ABSTRAK
Salah satu komponen penting dalam strategi Karena itu, perusahaan harus memiliki banyak
pemasaran perusahaan adalah jalur distribusi. ide inovatif baru untuk menunjukkan
Jalur distribusi yang ideal dapat membantu keunggulan perusahaan lain. Bidang kendaraan
perusahaan mengurangi biaya distribusi. seperti kendaraan beroda empat atau dua adalah
Permasalahan utama dalam distribusi adalah salah satu bisnis yang berkembang pesat.
bahwa produsen akan mengeluarkan biaya yang
lebih besar untuk biaya pengiriman karena Salah satu perusahaan otomotif terbesar di dunia,
pemasaran produk semakin berkembang. Dengan PT. Yamaha Indonesia Motor Manufacturing
membangun distributor yang dekat dengan area mengelola perusahaaan mobil dan motor. PT.
pemasaran pelanggan, distribusi kendaraan Yamaha Indonesia Motor Facturing memiliki
mempermudah pengiriman produk dari produsen
citra merek dan produk yang berkualitas, yang
ke pelanggan akhir. Untuk mengoptimalkan rute
distribusi, algoritma genetika digunakan. Teknik memungkinkan PT. Yamaha Indonesia Motor
crossing dengan satu cut point crossing, mutasi Manufacturing bersaing di dunia otomotif,
menggunakan mutasi pertukaran, dan seleksi berdasarkan banyaknya kendaraan di jalan raya
menggunakan elitisme seleksi. yang keluaran merek Yamaha.
Kata Kunci : Distribusi, Mobil, Algoritma Industri kendaraan domestik masih menghadapi
Genetika. masalah yang cukup serius. Kementerian
Perindustrian terus mendorong investasi asing
I. PENDAHULUAN untuk membangun industri komponen otomotif
di Indonesia karena impor komponen otomotif
A. LATAR BELAKANG saat ini masih cukup tinggi sebesar 80% dari segi
bahan baku. Menurut Jongkie D. Sugiarto dari
Banyak industri dan teknologi mengalami Gabungan Industri Kendaraan Bermotor
perubahan yang signifikan selama era
Indonesia, meningkatnya permintaan dalam
perkembangan. Perusahaan akan dapat bertahan
dalam persaingan dunia bisnis di Indonesia jika negeri menyebabkan peningkatan nilai impor
mereka inovatif dan kreatif. kendaraan bermotor dan bagiannya
1
B. RUMUSAN MASALAH Untuk menerapkan rekayasa algoritma
Berdasarkan latar belakang yang telah genetika kedalam Optimalisasi distribusi
dirumuskan, maka rumusan masalah adalah kendaraan roda empat diperlukan beberapa
sebagai berikut : proses sehingga nilai akan terbentuk dengan
1. Bagaimana menerapkan Algortima optimal sesuai dengan aturan - aturan yang di
Genetika untuk menyelesaikan berikan
masalah pendistribusian kendaraan
roda empat. Secara umum siklus dari algoritma genetika
2. Bagaimana menentukan representasi adalah :
kromosom untuk kasus optimasi 1. Representasi kromosom
pendistribusian kendaraan roda empat. 2. Inisialisasi populasi awal
3. Bagaimana mengukur kebaikan solusi 3. Evaluasi nilai fitness
yang dihasilkan Algoritma Genetika 4. Proses reproduksi dengan crossover
untuk menyelesaikan masalah 5. Mutasi
pendistribusian kendaraan roda empat. 6. Evaluasi Konvergensi
C. TUJUAN
Tujuan yang ingin dicapai dalam penelitian ini 1) Representasi Kromosom
adalah : Representasi kromosom merupakan suatu
proses untuk menyelesaikan masalah, dimana
1. Untuk penggunaan Algortima Genetika
suatu permasalahan dapat dikodekan kedalam
dalam menyelesaikan masalah pendistribusian
kromosom. Algoritma genetika memiliki
unit mobil.
beberapa jenis representasi kromosom untuk
2. Untuk menentukan representasi kromosom
yang tepat untuk kasus distribusi mobil. permasalahan yang berbeda, seperti
representasi biner, integer, real dan permutasi.
3. Untuk mengevaluasi efektivitas solusi yang
Representasi permutasi telah sukses diterapkan
dihasilkan Algoritma Genetika untuk
pada berbagai masalah kombinatorial seperti
menyelesaikan masalah pendistribusian mobil.
