Hasil Pencarian  ::  Simpan CSV :: Kembali

"Traveling Salesman Problem (TSP) adalah masalah mencari jalur terpendek untuk mengunjungi setiap simpul tepat satu kali kecuali simpul awal kunjungan jika diberikan himpunan simpul yang harus dikunjungi. Tiga modifikasi dilakukan pada skripsi ini untuk menyelesaikan masalah TSP dengan menggabungkan metode Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO) dan 3-Opt Algorithm. ACO digunakan untuk mencari solusi TSP, PSO digunakan untuk mencari nilai paremeter terbaik 𝛼 dan 𝛽 yang digunakan pada ACO, dan 3-Opt digunakan untuk mengurangi total jarak tempuh solusi yang didapat dari ACO. Pada modifikasi pertama, 3-Opt digunakan untuk mengurangi total jarak tempuh dari solusi terbaik yang didapatkan setiap iterasi. Pada modifikasi kedua, 3-Opt digunakan untuk mengurangi total jarak tempuh seluruh solusi yang didapatkan pada setiap iterasi. Pada modifikasi ketiga, 3-Opt digunakan untuk mengurangi total jarak tempuh seluruh solusi yang berbeda yang didapatkan pada setiap iterasi.Hasil modifikasi diuji menggunakan 6 benchmark problems yang diambil dari TSPLIB dengan menghitung besarnya galat relatif terhadap best known solution dan running time percobaan. Setiap masalah diselesaikan dengan 10 kali percobaan, dengan masing-masing percobaan menggunakan 10 agen dan 50 iterasi. Hasil implementasi menunjukkan modifikasi pertama tidak memberikan hasil yang memuaskan, modifikasi kedua memberikan hasil yang memuaskan namun dengan running time yang cukup besar, serta modifikasi ketiga memberikan nilai galat yang tidak jauh berbeda dengan modifikasi kedua namun dengan running time yang jauh lebih kecil.

---

The Traveling Salesman Problem (TSP) is the problem of finding a shortest tour which visits all the vertices exactly once, except the first vertex, given a set of vertices. This thesis discusses three modification to solve TSP by combining Ant Colony Optimization (ACO), Particle Swarm Optimization (PSO) and 3-Opt Algorithm. ACO is used to find the solution of TSP, PSO is used to find the best value of parameters α and β that are used in ACO, and 3-Opt is used to reduce the total of tour length from the solution obtained by ACO. In the first modification, 3-Opt is used to reduce the total of tour length from the best solution obtained at each iteration. In the second modification, 3-Opt is used to reduce the total of tour length from the entire solutions obtained at each iteration. In the third modification, 3-Opt is used to reduce the total of tour length from different solutions obtained at each iteration.Results were tested using 6 benchmark problems taken from TSPLIB by calculating the relative error to the best known solution and the running time. Every problem was solved with 10 trials, where each trial uses 10 agents and 50 iterations. The implementation results showed the first modification did not provide satisfactory results, the second modification gave a satisfactory result, but the running time was quite large, and the third modification gave errors that were close to the second one but with smaller running time."

"Multiple Traveling salesman problem MTSP merupakan perluasan dari TSP. MTSP adalah masalah optimasi dimana akan ditentukan total jarak minimum untuk m salesmen dalam melakukan perjalanan ke sejumlah kota tepat satu kali yang dimulai dari kota awal yang disebut depot kemudian kembali lagi ke depot setelah perjalanan selesai. Dalam tugas akhir ini, K-Means dan Crossover Ant Colony Optimization ACO akan digunakan untuk menyelesaikan MTSP. Implementasi dilakukan pada 3 data dari TSPLIB dengan menggunakan salesman berjumlah 2, 3, 4, dan 8. Analisa hasil dengan menggunakan K-Means dan Crossover ACO akan dibandingkan. Pengaruh terhadap pemilihan kota yang menjadi depot pada total jarak perjalanan yang dihasilkan, juga akan dianalisa.

