Penyelesaian Permasalahan VRP pada

Pendistribusian Alpukat CV Almon

pratama dengan Menggunakan
Algoritma GENETIKA
Ahmad Syarif N.A (081811233058)
Difandi Wahyu H.R (081811233077)
Muhammad Fajrul Iman (081811233040)
Miftakhul Huda (081811233072)
 Buah alpukat merupakan buah yang digemari oleh mayoritas
karena rasanya yang enak dan bersahabat dilidah semua kalangan.
Menurut PPAI, Jumlah konsumsi alpukat masyarakat Indonesia
sangatlah tinggi 200-300 ton/bulannya. dengan permintaan yang
tinggi ini banyak yang berprofesi untuk menjadi distributor alpukat
yang mana menjadi penyalur hasil panen petani local agar bisa
dinikmati masyarakat luas. Proses distribusi menjadi factor yang
sangat dipertimbangkan dalam menjadi distributor, semakin efektif
dalam proses pendistribusian ke semua pelanggan maka semakin
banyak keuntungan yang didapatkan.

Salah satu distributor alpukat di Jawa Timur adalah CV Almon

Pratama. CV Almon pratama merupakan distributor alpukat selama
kurang lebih 9 tahun. Supplier ini mengambil buah dari petani local
yang berada di daerah Lawang, Pasuruan,Lumajang Bali dan Lombok
untuk didistribusikan ke pelanggan-pelanggan yang berlokasi di
wilayah Sidoarjo dan Surabaya.
 Pak Heri adalah pemilik CV Almon pratama yang
merupakan distributor alpukat yang berasal dari Pasuruan.
Beliau telah memulai usahanya kurang lebih sudah 9 tahun.
Selain keliling, beliau juga melayani pesanan di daerah
Surabaya dan Sidoarjo dengan pesanan minimal 2 peti (50 kg).
Akhir-akhir ini beliau sering mengeluh bahwa biaya
pendistribusian membengkak. Hal ini dikarenakan proses
pendistribusian yang kurang efektif. Biasanya Pak Heri harus
bolak balik mengantarkan pesanan dikarenakan belum adanya
penjadwalan, yang mana biasanya beliau mengantar pesanan
hanya saat ada pesanan sehingga biaya pengiriman
membengkak dan juga banyak waktu yang terbuang
dikarenakan rute yang tidak menentu.
1. Bagaimana strategi untuk menekan biaya operasional pendistribusian alpukat
pada permasalahan CV Almon Pratama?

2. Bagaimana implementasi algoritma genetika untuk menyelesaikan

permasalahan pendistribusian alpukat CV Almon Pratama ?

3. Bagaimana hasil rute distribusi alpukat ke setiap pelanggan dengan

mempertimbangkan kapasitas mobil angkut dan permintaan setiap pelanggan ?
Untuk mengetahui strategi yang tepat dalam penyelesaian permasalahan
pendistribusian alpukat CV Almon Pratama