4. Untuk mengetahui bagaimana pengaruh Travelling Salesperson Problem, perencanaan
dan penjadwalan produksi industri manufaktur
parameteralgoritma genetika (jumlah populasi,
crossover rate, mutation rate, dan jumlah
generasi) terhadap hasil dari optimasi No Jenis Mobil Harga Nilai
pendistribusian mobil Penjualan
1 SUV 8 40
II. METODE
A. ALGORITMA GENETIKA 2 Hatcback 1 90
Algoritma Genetika merupakan Teknik untuk
menemukan solusi optimal dari permasalahan 3 Sedan 4 60
yang mempunyai banyak solusi. Teknik ini
4 APV 2 80
akan melakukan pencarian dari beberapa
solusi yang diperoleh sampai mendapatkan 5 Sport Sedan 10 20
solusi terbaik sesuai dengan kriteria yang telah
ditentukan atau yang disebut sebagai fungsi 6 Convertible 15 10
fitness. Karena merupakan Teknik pencarian
7 MPV 3 70
optimal dalam bidang ilmu komputer, maka
algoritma ini juga termasuk dalam kelompok 8 Off-Road 6 20
algoritma metaheuristik. Tabel 1
Daftar Harga dan Nilai penjualan dari Jenis Mobil
2
2) Inisialisasi Populasi prosedur seleksi untuk memilih individu yang
Inisialisasi populasi merupakan pembuatan memiliki nilai fitness tertinggi untuk dijadikan
kromosom awal yang dilakukan secara acak generasi berikutnya. Metode seleksi ini bekerja
sejumlah populasi yang dimasukkan oleh user. dengan mengumpulkan semua offspring dan
Populasi awal P(0) dipilih secara acak parent dalam satu penampungan, popsize
menggunakan kromosom biner. dengan fitness individu terbaik akan lolos
menjadi generasi selanjutnya
3) Nilai Fitness
Nilai fitness menyatakan nilai dan tujuan, B. PENERAPAN
algoritma genetika digunakan untuk Untuk menerapkan rekayasa algoritma
memaksimalkan nilai fitness. Dalam genetika kedalam nilai harga atau penjualan
transportasi nilai fitness berupa inversi dari diperlukan beberapa proses sehingga nilai akan
biaya yang digunakan. Nilai fitness terbentuk dengan optimal sesuai dengan aturan
membedakan kualitas kromosom satu dengan - aturan yang di berikan.
yang lain dan untuk membedakan kromosom
yang dihasilkan. Aturan pada pengoptimasian distribusi mobil
ini antara lain, adalah:
1. Maksimal generasi yang digunakan
4) Crossover (Pindah Silang) adalah 15
Sebuah individu baru yang mengarah pada 2. Maksimal harga adalah 23(pembulatan
solusi optimal bisa diperoleh melalui proses dari 23 ratus juta)
pindah silang. proses cross over adalah memilih 3. Nilai Probabilitas crossover yang
dua buah kromosom sebagai parent yang dipilih digunakan adalah 0.5;0,6;0,4
secara acak, sehinggamasingmasing kromosom 4. Nilai Probabilitas mutasi yang
parent terpisah menjadi dua segmen. Setelah digunakan adalah 0.4;0,7;0,7
memilih secara acak, dilakukan penukaran
segmen kromosom induk untuk menghasilkan
offspring atau individu baru. Pada representasi C. Flowchart
permutasi untuk masalah transportasi cross
over dapat digunakan metode one cut point
crossover.
5) Mutasi
Mutasi merupakan proses suatu operator
genetika untuk menghasilkan perubahan acak
pada satu kromosom. Metode mutasi yang biasa
digunakan dalam representasi permutasi adalah
repciprocal exchange mutation dan insertion
mutation. Metode mutasi dengan repciprocal
exchange mutation bekerja denganmemilih dua
posisi (exchage point /XP) secara random
kemudian menukarkan nilai pada posisi
tempatnya sehingga menghasilkan offspring
baru.
Flowchart Metode Algoritma Genetika
6) Seleksi Elitism
Seleksi dilakukan untuk memilih individu dari Berdasarkan Flowchart di atas langkah
himpunan populasi dan offspring yang dipilih penyelesaian algoritma genetika setelah
untuk melakukan proses genetik pada generasi memulai program akan diperintahkan untuk
berikutnya. Seleksi elitism merupakan suatu menyimpulkan jumlah kromosom yang
3
diinginkan, setelah itu dilakukan proses
selanjutnya adalah memasukan maksimasinya
sesuai dengan ketentuan yang sudah
ditentukan. Tahap selanjutnya masukan nilai
crossover. Pada tahap akhir, algoritma genetika
akan menghasilkan output generasi akhir,
fitness generasi akhir.
Gambar 3
Nilai Fitness
3) Crossover
Gambar 1
Tabel Daftar pendistribusian mobil
Gambar 5
Proses Mutasi
4
5) Generasi Akhir No Parameter Tes 1 Tes 2 Tes 3
3 SUV 0 0 1
4 Hatcback 1 1 1
5 Sedan 1 1 1
6 APV 1 1 1
7 Sport Sedan 1 0 0
8 Convertible 0 0 0