Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini membahas mengenai kasus distribusi di suatu perusahaan agribisnis yang memiliki biaya transportasi yang cukup tinggi. Penentuan rute distribusi dengan menggunakan Vehicle Routing Problem (VRP) merupakan salah satu metode yang dapat digunakan untuk meningkatkan efisiensi biaya transportasi.Tujuan dari VRP adalah mengatur urutan rute pengiriman sehingga menghasilkan jarak tempuh total seminimal mungkin. Untuk menyelesaikan permasalahan pengiriman produk di perusahaan agribisnis ini, maka dikembangkan model penyelesaian VRP dengan menggunakan algoritma Tabu Search. Tabu Search merupakan salah satu kelas metaheuristik yang berbasis pada pencarian lokal.Rute usulan hasil penelitian menghasilkan perbaikan, yaitu pengurangan jarak tempuh dan biaya transportasi sebesar 11,13% dan 10,46% untuk satu minggu pengiriman.

---

This research studies about a distribution case in an agribusiness company that has high transportation cost. Setting delivering routes using Vehicle Routing Problem (VRP) is one of method that applicable to increase the efficiency of transportation cost.

The objective of VRP is to set delivering routes order so that its total distance can be minimize. In order to solve delivery problem in this agribusiness company, VRP model was developed using Tabu Search algorithm. Tabu Search is one of metaheuristics class that works based on local search.

The result of this research shows the improvement that reduce total distance traveled and transportation cost by 11,13% and 10,46% for one week of delivery."

"Transportasi darat, khususnya truk, merupakan penyumbang utama biaya logistik secara keseluruhan, dibandingkan dengan kereta api dan udara. Untuk mengoptimalkan biaya logistik, kita perlu mengoptimalkan rute pengiriman. Namun, tantangan yang dihadapi adalah jumlah titik pengantaran juga berkembang dengan cepat seiring berkembangnya zaman, yang membuat banyak rute yang dapat dipilih untuk melakukan pengiriman dari depot ke tiap-tiap titik, sehingga meningkatkan kompleksitas untuk menemukan rute yang optimal. Masalah rute ini dapat didefinisikan sebagai VRP yang memiliki kendala kapasitas yaitu CVRP. Penelitian sebelumnya telah berhasil menyelesaikan CVRP skala besar dengan beberapa pendekatan algoritma. Dalam penelitian ini, penulis menggabungkan savings algorithm untuk meningkatkan solusi awal dengan Tabu Search yang sangat populer untuk menyelesaikan CVRP skala besar. Algoritma yang ditingkatkan ini diuji pada benchmark CVRP Arnold et al. [5] dan terbukti memiliki hasil yang cukup kompetitif dibandingkan dengan solusi terbaik yang diketahui.

---

Road transportation, particularly trucking, is the main contributor of logistic cost in total, compared to rail and air. To optimize the cost of road logistics, we need to optimize delivery routes. However, the challenges are that the number of delivery points are also growing rapidly, which makes many possible routes to deliver the package from the depot, and increasing the complexity to find the optimal one. This route problem could be defined as CVRP. Previous research has already proved to solve very large scale CVRP with several approaches to the algorithm. In this paper, we’re combining a Saving Algorithm to improve the initial solution and the very popular Tabu Search to solve very large scale CVRP. This improved algorithm is tested into Arnold et. al. [5] CVRP benchmark and proved to have competitive results compared to the best known solutions."

"Vehicle Routing Problem with Time Windows menjadi suatu permasalahan bagi perusahaan saat ini dimana biaya logistik yang semakin tinggi. Penentuan rute yang tepat untuk distribusi barang sangat dibutuhkan untuk menekan biaya bahan bakar kendaraan. Penyelesaian VRPTW ini menggunakan algoritma metaheuristic: Tabu Search, Particle Swarm Optimization dan Simulated Annealing. Penelitian ini membandingkan karakter dari ketiga algoritma tersebut. Dimana hasil tabu search memberikan nilai yang mayoritas optimal dibandingkan ketiganya. Tetapi untuk iterasi pendek, PSO memberikan nilai yang cepat menuju optimal.

