Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKA Dynamic Dial a Ride Problem with Money as an Icentive DARP-M adalah suatu per- masalah dalam pencarian rute optimal untuk memenuhi permintaan sejumlah pelanggan yang menggunakan sistem taxi sharing dengan kendala biaya. Taxi sharing merupakan suatu sistem dimana pelaku perjalanan individu yang berbagi kendaraan dengan pelaku perjalanan lain, yang mempunyai asal, tujuan dan waktu perjalanan yang sama atau ham- pir bersamaan. Solusi yang ingin dicapai pada tugas akhir ini adalah solusi yang dapat meminimumkan biaya perjalanan setiap permintaan. Pencarian solusi dari DARP-M pada tugas akhir ini menggunakan metode insertion heuristic dalam pembentukan rute awal dan metode large neighborhood search dalam penentuan rute optimal.

---

ABSTRACTA Dynamic dial a Ride Problem with Money as an Icentive DARP M is a problem of finding optimal route to serve customers demand which uses taxi sharing system with cost constraint. Taxi sharing is a system where individual customer share vehicles with other customer, who has same or similar origin, destination, and travel time. The optimal solution is the solution that can minimize the cost of each trip request. The search for the DARP M solution in this final project uses the insertion heuristic method for con struction of initial route and the large neighborhood search method for the optimal route determination. "

"Salah satu cara untuk mengatasi masalah kemacetan dan polusi udara akibat penggunaan kendaraan pribadi yang kurang efektif yaitu dengan menggunakan sistem berbagi tumpangan (ride sharing). Ride sharing merupakan suatu sistem dimana pelaku perjalanan berbagi (sharing) kendaraan dengan pelaku perjalanan lain yang memiliki waktu dan lokasi asaltujuan perjalanan yang sama atau hampir sama. Pada skripsi ini akan dibahas masalah optimasi penggunaan sistem berbagi tumpangan dengan kedatangan permintaan layanan baru diketahui saat akan melakukan pelayanan yang disebut juga dynamic ride sharing. Bentuk model matematis dari masalah tersebut akan menggunakan Dial-A-Ride-Problem with Money as incentive (DARP-M), yaitu suatu pengembangan dari DARP dengan menambahkan batasan dalam aspek biaya. Selanjutnya akan digunakan algoritma genetika sebagai metode penyelesaian dari masalah tersebut. Berdasarkan hasil percobaan yang dilakukan dalam skripsi ini diperoleh bahwa algoritma genetika cukup dapat memberikan solusi yang optimal untuk permasalahan tersebut dan dengan menggunakan ride sharing sebagai DARP-M akan memberikan penghematan biaya perjalanan bila dibandingkan tidak menggunakan ride sharing.

---

One way to overcome congestion and air pollution problems due to ineffective use of private vehicles is to use a ride sharing system. Ride sharing system itself refers to a system in which users share vehicles with other users who have the same or nearly same location of travel origin and destination as well as the same set of time. This thesis discusses the issues of optimizing the use of the ride-sharing system with the arrival of new service requests known when they are about to perform services to customers which is alson known as dynamic ride sharing. The form of a mathematical model used in this thesis to adress such issues is called Dial A Ride Problem with Money as incentives (DARP-M), which is a development of DARP by adding constrains in the aspect of costs. Furthermore, genetic algorithms is used as a method of problem-solving. Based on the results of the experiments conducted in this thesis, it is found that the genetic algorithm can provide an optimal solution to these issues and by using ride sharing, as DARP-M demonstrated, it could provide savings in travel costs when compared to not using ride sharing."

