Inneke Nivianty (2020) PENERAPAN HYBRID CROW SEARCH ALGORITHM (CSA) DAN SIMULATED ANNEALING (SA) UNTUK MENYELESAIKAN OPEN VEHICLE ROUTING PROBLEM (OVRP). Skripsi thesis, Universitas Airlangga.

	Text (Halaman Judul) 081611233032_Skripsi Inneke halaman depan.pdf Download (832kB)
	Text (Fulltext) 081611233032_Skripsi Inneke.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Penulisan skripsi ini bertujuan untuk menyelesaikan masalah Open Vehicle Routing Problem dengan menggunakan Hybrid Crow Seach Algorithm dan Simulated Annealing. Open Vehicle Routing Problem (OVRP) merupakan suatu permasalahan penentuan rute kendaraan, sehingga diperoleh rute dengan biaya minimum tanpa melanggar kendala kapasitas muatan kendaraan. Dalam hal ini, terdapat kendaraan pribadi yang harus kembali ke depot dan kendaraan sewa yang tidak perlu kembali ke depot setelah melayani pelanggan terakhir. Crow Search Algorithm (CSA) merupakan algoritma yang terinspirasi dari perilaku burung gagak dalam menyembunyikan cadangan makanan dari kawanan lainnya. Simulated Annealing (SA) merupakan algoritma yang terinspirasi dari proses annealing. Hybrid CSA dan SA adalah gabungan dari kedua algoritma dengan cara melakukan proses pada CSA dahulu kemudian dilanjutkan dengan proses SA. Secara umum, proses diawali dengan membangkitkan posisi awal, mengevaluasi fungsi tujuan, melakukan proses CSA, pemilihan posisi terburuk untuk SA, melakukan proses SA, kemudian menentukan posisi terbaik dari memori gagak di setiap iterasi hingga maksimum iterasi terpenuhi. Program yang digunakan untuk menyelesaikan OVRP dengan Hybrid Crow Search Algorithm dan Simulated Annealing adalah Borland C++ dan diimplementasikan menggunakan 3 contoh kasus, data kecil dengan 18 pelanggan, data sedang 50 pelanggan dan data besar 100 pelanggan. Berdasarkan hasil implementasi diperoleh solusi terbaik untuk data berukuran kecil adalah 57.614 €, data berukuran sedang adalah 106.208 €, data berukuran besar adalah 161.002 €, dan dapat disimpulkan bahwa semakin banyak jumlah iterasi, semakin banyak jumlah gagak dan semakin kecil nilai α maka cenderung semakin minimum total biaya yang didapatkan.

Actions (login required)

View Item