---

Multiple Traveling Salesman Problem MTSP is a generalization of the Traveling Salesman Problem TSP . MTSP is an optimization problem to find the minimum total distance of m salesmen tours to visit several cities in which each city is only visited exactly by one salesman, starting from origin city called depot and return to depot after the tour is completed. In this skripsi, K Means and Crossover Ant Colony Optimization ACO are used to solve MTSP. The implementation is observed on three datasets from TSPLIB with 2, 3, 4, and 8 salesmen. Analysis of results using K Means and Crossover ACO will be compared. The effect of selecting a city as depot on the total travel distance of tour will also be analyzed."

"Multiple Depot Multi Traveling Salesman Problem (MMTSP) merupakan bentuk umum dari masalah Traveling Salesman Problem (TSP), yaitu menentukan rute minimum dari perjalanan m salesman dengan n depot untuk menempuh semua kota dan kembali ke depot awalnya. Pada skripsi ini, dilakukan clustering pada kota-kota yang dilalui, sehingga pada setiap klaster masalah MMTSP dapat disederhanakan menjadi masalah MTSP Multiple Traveling Salesman Problem atau TSP. Algoritma clustering yang digunakan adalah Agglomerative Clustering dan K-Means Clustering. Selanjutnya dilakukan metode Ant Colony Optimization untuk mencari rute terpendek dari setiap klaster. Jumlah dari hasil rute terpendek dari setiap klaster merupakan solusi dari masalah MMTSP. Implementasi dilakukan dengan menggunakan sampel data TSPLIB, dan hasil yang didapat juga akan dibandingkan dengan penelitian yang telah dilakukan sebelumnya. Dari hasil simulasi, hasil algoritma Agglomerative Clustering ACO memberikan hasil yang terbaik dibandingkan algoritma K-Means Clustering ACO dan algoritma ACO saja.

---

Multiple Depot Multiple Traveling Salesman Problem MMTSP is a generalization of the common Traveling Salesman Problem TSP , whole purpose is to generate a minimum route of m traveling salesmen from n depots to explore all cities and back to their origins. In this skripsi, the cities will be clustered, so for every cluster, MMTSP will be simplified as MTSP Multiple Traveling Salesman Problem or TSP. The clustering algorithms that will be used are Agglomerative Clustering and K Means Clustering. Furthermore, for every cluster, the Ant Colony Optimization will be implemented to determine the shortest path. The distance of shortest path in every cluster will be summed as the solution of MMTSP. Implementation of the algorithm will be simulated by using the TSPLIB, and the solutions will be compared to previous research. The simulation results show that the Agglomerative clustering ACO is the best solution compared to the K Means ACO rsquo s and the only ACO algorithm."

"Traveling salesman problem (TSP) adalah masalah membentuk sebuah rute perjalanan melewati sehimpunan berhingga kota (simpul) masing-masing tepat satu kali, berawal dan berakhir pada kota yang sama, dan jarak tempuh minimum. TSP euclidean adalah TSP dengan simpul berbentuk titik koordinat dan jarak antar simpul berupa jarak euclid antar titik koordinat. Hibrida algoritma genetik (GA) dan 2-opt local search (GA2-OPT) adalah metode heuristik yang diperoleh dengan cara mencangkokan 2-opt local search ke dalam GA sebagai operator mutasi. Untuk operator seleksi digunakan roulette wheel dan operator crossover digunakan edge recombination. Pada skripsi ini akan dilihat kinerja dari GA2-OPT dalam menyelesaikan TSP euclidean. Kinerja akan diukur berdasarkan kedekatan solusi yang diperoleh dengan Best Known Solution (BKS) dari masalah penguji yang diambil dari TSPLIB. Berdasarkan simulasi didapatkan hasil bahwa kinerja GA-2OPT cukup baik untuk menyelesaikan TSP dengan error relatif nilai fungsi tujuan solusi terbaik terhadap BKS kurang dari 1% untuk 6 dari 10 masalah penguji dan sisanya antara 1.4% - 4.5% dengan ukuran masalah antara 51 sampai 657 simpul."