"Dynamic Dial a Ride Problem with Time Windows (DDARPTW) merupakan masalah pencarian rute optimal untuk melayani sejumlah pelanggan yang ingin dijemput di suatu tempat dan diantar ke tempat lainnya dengan data permintaan penumpang yang dapat bertambah selama periode perjalanan. Solusi yang ingin didapatkan adalah suatu rute dengan tingkat ketidakpuasan pelanggan yang minimum. Tugas akhir ini membahas penggunaan algoritma 2 tahap pada DDARPTW serta implementasinya pada data sebanyak 56 pelanggan dengan menggunakan perangkat lunak. Penentuan solusi awal pada tugas akhir ini menggunakan metode insertion heuristic dan tahap pertama menggunakan metode local search yaitu 2-opt arc swap untuk memberikan perbaikan pada nilai fungsi tujuan serta tahap kedua menggunakan metode simple insertion untuk melakukan penambahan pelanggan baru dalam periode perjalanan.

---

Dynamic Dial a Ride Problem with Time Windows (DDARPTW) is a problem of finding an optimal route to serve a number of customers who want to be picked up in a certaint place and delivered to other place. Data of passenger's demand could be added during the trip period. The obtained solution is a route with minimum level of customer dissatisfaction.

This mini thesis explores the use of two phase algorithm and its implementation on the data of 56 customers using a software. The initial solution is constructed by insertion heuristic method and the first phase use 2-opt arc swap local search which provides improvements to the value of the objective function and the second phase uses a simple insertion method to add new customer in the trip period."

"Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) merupakan masalah pencarian rute kendaraan untuk mengirim barang ke pelanggan melalui dua pusat distribusi yang berbeda, yaitu depot dan titik transfer. Pada eselon pertama, barang akan dikirimkan dari depot ke titik transfer atau langsung ke pelanggan dengan menggunakan truk. Sementara, pada eselon kedua, barang akan dikirim dengan menggunakan sistem crowdsourced delivery, yaitu dengan menggunakan jasa kurir pekerja lepas dengan jadwal yang fleksibel dan mengunakan transportasi pribadi. Kurir tersebut akan mengambil barang yang telah diantar oleh truk ke titik transfer dan selanjutnya meneruskan pengantaran ke pelanggan. Pada skripsi ini digunakan Metode Adaptive Large Neighborhood Search (ALNS) untuk menyelesaikan permasalahan tersebut dengan menggunakan perangkat lunak. Konsep dari metode ini adalah memperbaharui struktur lingkungan melalui destroy dan repair operator dengan menggunakan probabilitas bahwa suatu operator tententu dipilih disesuaikan kembali sesuai dengan kinerja selama iterasi sebelumnya. Solusi yang ingin dicapai adalah solusi dengan total biaya pengiriman yang minimum. Berdasarkan hasil percobaan, dengan menggunakan 50 pelanggan, 1 depot, 9 titik transfer, 20 pelanggan yang dilayani sistem crowdsourced delivery, dan 3000 iterasi, diperoleh bahwa Metode ALNS dapat digunakan untuk mengoptimalkan masalah Crowdsourced Delivery 2E-VRP TTRP dengan penghematan total biaya perjalanan sebesar 40,76%.

---

.Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) is a problem where goods must be sent to customers through two different distribution centers, namely depot and transfer point. In the first echelon, the goods will be sent from the depot to the transfer points or directly to the customers by trucks. Meanwhile, in the second echelon, the goods will be sent using a crowdsourced delivery system, by using couriers that have flexible schedule and using their own transportations. The couriers will pick up the goods that have been delivered by the trucks to the transfer points and deliver it to the customers. In this final project, the Adaptive Large Neighborhood Search (ALNS) Method is used to solve the problem by using software. The concept of this method is to update the neighborhood structure through the destroy and repair operators by using the probability that a certain operator is selected to be readjusted according to performance during the previous iterations. The solution to be achieved is a solution with a minimum total delivery cost. Based on the experimental results, using 50 costumers, 1 depot, 9 transfer points, 20 costumers served by the crowdsourced delivery system, and 3000 iterations, it is found that the ALNS Method was be used to optimize the Crowdsourced Delivery 2E-VRP TTRP with a total travel cost savings of 40,76%."

