International Journal Matematika dan Statistik Invention (IJMSI) E-ISSN:

2321-4767 P-ISSN: 2321-4759

www.ijmsi.org Volume 5 Issue 3 || Maret. 2017 || PP-08-17

Pendekatan Minimum Spanning Tree of Pemecahan

masalah transportasi

Akpan, NP & IWOK, IA

Departemen Matematika dan Statistik, University of Port Harcourt, Nigeria

ABSTRAK: pekerjaan ini berpusat pada masalah transportasi dalam pengiriman palung kabel untuk instalasi kabel bawah tanah dari tiga
pasokan berakhir sampai empat lokasi di lokasi konstruksi di mana mereka dibutuhkan; dalam hal ini, kami berusaha untuk meminimalkan
biaya pengiriman. Masalahnya dimodelkan menjadi representasi jaringan bipartit dan diselesaikan dengan menggunakan metode Kruskal
pohon spanning minimum; setelah solusi dikonfirmasi dengan software Optimization TORA versi 2.00. Hasil penelitian menunjukkan bahwa
biaya yang diperoleh dalam pengiriman palung kabel bawah penerapan metode, yang AED 2.022.000 (di Uni Emirat Dollar), lebih efektif
daripada yang diperoleh dari heuristik belaka jika dibandingkan.

KATA KUNCI: minimum spanning tree, Networking, routing, grafik, pohon rentang dan solusi optimal, algoritma Kruskal.

SAYA.PENGANTAR
Transportasi merupakan salah satu kunci atau unit penting dalam setiap organisasi. Mungkin sulit untuk sektor ini untuk diabaikan dalam pengambilan
keputusan manajerial. Hal ini karena barang dan sumber daya lainnya yang langka kemungkinan akan didistribusikan dari satu titik ke titik yang lain. Oleh karena itu,
perencanaan yang baik atau optimal tidak dapat dihindari atau diperlukan sehingga dapat meminimalkan biaya transportasi barang-barang tersebut sehingga dapat
memaksimalkan keuntungan bagi organisasi. Para peneliti telah melakukan banyak di daerah ini, namun banyak yang masih perlu dilakukan. Dalam penelitian ini, kami
telah memutuskan untuk memanfaatkan konsep minimum spanning tree (MST) untuk menyediakan jaringan palung kabel dari penelitian yang dilakukan oleh Basel et
al (2015) yang hanya memberikan solusi optimal menggunakan barang lunak yang berbeda tanpa menunjukkan solusi dalam rincian.

II. TINJAUAN PUSTAKA

Nicolic (2007) bekerja pada keseluruhan masalah transportasi waktu meminimalkan menggunakan dua fungsi varian yang tergantung
waktu. Kedua efisiensi transportasi dari perspektif waktu dan fungsi total waktu transportasi yang mengoptimalkan melalui rute mereka. Kadhim et
al (2015) mengusulkan pendekatan baru untuk memecahkan masalah transportasi menggunakan dimodifikasi algoritma Kruskal. Pendekatan itu
bias grafik teori sementara yang didukung oleh kruskalalgorithm untuk menemukan pohon spanning minimum (MST). Pendekatan ini mampu
memberikan kriteria konvergensi lebih cepat dalam memenuhi solusi yang layak minimum.

Basel et al (2015) bekerja pada rencana transportasi di mana palung kabel yang dikirimkan dari berbagai lokasi sumber ke situs tujuan
mereka konstruksi. Mereka mampu meminimalkan biaya, tetapi juga mengamati bahwa model yang berbeda alat- Excel solver, Lingo / Lindo, MPL
/ Cplexetc, dapat mengakibatkan alokasi pengiriman yang berbeda. Namun, semua model yang digunakan mengakibatkan solusi yang optimal dari
AED80,000. Charles (2015) diterapkan algoritma Prim`s untuk masalah spanning minimal dengan merancang jaringan area lokal di Chuka
University, Kenya. Dia mampu meminimalkan total biaya dari berbagai bangunan Universitas interkoneksi yang diwakili oleh node dengan jaringan
serat optik ..

