Annisa Indah Pratiwi1, N.Neni Triana2, Muhamad Sayuti3, Afif Hakim4,Dewih Adetia5,
Ahmad Ridho Nurohman6 , Sobar Pazri7
1,2,3,4,5,6 Jurusan Teknik Industri, Fakultas Teknik dan Ilmu Komputer, Universitas Buana Perjuangan
Karawang Jl. HS. Ronggowaluyo Telukjambe Timur Karawang, 41361
email : annisa.indah@ubpkarawang.ac.id
ABSTRAK
Tujuan dari penelitian ini adalah untuk menekan biaya transportasi dan menentukan cara terbaik untuk
mendistribusikan produk wafer. Penelitian ini dilakukan pada sebuah perusahaan yang bekerja untuk
memproduksi produk wafer, dimana terdapat departemen Logistik dan perusahaan yang bertanggung
jawab untuk mendistribusikan produk tersebut ke distributor lain di seluruh Indonesia khususnya
Pulau Jawa. Proses distribusi sendiri merupakan salah satu proses terpenting dalam perusahaan dan
tidak memerlukan biaya yang sedikit bagi perusahaan untuk memantau proses distribusi. Dan metode
pengiriman membutuhkan pembayaran. Selain itu, truk digunakan untuk mengantarkan barang ke
masing-masing distributor melalui rute yang berbeda, sehingga penelitian ini bertujuan untuk mencari
rute terbaik dan menekan biaya transportasi tergantung jarak. Untuk mendapatkan rute terbaik dengan
biaya terendah, penelitian ini mengusulkan solusi menggunakan algoritma sel dengan menentukan rute
yang akan diambil dari kendaraan. Metode distribusi menggunakan metode genetik menggunakan
metode crossover dan one crosspoint crossover, mutasi dan mutasi dan seleksi menggunakan seleksi
elitisme. Hasil akhirnya adalah saluran distribusi terbaik dan biaya distribusi terendah.
ABSTRACT
The purpose of this research is to reduce transportation costs and determine the best way to distribute
wafer products. This research was conducted at a company that works to produce wafer products,
where there is a Logistics department and a company that is responsible for distributing these
products to other distributors throughout Indonesia, especially Java Island. The distribution process
itself is one of the most important processes in the company and does not require a small fee for the
company to monitor the distribution process. And the shipping method requires payment. In addition,
trucks are used to deliver goods to each distributor via different routes, so this study aims to find the
best route and reduce transportation costs depending on distance. To get the best route with the lowest
cost, this study proposes a solution using a cell algorithm by determining the route to be taken from
the vehicle. Distribution method using genetic method using crossover and one cross point crossover
method, mutation and mutation and selection using elitism selection. The end result is the best
distribution channel and the lowest distribution cost.
DOI: https://dx.doi.org/10.24853/jisi.10.2.69-75
JISI: JURNAL INTEGRASI SISTEM INDUSTRI P-ISSN: 2355-2085
Website: http://jurnal.umj.ac.id/index.php/jisi E-ISSN: 2550-083X
70
JISI: JURNAL INTEGRASI SISTEM INDUSTRI Volume 10 No 2 Agustus 2023
71
JISI: JURNAL INTEGRASI SISTEM INDUSTRI P-ISSN: 2355-2085
Website: http://jurnal.umj.ac.id/index.php/jisi E-ISSN: 2550-083X
1 2 3 4 5 6 7 8
Jaeak Antar
Lokasi Karawang Semarang Solo Rembang Pemalang Purwokerto Cilacap Yogyakarta
72
JISI: JURNAL INTEGRASI SISTEM INDUSTRI Volume 10 No 2 Agustus 2023
73
JISI: JURNAL INTEGRASI SISTEM INDUSTRI P-ISSN: 2355-2085
Website: http://jurnal.umj.ac.id/index.php/jisi E-ISSN: 2550-083X
dari 1 hingga 8 titik posisi untuk mengisi gen sebelumnya tahap evaluasi dan penggantian
pada setiap kromosom. kromosom dengan nilai Fitness terendah dari
populasi baru.