---

Vehicle Routing Problem with Time Windows become main problem to company when dealing with distribution cost that comes bigger. Determining best routing to distribute goods or service can help reduce distribution cost. This research using metaheuristic algorithm: Tabu Search, Particle Swarm Optimization dan Simulated Annealing to solve VRPTW. This research benchmark that three algorithm. The conclusion is tabu search bring best solution for long iteration. But for short iteration, PSO bring better solution."

"Transportasi merupakan kunci untuk mengambil keputusan dalam distribusi. Selain biaya dalam pembelian barang, transportasi juga membutuhkan biaya yang tinggi dalam distribusi. Biaya transportasi dapat dikurangi apabila suatu perusahaan mampu menyusun penjadwalan dan rute kendaraan terbaik hingga dapat meminimalkan jarak dan waktu. Permasalahan dalam transportasi adalah Vehicle Routing Problem (VRP) yaitu merancang rute sejumlah kendaraan yang ada di depot, yang harus ditentukan jumlahnya agar tersebar secara geografis supaya bisa melayani konsumen-konsumen ditempat-tempat berbeda.Tujuan dari VRP adalah mengantar barang kepada konsumen dengan biaya minimum melalui rute-rute kendaraan yang keluar masuk depot. Penjadwalan pengiriman barang di PD Berkat Pangan Makmur dilakukan berdasarkan kapan dan jumlah pesanan dari konsumen, sehingga dapat menyebabkan kapasitas kendaraan dan sopir tidak mencukupi. Oleh sebab itu perusahaan ini harus bisa membuat penjadwalan dan penentuan rute yang optimal. Penjadwalan dan penentuan rute yang optimal dapat dibuat dengan model VRP dengan metode Tabu Search (TS). Tabu Search dapat disusun dalam suatu program menggunakan bahasa pemrograman Visual Basic.

---

Transportation is the key to make decisions in the distribution. Instead the cost of purchase goods, transportation costs are also high in distribution. Transportation cost may be reduced if a company is able to arrange vehicle scheduling and route to minimize distance and time. Problems in the transportation of Vehicle Routing Problem (VRP) to design a route that is a number of vehicles in the depot, the amount must be determined to spread geographically so can serve consumers in different place.

The objectives of the VRP is to accompany the goods to consumers with minimum cost route through-route vehicles that enter depot exit. Scheduling in the delivery of goods at PD Berkat Pangan Makmur based on when and the number of orders from consumers, so capacity can cause the vehicles and drivers are not sufficient. Therefore, this company must be able to make scheduling and determining the optimal route. Scheduling and determining the optimal route can be created with the model VRP with the method Taboo Search (TS). Tabu Search can be arranged in a program using Visual Basic programming language."

"ABSTRAKMasalah penjadwalan yang sering ditemukan ialah masalah penjadwalandengan model Flow-shop (Flow-shop scheduling problem). Kerumitan dalammasalah penjadwalan pada flow-shop disebabkan karena pada flow-shopdihasilkan sejumlah besar produk yang berbeda, dimana setiap produk memilikiproses manufaktur yang sama. Lamanya waktu pembuatan produk ini menuntutperusahaan agar merancang sebuah sistem penjadwalan yang efektif dan efisienagar seluruh permintaan dapat dipenuhi tepat waktu dengan minimalisasi inventoridan minimalisasi waktu penyelesaian total.PT X merupakan perusahan yang memproduksi suku cadang mobil, salahsatunya adalah disc pad. Disc pad ini terdiri dari berbagai jenis untuk berbagaitipe mobil, sehingga meskipun masing-masing melewati proses yang sama, waktuproses untuk setiap jenis tentu berbeda. Waktu pembuatan produk ini menuntutperusahaan untuk merancang sebuah sistem penjadwalan yang efektif dan efisienagar seluruh permintaan dapat dipenuhi dengan meminimalisasi waktupenyelesaian, idle time pada setiap mesin, dan inventori. Oleh karena itu,dibutuhkan suatu metode yang menghasilkan sebuah sistem penjadwalan yanglebih baik, tidak rumit dan dapat dikerjakan dalam waktu yang singkat.Karena kompleksnya masalah penjadwalan produksi, maka solusipenyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatanheuristik yaitu metode algoritma tabu search. Algoritma tabu search, yaitu suatupendekatan heuristik dalam pencarian solusi berdasarkan pada metode optimasi,dimana algoritma ini menggunakan daftar tabu dan iterasi lokal untuk mencegahadanya local optima hingga tercapainya solusi mendekati terbaik. Fungsi tujuandari permasalahan ini ialah meminimalkan waktu penyelesaian (makespan)seluruh job.Hasil penjadwalan produksi yang diperoleh melalui algoritma tabu searchsetelah 20 iterasi menghasilkan minimal makespan seluruh job sebesar 23.5715jam. Jadi, jika dibandingkan dengan jadwal produksi yang lama, maka terjadipenurunan makespan yaitu sebesar 4.499%.