"Dewasa ini, tren berbagi kendaraan menjadi pilihan masyarakat untuk berpergian dari satu tempat ke tempat lain, tren tersebut terkenal dengan sebutan ride sharing. Ride sharing adalah salah satu solusi yang dapat berkembang untuk mengurangi kemacetan karena jumlah kendaraan di jalan yang tinggi. Taksi sebagai moda transportasi alternatif di perkotaan dapat menerapkan sistem ride sharing tersebut. Taxi sharing bertujuan memaksimalkan penggunaan kapasitas taksi, sehingga dapat mengurangi biaya perjalanan penumpang, meningkatkan penghasilan operator taksi, dan mengurangi kemacetan, emisi gas buangan, serta penggunaan bahan bakar. Untuk memaksimalkan keuntungan dari penggunaan sistem taxi sharing, perlu pengoptimalan rute taksi dan pasangan permintaan yang berbagi layanan taksi. Pengoptimalan tersebut berbentuk mixed integer programming. Kemudian, permasalahan tersebut terselesaikan menggunakan metode tabu search. Hasil percobaan menunjukkan metode tabu search meningkatkan pendapatan operator taksi sebesar 10 - 14.

---

Nowadays, ride sharing system is a trend among society for travelling. The ride sharing system is a solution that can be developed to reduce the congestion because of high amount of vehicles on the road. Taxi as an alternative transportation in urban area can impose the ride sharing system. Taxi sharing aims to maximaze the utilization of taxi capacity, thereby reduce the fare for passangers, increase income of taxi operator, and reduce congestion, gas emission, as well as the use of fuel. In order to maximize the benefits of using taxi sharing system, we need to optimize taxi route and match requests that share the taxi service. The optimization of taxi sharing problem have the form of mixed integer programming, which is solved by using tabu search method. The experiment shows that the tabu search method can increase the income of taxi operator up to 10 14."

"Masalah pemilihan rute optimal dari sejumlah kendaraan untuk melayani sejumlah pelanggan pada jasa penjemputan (pickup service) barang dengan jumlah pelanggan yang berubah terhadap waktu (Dynamic Vehicle Routing Problem/ DVRP) terjadi pada perusahaan-perusahaan layanan angkutan barang. Untuk mengatasi masalah DVRP, optimasi rute dilakukan secara berkala berdasarkan pembagian waktu yang proporsional pada jam operasional perusahaan. Jumlah pelanggan yang bertambah banyak mengakibatkan kemungkinan rute bertambah banyak, dimana setiap rute bersesuaian dengan setiap variabel/ kolom pada model matematis DVRP yang berupa pemrograman linier. Salah satu metode yang digunakan untuk menyelesaikan masalah pemrograman linier dengan jumlah kolom yang sangat besar adalah metode column generation. Pada skripsi ini akan dibahas penerapan metode dynamic column generation yang merupakan perluasan dari metode column generation (statis) untuk menyelesaikan masalah pemilihan rute kendaraan yang optimal pada jasa penjemputan barang (pickup service) yang mempertimbangkan jumlah pelanggan yang berubah terhadap waktu (Dynamic Vehicle Routing Problem/ DVRP). Berdasarkan hasil implementasi menggunakan program komputer, rute yang diterapkan metode dynamic column generation lebih baik dibandingkan dengan rute yang tidak diterapkan metode dynamic column generation.

---

The choice of the best routes used a set of vehicle to serve a set of customer on pickup of goods services with the number of customers changing (dynamic) over time (Dynamic Vehicle Routing Problem/ DVRP) occur on a freight services company. To overcome the problem, a route optimization is done periodically based on the proportional time partition to the company operational hours. Growing number of customer cause growing number of possibilities route, which every route corresponding to every decision variable/ column in the DVRP linear programming model. One of the methods used to solve the problem of linear programming with a very large number of columns is column generation method. In this undergraduate thesis will be discussed about the application of dynamic column generation method which is an extension of the column generation (static) to solve the problem of selecting an optimal vehicle route on pickup of goods services which consider the number of customers changing (dynamic) over time (Dynamic Vehicle Routing Problem/ DVRP). Based on the result of implementation using the computer program, the route applied using the dynamic column generation method better than the route not applied using the dynamic column generation method."

