ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulIMPLEMENTASI ALGORITMA GENETIKA PADA RUTE PENDISTRIBUSIAN KORAN (STUDI KASUS : DISTRIBUSI KORAN RADAR SULTENG) |
| Nama: AKHMAD ABD ROHMAN |
| Tahun: 2019 |
| Abstrak ABSTRAK Permasalahan penentuan rute pendistirbusian koran merupakan permasalahan yang sering terjadi pada seorang loper. Banyaknya permintaan dari pelanggan koran Radar Sulteng harus dipenuhi oleh seorang loper. Seorang loper koran harus menyelesaikan pekerjaannya tepat waktu agar koran yang diantarkannya tidak terlambat sampai ke pelanggan. Travelling Salesman Problem (TSP) adalah metode yang dapat digunakan untuk menyelesaikan permasalahan seorang loper yang harus mengunjungi setiap pelanggan tepat satu kali hingga kembali ketitik awal. Penelitian ini bertujuan menerapkan Algoritma Genetika (AG) pada model TSP untuk membuat sistem penentuan rute pendistribusian koran Radar Sulteng dengan menggunakan Bahasa pemrograman Hypertext Preprocessor (PHP). Dengan sistem ini diharapkan rute pendistribusian koran yang dihasilkan menjadi lebih optimal sehingga meminimalkan waktu tempuh dan biaya perjalanan dan keuntungan yang diperoleh oleh perusahaan lebih maksimal. Algoritma Genetika (AG) merupakan sebuah algoritma yang meniru cara kerja proses genetika pada makhluk hidup, dimana terdapat proses seleksi, rekombinasi dan mutasi untuk mendapatkan kromosom terbaik pada suatu generasi. Salah satu aspek yang mempunyai peranan yang penting dalam menggunakan metode AG adalah penentuan rekombinasi yang melibatkan crossover dan mutasi. Pada penelitian ini, parameter AG yang digunakan untuk menyelesaikan permasalahan TSP untuk loper 1 adalah probabilitas crossover 0.05, probabilitas mutasi 0.5, jumlah kromosom 800 dan jumlah generasi sebanyak 200, dengan memasukan data input berupa 66 pelanggan, fitness terbaik didapatkan pada generasi ke 194 sebesar 24.569 KM dengan waktu komputasi selama 8197,48182371652 detik atau 2 Jam 16 Menit. Kemudian parameter yang digunakan pada loper 2 adalah probabilitas crossover 0.025, probabilitas mutasi 0.6, jumlah kromosom 700 dan jumlah generasi sebanyak 170, dengan memasukan data input berupa 83 pelanggan, fitness terbaik didapatkan pada generasi ke 160 sebesar 74.294 KM dengan waktu komputasi selama 7523,86121121234 detik atau 2 Jam 5 Menit. Kata kunci : Algoritma Genetika (AG), crossover, kromosom, mutasi, Travelling Salesman Problem (TSP). |