Skripsi

Studi perbandingan Performansi Deep Q-Network (DQN) dan Double Deep Q-Network (DDQN) dalam penentuan rute terbaik / Benzfica Hanif Alfi Al Idrus

Abstrak
Traveling Salesman Problem yang menggambarkan seorang kurir yang mengunjungi tepat satu kali tujuan alamat sesuai dengan daftar alamat penerima dan kembali ke titik asal dengan menempuh jarak minimum. Proses pengiriman barang oleh kurir dilakukan dengan mengandalkan pengetahuan diri sendiri yang dapat menimbulkan masalah disaat jumlah alamat yang harus dikirim semakin banyak dan bervariasi. Tujuan penelitian ini membandingkan performansi algoritma Deep Q-Network dan Double Deep Q-Network dalam menentukan rute terbaik. Oleh karena itu machine learning diantaranya algoritma Deep Q-Network dan Double Deep Q-Network dapat menjadi salah satu alternatif dalam menentukan rute yang optimal. Data yang digunakan pada penelitian ini berupa data riwayat pengiriman meliputi Order ID Kode Pos Location Latitude dan Longitude. Jumlah data yang didapatkan sebanyak 178 data. Eksperimen dilakukan dengan menggunakan tiga faktor percobaan yaitu hidden layer episode dan epoch. Jumlah level parameter pada setiap faktor yaitu dua level parameter hidden layer lima level parameter episode dan empat level parameter epoch. Performansi algoritma diukur dari nilai loss yang dihitung dengan Mean Square Error. Proses analisis penelitian menggunakan bantuan bahasa pemrograman Python. Berdasarkan hasil uji varian tiap parameter menunjukkan tidak ada pengaruh yang signifikan terhadap nilai loss untuk kedua algoritma. Meskipun secara visual menunjukkan tren penurunan saat nilai hidden layer episode dan epoch bertambah. Namun secara statistik hal tersebut tidak signifikan. Hal yang mungkin menyebabkan tidak signifikannya pengaruh hidden layer episode dan epoch diantaranya jumlah data yang relatif sedikit dan kurangnya replikasi data. Hasil dari model yang dibangun dengan algoritma Deep Q-Network menunjukkan nilai loss minimum sebesar 0.000009 pada satu hidden layer 100 episode dan 100 epoch. Sedangkan untuk algoritma Double Deep Q-Network menunjukkan nilai loss minimum sebesar 0.000008 pada satu hidden layer 150 episode dan 100 epoch. Algoritma DDQN menghasilkan nilai loss rendah yang mengindikasikan keoptimalan dalam menentukan rute terbaik sehingga dapat meminimalkan biaya operasional meningkatkan kepuasan pelanggan hingga meningkatkan citra perusahaan penyedia jasa pengiriman.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Industri, 2023.

Deskripsi Fisik

xvii, 89 hlm. : ilus.

Bahasa

Indonesia

No Reg

0111/RS/24

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. TEKNIK INDUSTRI - INTERNET, JARINGAN
2. INDUSTRIAL ENGINEERING - INTERNET, NETWORK

Pembimbing

1. Aisyah Larasati, S.t., M.t., Mim., Ph.d; 2. Rudi Nurdiansyah, S.t., M.t.

Lampiran Berkas