"ABSTRACTRidesharing dapat diartikan sebagai suatu sistem dimana pelaku perjalanan dapat berbagi kendaraan serta waktu perjalanan dengan pelaku perjalanan lain yang memiliki tujuan serta waktu perjalanan yang/hampir sama. Permasalahan ridesharing dengan kebijakan HOV Lanes/jalur HOV merupakan suatu permasalahan dalam pencarian rute optimal untuk memenuhi permintaan sejumlah penumpang dengan tiap penumpang dan kendaraan memiliki lokasi asal dan tujuan. Permasalahan ini diterapkan pada suatu graf lokasi yang memuat jalur HOV, yaitu jalur yang memiliki syarat jumlah minimum penumpang di dalam kendaraan. Solusi yang ingin dicapai adalah solusi dengan jarak, waktu, dan biaya perjalanan yang minimum. Tugas akhir ini membahas aplikasi metode insertion heuristic untuk mendapatkan solusi awal pada permasalahan ridesharing dengan kebijakan jalur HOV serta parallel tabu search untuk mengembangkan solusi awal dan mendapatkan rute yang optimal.

---

ABSTRACTRidesharing can be defined as a system where individual travelers can share their vehicle and travel cost with others that have similar destination and time schedule. Ridesharing problem with HOV Lanes is a problem of finding optimal route to serve costumer 39 s demand where each demand and vehicle consists origin and destination point. This problem is applied in a graph with HOV Lanes. HOV Lanes are restricted use freeways lanes reserved for vehicles with more than a predetermined number of occupants. The optimal solution is the one with minimum number of total distance, passenger 39 s ride time, and cost. In this final project, insertion heuristic is applied to obtain an initial solution and parallel tabu search algorithm is applied to improves the initial solution and obtain the optimal solutions."

"Persaingan di industri rokok sangat ketat dilihat dari semakin banyaknya jumlah industri rokok yang ada di Indonesia. Perusahaan mulai menyadari bahwa logistik mempunyai pengaruh yang cukup berarti terhadap biaya. Kontribusi biaya transportasi dalam sistem distribusi perusahaan mencapai 1/3 hingga 2/3 dari total biaya distribusi. Dengan demikian diperlukan etisiensi pada sistem transportasi untuk mengurangi beban biaya operasional perusahaan. Pada kenyataannya di lapangan masalah yang sering ditemui adalah Vehicle Routing Problem (VRF). Banyak metode yang digunakan untuk menyelesaikan permasalahan ini. Salah satu metode dalam menyelesaikan masalah VRP ini adalah Adaptive Large Neighborhood Search yang mempunyai kelebihan dalam menyelesaikan masalah yang berbeda dalam VRP, yaitu The Vehicle Routing Problem with Time Windows (VRPTW) dan The Capacitated Vehicle Routing Problem (CVRP). Metode ini diharapkan akan memperbaiki sistem transportasi, khususnya penemuan rute yang akan menurunkan biaya pengiriman produk ke konsumen.Penerapan Metode Adaptive Large Neighborhood Search ini menggunakan studi kasus. PT. X untuk pengiriman produk dari depot ke konsumen-konsumennya yang tersebar di sekitar wilayah Cirebon, Jawa Barat. Penyelesaian dilakukan menggunakan program komputer menggunakan bahasa pemrograman matlab. Selanjutnya data pengiriman selama 1 bulan diolah menggunakan peranti lunak ini dan menghasilkan rute dengan penurunan jarak tempuh sebesar 709.1 km atau sebesar 8.2%, terjadi penurunan biaya pengiriman sebesar Rp. 1.056.934,80 jika dipersentasekan adalah sebesar 8.2% dan terjadi penurunan jumlah trip Sebanyak 8 trip atau sekitar 6.35%.

