Algoritma Metaheuristik untuk Penentuan Rute Distribusi Barang

Share on facebook
Share on google
Share on twitter
Share on linkedin
Ilustrasi oleh levatra.com

Kegiatan distribusi barang agar permintaan pelanggan di seluruh wilayah di Indonesia dapat terpenuhi telah menjadi salah satu aspek penting dalam perkembangan industri saat ini. Akan tetapi biaya yang dikeluarkan untuk memenuhi kebutuhan pelanggan tidaklah sedikit. Oleh  karena itu pihak industri diharuskan membuat strategi khusus untuk meminimalkan biaya yang dikeluarkan. Salah satu strategi yang dapat dibuat adalah dengan meminimalkan biaya logistik. Menurut Mulyadi (2011) dalam jurnal Riset Industri menyatakan bahwa biaya logistik merupakan biaya terbesar kedua setelah pembelian bahan, barang, dan jasa. Tingginya biaya logistik menunjukkan belum optimalnya biaya pendistribusian. Pengoptimalan rute pendistribusian barang dari tempat keberangkatan kendaraan (biasa disebut depot) perlu dilakukan agar biaya logistik menjadi optimal. Penentuan rute tentunya juga harus mempertimbangkan kapasitas kendaraan pengangkut. Namun pada kenyataanya bukan hanya kapasitas kendaraan pengangkut yang menjadi pertimbangan untuk penentuan rute kendaraan. Terbatasnya armada kendaraan pengangkut yang tersedia, waktu operasional kendaraan serta waktu pelanggan dapat dilayani juga menjadi bahan pertimbangan untuk menentukan rute distribusi. Menurut Hernandez (2015) dalam jurnal European Journal of Operation Research, kasus seperti ini merupakan perluasan dari Vehicle Routing Problem yaitu disebut Multiple Trips Vehicle Routing Problem with Time Windows (MTVRPTW).

Pada penelitian ini, digunakan tiga algoritma metaheuristik untuk penyelesaian permasalahan penentuan rute distribusi yang optimal khususnya MTVRPTW, yaitu Algoritma Kunang-kunang, Algoritma Pencarian Cuckoo dan Algoritma Penyebukan Bunga. Algoritma Kunang-kunang dikenalkan oleh Xin-She Yang pada tahun 2008 yang merupakan algoritma yang terinspirasi dari perilaku berkedipnya kunang-kunang. Pada algoritma ini diasumsikan bahwa semua kunang-kunang adalah unisex atau kunang-kunang tidak tertarik berdasarkan jenis kelaminnya namun berdasarkan kecerahan cahaya kunang-kunang lainnya. Kunang-kunang yang lebih redup akan tertarik dan bergerak ke kunang-kunang yang lebih cerah dari dirinya. Sehingga pada algoritma ini, solusi terbaiknya adalah kunang-kunang dengan tingkat kecerahan yang paling tinggi.

Algoritma Pencarian Cuckoo adalah salah satu algoritma yang diperkenalkan oleh Xin-She Yang  dan Suash Deb pada tahun 2009, merupakan algoritma yang terinspirasi dari sifat parasit beberapa spesies Cuckoo yang meletakkan telurnya di sarang burung inang lainnya (dari spesies lain). Ada tiga aturan ideal dalam Algoritma Pencarian Cuckoo, yaitu pertama, setiap Cuckoo meletakkan satu telur pada satu waktu, dan tempat peletakannya dilakukan dalam sarang yang  dipilih secara acak. Kedua, sarang terbaik dengan telur yang berkualitas sebagai solusi permasalahan yang akan digunakan untuk generasi selanjutnya. Ketiga, jumlah sarang burung lain yang tersedia adalah tetap, dan burung pemilik sarang dapat menemukan telur Cuckoo. 

Sedangkan Algoritma Penyerbukan Bunga adalah salah satu algoritma yang diperkenalkan oleh Xin-She Yang pada tahun 2012. Algoritma ini terinspirasi dari proses penyerbukan pada tanaman berbunga. Penyerbukan silang terjadi jika serbuk sari bunga yang jatuh berasal dari tanaman
yang berbeda, sedangkan penyerbukan sendiri terjadi apabila serbuk sari yang jatuh
berasal dari bunga dari tanaman yang sama. Terdapat dua langkah kunci dalam algoritma ini,  yaitu penyerbukan local dan penyerbukan global. Pada penyerbukan lokal, terjadi penyerbukan abiotik dan penyerbukan sendiri. Penyerbukan abiotik merupakan perpindahan serbuk sari ke kepala putik yang tidak memerlukan organisme penyerbuk, melainkan hanya dengan bantuan
angin dan difusi air dalam tanaman. Pada penyerbukan global, terjadi penyerbukan biotik dan penyerbukan silang. Penyerbukan biotik merupakan perpindahan serbuk sari ke kepala putik
yang dilakukan oleh organisme penyerbuk seperti serangga, burung dan hewan
lainnya.

Pada penelitian ini, ketiga algoritma diimplementasikan pada dua jenis data. Data pertama adalah data 25 pelanggan dengan maksimal kapasitas dan waktu operasional kendaraan serta waktu pelanggan dapat dilayani diketahui. Data kedua adalah data 100 pelanggan dengan maksimal kapasitas dan waktu operasional kendaraan serta waktu pelanggan dapat dilayani diketahui. Berdasarkan hasil implementasi, Algoritma Kunang-kunang memiliki performansi lebih baik dalam menemukan rute terbaiknya daripada Algoritma Pencarian Cuckoo dan Penyerbukan Bunga, yaitu rute dengan biaya logistik yang lebih rendah/ murah. Semakin besar jumlah generasi dan ukuran populasi pada Algoritma Kunang-kunang, maka biaya logistik dari rute terbaik yang terbentuk akan semakin rendah.

Penulis: ASRI BEKTI PRATIWI S.Si., M.Si.

Berikut adalah link terkait artikel di atas:

https://iopscience.iop.org/article/10.1088/1742-6596/1306/1/012021

Berita Terkait

UNAIR News

UNAIR News

Media komunikasi dan informasi seputar kampus Universitas Airlangga (Unair).

Leave Reply

Close Menu