Cover Image

Optimasi Distribusi Multi-Level Multi-Produk Menggunakan Hibridisasi Algoritma Genetika Adaptif Dan Simulated Annealing

Main Author: Sarwani, MohammadZoqi
Format: Thesis NonPeerReviewed
Terbitan: , 2017
Subjects:
005.1 Programming
Online Access: http://repository.ub.ac.id/155404/
ctrlnum 155404
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/155404/</relation><title>Optimasi Distribusi Multi-Level Multi-Produk Menggunakan Hibridisasi Algoritma Genetika Adaptif Dan Simulated Annealing</title><creator>Sarwani, MohammadZoqi</creator><subject>005.1 Programming</subject><description> Setiap perusahaan tidak bisa terlepas dari permasalahan dsitiibusi, karena proses distribusi merupakan salah satu faktor yang dapat mempengaruhi berkembangnya perusahaan. Beberapa perusahaan membuat model distribusi untuk mengoptimalkan biaya distribusi. Perusahaan tidak secara langsung mengirim produk dari produsen ke konsumen, melainkan membuat beberapa perantara seperti pusat distributor, agen dan retail. Model distribusi tersebut disebut distribusi multi-level. Permasalahan distribusi merupakan permasalahan yang kompleks. Untuk mendapatkan total biaya minimum pada proses distribusi dibutuhkan strategi yang tepat. Untuk menyelesaikan permasalahan distribusi tersebut maka digunakan algoritma genetika (GAs) yang sudah terbukti mampu menyelesaikan berbagai macam permasalahan optimasi dan kombinatorial. Namun, GAs memiliki kekurangan yang sering terjebak pada optimum lokal sehingga dilakukan improvisasi pada GA dengan mengadaptifkan parameter crossover rate (CR) dan mutation rate (MR). Tujuan dari improvisasi adalah untuk menjaga keragaman kromosom atau individu pada setiap generasi. Meskiipun hasil yang diperoleh lebih baik dibandingkan GAs klasik, hasil GAs adaptif masih bisa untuk lebih dioptimalkan lagi dengan mengoptimasinya menggunakan algoritma simulated annealing (SA). SA dipilih karena memiliki kemampuan untuk mencari solusi tetangga pada proses inner iteration. Selain itu, SA juga memiliki kemampuan untuk mempertimbangkan solusi yang tidak lebih baik menggunakan probabilitas sehingga mampu memberikan solusi yang lebih baik. Proses uji coba dilakukan dengan mengeksekusi setiap metode sebanyak 10 kali dan setiap eksekusi dilakukan selama 10 menit. Hasil uji coba antara metode pembanding seperti random search (RS), simulated annealing (SA), GAs klasik, GAs Adaptif, dan Hibridisasi GAs-SA dengan metode Hibridisasi GAs adaptif-SA didapatkan hasil metode Hibridisasi GAs Adaptif-SA ampu memberikan solusi yang lebih baik dengan pengingkatan yang ckup signifikan. &#xD; </description><date>2017-01-12</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><identifier> Sarwani, MohammadZoqi (2017) Optimasi Distribusi Multi-Level Multi-Produk Menggunakan Hibridisasi Algoritma Genetika Adaptif Dan Simulated Annealing. Magister thesis, Universitas Brawijaya. </identifier><relation>TES/005.1/SAR/o/2017/041700779</relation><recordID>155404</recordID></dc>
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
author Sarwani, MohammadZoqi
title Optimasi Distribusi Multi-Level Multi-Produk Menggunakan Hibridisasi Algoritma Genetika Adaptif Dan Simulated Annealing
publishDate 2017
topic 005.1 Programming
url http://repository.ub.ac.id/155404/
contents Setiap perusahaan tidak bisa terlepas dari permasalahan dsitiibusi, karena proses distribusi merupakan salah satu faktor yang dapat mempengaruhi berkembangnya perusahaan. Beberapa perusahaan membuat model distribusi untuk mengoptimalkan biaya distribusi. Perusahaan tidak secara langsung mengirim produk dari produsen ke konsumen, melainkan membuat beberapa perantara seperti pusat distributor, agen dan retail. Model distribusi tersebut disebut distribusi multi-level. Permasalahan distribusi merupakan permasalahan yang kompleks. Untuk mendapatkan total biaya minimum pada proses distribusi dibutuhkan strategi yang tepat. Untuk menyelesaikan permasalahan distribusi tersebut maka digunakan algoritma genetika (GAs) yang sudah terbukti mampu menyelesaikan berbagai macam permasalahan optimasi dan kombinatorial. Namun, GAs memiliki kekurangan yang sering terjebak pada optimum lokal sehingga dilakukan improvisasi pada GA dengan mengadaptifkan parameter crossover rate (CR) dan mutation rate (MR). Tujuan dari improvisasi adalah untuk menjaga keragaman kromosom atau individu pada setiap generasi. Meskiipun hasil yang diperoleh lebih baik dibandingkan GAs klasik, hasil GAs adaptif masih bisa untuk lebih dioptimalkan lagi dengan mengoptimasinya menggunakan algoritma simulated annealing (SA). SA dipilih karena memiliki kemampuan untuk mencari solusi tetangga pada proses inner iteration. Selain itu, SA juga memiliki kemampuan untuk mempertimbangkan solusi yang tidak lebih baik menggunakan probabilitas sehingga mampu memberikan solusi yang lebih baik. Proses uji coba dilakukan dengan mengeksekusi setiap metode sebanyak 10 kali dan setiap eksekusi dilakukan selama 10 menit. Hasil uji coba antara metode pembanding seperti random search (RS), simulated annealing (SA), GAs klasik, GAs Adaptif, dan Hibridisasi GAs-SA dengan metode Hibridisasi GAs adaptif-SA didapatkan hasil metode Hibridisasi GAs Adaptif-SA ampu memberikan solusi yang lebih baik dengan pengingkatan yang ckup signifikan.
id IOS4666.155404
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 2021-10-27T08:55:37Z
last_indexed 2021-10-28T07:41:31Z
recordtype dc
_version_ 1751454408933113856
score 17.538404

Lihat Juga