40
dengan individu terbaik setelah dipertahankan dengan proses elitism. Setelah populasi baru terbentuk, kemudian mengulangi langkah-langkah evaluasi nilai
fitness, proses seleksi, proses pindah silang, proses mutasi pada populasi baru untuk membentuk populasi baru selanjutnya.
E. Teknik Penarikan Kesimpulan
Percobaan yang dilakukan dengan menggunakan software Matlab memberikan hasil total waktu yang berbeda-beda. Penelitian ini akan
membandingkan total waktu yang dihasilkan antara roulette wheel selection dan seleksi turnamen. Selanjutnya akan diuji perbedaan antara rata-rata total
waktu yang dibutuhkan untuk proses pendistribusian pada metode roulette wheel selection dan metode seleksi turnamen. Sebelum dilakukan uji beda
rata-rata, perlu dilakukan uji normalitas dan homogenitas. Jika data berdistribusi normal dan memiliki varainsi yang homogen, maka data tersebut
termasuk statistika parametrik sehingga uji beda rata-rata dapat dilakukan dengan uji T, sedangkan jika penaksiran dan pengujian hipotesis data
berdistribusi tidak normal maka data tersebut termasuk ke dalam statistika non parametrik Asni dkk, 2012 :87.
F. Penelitian yang Relevan
Seiring berkembangnya jaman dan teknologi, banyak penelitian tentang algoritma genetika yang telah dilakukan, antara lain
“Algoritma Genetika pada Penyelesaian Capacitated Vehicle Routing Problem Optimasi
Rute Pendistribusian Aqua Galon PT. Tirta Investama” oleh Adam Arif
41
Dirgantara. Hasil dari penelitian ini diperoleh 7 rute pendistribusian dengan nilai fitnessnya 0,006628 dan total jarak yang ditempuh yaitu 150,9 Km.
Selain itu, penelitian dari Ikhsan Hidayat yang berjudul “Penerapan
Algoritma Genetika pada Penyelesaian Capacitated Vehicle Routing Problem CVRP untuk Distribusi Surat Kabar Kedaulatan Rakyat di Kabupaten
Sleman”. Hasil dari penelitian ini diperoleh 2 rute pendistribusian. Pada rute pertama kapasitas kendaraan pengangkut adalah 336,2 kg dengan total jarak
tempuhnya 89,7 Km dan pada rute kedua kapasitas kendaraan pengangkut adalah 319,1 kg dengan total jarak tempuhya 44 Km.
Terdapat persamaan dan perbedaan penelitian ini dengan penelitian- penelitian sebelumya. Persamaan dalam penelitian ini dengan penelitian dari
Ikhsan Hidayat dan Adam Arif Dirgantara yaitu menggunakan algoritma genetika dengan metode order crossover, dan mutasi sweep. Perbedaan dari
penelitian ini dengan penelitian sebelumnya yaitu dalam penggunaan seleksi serta kendala. Dalam penelitian ini, digunakan dua metode seleksi yaitu :
roulette wheel selection, dan seleksi turnamen. Serta kendala yang digunakan dalam penelitian ini yaitu kapasitas dan waktu.
78
DAFTAR PUSTAKA
Adam, A.D. 2015. Algoritma Genetika pada Penyelesaian Capacitated Vehicle Routing Problem Optimasi Rute Pendistribusian Aqua Galon
PT. Tirta Investama. Skripsi, tidak diterbitkan, Universitas Negeri Yogyakarta, Yogyakarta.
Agus, W.A. 2013. Implementasi Algoritma Genetika untuk Pencarian Rute Berdasarkan Waktu Tercepat Objek Wisata di Kabupaten Ngawi.
Skripsi, tidak diterbitkan, Universtas Muhammadiyah Surakarta, Surakarta.
Anandistya, L.P. 2016. Perancangan Biased Random Key Genetic Algorithm dengan Multiple Population untuk Menyelesaikan Capacitated
Vehicle Routing Problem with Time Windows. Skripsi, tidak diterbitkan, Universitas Muhammadiyah Surakarta, Surakarta.
Anwar, T., Yuliani, W. 2005. Penerapan Algoritma Genetika untuk Travelling Salesmen Problem dengan Menggunakan Order Crossover
dan Insertion Mutation. Makalah disajikan dalam Seminar Nasional Aplikasi Teknologi, di Universitas Pelita Harapan.
Asni, H.M., Sienly, V., Nur., Santy, S., Dini, I. 2012. Statistika II. Yogyakarta: Penerbit Andi.
Atmini, D., Eminugroho, R.S., Dwi, L. 2013. Solving Capacitated Vehicle Routing Problems with Time Windows by Goal Programming
Approach. Proceedings of IICMA.
Cynthia, B., Gilbert, L. 2006. Handbook in Operational Research and Management Science: Transportation. Amsterdam: Elsevier.
