Siska Amelia, - (2024) IMPLEMENTASI ALGORITMA GENETIKA DENGAN VARIASI MUTASI DALAM PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (CVRPTW): Pendistribusian Beras Bersubsidi oleh Perum Bulog. S1 thesis, Universitas Pendidikan Indonesia.
Text
S_MAT_2006671_Title.pdf Download (2MB) |
|
Text
S_MAT_2006671_Chapter1.pdf Download (2MB) |
|
Text
S_MAT_2006671_Chapter2.pdf Restricted to Staf Perpustakaan Download (4MB) |
|
Text
S_MAT_2006671_Chapter3.pdf Download (5MB) |
|
Text
S_MAT_2006671_Chapter4.pdf Restricted to Staf Perpustakaan Download (4MB) |
|
Text
S_MAT_2006671_Chapter5.pdf Download (545kB) |
|
Text
S_MAT_2006671_Appendix.pdf Restricted to Staf Perpustakaan Download (8MB) |
Abstract
Capacitated Vehicle Routing Problem with Time Windows (CVRPTW) merupakan permasalahan optimasi rute kendaraan dengan batasan kapasitas dan jendela waktu. Tujuan penyelesaian CVRPTW yaitu untuk mencari solusi optimal dengan meminimumkan total waktu distribusi, jumlah pelanggan yang terlewat, dan biaya bahan bakar. Solusi optimal adalah solusi dengan nilai fitness terbesar yang diperoleh dengan memberikan bobot kepada masing-masing tujuan. Pada penelitian ini Algoritma Genetika diimplementasikan untuk penyelesaian CVRPTW. Implementasi dilakukan menggunakan tiga variasi mutasi yaitu, swapping mutation, inversion mutation, dan insert mutation untuk untuk melihat mutasi mana yang menghasilkan rute dengan nilai fitness terbaik. Hasil penelitian menunjukkan bahwa swapping mutation menghasilkan rata-rata nilai fitness yang lebih tinggi yaitu 1,9415 jika dibandingkan dengan inversion mutation dengan rata-rata fitness 1,9113 dan insert mutation dengan rata-rata fitness 1,8455. Hasil tersebut menunjukkan bahwa swapping mutation cenderung lebih konsisten dan cenderung menghasilkan solusi yang lebih optimal secara keseluruhan. Capacitated Vehicle Routing Problem with Time Windows (CVRPTW) is a vehicle route optimization problem with capacity constraints and time windows. The goal of solving CVRPTW is to find the optimal solution by minimizing the total distribution time, number of missed customers, and fuel costs. The optimal solution is the solution with the largest fitness value obtained by giving weight to each goal. In this research, Genetic Algorithm is implemented to solve CVRPTW. Implementation is done using three mutation variations, namely, swapping mutation, inversion mutation, and insert mutation to see which mutation produces a route with the best fitness value. The results show that swapping mutation produces a higher average fitness value of 1.9415 when compared to inversion mutation with an average fitness of 1.9113 and insert mutation with an average fitness of 1.8455. These results show that swapping mutation tends to be more consistent and tends to produce a more optimal solution overall.
Item Type: | Thesis (S1) |
---|---|
Additional Information: | ID SINTA Dosen Pembimbing: Fitriani Agustina: 5981275 Dewi Rachmatin: 5975775 |
Uncontrolled Keywords: | Algoritma genetika, CVRPTW, Variasi mutasi, Multi objektif, Pendistribusian. Genetic algorithm, CVRPTW, Variation mutation, Multi objective, Distribution. |
Subjects: | Q Science > QA Mathematics |
Divisions: | Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan) |
Depositing User: | Siska Amelia |
Date Deposited: | 03 Sep 2024 05:36 |
Last Modified: | 03 Sep 2024 05:36 |
URI: | http://repository.upi.edu/id/eprint/122137 |
Actions (login required)
View Item |