---

ABSTRACTThe scheduling problem which is often found is the problem of schedulingwith the Flow-Shop model. The complication in this scheduling problem is causedby the yielding of a large amount of different products with the same manufactureprocesses so that many possible alternative schedules may exist. Therefore,optimal scheduling is so needed for a better company s production system,PT X is a company, which produces automotive spareparts, such as discpad, etc. There are many kinds of disc pad for many types of car, so they havedifferent times of process. These make it a must for the company to design anefficient and effective scheduling system in order to fulfill the whole demands onschedule by minimizing total makespan, idle time of every machine, andinventory. Hence, a method that results in a better, uncomplicated, and feasiblescheduling system is necessary.Due to the complicated production schedule, the solution to this problem isby applying a heuristic approach, which is a tabu algorithm method. Tabu searchalgorithm is a procedure to seek a solution based on optimization method, whichis use a tabu tenure and local iterations, in order to prevent local optimization. Theobjective function of this problem is to minimize makespan of all jobs.The production scheduling result that is obtained from the tabu searchalgorithm after 20 iterations produces minimal makespan of all jobs of 23.5715hours. Thus, in comparison with the existing production schedule, there is areduction of makespan of about 4.499%."

"Vehicle Routing Problem with Roaming Delivery Locations (VRPRDL) adalah masalah pencarian rute pengiriman barang yang optimal dengan mempertimbangkan lokasi pengiriman ke rumah pelanggan (home delivery) atau lokasi cadangan lain yang telah ditunjuk oleh pelanggan (roaming delivery). Jenis pengiriman tersebut dapat menjadi inovasi bagi pihak logistik dalam proses akhir pengiriman barang hingga sampai pada pelanggan (last mile delivery). Kerugian-kerugian seperti pencurian barang ataupun kerusakan barang karena pelanggan tidak berada di rumah dapat dihindari dan biaya operasional pengiriman dapat diminimalkan. Pada skripsi ini, digunakan metode algoritma genetika untuk mencari solusi dari VRPRDL. Data untuk simulasi percobaan terdiri dari 1 lokasi depot dan 30 pelanggan dengan masing-masing pelanggan memiliki 2 lokasi pengiriman yaitu 1 lokasi rumah dan 1 lokasi cadangan. Lokasi-lokasi pelanggan dan depot yang digunakan berada di provinsi DKI Jakarta. Hasil percobaan dengan menggunakan ukuran populasi 30, jumlah generasi 100, crossover rate (Cr) 0.7, dan mutation rate (Mr) 0.5 menunjukkan adanya penghematan total biaya menggunakan roaming delivery sebesar 18,90% dibandingkan dengan home delivery.

---

Vehicle Routing Problem with Roaming Delivery Locations (VRPRDL) is the problem of finding the optimal route for delivery of goods by considering the delivery location to the customer's house (home delivery) or other backup locations designated by the customer (roaming delivery). This type of delivery can be an innovation for logistics in delivering goods to the customer's last location or last-mile delivery. Such loss like theft of goods or damage to goods because the customer is not at home, can be avoided, and the operational shipping cost can be minimized. In this thesis, a genetic algorithm method is used to find a route solution for the problem. The data for the experimental simulation consists of 1 depot location and 30 customers with each customer having 2 delivery locations, namely one home location and one backup location. The locations of customers and depot used are in the province DKI Jakarta. The experimental result by using a population size of 30, the number of generations of 100, crossover rate (Cr) 0.7, and mutation rate (Mr) 0.5 indicates a total cost saving of using roaming delivery for 18.90% compared to home delivery."