Ibrahaim (2007) bekerja pada algoritma grafik dan masalah jalur terpendek dengan aplikasi untuk cara kereta ganda di Sokoto Metropolis
menggunakan algoritma Djikstra`s. Dia juga dapat memperoleh pohon merentang minimum (MST) untuk masalah tersebut. Arogundele et al (2011)
yang digunakan algoritma Prim`s untuk model jaringan akses lokal di pemerintah daerah Odeda di salah satu negara bagian di Nigeria. Sebuah
pohon rentang minimum untuk grafik yang dihasilkan untuk biaya pelayanan yang efektif dalam pemerintah daerah. Donkoh et al (2011) diterapkan
algoritma Prim`s dan algoritma pohon Steiner dengan metode peringkat faktor untuk mendapatkan sambungan pipa yang optimal untuk proyek pipa
Gas Afrika Barat. Hasilnya mereka memberikan sekitar pengurangan 10,3% dari berat asli sebagai dikumpulkan dari pipa Gas Afrika Barat
(organisasi yang bertanggung jawab untuk penyediaan gas dan pipa).

AKU AKU AKU. PENDEKATAN STUDI

(1) Mewakili transportasi sebagai diagram aliran jaringan (2) Melaksanakan iterasi untuk mendapatkan pohon merentang minimum dari jaringan, menggunakan
algoritma khusus untuk MST (3) Menggambarkan semua kemungkinan mencakup diagram pohon lain dari jaringan, menggunakan heuristik sederhana (4) Menghitung
dan membandingkan tujuan semua pohon spanning termasuk yang dari MST dan membenarkan

Pilihan nilai MST sebagai solusi optimal kami

www.ijmsi.org 8 | Halaman
 Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

(5) Mengembangkan diagram alur dan program komputer yang akan memecahkan masalah secara real time dan dengan optimal
ketepatan.

METODOLOGI
Penelitian ini berkaitan dengan dua pendekatan yang berbeda untuk memecahkan masalah transportasi dengan metode minimum
spanning tree. Tapi untuk melanjutkan ini, pertama kita akan meninjau konsep dasar dari masalah transportasi, merumuskan model;
mempertimbangkan berbagai metode lain mendekati itu, dan akhirnya, metode yang dipilih untuk mendapatkan solusi yang optimal di sini.

Formulasi Matematika Of The Transportasi Masalah

Masalah umum dapat didekati dengan cara yang dijelaskan sebagai berikut:
Dengan asumsi kita untuk mendistribusikan komoditas • dari sejumlah pabrik di mana mereka diproduksi dalam pengaturan masyarakat
pedesaan (katakanlah • pabrik) ke beberapa gudang di daerah perkotaan yang terletak di pusat pasar yang berbeda-beda mereka (katakanlah • gudang).
Misalkan juga kita mengatakan bahwa total pasokan barang yang akan dikirim keluar dari masing-masing pabrik . dan jumlah barang yang diminta oleh
berbagai lokasi gudang •. Biarkan biaya distribusi barang-barang antara berbagai pabrik dan warehousesbe yang •. Variabel-variabel berikut dapat
didefinisikan untuk masalah transportasi:

• • menunjukkan total barang dari pabrik •, dimana • = 1,2, ..., •

• • menunjukkan total permintaan atas barang di gudang •; dimana • = 1,2, ..., • • •• menunjukkan
biaya unit transportasi dari pabrik • ke gudang • • •• menandakan jumlah barang yang
didistribusikan dari pabrik • ke gudang • .

Jika • = 1 •• = 1 • •• • •• •• =

Kemudian fungsi tujuan kami adalah,

min • = 1 •• = 1 • •• • •• •• =
Tunduk pada kendala berikut:
••=1
• •• ≤ • saya (Supply kendala)
••=1
• •• ≥ • j (Demand kendala)
• •• ≥ 0 (Non-negatif kendala)
•• = 1 i = •• = 1 j
• • (Balance kendala)
Representasi matematis umum dari masalah transportasi adalah demikian:

min • = • •• • •• •
•=1 •=1•

Tunduk pada:
••=1
• •• ≤ • • ( ∀ •; • = 1,2, ..., •) (1)

• •• ≥ • • • • = 1 ( ∀ •; • = 1,2, ..., • ) (2)

• •• ≥ 0 ( 3)

Ringkasan kendala (1) dan (2), dinyatakan sebagai kondisi ketidaksetaraan, didasarkan pada asumsi bahwa ada beberapa pusat permintaan yang
harus dipenuhi oleh beberapa pusat pasokan dalam masalah transportasi yang khas

IV. TRANSPORTASI TABLEAU

Masalah transportasi di sini diwakili dalam tabel yang disebut transportasi tablo.
Tujuan ( j)
SUMBER ( saya) D1 D2 ------------- - D n PENAWARAN (a saya)