"Dalam menjalankan kegiatan distribusi dari depot ke agen- agen khusus di wilayah Jakarta dan Banten, PT. PERTAMINA mengalami permasalahan dalam menentukan rute dengan jarak yang minimum dengan batasan waktu pelayanan depot dan agen- agen yang disebut juga dengan Vehicle Routing Problem dengan Time Windows (VRPTW). Salah satu cara yang sering digunakan untuk menyelesaikan VRPTW adalah metode implicit enumeration. Metode ini menggunakan prosedur enumerasi untuk mendapatkan solusi optimal dari masalah pemrograman integer pada VRPTW. Hasil optimasi tersebut adalah sistem distribusi dengan menggunakan bahasa pemrograman C# yang meliputi rute distribusi yang efektif, penjadwalan pengiriman yang tepat dan sistematis, jarak tempuh pengiriman dan biaya distribusi yang minimum. Hasil penelitian diharapkan akan menjadi rujukan bagi PT. PERTAMINA untuk mengoptimalkan sistem distribusi yang sedang dijalankan sehingga biaya penjualan produk dapat ditekan, produk yang dipasarkan menjadi lebih kompetitif.

---

In performing distribution activities from depot to agents especially for Jakarta and Banten agents, PT. PERTAMINA were concerned in determining routes with minimum distances within service time windows from depot and agents called Vehicle Routing Problem with Time Windows (VRPTW). One of methods using for solving VRPTW is implicit enumeration method. This method uses enumeration procedur to get optimal solution from integer programming VRPTW problem.

The solution is distribution system processed with C# program including effective distribution routes, exact and systematic scheduling, distances and minimum distribution cost. The research result is expected to be the suggestion for PT. PERTAMINA to optimize their ongoing distribution system so that product distribution cost would be pressed, the product would be more competitive."

"Kegiatan berbelanja secara online di e-commerce akhir-akhir ini sedang ramai dilakukan karena dinilai lebih praktis dan tidak membuang banyak waktu. Hal ini berbanding lurus dengan banyaknya permintaan pengiriman yang harus dipenuhi oleh pihak last-mile delivery. Last-mile delivery adalah proses pengiriman langsung ke lokasi pelanggan. Pihak last-mile delivery harus melakukan pengiriman dengan biaya yang seminimal mungkin. Biaya perjalanan dapat semakin meningkat apabila terjadi pengiriman berulang yang disebabkan pelanggan tidak berada di rumah saat dilakukan pengiriman. Alternatif pengiriman roaming delivery dapat menjadi solusi dari permasalahan tersebut karena dapat mengurangi jarak dan waktu tempuh serta mengurangi emisi serta kemacetan. Vehicle Routing Problem with Roaming Delivery Locations adalah permasalahan permintaan transportasi dengan pelanggan dapat memiliki lebih dari satu lokasi pengiriman. Pada skripsi ini, digunakan metode Multiple Ant Colony System (MACS) untuk membentuk solusi yang optimal. Multiple Ant Colony System terinspirasi dari perilaku koloni semut dalam mencari sumber makanan. Dalam membentuk sebuah solusi, dibutuhkan data pelanggan berupa koordinat lokasi pengiriman serta time window masing-masing lokasi dan banyaknya permintaan pelanggan. Sebelum dibentuk solusi terbaik menggunakan MACS, dibutuhkan solusi awal yang akan dibentuk dengan menggunakan Nearest Neighbor Heuristic. Berdasarkan simulasi program yang dilakukan pada skripsi ini, dengan data yang digunakan sebanyak 30 pelanggan dengan masing-masing pelanggan memberikan dua lokasi pengiriman, didapatkan alternatif pengiriman roaming delivery memiliki biaya perjalanan yang lebih kecil dibandingkan home delivery yang merupakan pengiriman yang hanya dapat dilakukan ke rumah pelanggan, dengan selisih sebesar 46%.

---

Nowadays, online shopping in e-commerce caught more attention than offline shopping because considered more practical and does not waste much time. This has led to increasing the demand for shipments made by last-mile delivery. Last-mile delivery is the final step of the delivery process, the delivery made by sending directly to the customer's house. The package must be delivered using the least-costed routes. Missed deliveries caused by customers are not at home while the deliveries made, can increase the total travel cost. There is an alternative of deliveries that can overcome this problem, i.e., roaming delivery. Roaming delivery can be a solution to these problems because it can reduce distance and travel time as well as reduce emissions and congestion. Vehicle routing problem with roaming delivery location is the variant of vehicle routing problem which each customer can have more than one delivery locations. This thesis proposed multiple ant colony system methods to find the optimum solution of vehicle routing problems with roaming delivery locations. Multiple Ant Colony System is a method inspired by the foraging behavior of colonies of ants. The input of this method is a set of customers' data, i.e., locations' coordinates, time window of each location, and the number of demands. Multiple Ant Colony System requires an initial solution constructed by the nearest neighbor heuristic which is then optimized by reducing the number of vehicles and total travel time. Based on the simulation that use 30 customers where each of the customers gives 2 different locations, the total cost of roaming delivery is cheaper than home delivery up to 46%."

