V. KESIMPULAN DAN SARAN
A. KESIMPULAN
Model rantai pasokan merupakan model transportasi, inventori, dan distribusi yang dimulai dari bahan baku sampai produk jadi yang dipakai oleh
konsumen akhir. Model rantai pasokan agroindustri pada penelitian ini terdiri dari tiga pemain utama yaitu pemasok bahan baku hasil pertanian supplier,
agroindustri, dan permintaan demand. Model tersebut akan optimal apabila memiliki kombinasi-kombinasi dari parameter rantai pasokan yang paling baik
sehingga dapat diperoleh TSCC Total Supply Chain Cost yang paling optimalminimum. Kombinasi tersebut merupakan masalah pencarian
searching untuk mengoptimalkan TSCC dalam suatu ruang pencarian tertentu search space. Teknik optimasi terbaru yang berasal dari bidang
Artificial Inteligence yang merupakan teknik pencarian searching technique yang bersifat tangguh, adaptif, dan efisien yaitu algoritma genetika Genetic
Algorithms dapat digunakan untuk mengoptimasi model rantai pasokan agroindustri. Algoritma genetika mencari solusi optimal berdasarkan pada
mekanisme sistem natural yaitu perubahan struktur genetika dan seleksi alam.
Implementasi dari penelitian ini adalah perancangan program GASCM Genetic Algorithms for Supply Chain Management Ver. 1.0 yang dibuat
menggunakan bahasa pemrograman Borland Delphi 7.0 dengan acuan program Simple Genetic Algoritms SGA. Telah dilakukan pengembangan
dari fungsi-fungsi maupun prosedur-prosedur dalam program antara lain Fungsi FitFunc untuk menghitung fungsi TSCC; Prosedur InitPop yaitu
inisialisasi populasi dengan representasi integer dan memenuhi suatu kendala- kendalaconstrained; Fungsi Select adalah fungsi untuk menseleksi kromosom
dengan teknik seleksi turnamen tournament selection; dan Prosedur Statistic dikembangkan menjadi dalam bentuk grafik.
Hasil penelitian ini menunjukkan bahwa program GASCM Ver. 1.0
sangat efisien dalam menemukan solusi TSCC minimum dari rantai pasokan agroindustri. Pada kasus 1 numerical example untuk rantai pasokan
agroindustri 2x2x2, solusi minimum dapat tercapai pada generasi ke-270 dengan nilai TSCC 1525. Algoritma genetika hanya mengeksplorasi 3,5
ruang pencarian untuk mendapatkan solusi optimal pada kasus 1. Efisiensi algoritma genetika tersebut akan semakin meningkat apabila ruang pencarian
semakin besar. Hal ini ditunjukan oleh kasus 2 numerical example untuk rantai pasokan agroindustri 4x3x4 dan kasus 3 untuk studi kasus skenario
rantai pasokan agroindustri cocodiesel.
B. SARAN
Kategori