Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Container loading menjadi inti permasalahan dari aktivitas logistik. Hal ini terjadi karena banyaknya ruang sisa pada kontainer yang tidak termanfaatkan akibat ketidaksesuaian perbandingan dimensi barang yang akan dimuat dengan dimensi kontainer. Kerugian yang ditimbulkan adalah cost untuk sewa kontainer akan bertambah juga kelelahan yang dialami helper. Oleh karena itu diperlukan suatu pengaturan yang baik agar penyusunan barang dalam kontainer dapat lebih optimal. Permasalahan ini dapat diselesaikan menggunakan metode algoritma genetika. Dimana prosesnya diawali dengan pembangkitan populasi awal, setelah itu dilakukan crossover dan mutasi, sebelum akhirnya dihitung nilai fitnessnya untuk kemudian dilakukan seleksi terhadap nilai fitness terbaik yang nantinya akan dijadikan sebagai solusi dari permasalahan yang ada. Dari hasil pengujian didapat parameter nilai terbaik yang akan mempengaruhi solusi, yakni ukuran populasi sebesar 100, nilai crossover rate sebesar 0,7, nilai mutation rate sebesar 0,3, dan ukuran generasi sebesar 50. Dari parameter yang telah didapatkan diperoleh nilai fitness terbaik sebesar 48,82. Kemudian nilai fitness ini divisualisasikan kedalam pola susunan barang yang optimal untuk digunakan sebagai solusi dari penyusunan barang di dalam kontainer. ......The container loading is the major issues of logistics activity. This is because of the large amount of space left in the unused container as a result of the misalignment of the dimensions of goods that would be loaded with container dimensions. The loss are container rental cost will increase and fatigue experienced by helper. Therefore, a good arrangement is needed for more optimum. The matter can be solved using a genetic algorithm method. That process starts with initialization of the population, after it crossover and mutation, and then calculate the fitness value to use it for selection to get best fitness value that eventually becomes the solution for this problem. According to the tests, the best parameters, which will affect the solution, a population size is 100, a crossover rate is 0,7, a mutation rate is 0,3, and a generation size is 50. From the parameters obtained, the best fitness crose is 48,82. The final step, the value of this fitness is visualized into the optimal pattern arrangement of goods to be used as a solution for the container loading problem.

Abstrak :
Kontainer merupakan perangkat pengiriman barang yang umum digunakan dalam aktivitas logistik, dalam proses pengiriman barang dengan kontainer akan melalui proses container loading dan proses ini menjadi inti permasalahan dalam aktivitas logistik. Permasalahan penyusunan barang (bin packing problem) dalam proses container loading merupakan hal yang sangat penting dalam upaya memaksimalkan ruang container. Dikarenakan banyak ruang sisa pada container yang tidak termanfaatkan akibat penyusunan barang yang tidak optimal. Penelitian ini menerapkan metode optimasi dengan menggunakan algoritma genetika sebagai solusi dari permasalahan penyusunan barang ke dalam container dengan menggunakan dataset wtpack dari OR-Library. Dengan melalui proses pembangkitan populasi, setelah itu dilakukan proses tournament selection sebelum melalui proses crossover dan mutation untuk menghasilkan populasi baru digenerasi selanjutnya. hasil penelitian menunjukan bahwa algoritma genetika dapat memberikan solusi penyusunan barang yang optimal dengan meningkatnya nilai fitness dari generasi 1 sampai 100. Kemudian hasil optimasi divisualisasikan ke dalam bentuk 3 dimensi sebagai solusi akhir permasalahan penyusunan barang 3 dimensi (three-dimensional bin packing problem). ......Containers are goods delivery devices that are commonly used in logistics activities, in the process of shipping goods with containers, they will go through the container loading process and this process becomes the core of the problems in logistics activities. The bin packing problem in the container loading process is very important in an effort to maximize container space. Due to a lot of leftover space in the container that is not utilized due to the arrangement of goods that are not optimal. This study applies an optimization method using genetic algorithms as a solution to the problem of arranging goods into containers using the wtpack dataset from OR-Library. By going through the population generation process, after that a tournament selection process is carried out before going through a crossover and mutation process to produce a new population for the next generation. The results showed that the genetic algorithm can provide an optimal boxes arrangement solution by increasing the fitness value from generation 1 to 100. Then the optimization results are visualized in 3-dimensional form as the final solution for the three-dimensional bin packing problem.