clc
clear %regenerasi
[~,index] = max(jarakTempuh);
%inputan pop(:,index) = child1;
jarak = [0 382 478 499 275 297 320 jarakTempuh(index,:) =
489 jarakchild1;
382 0 97 126 131 194 229 130
478 97 0 118 228 236 241 64 [~,index] = max(jarakTempuh);
499 126 118 0 248 307 341 202 pop(:,index) = child2;
275 131 228 248 0 85 134 247 jarakTempuh(index,:) =
297 194 236 307 85 0 50 172 jarakchild2;
320 229 241 341 134 50 0 173
489 130 64 202 247 172 173 0];
%elitism
Setelah pembangkitan populasi awal [x,index] = min(jarakTempuh);
dilakukan, kemudian dilakukan inisialisasi elite(:,it) = pop(:,index);
seperti pada hitungan manual. TotalJarak(it,:) =
%inisialisasi jarakTempuh(index,:);
crossrate = 0.05; %laju crossover %terminasi
mutrate = 0.05; %laju mutasi if it == max_it
populasi = 8; %jumlah populasi gatsp = false;
max_it = 1; %iterasi maksimum else
kota = 8; %jumlah kromosom it = it+1;
Membangkitkan populasi awal gatsp = true;
menggunakan software. end
%membangkitkan populasi end
for i=1:populasi %plot
pop (:,i)=randperm(kota); min(jarak);
jarakTempuh(i,:)= figure;
jarak(pop(1,i),pop(2,i))+jarak(pop hold on;
(2,i),pop(3,i))... title('Algoritma Genetika)
plot(jarak,'-b');
+jarak(pop(3,i),pop(4,i))+jarak(po xlabel('Iterasi');
p(4,i),pop(5,i))... ylabel('Jarak');
hold off;
+jarak(pop(5,i),pop(6,i))+jarak(po Setelah tahapan diatas dilakukan,
p(6,i),pop(7,i))... kemudian akan di dapatkan hasil sebagai
+jarak(pop(7,i),pop(8,i)); berikut :
jarakchild2
=jarak(child2(1),child2(2))+jarak(
child2(2),child2(3))+jarak(child2(
3),child2(4))...
+jarak(child2(4),child2(5))+jarak(
child2(5),child2(6))+jarak(child2(
6),child2(7))...
+jarak(child2(7),child2(8));
b. Regenerasi/Elitism
Proses etilism ditambahkan karena
kromosom terbaik dari generasi sebelumnya
mungkin tidak termasuk dalam populasi baru, Gambar 2. Hasil Pengolahan Matlab
atau proses crossover dan mutasi mungkin
telah mengurangi nilai Fitness dari kromosom Hasil perhitungan dengan menggunakan
terbaik Etilism dicapai dengan menyalin Matlab dengan jumlah populasi 5, mutasi 0.03,
kromosom terbaik yang diawetkan dari jumlah kota 8 kota dengan crossrate nya 0,07
74
JISI: JURNAL INTEGRASI SISTEM INDUSTRI Volume 10 No 2 Agustus 2023
maka di peroleh jarak yang paling optimal Program Linier. FIBONACCI: Jurnal
dengan menggunakan software total jarak Pendidikan Matematika Dan
tempuh diperoleh jarak 924 km. Dari hasil Matematika,
pengolahan data tersebut, rute tercepat yang 5(2),175.https://doi.org/10.24853/fbc.5.2
didapatkan yaitu 4 – 3 – 8 – 2 – 5 – 7 – 6 – 1 , .175-182
Rembang – Solo – Yogyakarta – Semarang – Juwitasary, H., Martani, M., & Putra, A. N. G.