S1 C 11 X 11 C 12 X 12 ------------- - C 1n X 1n Sebuah 1

S2 C 21 X 21 C 22 X 22 ------------- - C 2n X 2n Sebuah 2

Sm C m1 X m1 C m2 X m2 ------------- - C M N X M N Sebuah m

Demand (b j) b1 b2 -------------- bn •• = 1 i =
• •• = 1
•
Tabel 1. transportasi Tableau

diagram jaringan dari masalah transportasi:

Masalah transportasi juga dapat disajikan sebagai model jaringan dengan m node pasokan dan n node permintaan.

www.ijmsi.org 9 | Halaman
 Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

Menyediakan Permintaan

Seimbang Dan tidak seimbang Masalah Transportasi

Sebuah kasus yang khas dari masalah transportasi dalam kenyataannya paling sering tidak muncul seimbang-yaitu jumlah barang yang
•• = 1 saya ≠ •• = 1 j). Seperti itu
diminta tidak selalu sama dengan jumlah total barang yang disediakan ( • •
bentuk masalah transportasi disebut masalah transportasi tidak seimbang, di mana persamaan (3) di antara kendala set afore-terdaftar
dilanggar.
pelanggaran seperti kendala keseimbangan menyajikan sendiri di salah satu dari dua kasus yang berbeda seperti yang akan kita lihat dalam berikut:

•• = 1 I> •• = 1: hal ini adalah di mana kita memiliki total pasokan melebihi permintaan total. Untuk memperbaiki ini, variabel dummy
• • •
•• = 1 I -
ditambahkan ke kendala permintaan untuk menutupi kekurangan; dan perbedaan •
•• = 1 menjadi permintaan menyimpulkan untuk itu variabel dummy
•
•• = 1 I < •• = 1: kasus kedua ini dari jenis yang tidak seimbang dari masalah transportasi adalah kasus di mana total pasokan terlampaui oleh
• • •
permintaan total oleh beberapa jumlah. Untuk memperbaiki ini, sekali lagi, kami memperkenalkan variabel dummy; dan perbedaan
•• = 1 i - •• = 1 j menjadi kapasitas untuk pusat pasokan dummy.
• •

Memperoleh The Optimal Solution

Seperti yang telah kita sebelumnya mengatakan, metode yang akan digunakan dalam pekerjaan ini adalah metode minimum spanning tree. Metode ini
terbaik dapat didekati algorithmically menggunakan salah satu dari dua algoritma khusus untuk pohon rentang minimum, yang disebut algoritma Kruskal dan
algoritma Prim.
Dalam menerapkan metode, kami bekerja langsung pada model jaringan masalah transportasi kita, bukan pada tablo seperti dalam
metode populer lainnya.

Koleksi data dan analisis

Tujuan dari masalah transportasi adalah untuk meminimalkan biaya transportasi barang dari daerah sumber ke lokasi tujuan sebanyak
mungkin. Data yang digunakan di sini untuk analisis adalah data sekunder.

V. PENGUMPULAN DATA
Data yang digunakan dalam penelitian ini diperoleh dari pekerjaan yang dilakukan oleh Basel et al (2015)• Teknik •Optimization di Pekerjaan
Sipil dan Persetujuan Listrik• yang diterbitkan di bawah IEOM Society.•
Masalah yang digambarkan di sini adalah sebuah proyek kehidupan nyata di lapangan, meliputi pemasangan sirkuit kabel bawah tanah antara
dua stasiun jaringan. palung kabel yang dikirimkan dari tiga pemasok yang berbeda: Pemasok 1, Supplier 2, dan Supplier 3. Mereka dikumpulkan di empat
lokasi yang berbeda di lokasi konstruksi yaitu: Sec1, sec2, Sec3, dan Sec4. Tujuan kami di sini, menggunakan algoritma Kruskal untuk pohon rentang
minimum, adalah untuk mencari tahu yang berencana untuk menugaskan pengiriman akan meminimalkan biaya pengiriman total, tunduk pada
pembatasan yang diberlakukan oleh output tetap dari setiap pemasok dan alokasi tetap di setiap lokasi di situs.

