Arief Budiman (2015) Hybrid FireFly Algorithm (FA) Dan Cat Swarm Optimization (CSO) Untuk Menyelesaikan Vehicle Routing Problem (VRP). Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. HALAMAN JUDUL.pdf Download (174kB)
	Text (ABSTRAK) 2. ABSTRAK.pdf Download (22kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (30kB)
	Text (BAB I PENDAHULUAN) 4. BAB I PENDAHULUAN.pdf Download (26kB)
	Text (BAB II TINJAUAN PUSTAKA) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only Download (220kB) | Request a copy
	Text (BAB III METODE PENELITIAN) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only Download (68kB) | Request a copy
	Text (BAB IV PEMBAHASAN) 7. BAB IV PEMBAHASAN.pdf Restricted to Registered users only Download (393kB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) 8. BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only Download (21kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (25kB)
	Text (LAMPIRAN) 10. LAMPIRAN.pdf Restricted to Registered users only Download (1MB) | Request a copy
Preview	Text (ABSTRAK) gdlhub-gdl-s1-2015-budimanari-41572-5.-abstr-k.pdf Download (22kB) | Preview
	Text (full text) 64-15 Bud h.compressed.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Permasalahan yang terjadi di zaman yang semakin canggih saat ini mempengaruhi pertumbuhan di bidang industri dan juga memicu persaingan perusahaan yang semakin berat. Dalam bidang industri, pendistribusian menjadi permasalahan utama. Distributor menggunakan kendaraan untuk melayani permintaan konsumen yang berbeda tempat. Setiap kendaraan dalam proses distribusi mempunyai rute kendaraan untuk melayani permintaan konsumen. Penentuan rute dengan mempertimbangkan kapasitas kendaraan pengangkut dan jarak tempuh maksimum dari kendaraan disebut juga Vehicle Routing Problem (VRP). Untuk menyelesaikan VRP, penulis menggunakan metode hybrid Firefly Algorithm(FA) dan Cat Swarm Optimization (CSO). FA terinspirasi dari perilaku kunang-kunang sedangkan CSO terinspirasi dari perilaku kucing .Hybrid FA dan CSO adalah gabungan dari kedua algoritma dengan cara melakukan proses FA terlebih dahulu kemudian melakukan proses CSO.Proses algoritma ini dimulai dengan inisialisasi parameter, pembangkitan populasi awal firefly, menghitung fungsi tujuan, menghitung intensitas cahaya, membandingkan intensitas cahaya tiap firefly, update solusi baru, menentukan G-best, dan proses berlanjut pada proses pemilihan solusi untuk CSO. Pada proses CSO solusi awal diperoleh dari hasil FA, kemudian dilanjutkan dengan pembangkitan velocity awal, pemilihan kucing masuk dalam mode tracing atau mode seeking, menggabungkan solusi dari mode tracingdan mode seeking,update solusi baru, menentukan G-best, proses berlanjut sampai maksimal iterasi dipenuhi. Fungsi tujuan dalam penulisan ini adalah meminimumkan jarak dari rute perjalanan yang akan dilalui. Data yang digunakan adalah data kecil berisi 13 pelanggan, data sedang berisi 27 pelanggan dan data besar berisi 199 pelanggan serta diselesaikan dengan bahasa pemrograman C++ menggunakan softwareBorland C++. Fungsi tujuan terbaik berdasarkan hybrid FA dan CSO untuk data kecil diperoleh 84 km, data sedang diperoleh 153449 m, dan data besar diperoleh 5749 km.

Actions (login required)

View Item