"Vehicle Routing Problem with Roaming Delivery Locations (VRPRDL) merupakan permasalahan pencarian rute dengan setiap pelanggannya memiliki lebih dari satu pilihan lokasi pengiriman. Dalam penelitian ini, pengiriman bisa dilakukan ke rumah pelanggan (home delivery) atau ke lokasi cadangan milik pelanggan (roaming delivery). Digunakan metode Algoritma Memetika untuk menyelesaikan VRPRDL pada penelitian ini. Algoritma Memetika bekerja dengan cara melakukan operasi genetika pada sepasang solusi dari sebuah populasi (kumpulan solusi feasible), kemudian mengolah solusi yang dihasilkan dari operasi genetika ke dalam proses local search. Data yang digunakan berupa 30 pelanggan dengan masing-masing pelanggan memiliki 2 lokasi. Dengan ukuran populasi (popsize) sebesar 10 individu, jumlah generasi sebesar 50 generasi, crossover rate (Cr) sebesar 0.3 , dan mutation rate (Mr) sebesar 0.3 pengiriman menggunakan sistem roaming delivery mampu menghemat biaya sebesar 17.45% jika dibandingkan dengan pengiriman tradisional home delivery. Selain itu, pengiriman menggunakan sistem roaming delivery hanya memerlukan 4 kendaraan pengiriman, lebih sedikit dibandingkan home delivery yang memerlukan 5 kendaraan.

---

Vehicle Routing Problem with Roaming Delivery Locations (VRPRDL) is a routing problem where each customer has more than one choice of delivery locations. Hence, it is necessary to determine the right location for delivery. In this study, delivery can be made to the customer's home (home delivery) or the customer's backup location (roaming delivery). The Memetics Algorithm method will be used to solve VRPRDL in this study. The Memetics Algorithm works by performing genetic operations on a pair of solutions from a population (a set of feasible solutions), then processing the solutions generated from genetic operations into a local search process. The data we used are 30 customers with each customer having 2 locations. By using population size of 10 individuals, the number of generations of 50 generations, a crossover rate (Cr) of 0.3, and a mutation rate (Mr) of 0.3, shipments using a roaming delivery system can save costs by 17.45% when compared to traditional home delivery. In addition, delivery using a roaming delivery system only requires 4 delivery vehicles, less than home delivery which requires 5 vehicles."

"Vehicle Routing Problem with Time Windows (VRPTW) adalah masalah penentuan rute kendaraan dalam pendistribusian barang/jasa ke sejumlah pelanggan yang memiliki biaya minimum dengan tambahan kendala time windows, biaya direpresentasikan oleh total jarak yang ditempuh kendaraan dari depot dan kembali ke depot.Pada tugas akhir ini, digunakan algoritma genetika hibrida untuk menyelesaikan VRPTW. 50% populasi awal dibentuk dengan menggunakan metode Push Forward Insertion Heuristic (PFIH) dilanjutkan dengan -Interchange, dan 50% lainnya dibentuk secara acak. Tiga operator utama algoritma genetika yang digunakan adalah ranking based selection, merge-heuristic crossover, dan sequence based mutation. Pada tugas akhir ini juga akan diimplementasikan algoritma genetika hibrida pada VRPTW dengan perangkat lunak.

---

Vehicle Routing Problem with Time Windows (VRPTW) is a problem of determining the route of vehicles that has minimum cost in the distribution of goods /services to a number of customers with addition of time constraint, the cost is represented by the total distance traveled by vehicles from depot and returned to depot.

