-solusi (kromosom) yang ada untuk menghasilkan solusi baru dengan menggunakan operator genetika (seleksi, crossover dan mutasi). Untuk mencari solusi terbaik digunakan beberapa kombinasi probabilitas crossover dan mutasi serta ukuran populasi dan ukuran generasi. Dari hasil pengujian kombinasi probabilitas crossover yang terbaik adalah 0.4 dan mutasi adalah 0.6 sedangkan untuk ukuran generasi optimal adalah 2000. Perbedaan data dapat mempengaruhi parameter algoritma genetika.
id IOS4666.138275
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-25T04:09:27Z
last_indexed 2021-10-28T07:27:10Z
recordtype dc
_version_ 1751454863879831552
score 17.538404

Lihat Juga