"Vehicle Routing Problem (VRP) adalah sebuah permasalahan optimasi kombinatoris yang menentukan sekumpulan rute yang bermula dan berakhir pada sebuah depot, sehingga semua kendala dapat dipenuhi dan biaya yang dikeluarkan dapat diminimalkan. Permasalahan ini sering dihadapi oleh perusahaan yang proses bisnisnya sangat bergantung pada transportasi produknya. CV Safari Mitra Cemerlang adalah sebuah perusahaan di bidang produksi dan distribusi produk parfum dan produk laundry care di Kota Makassar, Indonesia. Di Kota Makassar, perusahaan ini melayani 14 pelanggan tetap yang setiap minggunya perlu dikunjungi untuk mengantarkan produk pesanannya. Penelitian ini bertujuan untuk mendapatkan rute distribusi dengan jarak tempuh minimal pada proses distribusi tersebut. Dengan memodelkan permasalahan VRP tersebut ke dalam bentuk Mixed Integer Linear Programming (MILP) dan mengoptimalkannya menggunakan perangkat lunak LINGO Solver, diperoleh rute perjalanan yang terbagi ke dalam dua perjalanan dengan jarak tempuh 70,29 km.

---

Vehicle Routing Problem (VRP) is a combinatorial optimization problem that determines a set of routes which start and end in a depot, such that all constraints are satisfied, and the cost is minimized. This type of problem often faced by companies whose business processes are highly dependent on the transportation of their products. CV Safari Mitra Cemerlang is a company based in Makassar, Indonesia, that specializes in perfume and laundry care products production and distribution. It caters 14 regular customers across the city of Makassar which needs to be visited every week to transport their orders. This study aims to obtain a distribution route with a minimum distance for that distribution process. By modelling the VRP problem into a Mixed Integer Linear Programming (MILP) form and optimizing it with the help of LINGO Solver software, this study obtained the optimal route which is divided into two trips with a total distance of 70.29 km."

"Pada penelitian ini mengusulkan sebuah model matematik untuk menyelesaikan permasalahan Vehicle Routing Problem with Simultaneous Pickup and Delivery yang dikombinasikan dengan distribusi barang multiple product. Dalam hal ini kendaraan membawa mengangkut berbagai macam produk yang menggunakan kompartemen untuk tiap jenis produk. Berbeda dengan penelitian VRPPD, keunikan karakteristik pada penelitian ini adalah dalam penentuan rute kunjungan kendaraan tidak hanya dibatasi oleh kapasitas kendaraan namun juga dibatasi oleh kapasitas kompartemen dari tiap jenis produk. Dalam penelitian ini, perhitungan data set menggunakan metode pengelompokan berdasarkan net demand yaitu Smallest Maximum Load (SML) dan Largest Maximum Load (LML). Penentuan solusi tebaik didapat dengan menggunakan perhitungan algoritma Tabu Search.

---

This study addresses a method to solve Vehicle Routing Problem with Simultaneous Pickup and Delivery (VRPSPD) which combines a variety of products carried in a vehicle (multiple product). It examines the carriage with multiple compartment where each compartment is dedicated to a single type of product. Different from another widely studied pick up and delivery problems, the unique characteristics of this study is the route determination of the vehicle from the depot to customers because not only does it consider the vehicle's capacity but also the compartment capacity of each product as a limitation We calculate the set of instances using the customer grouping method (Smallest Maximum Load and Largest Maximum Load). The Solution obtained by the cheapest insertion method can be improved by Tabu Search algorithm. Finally, computational result are reported from test instance."

