Optimasi Green Inventory Routing Problem pada Distribusi Produk Menggunakan Metode Kombinasi Genetic Algorithm dan Tabu Search.

Maulida, Rahma and Dr. Retno Astuti, STP, MT and Prof. Yusuf Hendrawan, M.App.Life.Sc, PhD (2024) Optimasi Green Inventory Routing Problem pada Distribusi Produk Menggunakan Metode Kombinasi Genetic Algorithm dan Tabu Search. Magister thesis, Universitas Brawijaya.

Abstract

Kegiatan logistik meliputi aktivitas transportasi dan distribusi produk. Transportasi merupakan salah satu kontributor utama terjadinya peningkatan emisi gas karbon dioksida (CO2) akibat dari pembakaran bahan bakar fosil. Oleh karena itu, saat ini para stakeholder mendorong perusahaan untuk memperhatikan aspek lingkungan ke dalam operasi bisnisnya. Green Inventory Routing Problem (GIRP) adalah masalah optimasi yang mengintegrasikan antara manajemen transportasi (perutean kendaraan) dan manajemen persediaan dengan mempertimbangkan aspek lingkungan. Salah satu metode untuk menyelesaikan masalah GIRP yaitu menggunakan algoritma kombinasi antara genetic algorithm dan tabu search (GA-TS). Penggabungan kedua algoritma tersebut akan merubah kemampuan algoritma dasar dan menghasilkan solusi yang Iebih berkualitas. Penelitian ini bertujuan untuk menyelesaikan masalah GIRP yang mempertimbangkan tingkat konsumsi bahan bakar menggunakan algoritma GA-TS. Terdapat beberapa analisa yang dilakukan pada penelitian ini, yaitu analisis sensitivitas parameter algoritma GA-TS, analisis sensitivitas variabel terhadap total biaya distribusi dan konsumsi bahan bakar, dan evaluasi kinerja algoritma GA-TS. Hasil dari analisis sensitivitas parameter adalah set parameter terbaik untuk memperoleh solusi terbaik dengan algoritma GA-TS. Set parameter terbaik untuk dataset 10 pelanggan adalah ukuran populasi 40, jumlah generasi 60, kombinasi crossover rate (cr) : mutation rate (mr) 0,5:0,5, dan panjang tabu list 10, sedangkan set parameter terbaik untuk dataset 15 pelanggan adalah ukuran populasi 100, jumlah generasi 100, kombinasi crzmr 0,6:0,4, dan panjang tabu list 4. Pada dataset 25 pelanggan, set parameter terbaik adalah ukuran populasi 60, jumlah generasi 90, kombinasi crzmr 0,6:0,4, dan panjang tabu list 12. Selanjutnya, hasil analisis sensitivitas variabel menunjukkan bahwa perubahan harga bahan bakar dan kapasitas kendaraan mempengaruhi total biaya distribusi. Sementara itu, kinerja algoritma GA-TS berdasarkan hasil evaluasi menunjukkan bahwa algoritma GA-TS mampu memperoleh total biaya distribusi yang Iebih rendah dan waktu komputasi yang relatif Iebih efisien dibandingkan dengan algoritma GA dasar dan TS dasar. Algoritma GA-TS mampu menghemat biaya sebesar 3,63% dibandingkan dengan algoritma GA dasar dan 2,45% dibandingkan dengan algoritma TS dasar. Namun, algoritma GA-TS tidak selalu menghasilkan tingkat emisi CO2 yang Iebih rendah dibandingkan algoritma keduanya. Tingkat emisi CO; yang dihasilkan algoritma GA-TS Iebih tinggi 2,18% dibandingkan algoritma GA dasar, tetapi Iebih rendah 9,58% dibandingkan algoritma TS dasar. Seiain itu, nilai relative errorpercentage (REP) dan cost ratio (CR) menunjukkan bahwa algoritma GA-TS Iebih efektif dan kompetitif dalam menyelesaikan masalah GIRP dibanding algoritma GA dasar dan TS dasar

English Abstract

Logistics activities encompass transportation and product distribution. Transportation is a significant contributor to the increase in carbon dioxide gas (CO2) emissions due to the combustion of fossil fuels. Therefore, stakeholders currently encourage companies to incorporate environmental aspects into their business operations. The Green Inventory Routing Problem (GIRP) is an optimization problem that integrates transportation management (vehicle routing) and inventory management while considering environmental aspects. One method to address the GIRP is by using a combination of genetic algorithms and tabu search (GA-TS). The fusion of these two algorithms enhances the capabilities of the basic algorithm, resulting in higher-quality solutions. This research aims to solve the GIRP, considering fuel consumption, using the GA-TS algorithm. The study includes several analyses, namely a sensitivity analysis of GA-TS algorithm parameters, a sensitivity analysis of variables on total distribution costs dan fuel consumption, and a performance evaluation of the GA- TS algorithm. The results of the parameter sensitivity analysis have identified the best parameter sets for obtaining optimal solutions with the GA-TS algorithm. For the 10-customer dataset, the optimal parameter set consists of a population size of 40, a generation count of 60, a combination of crossover and mutation rates (cr:mr) at 0.5:0.5, and a tabu list length of 10. Meanwhile, the best parameter set for the 15-customer dataset includes a population size of 100, a generation count of 100, a cr.'mr combination of 0.6:0.4, and a tabu list length of 4. In the case of the 25-customer dataset, the optimal parameter set comprises a population size of 60, a generation count of 90, a cr.'mr combination of 0.6:0.4, and a tabu list length of 12. Furthermore, the results of the variable sensitivity analysis indicate that changes in fuel prices and vehicle capacity significantly impact total distribution costs. In the performance evaluation, the GA-TS algorithm shows it can achieve lower total distribution costs and more efficient computation time compared to the basic GA and TS algorithms. The GA-TS algorithm can save 3.63% and 2.45% of the cost of the basic GA and TS algorithms, respectively. However, GA-TS algorithm does not always result in lower levels of CO2 emissions than the other algorithms. The GA-TS algorithm produces CO2 emissions that are 2.18% higher than the basic GA algorithm but 9.58% lower than the basic TS algorithm. Additionally, the relative error percentage (REP) and cost ratio (CR) values suggest that the GA-TS algorithm is more effective and competitive in solving the GIRP compared to the basic GA and basic TS algorithms.

Item Type:	Thesis (Magister)
Identification Number:	0424100003
Uncontrolled Keywords:	GIRP, green, inventory routing problem, genetic algorithm, tabu search- GIRP, green, inventory routing problem, genetic algorithm, tabu search
Divisions:	S2/S3 > Magister Teknik Industri Pertanian, Fakultas Teknologi Pertanian
Depositing User:	Sugeng Moelyono
Date Deposited:	23 Feb 2024 06:22
Last Modified:	23 Feb 2024 06:22
URI:	http://repository.ub.ac.id/id/eprint/216464

Text (DALAM MASA EMBARGO) Rahma Maulida.pdf Restricted to Registered users only Download (8MB)

Actions (login required)

View Item