Hibridisasi Algoritme Genetika Adaptif Dan Variable Neighborhood Search pada Optimasi Penyimpanan Produk
| Main Author: | Rikatsih, Nindynar |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/177830/1/Nindynar%20Rikatsih%20%282%29.pdf http://repository.ub.ac.id/177830/ |
Daftar Isi:
- Penyimpanan produk memiliki peran penting dalam menjaga ketersediaan dan kualitas produk untuk memperoleh keuntungan yang maksimal. Keuntungan dipengaruhi oleh hasil penjualan dan biaya yang telah dikeluarkan. Produk dengan harga jual yang tinggi dipasok oleh pedagang besar lebih banyak dibanding produk dengan harga jual yang rendah. Namun tidak semua produk dapat terjual habis dalam satu kurun waktu tertentu. Produk yang tidak habis terjual selanjutnya disimpan dan dapat menyebabkan penurunan harga. Sehingga, jika produk dengan harga jual yang tinggi dipasok lebih banyak belum tentu memberikan keuntungan lebih besar karena dapat juga memberikan kerugian yang lebih tinggi. Persoalan yang diangkat pada penelitian ini ialah bagaimana mengoptimasi jumlah produk yang disimpan berdasarkan harga beli, harga jual dan jumlah stok yang tersedia. Pada penelitian ini, diusulkan Algoritme Genetika yang terbukti cukup efektif digunakan untuk menyelesaikan permasalahan optimasi. Namun, Algoritme Genetika sering kali terjebak pada solusi optimum lokal dikarenakan Algoritme Genetika memiliki kelemahan yaitu adanya ruang pencarian yang luas. Salah satu metode yang dapat digunakan untuk memperbaiki kelemahan pada Algoritme Genetika adalah Variable Neighborhood Search (VNS). Algoritme Genetika terdiri dari beberapa langkah diantaranya inisialisasi populasi, reproduksi, evaluasi dan seleksi. Pada penelitian ini diterapkan Hibridisasi Algoritme Genetika Adaptif dan VNS (Adaptive GA-VNS) dengan VNS yang diterapkan pada proses evaluasi hasil reproduksi Algoritme Genetika untuk memperbaiki individu yang terpilih. Hasil pengujian menunjukan bahwa meskipun memerlukan waktu komputasi yang lebih lama, Hibridisasi Adaptive GA-VNS memberikan hasil yang lebih baik dibandingkan Algoritme Genetika konvensional dan VNS mengacu pada nilai fitness yang lebih besar yaitu 0,95 dibandingkan Algoritme Genetika konvensional dengan nilai fitness 0,66.