Farah, B.P. 2014. Penerapan Algoritma Genetik untuk Vehicle Routing Problem with Time Windows VRPTW Pada Kasus Optimasi
Distribusi Beras Bersubsidi. Skripsi, tidak diterbitkan, Universitas Brawijaya, Malang.
Gen, M., Cheng, R. 1997. Genetic Algorithm and Engineering Design. New York: John Wiley Sons.
Goldberg, D. 1999. An Introduction to Genetic Algorithms for Scientist and Engineers. Singapore: Uso-Print.
79
Hannawati, A., Thiang, E. 2002. Pencarian Rute Optimum Menggunakan Algoritma Genetika. Jurnal Teknik Elektro, Vol 2 No. 2, 78-83.
Haupt, L.R., Haupt, S.E. 2004. Practical Genetic Algorithms. New Jersey: John Wiley.
Ikhsan, H. 2016. Penerapan Algoritma Genetika pada Penyelesaian Capacitated Vehicle Routing Problem CVRP untuk Distribusi Surat
Kabar Kedaulatan Rakyat di Kabupaten Sleman. Skripsi, tidak diterbitkan, Universitas Negeri Yogyakarta, Yogyakarta.
Intrada, R. 2016. Implementasi Algoritma Floyd Warshall dan Nearest Neighbour dalam Pengoptimalan Rute Capacitated Vehicle Routing
Problem with Time Windows. Skripsi, tidak diterbitkan, Universitas Negeri Yogyakarta, Yogyakarta.
Kusumadewi, S. 2003. Artificial Intelligence Teknik dan Aplikasinya. Yogyakarta: Graha Ilmu.
Liu, Z. 2013. The Reserach of Vehicle Routing Problem with Time Windows for Changsa Yunda Express in Kaifu District. Applied
Mechanics and Materials, Vol 336-338, 2525-2528.
Michalewicz, Z. 1996. Genetic Algorithm and Data Source. Evolution Programs. 3
rd
. New York: Springer-Verlag. Moolman, A.J., Koen K., Westhuizen, J.V.P. 2010. Activity-Based
Coasting for VRP. South African Journal of Industrial Engineering, Vol 212, 161-171.
Munir, R. 2009. Matematika Diskrit Edisi 3. Bandung: Informatika Bandung.
Murniati, N. 2009. Penerapan Algoritma Genetika pada DNA Sequencing by Hibbridization. Depok: Departemen Matematika UI.
Razali, N.M., Geraghty, J. 2011. Genetic Algorithm Performance with Different Selection Strategies in Solving TSP. Proceedings of the
World Congress on Engineering, Vol II, 1134-1139.
Razavi, M., Eshlaghy. 2015. Using an Ant Colony approach for Solving capacitated Vehicle Routing Problem with Time Windows. Research
Journal of Recent Science, Vol. 42, 30-35.
Rossen, K.H. 1999. Discrete Mathematics and Its Applications, 4
th
. New York: McGraw-Hill.
80
Sekilas RASKIN.
2017, Maret
25. Retrieved
from Bulog
: http:www.bulog.co.idsekilas_raskin.php
Shen, L.,T., Cai, L.,Z. 2013. An Anycast Routing Algorithm based on the Combination of Genetic Algorithm and Ant Colony Algorithm.
Applied Mechanics and Materials, Vol 239-240, 1324-1330.
Spears, McDuff., W. 1989. Using Neural Networks and Genetic Algorithms As Heuristics for NP-Complete Problems. Thesis, tidak diterbitkan,
Faculty of the Graduate School George Mason University
Suprayogi. 2003. Vehicle Routing Problem-Definition Variants and Application, Industrial System Planning and Optimization Laboratory.
Bandung: Department of Industrial Engineering Bandung Institute of Technology.
Suyanto. 2005. Algoritma Genetika dalam MATLAB. Yogyakarta: Andi Offset.
Tenia W., Elisa U. 2016. Matematika Diskrit dan Penerapannya dalam Dunia Informasi. Yogyakarta: Deepublish.
Tonci, C., Hrvoje, G. 2008. Vehicle Routing Problem. Rijeka: In-Tech. Toth, P., Vigo, D. 2002. The Vehicle Routing Problem. New York: Siam.
Wan-xiang, L., Can-shi, Z., Jiang-hua, H, Dong-feng, Z., Duan, L. 2013. A kind of Improved Genetic Algorithm for Multi-Depot Vehicle
routing problem. Applied Mechanics and Materials, Vol 347-350, 3273-3277.
Zainudin, Z. 2014. Algoritma Genetika. Yogyakarta: Penerbit Andi.
42
BAB III PEMBAHASAN
Pada bab ini akan dibahas mengenai model matematika pada pendistribusian raskin di Kota Yogyakarta, penyelesaian model matematika
tersebut menggunakan algoritma genetika serta perbandingan rute yang diperoleh menggunakan algoritma genetika dengan variasi seleksi.
A. Model Matematika CVRPTW pada Pendistribusian Raskin di Kota