Pemalang – Cilacap – Purwokerto – Karawang (2015). Analisis Sistem Informasi
– Pemalang – Cilacap – Purwokerto – Akuntansi Pembelian dan Persediaan
Karawang pada PT. XYZ. ComTech: Computer,
Mathematics and Engineering
5. KESIMPULAN Applications, 6(1), 96-108.
Pengolahan data pendistribusian produk Muftikhali, Q. E., Yudhistira, A. Y. F. D.,
wafer dilakukan oleh PT dengan menggunakan Kusumawati, A., & Hidayat, S. (2018).
temuan penelitian yang komprehensif. Teknik Optimasi Algoritma Genetika Dalam
Genetic Algorithm digunakan oleh UPA (LDC Menentukan Rute Optimal Topologi
Karawang). Hal ini terbukti dari temuan Cincin Pada Wide Area Network.
penelitian bahwa metode Genetic Algorithm Informatika Mulawarman : Jurnal
digunakan. Mengingat jarak yang ditempuh Ilmiah Ilmu Komputer, 13(1), 43.
dalam perhitungan manual yaitu 1 - 5 - 6 - 7 - https://doi.org/10.30872/jim.v13i1.1007
8 - 3 - 4 - 2, dengan nilai jarak terdekat 890 km Putra, A. P., & Yunita, S. (2021). Sistem
Karawang - Pemalang - Purwokerto - Cilacap - Informasi Penentuan Rute Pengiriman
Yogyakarta - Semarang dapat menyimpulkan Barang di CV ASA. 2(1), 35–42.
bahwa metode ini digunakan untuk memilih Ramadhani, F., Fathurrachman, F. A.,
jalur yang kurang optimal. Fitriawanti, R., Rongre, A. C., &
Penentuan jarak terpendek dengan Wijayaningrum, V. N. (2018). Optimasi
menggunakan software matlab dengan nilai Pendistribusian Barang Farmasi
crossrate 0,07 dan mutrate 0,03 memberikan Menggunakan Algoritma Genetika. Klik
hasil informasi rute optimal yang akan dilalui - Kumpulan Jurnal Ilmu Komputer, 5(2),
dengan nilai total jarak tempuh sebesar 924 km 159.
dengan kromosom rute tercepat yang https://doi.org/10.20527/klik.v5i2.151
didapatkan yaitu 4 – 3 – 8 – 2 – 5 – 7 – 6 – 1 , Ramadhania, S. E., & Rani, S. (2021).
Rembang – Solo – Yogyakarta – Semarang – Implementasi Kombinasi Algoritma
Pemalang – Cilacap – Purwokerto – Genetika dan Tabu Search untuk
Karawang. Penyelesaian Travelling Salesman
Terdapat gap dari perhitungan manual dan Problem. Automata.
software sebesar 34 km disebabkan pada Rongre, A. C, dkk. (2018). Sistem Informasi
software pembangkit bilangan menggunakan Perindustribusian. 5(2), 159.
bilangan acak sehingga setiap proses run Sumekar, Aried, Erlina Erlina, Rina Br Bukit,
menginformasikan hasil yang berbeda sampai and Chandra Situmeang. 2022.
ditemukan nilai terkecil. “Meningkatkan Kinerja Perusahaan
Logistik Dengan Pendekatan
DAFTAR PUSTAKA Pengendalian Operasional.” Prosiding
Abdurrahman, A. F., Ridwan, A. Y., & Fakultas Ekonomi Dan Bisnis
Santosa, B. (2019). Penyelesain Vehicle Universitas Dharmawangsa 1(1):9–14.
Routing Problem (VRP) dalam Zai, I., Yulianti, Y., Feblicia, S., Aqmi, A. L.
Penugasan Kendaraan dan Penentuan Z., & Rahmah, A. F. (2022). Analisis
Rute untuk Meminimasi Biaya Pengaruh Peningkatan Kinerja,
Transportasi pada PT. XYZ dengan Incoterms, Transportasi, Distribusi,
Menggunakan Algoritma Genetika. Keterlibatan TPL dan Manajemen
Jurnal Teknik Industri, 9(1), 16–24. Risiko Terhadap Aktivitas
https://doi.org/10.25105/jti.v9i1.4783 Logistik. Jurnal Sosial Teknologi, 2(3),
Astutik, E. P., & Fitriatien, S. R. (2019). 225-238.
Pengaruh Software Matlab Terhadap
Kemampuan Menyelesaikan Masalah
75