Optimasi Distribusi Makanan Beku Menggunakan Algoritma Genetika.

Lesmawati, Widdia (2015) Optimasi Distribusi Makanan Beku Menggunakan Algoritma Genetika. Sarjana thesis, Universitas Brawijaya.

Abstract

Saat ini, 30% masyarakat Indonesia mengganti kebiasaan memasak di dalam rumah dengan mengkonsumsi makanan beku karena dinilai lebih praktis dan hemat waktu. Oleh karena semakin banyaknya konsumen/ pelanggan, dibutuhkan suatu sistem distribusi yang optimal. Permasalahan distribusi ini dapat diselesaikan menggunakan algoritma genetika. Data yang digunakan dalam penelitian ini adalah 15 data pelanggan, 11 data produk, 5 data kendaraan dan data jarak antar wilayah. Data – data ini akan direpresentasikan menjadi sebuah kromosom dengan representasi permutasi menggunakan bilangan integer. Panjang kromosom adalah 20, dimana 15 gen pertama merupakan data pelanggan dan 5 gen selanjutnya adalah data kendaraan (2 segmen). Metode crossover yang digunakan yaitu one-cut point crossover, metode mutasi yang digunakan yaitu reciprocal exchange mutation dan metode seleksi menggunakan elitism selection. Dari pengujian yang dilakukan, didapatkan hasil optimal yaitu ukuran populasi (popSize) sebesar 1950 dengan rata – rata fitness sebesar 0.67974382, 700 generasi/ iterasi dengan rata – rata fitness sebesar 0.64890989 dan kombinasi nilai cr = 0.5 dan mr = 0.6 dengan rata – rata fitness 0.6399259. Hasil akhir berupa kombinasi urutan pelanggan dan urutan kendaraan yang melakukan distribusi dengan total jarak dan biaya paling minimum.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2015/394/051508371
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Indah Nurul Afifah
Date Deposited: 17 Nov 2015 15:16
Last Modified: 21 Oct 2021 02:02
URI: http://repository.ub.ac.id/id/eprint/146457
[thumbnail of Skripsi-Widdia_Lesmawati_115060801111069.pdf]
Preview
Text
Skripsi-Widdia_Lesmawati_115060801111069.pdf

Download (4MB) | Preview

Actions (login required)

View Item View Item