---

Competition in cigarettes industries is very tight which is looked from the number of cigarettes industries in Indonesia. Companies realize that logistic have enough influence to expense. The transportation cost contribution on distribution system in a company typically range between one third and two thirds of total logistics costs. Because of that, efficiency is needed to decrease company?s operational cost on distribution. Problems that oiten occurs in practice what is called Vehicle Routing Problem (VRP). Many methods used to solve this kind of problem. One of the method in Vehicle Routing Problems is Adaptive Large Neighborhood Search Algorithm which can solve different problems in VRP such as The Vehicle Routing Problem with Time Windows (VRPT W) and The Capacitated Vehicle Routing Problem (CVRP). This method is hoped will improve the transportation system, especially route determining which will reduce cost of delivery to customer.The implementation of Adaptive Large Neighborhood Algorithm use case PT. X for product shipment from depot to its consumers which spread among Cirebon, West Java. Computer programming is used to solve the problem then it is developed with Matrix Laboratory Language. Then the data for 1 month shipment is processed by this software and resulting improvement that is 709.1 km distance reduction or 8.2%, Rp. Rp. I.O56.934,80 cost reduction or 8.2% from total transportation cost and the number of trip is decrease until 8 trips or about 6.35%."

"Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) merupakan masalah pencarian rute kendaraan untuk mengirim barang ke pelanggan melalui dua pusat distribusi yang berbeda, yaitu depot dan titik transfer. Pada eselon pertama, barang akan dikirimkan dari depot ke titik transfer atau langsung ke pelanggan dengan menggunakan truk. Sementara, pada eselon kedua, barang akan dikirim dengan menggunakan sistem crowdsourced delivery, yaitu dengan menggunakan jasa kurir pekerja lepas dengan jadwal yang fleksibel dan mengunakan transportasi pribadi. Kurir tersebut akan mengambil barang yang telah diantar oleh truk ke titik transfer dan selanjutnya meneruskan pengantaran ke pelanggan. Pada skripsi ini digunakan Metode Adaptive Large Neighborhood Search (ALNS) untuk menyelesaikan permasalahan tersebut dengan menggunakan perangkat lunak. Konsep dari metode ini adalah memperbaharui struktur lingkungan melalui destroy dan repair operator dengan menggunakan probabilitas bahwa suatu operator tententu dipilih disesuaikan kembali sesuai dengan kinerja selama iterasi sebelumnya. Solusi yang ingin dicapai adalah solusi dengan total biaya pengiriman yang minimum. Berdasarkan hasil percobaan, dengan menggunakan 50 pelanggan, 1 depot, 9 titik transfer, 20 pelanggan yang dilayani sistem crowdsourced delivery, dan 3000 iterasi, diperoleh bahwa Metode ALNS dapat digunakan untuk mengoptimalkan masalah Crowdsourced Delivery 2E-VRP TTRP dengan penghematan total biaya perjalanan sebesar 40,76%.

---

Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) is a problem where goods must be sent to customers through two different distribution centers, namely depot and transfer point. In the first echelon, the goods will be sent from the depot to the transfer points or directly to the customers by trucks. Meanwhile, in the second echelon, the goods will be sent using a crowdsourced delivery system, by using couriers that have flexible schedule and using their own transportations. The couriers will pick up the goods that have been delivered by the trucks to the transfer points and deliver it to the customers. In this final project, the Adaptive Large Neighborhood Search (ALNS) Method is used to solve the problem by using software. The concept of this method is to update the neighborhood structure through the destroy and repair operators by using the probability that a certain operator is selected to be readjusted according to performance during the previous iterations. The solution to be achieved is a solution with a minimum total delivery cost. Based on the experimental results, using 50 costumers, 1 depot, 9 transfer points, 20 costumers served by the crowdsourced delivery system, and 3000 iterations, it is found that the ALNS Method was be used to optimize the Crowdsourced Delivery 2E-VRP TTRP with a total travel cost savings of 40,76%."