Untuk menginplemetasikan algoritma tabu search dalam menyelesaikan

permasalahan pendistribusian alpukat CV Almon Pratama

Untuk mengetahui hasil hasil rute distribusi alpukat ke setiap pelanggan dengan
mempertimbangkan kapasitas mobil angkut dan permintaan setiap pelanggan
1. Memperoleh pengalaman
dan keterampilan dalam 1. Memperoleh strategi yang
menyelesaikan permasalahan dapat megefesiensikan
optimasi distribusi pada
pendistribusian alpukat.
biaya pengiriman.
2. Dapat membandingkan teori 2. Memperoleh rute dan biaya
ilmiah yang diperoleh pada pengiriman yang optimal
praktek dan fakta di sehingga tidak mengalami
lapangan.
kerugian
1. Data rute hanya mempertimbangkan
lintasan terdekat pada kondisi normal
menggunakan GPS gmaps
2. Faktor kepadatan, cuaca, kondisi jalan dan
lampu lalu lintas tidak dipertimbangkan
3. Diasumsikan pengisian bensin dilakukan
pada saat perjalanan dari suatu titik ke titik
yang lain.
VRP – CVRP – Algoritma Genetika – Borland C++
VRP adalah sebuah permasalahan pemrograman integer
yang masuk kategori NP-Hard Problem, yang berarti usaha
komputasi yang digunakan akan semakin sulit dan banyak
seiring dengan meningkatnya ruang lingkup masalah.
Solusi dari sebuah VRP yaitu menentukan jumlah
rute, yang masing – masing dilayani oleh suatu kendaraan
yang berasal dan berakhir pada depot, sehingga kebutuhan
pelanggan terpenuhi. semua permasalahan operasional
terselesaikan dan biaya transportasi secara umum
diminimalkan.
Capacitated vehicle routing problem (CVRP) adalah salah
satu variasi dari vehicle routing problem (VRP) yang
menggunakan batasan kapasitas pada kendaraan yang
dipakai.
Kendaraan 𝐾 = 𝑁 = 1,2, ⋯ , 𝐾 diasumsikan
sejenis, yang dimaksud 𝐾 kendaraan yang tersedia didepot,
memiliki kapasitas yang sama 𝑄 > 0, dan beroperasi dengan
biaya yang sama. Kendaraan yang melayani pelanggan untuk
bagian 𝑆 ⊆ 𝑁 dimulai dari depot, bergerak ke setiap
pelanggan di 𝑆, dan kembali lagi ke depot
 Algoritma genetika adalah algoritma pencarian yang
berdasarkan mekanisme natural yakni genetic dan seleksi alam.
Algoritma genetika dimulai dengan solusi acak yang disebut
populasi dan setiap individu disebut kromosom yang
merepresentasikan solusi dari populasi. Kromosom ini akan
berevolusi dalam suatu proses sehingga menghasilkan kromosom
terbaik (Gen dan Cheng, 1994).
Proses algoritma genetik dimulai dari Inisialisasi awal,
Seleksi, Mutasi dan crossover, evaluasi untuk menghasilkan
generasi baru.. Terdapat parameter pada inisialisasi awal yang
wajib digunakan yaitu probabilitas crossover dan probabilitas
mutase.
Cara penyelesaian Masalah
1. Membuat system preorder ,
dan mengirimkan barang pada
hari yang telah ditentukan

2. Menentukan rute jalan

menggunakan algoritma
genetika,sehingga bisa
menekan biaya distribusi
Data – Proses Penyelesaian – Output program
 • Jumlah Kendaraan : 2
• Total pelanggan 21
• Minimal order : 100 kg
• Kapasitas mobil 2000 kg
• Waktu pengiriman 09.00-18.00

Populationsize : 5

Propabilitas crossover : rasio dari jumlah anak yang

crossoverProbability = 0.6
diproduksi pada setiap generasi untuk setiap populasi
mutationProbability = 0.01
Probabilitas mutase : Presentase dari jumlah total gen gen
dalam populasi yang mengalami mutasi. tournamen = 2
pbxNumber = 2
Data dibangkitkan secara random sebanyak populasi yang diinputkan
Masing-masing krooson
ditentukan rute,dengan
diberi batasan kapasitas
kendaraan
Metode seleksi yang
digunakan adalah
seleksi tournament
untuk menghasilkan
calon induk untuk
diproses ke crossover
Metode seleksi yang
digunakan adalah
seleksi tournament
untuk menghasilkan
calon induk untuk
diproses ke mutasi
Proses crossover
menggunakan metode
PBX (Position Based Hasil crossover Anak 1 baru
Crossover)

Hasil crossover Anak 2 baru

Proses mutasi menggunakan metode
respirocal exchange, tidak dilakukakan karena
tidak ditemukan induk mutasi
Proses evaluasi mencari nilai tujuan dari
kromosom baru
 Kromosom Total Jarak
V1 298.2
V2 261.2
V3 301.9
V4 251.7
V5 299.6
V6 302.3
V7 248,1

Dari hasil tersebut dapat diketahui bahwa v7 merupakan kromosom

terbaik dengan jarak yang paling optimal sebesar 248.1 km
Output
Output
 Urutan kromosom terbaik hasil
proses algoritma genetika

Karena maximal generasi/itersi adalah 1, maka dapat disumpulkan bahwa kromosom

terbaiknya adalah V7 dengan kontruksi rutenya adalah
rute 1 : 0-19-9-6-14-10-21-3-15-20-16-13-18-8-0 ==> jarak : 138,2 , kapasitas : 1950 kg
rute 2 : 0-5-4-1-17-7-11-12-2-0 ===> jarak : 109.9 , kapasitas : 1250 kg