Rikatsih, Nindynar (2019) Hibridisasi Algoritme Genetika Adaptif Dan Variable Neighborhood Search pada Optimasi Penyimpanan Produk. Magister thesis, Universitas Brawijaya.
Abstract
Penyimpanan produk memiliki peran penting dalam menjaga ketersediaan dan kualitas produk untuk memperoleh keuntungan yang maksimal. Keuntungan dipengaruhi oleh hasil penjualan dan biaya yang telah dikeluarkan. Produk dengan harga jual yang tinggi dipasok oleh pedagang besar lebih banyak dibanding produk dengan harga jual yang rendah. Namun tidak semua produk dapat terjual habis dalam satu kurun waktu tertentu. Produk yang tidak habis terjual selanjutnya disimpan dan dapat menyebabkan penurunan harga. Sehingga, jika produk dengan harga jual yang tinggi dipasok lebih banyak belum tentu memberikan keuntungan lebih besar karena dapat juga memberikan kerugian yang lebih tinggi. Persoalan yang diangkat pada penelitian ini ialah bagaimana mengoptimasi jumlah produk yang disimpan berdasarkan harga beli, harga jual dan jumlah stok yang tersedia. Pada penelitian ini, diusulkan Algoritme Genetika yang terbukti cukup efektif digunakan untuk menyelesaikan permasalahan optimasi. Namun, Algoritme Genetika sering kali terjebak pada solusi optimum lokal dikarenakan Algoritme Genetika memiliki kelemahan yaitu adanya ruang pencarian yang luas. Salah satu metode yang dapat digunakan untuk memperbaiki kelemahan pada Algoritme Genetika adalah Variable Neighborhood Search (VNS). Algoritme Genetika terdiri dari beberapa langkah diantaranya inisialisasi populasi, reproduksi, evaluasi dan seleksi. Pada penelitian ini diterapkan Hibridisasi Algoritme Genetika Adaptif dan VNS (Adaptive GA-VNS) dengan VNS yang diterapkan pada proses evaluasi hasil reproduksi Algoritme Genetika untuk memperbaiki individu yang terpilih. Hasil pengujian menunjukan bahwa meskipun memerlukan waktu komputasi yang lebih lama, Hibridisasi Adaptive GA-VNS memberikan hasil yang lebih baik dibandingkan Algoritme Genetika konvensional dan VNS mengacu pada nilai fitness yang lebih besar yaitu 0,95 dibandingkan Algoritme Genetika konvensional dengan nilai fitness 0,66.
English Abstract
Product storage has an important role in keeping product availability and quality to provide maximum profits. Profits are influenced by product sales and costs. Products with high selling prices are supplied by traders in a bigger quantity than products with low selling prices. However, all of the products cannot always be sold out in a certain period of time. Products that are not sold are then being stored and get price reductions. Supplying more product with high selling price does not necessarily provide greater profit because it can also provide higher losses. The problem raised in this research is how to optimize the quantity of products stored based on the purchase price, selling price and the amount of available stock. In this study, the proposed method is Genetic Algorithm that has been proved to be quite effective in solving the optimization problems. However, Genetic Algorithms has weakness of having extensive search space that is causing Genetic Algorithms to often be trapped in local optimum solutions. The method that can be used to fix Genetic Algorithms weakness is Variable Neighborhood Search (VNS). Genetic Algorithm consists of several steps including population initialization, reproduction, evaluation and selection. In this study, Hybridization of Adaptive Genetic Algorithm and VNS (Adaptive GA-VNS) is proposed with VNS applied to the process of evaluating the reproduction of Genetic Algorithms to improve the selected individuals. The test results show that even though it requires a longer computation time, Hybrid Adaptive GA-VNS provides better results than conventional Genetic Algorithms and VNS refers to fitness value 0.95 that is greater than conventional Genetic Algorithms with fitness values 0.66.
Other obstract
-
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/005.1/RIK/h/2019/041911393 |
| Uncontrolled Keywords: | GENETIC ALGORITHMS |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.1 Programming |
| Divisions: | S2/S3 > Magister Ilmu Komputer, Fakultas Ilmu Komputer |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 13 Jan 2020 06:26 |
| Last Modified: | 25 Oct 2021 03:54 |
| URI: | http://repository.ub.ac.id/id/eprint/177830 |
Preview |
Text
Nindynar Rikatsih (2).pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |