1.7 Metodologi Penelitian
Dalam melakukan penelitian ini, penulis menggunakan beberapa metode penelitian, antara lain:
1. Studi Literatur dan Pemahaman Sistem.
Penulisan ini dimulai dengan studi kepustakaan yaitu dengan membaca buku- buku, jurnal-jurnal dan bahan-bahan referensi dari internet untuk memperoleh
pengertian dan pengetahuan mengenai algoritma genetika, analisis dan perancangan sistem, dan pemrograman Matlab 6.1.
2. Analisis
Pada tahap ini dilakukan pengumpulan fakta-fakta yang mendukung penyelesaian VRP-DP dengan mengadakan konsultasi dengan seorang pakar dan
membandingkan dengan yang ada pada buku penuntun, membuat metode penjaluran berdasarkan permintaan barang dan jarak tempuh, mendefinisikan
gen atau kromosom atau individu dan populasi, membuat algoritma dan flowchart, dan merancang sistem.
3. Perancangan dan Implementasi
Perancangan dan penerapan algoritma genetika untuk penyelesaian Vehicle Routing Problem with Delivery and Pick-Up VRP-DP dengan menggunakan
perancangan pemrograman Matlab 6.1.
4. Pengujian
Pada tahap ini sistem yang sudah dirancang diuji oleh pengguna dan membandingkan solusi pada sistem dengan pemikiran seorang pakar.
5. Penyusunan laporan dan kesimpulan akhir.
Menyusun laporan hasil analisa ke dalam format penulisan tugas akhir dengan disertai kesimpulan akhir.
1.8 Tinjauan Pustaka
Algoritma genetika adalah sebuah teknik optimasi yang berdasarkan pada proses evolusi alam. Di alam, kromosom yang terbaik akan bertahan hidup sehingga generasi
berikutnya akan lebih baik karena kromosom pada generasi tersebut diturunkan dari orang tua yang lebih baik pula. Konsep yang sama dikembangkan untuk penyelesaian
masalah dengan cara mencari himpunan solusi terbaik yang bertahan hidup dan melakukan rekombinasi solusi yang kurang baik untuk mendapatkan kromosom lain
yang lebih baik pada generasi berikutnya.
Proses algoritma terdiri dari berapa langkah, yaitu pengkodean encoding, seleksi selection, persilangan crossover, mutasi mutation, decoding. Pertama-tama,
proses encoding adalah suatu proses kodifikasi atas solusi dari permasalahannya. Hasil encoding adalah berbentuk string yang merupakan representasi dari suatu kromosom.
Proses seleksi menentukan kromosom mana yang tetap tinggal pada generasi berikutnya. Proses crossover akan menghasilkan kromosom baru yang merupakan
pengganti dari kromosom yang hilang sehingga total kromosom pada satu generasi berjumlah tetap. Proses mutasi memunginkan terjadinya kromosom baru secara
unpredictiable. Proses terakhir adalah decoding yaitu mengambil makna dari hasil kromosom terbaik untuk menjawab permasalahannya.
Proses Genetic Algorithm untuk perhitungan optimisasi dapat direpresentasikan melalui penjelasan sebagai berikut ini.
1. Inisialisasi
Populasi awal dari solusi kandidat yang dihasilkan secara random, sesuai dengan fungsi-fungsi tujuan dan kendala yang sesuai dengan masalah yang ada.
2. Evaluasi
Salah satu populasi diinisialisasi atau populasi offspring dibuat. Tahap ini berfungi untuk memperoleh fungsi fitness pada masing-masing fitness. Fungsi
fitness ini diperoleh dari fungsi tujuan sesuai dengan masalah yang ada. Model yang digunakan adalah sebagai berikut: Fungsi tujuan:
. ·
1; 1,2,3, … ,
1; 1,2,3, … ,
; 1,2,3, … ,
Keterangan: = biaya yang dibutuhkan dari titik i ke titik j
= jumlah kunjungan ke suatu titik bernilai 1 jika dikunjungi dan bernilai 0 jika tidak dikunjungi
= kebutuhan pada konsumen tujuan j = Total kapasitas kendaraan
3. Seleksi
Pemikiran utama dari seleksi adalah untuk mendapatkan solusi terbaik sampai terburuk. Pada penelitian ini metode yang digunakan adalah roulette wheel.
Seleksi ini bertujuan untuk memberikan kesempatan reproduksi lebih besar bagi anggota populasi yang memiliki fitness tinggi. Adapun algoritma seleksi roda
roulette adalah sebagai berikut: a.
Hitung total Fitness F: Total Fitness
∑ ; 1,2, . . ., ukuran populasi
b. Hitung Fitness Relatif tiap individu:
Total fitness c.
Hitung Fitness komulatif -
- ; 2,3, . .., ukuran populasi
d. Pilih induk yang akan menjadi kandidat untuk di rekombinasicrossover
dengan cara: -
Bangkitkan bilangan random r. -
Jika dan
, maka pilih kromosom ke k+1 sebagai kandidat induk.
4. RekombinasiCrossover
Crossover merupakan penyilangan induk yang dilakukan untuk membentuk keturunan yang baru. Crossover dilakukan antar dua individu. Metode yang
dipilih dalam penelitian ini adalah order crossover. Penjelasan metode ini dapat dilihat sebagaimana gambar berikut.
Orang Tua 1 2
1 3
4 5
6 Orang Tua 2
5 4
6 3
2 1
Anak 1 5
6 3
4 2
1 Anak 2
1 5
6 3
2 4
Dalam contoh di atas misalkan terpilih dua orang tua, dari hasil random [0,jumlahkons] terpilih dua titik untuk memisahkan rantai DNA pada suatu
individu. Kemudian proses bilangan random [0,1] untuk menentukan titik mana yang akan dipindah silangkan.
5. Mutasi
Model mutasi yang dilakukan adalah menggunakan swap mutation, dengan diberikan batasan dengan tipe individu yang sama. Misalkan terjadi konsumen 5
dan konsumen 3 mempunyai pesanan yang sama maka dapat dipertukarkan.
Kromosom Awal 5
6 3
4 2
1 Kromosom Mutasi
3 6
5 4
2 1
Titik Titik
BAB 2
LANDASAN TEORI
2.1 Pengertian Optimasi
Kategori