"Buah pisang adalah komoditas hortikultura terbesar di Indonesia. Produksi pisang di Indonesia mencapai 9,60 juta ton pada 2022, menjadikan Indonesia sebagai negara produsen dan konsumen pisang ketiga di dunia. Meskipun demikian, tingkat konsumsi buah masih sangat rendah dibandingkan dengan standar yang direkomendasikan oleh WHO. Penyebab rendahnya tingkat konsumsi buah-buahan adalah harga jual yang tinggi dibandingkan dengan negara lain, akibat tingginya biaya distribusi dari distribution center ke pelanggan. Permasalahan tersebut terjadi pada salah satu distributor pisang Cavendish di Jabodetabek diakibatkan oleh belum adanya metode penentuan rute distribusi yang sesuai dengan kondisi perusahaan dengan jumlah permintaan yang fluktuatif serta memiliki jendela waktu pelayanan pada lokasi pelanggan. Pada penelitian ini, dibangun model optimasi untuk menyelesaikan masalah tersebut menggunakan pendekatan Capacitated Vehicle Routing Problem with Time Windows (CVRPTW) serta algoritma column generation. Hasil dari model optimasi dapat menurunkan total jarak tempuh dan mengurangi jumlah kendaraan secara signifikan sehingga menghasilkan total peghematan hingga Rp393,731,278 atau 19% dari total biaya pada Januari 2023.

---

Bananas are the largest horticultural commodity in Indonesia. Banana production in Indonesia reached 9.60 million tons in 2022, making Indonesia the world's third-largest producer and consumer of bananas. However, the level of fruit consumption still needs to be improved compared to the standards recommended by the WHO. The low consumption of fruits is caused by the high selling prices compared to other countries due to the high distribution costs from the distribution center to the customers. This issue occurs in one of the Cavendish banana distributors in Jabodetabek, resulting from the absence of a suitable distribution route determination method that matches the company's conditions with fluctuating demand and a service time window at customer locations. In this study, an optimization model is built to solve this problem using the Capacitated Vehicle Routing Problem with Time Windows (CVRPTW) approach and the column generation algorithm. The results of the optimization model can reduce the total distance traveled and the number of vehicles significantly, resulting in total savings of up to Rp393,731,278 or 19% of the total cost in January 2023."

"Dalam industri jasa pengiriman paket dan kurir, waktu pengiriman merupakan faktor penting dalam memenuhi ekspektasi pelanggan. Jasa pengiriman paket menggunakan desain jaringan Hub-and-Spoke untuk memperoleh keuntungan ekonomis. Pengiriman di hari yang sama dapat dipastikan dengan merancang jaringan dengan batasan waktu ketat. Penelitian ini berfokus untuk merancang metode yang mampu menjawab keputusan utama terkait perancangan desain jaringan Hub-and-Spoke, yaitu: jumlah dan lokasi hub optimal, serta alokasi node lainnya ke hub. Data waktu tempuh dikumpulkan untuk setiap pasang lokasi. Metode Uncapacitated Single Allocation p-Hub Median Problem dan K-Means clustering digunakan untuk merancang jaringan Hub-and-Spoke awal. Bentuk jaringan direct link kemudian diubah ke bentuk jaringan rute dengan implementasi algoritma Local Search dan model Integer Programming. Desain jaringan optimal dipilih dengan mempertimbangkan jumlah kebutuhan kendaraan. Hasil dari kedua metode menunjukkan bahwa tiga merupakan jumlah hub optimum.

---

In package delivery and courier services industry, delivery time is one important factor in meeting customer expectations. Delivery package services use Hub-and-Spoke network design to achieve economies of scale. Same-day delivery services can be ensured by designing network with tight travel time constraints. This study focuses in designing method that could answer the main decisions in Hub-and-Spoke network design, which are: the optimal number and locations of hubs, along with the allocations of other nodes to hubs. Travel time data were collected between every origin-destination pair. Uncapacitated Single Allocation p-Hub Median Problem and K-Means clustering methods were used to design the initial Hub-and-Spoke network. The directly linked network then transformed into a routed network by implementing Local Search algorithm and an Integer Programming model. The optimal network design was chosen by considering the number of vehicles needed. Results from both methods shown that three is the optimum number of hubs."