BAB I

PENDAHULUAN

1.1 Latar Belakang

Seiring dengan perkembangan zaman, kegiatan dalam dunia industri

semakin berkembang pesat. Kegiatan tersebut ditujukan untuk memenuhi
kebutuhan konsumen. Namun, dalam pelaksanaannya kegiatan tersebut
membutuhkan biaya yang tidak sedikit. Oleh karena itu, pihak industri seharusnya
mempunyai strategi khusus untuk meminimalkan biaya.

Strategi yang digunakan salah satunya yaitu dalam penghematan biaya

logistik. Menurut Mulyadi, (2011) biaya logistik adalah biaya terbesar kedua
yang harus dikeluarkan setelah pembelian material, bahan, dan jasa. Disini ,
tingginya biaya logistik menandakan bahwa belum optimalnya biaya
pendistribusian yang dilakukan oleh pihak industri. Pengoptimalan
pendistribusian barang perlu dilakukan agar biaya logistik menjadi optimal.
Penentuan rute juga harus mempertimbangkan kapasitas dan jarak tempuh
maksimal kendaraan. Penentuan rute kendaraan dengan mempertimbangkan
kapasitas kendaraan pengangkut barang dan jarak tempuh maksimal dari
kendaraan disebut dengan Vehicle Routing Problem (VRP).( Toth dan Vigo,
2002)

Menurut Brado, (1998) Vehivle Routing Problem (VRP) adalah suatu

permasalahan kombinasi yang melibatkan depot dan beberapa pelanggan dengan
lokasi jarak dan jumlah permintaan barang yang telah diketahui, dengan tujuan
menentukan himpunan rute perjalaan yang meminimalkan total jarak tempuh dan
semua permintaan pelanggan dapat terpenuhi. Namun, dalam menentukan rute
yang dipertimbangkan tidak hanya kapasitas dan jarak tempuh maksimal
kendaraan. Keterbatasan waktu operasional dari depot dan pelanggan juga harus
dipertimbangkan dalam menentukan rute perjalanan. Kasus tersebut merupakan
perluasan dari VRP yaitu Multi Trip Vehicle Routing Problem (MTVRP).
 Multi Trip Vehicle Routing Problem (MTVRP) yaitu suatu
permasalahan dari VRP yang diperluas dengan menambahkan multi trip pada
setiap kedaraan dalam mendistribusikan barang kepada pelanggan. MTVRP
mempunyai tambahan kendala yaitu kapasitas barang yang diangkut dan waktu
yang ditempuh dalam rute perjalanan. Setiap kendaraan memiliki lebih dari satu
rute pada periode perencanaan. Hal ini bertujuan untuk menentukan rute yang
efektif untuk meminimalkan biaya distribusi dengan memenuhi kendala yang ada.
Kendala pada MTVRP adalah jumlah permintaan pelangggan tidak boleh
melebihi kapasitas kendaraan dan total waktu termasuk waktu tempuh (travel
time) serta waktu pelayanan (service time) tidak boleh melebihi batas waktu yang
ditentukan, dan setiap pelanggan hanya dilayani oleh satu kendaraan sehingga
dapat ditentukan jumlah kendaraan yang dibutuhkan dengan total jarak tempuh
yang minimum.(Olivera, 2005)

Permasalahan MTVRP merupakan masalah yang sering terjadi dalam

dunia perindustrian sehingga sampai saat ini masih terus dipelajari dan
dikembangkan. Ada banyak pendakatan dan algoritma yang dapat digunakan
mendapatkan solusi yang optimal untuk permasalahan tersebut seperti Genetic
Algorithm (GA), Firefliy Algorithm (FA), Simulted Annealing (SA), Particle
Swarm Optimation (PSO), Cat Swarm Optimazion (CSO) dan lain sebagainya.

Menurut Sandicky, (2000) Genetic Algorithm (GA) adalah salah satu metode
optimasi yang menggunakan teori evolusi dan selesi alam dalam suatu populasi.
Genetic Algorithm (GA) yaitu berusaha mendapatkan individu (solusi) yang lebih
baik dengan menyilangkan antar individu yang terbaik. Genetic Algorithm (GA)
mengesampingkan individu yang mempunyai nilai fitness atau nilai kendala yang
kecil dan menghasilkan banyak individu yang lebih baik dengan dengan
melakukan rekombinasi antar individu yang terbaik. Kelebihan dari Genetic
Algorithm (GA) ini dapat dilihat dari kemudahan dalam pengimplementasian dan
kemampuannya dalam menemukan solusi yang terbaik secara tepat terlebih untuk
masalah – masalah yang mempunyai banyak kendala.(Suyanto,2005)
 Firefly Algorithm (FA) atau biasa disebut Algoritma Kunang-Kunang yaitu
Algoritma yang terinspirasi dari perilaku berkedipnya kunang-kunang. Pada tahun
2008 di Universitas Cambridge, Dr Xhin-she Yang memperkenalkan Algoritma
ini. Menurut Yang, (2010) ada tiga hal yang yang menjadi dasar dari Firefly
Algorithm (FA) ini. Pertama, kunang-kunang akan lebih tertarik dengan kunang-
kunang lainnya yang mempunyai cahaya lebih terang. Kedua, intensitas cahaya
atau kecerahan kunang-kunang ditentukan oleh nilai fungsi tujuan dari masalah
yang telah diberikan. Ketiga, seiring dengan bertambahnya jarak intensitas cahaya
kunang-kunang akan berkurang. Firefly Algorithm (FA) dapat disimpulkan
merupakan algoritma yang sangat efisien dengan implementasi serta konsep yang
sederhana dalam memecahkan banyak masalah optimasi. Hal tersebut
menunjukkan bahwa Firefly Algorithm lebih unggul dalam menemukan solusi
yang optimal dengan cepat dibandingkan dengan Particle Swarm Optimazion
(PSO) dan algoritma konvensional lainnya.(Yang,2014)

Dari uraian diatas, sangat menarik untuk menggunakan Hybrid

Genetic Algorithm (GA) dan Firefly Algorithm untuk penyelesaian permasalahan
Multi Trip Vehicle Routing Problem (MTVRP). Dimana hybrid adalah gabungan
antara Genetic Algoritm (GA) dengan Firfly Algoritm (FA). Dalam penggabungan
dua algoritma ini FA memperbaiki penemuan rute-rute dengan cepat yang telah
dihasilkan pada algoritma GA sebagai alternative penyelesaian Multi Trip Vehicle
Routing Problem. Perbaikan penemuan rute-rute tersebut dengan cepat
diharapkan dapat menemukan solusi yang terbaik, sehingga diharapkan dapat
dihasilkan total jarak yang minimum.

1.2 Rumusan Masalah

Berdasarkan latar belakang di atas , maka dapat dirumuskan permasalahan

sebagai berikut :
1. Bagaimana menyelesaiakan Hybrid Genetic Algorithm (GA) dan Firefly
Algorithm untuk penyelesaian permasalahan Multi Trip Vehicle Routing
Problem (MTVRP)?
2. Bagaimana membuat Program yang digunakan untuk menyelesaikan Hybrid
Genetic Algorithm (GA) dan Firefly Algorithm untuk penyelesaian
permasalahan Multi Trip Vehicle Routing Problem (MTVRP)?
3. Bagaimana implementasi program Hybrid Genetic Algorithm (GA) dan
Firefly Algorithm untuk penyelesaian permasalahan Multi Trip Vehicle
Routing Problem (MTVRP) pada contoh kasus?
1.3 Tujuan
Berdasarkan Rumusan Masalah di atas, maka dapat diperoleh tujuan sebagai
berikut :
1.