"Pada skripsi ini akan dibahas konsep ride sharing pada taksi, atau disebut juga taxi sharing, yang merupakan salah satu upaya untuk mengatasi masalah kemacetan akibat kurang seimbangnya jumlah kendaraan yang beredar dengan kapasitas jalan yang dapat menampung kendaraan. Pada taxi sharing, penumpang taksi berbagi kendaraan taksi dan biaya perjalanan dengan penumpang lain yang memiliki tempat asal-tujuan yang sama/hampir sama dalam waktu perjalanan yang hampir bersamaan. Pemanfaatan taxi sharing yang mengoptimalkan utilisasi kendaraan taksi, selain dapat mengurangi jumlah kendaraan taksi yang dibutuhkan untuk melayani konsumen dan mengurangi biaya operasional taksi, juga dapat mengurangi penggunaan bahan bakar, yang pada akhirnya mengurangi emisi gas buang kendaraan. Untuk memaksimalkan penggunaan taxi sharing, maka diperlukan pengoptimalan rute taksi dalam melayani penumpang, dimana masalah pencarian rute taxi sharing yang optimal dalam skripsi ini akan dimodelkan dalam bentuk mixed integer programming problem. Permasalahan ini diselesaikan menggunakan algoritma genetika, yang lahir dari sebuah inspirasi teori evolusi Darwin. Algoritma ini digunakan untuk mencari pasangan penumpang yang berbagi layanan taksi dan rute taksi yang optimal. Hasil percobaan dengan menggunakan ukuran populasi (popsize) 10, jumlah generasi 50 dan 100, crossover rate (Cr) 0.7, dan mutation rate (Mr) 0.2 menunjukkan bahwa yang sebelumnya terdapat 8 permintaan taksi dan 8 taksi, operator taksi dapat mengurangi jumlah taksi yang beroperasi sebesar satu taksi. Taksi yang menggunakan konsep taxi sharing, yaitu taksi 5 akan melayani permintaan 2 dan 8, dengan urutan menjemput permintaan 2 lalu 8, lalu mengantarkan permintaan 2 kemudian 8, dengan biaya yang dibayarkan Rp4.200,00 untuk permintaan 2 dan Rp14.700,00 untuk permintaan 8. Maka dari itu, keuntungan operator taksi menjadi lebih besar, penumpang dapat menghemat biaya perjalanan, dan penggunaan kendaraan di jalan berkurang.

---

This research will discuss about the implementation of taxi ride sharing system or taxi sharing as an attempt to find a solution for traffic jam problem that caused by an unequal number of public transportation units operated in the street and the lack of street capacity which supposed to facilitate it. With the present of taxi sharing system, consument can share their taxi trip with others passengers that going on to same direction at the same time. This solution can give benefit for consuments by sharing the trip cost while at the same time benefitted the public transportations provider to optimalized the utilization of the taxi units and cut off operationalization cost, benefitted society by minimalize the number of cars in the streets and reducing air polution from gasoline consumption. To make this taxi sharing system works it also needed an optimalization in taxi route for each trip service. This research will be trying to solved this challenges by examines the taxi-sharing route services through Mixed Integer Programming Problems. This process will be carried using a genetics algorythm which inspired from Darwin's theory of evolution. This algorithm is aiming to be effectively find and match pairs of passengers who use taxi sharing system and taxi routes. The experiment by using population size (popsize) of 10, number of generations 50 and 100, crossover rate (Cr) 0.7, mutation rate (Mr) 0.2 shows that from 8 taxi units to accomodate 8 taxi requests that have been received before, the taxi provider supposedly be able to effectively reduce the number of taxis into only 7 taxis to carry all of the sharing system passengers that requesting. A taxi that uses taxi sharing system will serve request number 2 and request number 8, by picking up request 2 then 8, then delivering request 2 then 8, with fees paid Rp4.200,00 for request 2 and Rp14.700,00 for request 8. Therefore, the profit of the taxi provider is greater, the passengers can save their trip costs, and the use of vehicles on the road can be decreased."