Skripsi

Implementasi algoritma grey wolf optimizer (GWO) pada multiple depot vehicle routing problem with time windows (MDVRPTW) / Zulfa Lutfiyatul Nafisah

Abstrak
Dalam matematika masalah penentuan rute pendistribusian merupakan salah satu terapan dari teori graph yaitu Vehicle Routing Problem (VRP). Salah satu perluasan dari VRP adalah Vehicle Routing Problem with Time Windows (VRPTW) yaitu perluasan VRP dengan kendala kapasitas kendaraan dan batasan waktu (time windows) pada setiap customer dan depot. Selanjutnya VRPTW diperluas menjadi Multiple Depot Vehicle Routing Problem with Time Windows (MDVRPTW). MDVRPTW merupakan VRPTW dengan lebih dari satu depot. Algoritma yang digunakan untuk pembentukan solusi awal dalam penelitian ini yaitu algoritma Grey Wolf Optimizer (GWO). Setelah didapatkan rute terbaik menggunakan Algoritma GWO akan dilakukan perbaikan solusi menggunakan local search. Implementasi dari algoritma tersebut telah dibuat programnya dengan menggunakan bahasa pemrograman Borland Delphi 7.0 sebagai alat bantu perhitungan. Program tersebut diujicobakan dengan contoh permasalahan 15 customer 30 customer dan 55 customer serta dengan menggunakan 4 dataset. Output yang terdapat pada program berupa rute hasil perhitungan beserta visualisasi graph dari rute yang diperoleh. Sebelumnya permasalahan MDVRPTW dengan 15 customer telah diselesaikan dengan menggunakan algoritma Multiple Ant Colony System (MACS) yang diteliti oleh (Rozidi 2016). Pada hasil yang diperoleh dengan 15 customer berdasarkan total jarak yang didapatkan pada masing-masing depot penerapan algoritma GWO diperoleh hasil yang lebih baik dibandingkan dengan algoritma MACS. Namun berdasarkan total waktu yang didapatkan pada masing-masing depot penerapan algoritma GWO diperoleh hasil yang tidak lebih baik dibandingkan dengan algoritma MACS. Berdasarkan hasil uji coba dataset menggunakan algoritma GWO tanpa perbaikan dan dengan perbaikan dapat mempengaruhi hasil perhitungan. Dengan menambahkan perbaikan menggunakan algoritma Interchange Descent dapat menurunkan nilai gap dari perbandingan hasil algoritma GWO dan dataset. Dari keempat dataset diketahui bahwa dataset pr7 memiliki solusi terbaik 1984 552 dan diperoleh hasil yang lebih baik untuk algoritma GWO dengan perbaikan yaitu 1511 457. Sedangkan hasil solusi pada algoritma GWO dengan perbaikan untuk dataset pr1 pr2 dan pr3 tidak memberikan hasil yang lebih baik dibandingkan dengan hasil dari dataset.

Informasi Detail

DDC

Rs 518.1 NAF i

Prodi

Universitas Negeri Malang. Program Studi Matematika, 2021.

Deskripsi Fisik

xviii, 23 Lembar: il. , tab. ; 30 cm

Bahasa

Indonesia

No Reg

03120/KI/21

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2021

Subjek

1. ALGORITMA
2. ALGORITHMS

Pembimbing

1. Sapti Wahyuningsih ; 2. Lucky Tri Oktoviana

Lampiran Berkas