Untuk masalah ini, data yang harus dikumpulkan termasuk tiga kategori: output dari masing-masing sumber (Supply), alokasi pada
setiap tujuan (Demand), biaya per unit dikirim dari setiap sumber ke setiap tujuan (Dalam AED). Departemen pengadaan di perusahaan yang
terlibat memberikan data yang diperlukan untuk kategori pertama dan ketiga di atas. Insinyur mengawasi pekerjaan di masing-masing empat
lokasi di situs yang disediakan data kategori kedua. Biaya dari setiap akhir pasokan untuk setiap lokasi tergantung pada jarak, sifat jalan, dan
waktu pengiriman.

www.ijmsi.org 10 | Halaman
 Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

Karena setiap perjalanan bisa memuat empat palung, biaya pengiriman per palung dapat ditemukan dengan membagi biaya pengiriman per
perjalanan dengan 4. Informasi ini penawaran dan permintaan (dalam satuan palung kabel), bersama dengan biaya pengiriman per palung kabel untuk setiap
kombinasi pemasok-lokasi diberikan dalam Tabel di bawah ini.

tabl e 2. pengiriman d ata untuk transportati yang Hai n masalah

LOKASI PADA SITUS
PEMASOK SEC1 sec2 SEC3 SEC4 KAPASITAS
AL MERAIKHY 175 250 325 225 600
UPC 225 300 375 275 2516
EPC 500 550 625 525 2220
ALOKASI 2068 2168 788 312 5336

Table.3 ne twork representasi dari masalah ini seperti yang ditunjukkan b elow:
poin permintaan / Pasokan AL MERAIKHY UPC EPC SEC1 sec2 SEC3 SEC4
Nama variabel S1 S2 S3 D1 D2 D3 D4

Menerapkan Kruskal Algoritma Pada Jaringan

Gambar 1

www.ijmsi.org 11 | Halaman
Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

Gbr.2

Gbr.3

Gbr.4

www.ijmsi.org 12 | Halaman
 Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

Gambar. 5

Gambar. 6

Minimum Spanning Tree:

Gambar. 7

www.ijmsi.org 13 | Halaman
 Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

Meja represen tasi dari Kruskal Algo rithm

N EDGE BIAYA KRUSKAL Langkah 1 KRUSKAL STEP2 BIAYA = 175 * 600 KRUSKAL STEP3 BIAYA = 175 * 600 + 225 * 1468 +
BIAYA = 175 * 600 + 225 * 1468 275 * 312 = 521.100

1 S1D1 175 X X X
2 S1D4 225
3 S2D1 225 X X
4 S1D2 250
5 S2D4 275 X
6 S2D2 300
7 S1D3 325
8 S2D3 375
9 S3D1 500
10 S3D4 525
11 S3D2 550
12 S3D3 625

N EDGE BIAYA KRUSKAL Step4 KRUSKAL Step5 BIAYA = 741.900 + KRUSKAL STEP6 BIAYA = 1.529.500 + 625 * 788
BIAYA = 521.100 + 300 * 736 = 550 * 1432 = 1.529.500 = 2.022.000
741.900
1 S1D1 175 X X X
2 S1D4 225
3 S2D1 225 X X X
4 S1D2 250
5 S2D4 275 X X X
6 S2D2 300 X X X
7 S1D3 325
8 S2D3 375
9 S3D1 500
10 S3D4 525
11 S3D2 550 X X
12 S3D3 625 X
MIN Z = C 12 X 12+ C 21 X 21+ C 24 X 24+ C 22 X 22 + C 32 X 32+ C 33 X 33;
MIN Z = (175x600) + (225x1468) + (275x312) + (300x736) + (550x1432) + (625x788)
= 2022000 (AED)
Konfirmasi dari solusi optimal yang diperoleh dalam TORA Optimasi sistem Software versi 2.00 ditemukan dalam Lampiran A.

POHON SPANNING LAIN DARI TRANSPORTASI KASUS DARI heuristik MERE:

Gambar. 8

C 1 = 2.710.900 (AED)

Gambar. 9

C 2 = 2.737.600 (AED)

www.ijmsi.org 14 | Halaman
 Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

Gambar. 10

C 3 = 3.408.100 (AED)

Gambar. 11

S1

C 4 = 2.397.800 (AED)

Gbr.12

C 5 = 2.560.100 (AED)

www.ijmsi.org 15 | Halaman
 Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

Gambar. 13

C 6 = 2.178.000 (AED)

Gbr.14

C 7 = 3.437.500 (AED)

Membandingkan Semua Pohon Spanning (Dari Heuristik Dan Kruskal)

Dengan asumsi Min Z = 2.022.000 = C 0, maka kita mempertimbangkan distribusi ketidaksamaan berikut dan membenarkan pilihan kami untuk memilih Kruskal pohon
rentang sebagai solusi optimal kami:
C 7> C 3> C 2> C 1> C 5> C 4> C 6> C 0
Oleh karena itu Gbr.7 adalah solusi optimal untuk masalah transportasi.