In this final project, a hybrid genetic algorithm used to solve VRPTW. 50% of initial population is generated by Push Forward Insertion Heuristic (PFIH) and then -Interchange, and the other 50% is randomly generated. Three major operator that used in this final project are ranking based selection, merge-heuristic crossover, and sequence based mutation. Hybrid genetic algorithm is implemented on Solomon?s benchmark data of VRPTW."

"Peranan transportasi dan distribusi sangat penting bagi perusahaan karena melalui kegiatan ini perusahaan dapat memenuhi kebutuhan konsumen. Kontribusi biaya transportasi dalam sistem distribusi perusahaan mencapai 1/3 hingga 2/3 dari total biaya distribusi. Karena itu, efisiensi sangat diperlukan untuk mengurangi biaya operasional distribusi perusahaan. Salah satu solusi untuk melakukan efisiensi tersebut adalah dengan menyusun jadwal pengiriman dan rute pengiriman yang lebih optimal sehingga dapat meminimalkan waktu, jarak dan biaya. Vehicle Routing Problem (VRP) dikenal sebagai konsep yang dapat digunakan untuk mendapatkan rute terbaik bagi kendaraan.Tujuan dari VRP adalah mengatur urutan rute pemberhentian dalam pengiriman sehingga menghasilkan jarak tempuh total seminimal mungkin. Ada 3 jenis penyelesaian VRP; solusi eksak, heuristik dan metaheuristik. Tabu Search (TS) adalah salah satu solusi metaheuristik yang berbasis pada pencarian lokal.Masalah ini juga yang dihadapi PT.X, sebuah perusahaan manufaktur yang memproduksi berbagai jenis cat. Selama ini pertimbangan perusahaan dalam mengatur rute hanyalah keterbatasan kapasitas, berat barang yang diangkut dan lokasi, tidak mempertimbangkan apakah jarak tempuh rute tersebut sudah minimal atau belum sehingga biaya bahan bakar yang dikeluarkan juga belum tentu minimal.Guna menyelesaikan masalah pengiriman tersebut, maka dikembangkan model penyelesaian VRP dengan metode Tabu Search (TS). Penerapan metode TS memerlukan adanya solusi awal. Dalam penelitian ini, metode sweep yang digunakan untuk membuat solusi awal. Selanjutnya solusi awal tersebut dioptimalkan dengan menggunakan algoritma TS yang disusun dalam suatu program menggunakan bahasa pemrograman Visual Basic. Selanjutnya, dilakukan pengolahan data dengan TS dengan menggunakan data pengiriman satu hari di PT.X. Hasil pengolahan data dengan TS menghasilkan penurunan jarak sebesar 77.7 km atau 18%, waktu tempuh 1.8 jam atau 17.1% dan biaya sebesar 181.087,66 atau 18.5%.

---

Transportation and distribution are two important activities for company because by doing these activities, producer will be able to fulfill customer?s requirements. The transportation cost contribution on distribution system in company typically range between one-third and two-third of total logistic costs. Therefore, efficiency is needed to decrease company?s operational cost on distribution. One of solutions for doing such efficiency is by setting optimal distribution schedule and delivering routes so time, distance and cost can be minimized.. Vehicle Routing Problem (VRP) is known as a concept that can be used to seek the best routes for vehicle.The objective of VRP is to set delivering routes order so that its total distance can be minimized. Basically, there are 3 kinds of VRP solution; exact solution, heuristics and metaheuristics. Tabu Search (TS) is one of metaheuristics that possess local search basic.PT.X, a manufacture company producing various kind of paints, has the routing problems. So far, the company?s consideration in setting routes is merely based on capacity limitation, weight of products carried and location. The distance of route is never been assessed whether it has minimal distance so the delivery cost has been minimized optimally or not.In order to solve the delivery problems, VRP was developed with Tabu Search (TS) method. Implementation of TS method needs initial solution. Sweep method was used to create initial solution. The initial solution was then optimized using TS algorithm in a visual basic programe. The data produced was then proccessed with TS using one day delivery data in PT.X. The result is 77,7 km or 18% eficiency in distance, 1.8 hours or 17.1% in time and 181.087,66 or 18,5% in cost."