VI. RINGKASAN
Dibandingkan dengan bekerja dari mana data kami bersumber, diamati bahwa solusi optimal diperoleh dalam pekerjaan itu diperoleh
langsung dari Excel Solver, tanpa detail dari routing yang tepat; tetapi dalam pekerjaan ini solusi optimal itu tiba di grafis, yang menunjukkan
dalam detail pola routing yang menyebabkan itu diwakili oleh pohon-pohon dan akhirnya pohon rentang.

Logistik pohon merentang minimum diperoleh di sini digambarkan sebagai demikian: untuk mencapai distribusi costeffective: Al
Meraikhy (S1) hanya harus menyampaikan ke Sec1 (D1); sementara UPC saham ini pengiriman antara Sec1, sec2, dan Sec4 (yang D1, D2, D4
masing-masing); kemudian EPC, unit catu ketiga, adalah untuk berbagi pengiriman antara sec2 dan Sec3 (D2 dan D3). Dan hasilnya memberikan
solusi optimal dari AED 2.022.000

www.ijmsi.org 16 | Halaman
 Pendekatan Minimum Spanning Tree Of Pemecahan A Transportasi Masalah

VII. KESIMPULAN DAN SARAN

Masalah transportasi masih menjadi masalah besar di perusahaan distribusi, dan karena itu harus efektif diberikan perhatian manajerial akan.
Optimalisasi biaya transportasi yang diperlukan untuk memenuhi tujuan keuntungan di perusahaan-perusahaan tersebut; sebaliknya, perusahaan mungkin
menjalankan risiko menempatkan organisasi mereka secara bertahap ke dalam kebangkrutan. Seperti yang telah kita amati dalam bekerja, heuristik hanya
tidak bisa cukup untuk memecahkan masalah transportasi, tapi penerapan teknik yang efektif seperti yang kita telah disajikan di sini dengan metode
minimum spanning tree. Dengan metode ini, kami mampu mengoptimalkan biaya pengangkutan palung kabel yang dibutuhkan untuk instalasi kabel bawah
tanah di lokasi konstruksi, dan solusi optimal memberikan AED 2.022.000; yang, dibandingkan dengan pendekatan heuristik belaka, adalah lebih hemat
biaya.

Apa pekerjaan ini telah dilakukan dalam ringkasan adalah untuk merangsang perusahaan acuh tak acuh yang tidak berusaha untuk
mengoptimalkan untuk mencapai layanan hemat biaya dan tumbuh margin keuntungan. Hal ini di sini disarankan bahwa setiap perusahaan berkembang yang
ke bisnis distribusi harus karenanya menerapkan teknik seperti algoritma Kruskal, sehingga mereka akan mampu meminimalkan biaya distribusi barang atau
jasa mereka.

REFERENSI
[1]. Aljanabi, KB, & Jasim, AN (2015) Pendekatan .an untuk Memecahkan Masalah Transportasi Menggunakan Modified Algoritma Kruskal. International Journal of
Science and Research (IJSR), 4 ( 7), 2426-2429.
[2]. Arogundade, OT, Sobowale, B., & Akinwale, AT (2011) .Prim Algoritma Pendekatan Meningkatkan Jaringan Akses Lokal di Pedesaan. Jurnal
Internasional Teori Komputer dan Teknik, 3 ( 3), 413.
[3]. Basel, AA, Amani, A., Khaled E., Mansoor A., ​& Rashed, A. (2015) .Optimization Techniquesin Pekerjaan Sipil dan Persetujuan Listrik. Prosiding
Konferensi Internasional 2015 di Operasi Excellence Teknik dan Layanan Orlando, Florida, Amerika Serikat, 10-11 September 2015, 807-817. [4].

Donkoh, EK, Amponsah, SK, & Darkwa, KF (2011) .Optimal sambungan pipa untuk proyek pipa gas Afrika Barat. Penelitian Journal of Applied
Sciences, Teknik dan Teknologi, 3 ( 2), 67-73.
[5]. Gitonga, CK (2015). Algoritma Prims dan Aplikasi dalam Desain Universitas LAN Networks. International Journal, 3 ( 10).

[6]. Ibrahim, AA (2007). algoritma grafik dan masalah jalan terpendek: Kasus algoritma Djikstra dan cara kereta ganda di metropolis Sokoto. Tren Terapan
Sci. res, 2, 348-353.
[7]. Nikolić, I. (2007). Total waktu meminimalkan masalah transportasi. Yugoslavia Journal of Operations Research, 17 ( 1), 125-133.

www.ijmsi.org 17 | Halaman