Sistem optimasi pendistribusian bahan makanan dan snack dengan algoritma Ant Colony Optimization (ACO)

Abstract

Kegiatan distribusi merupakan kegiatan penyaluran barang dan jasa yang dibuat dari produsen ke konsumen agar tersebar luas. Begitulah yang dilakukan oleh perusahaan CV. Landahur , perusahaan ini bertanggung jawab untuk mendistribusikan bahan makanan dan snack dari prinsipal menuju ke customer. Hal tersebut dilakukan supaya memudahkan customer dan produsen baik untuk membeli dan menjual. Dalam prosesnya pendistribusian seorang salesman akan melakukan kunjungan ke customer dengan tujuan untuk menjual bahan makanan dan snack tersebut, Namun dengan banyaknya customer yang perlu dikunjungi maka diperlukan rekomendasi rute terbaik. Dalam penelitian ini menggunakan algoritma Ant Colony Optimization (ACO). ACO digunakan karena mampu menunjukan rute terbaik dengan menetapkan parameter-parameter. Pada penelitian ini telah melakukan 2 ujicoba, ujicoba pertama dengan menggunakan 5 data didapatkan jarak 20,3 km dan ujicoba kedua menggunakan 10 data didapatkan jarak rute terbaik 22,96 km dengan parameter yang jumlah semut 3, 2iterasi, α = 1, β = 0,5, ρ = 0,5194, Pheromone awal = 0,1. Dengan adanya sistem tersebut diharapkan dapat membantu salesman mendapatkan informasi rute terbaik dengan tepat dan akurat

Sistem Pendukung Keputusan Cerdas Menggunakan Metode Ant Colont Optimization (ACO) untuk Pencarian Jalur Optimum Rantai Pasok Bioenergi Berbasis Kelapa Sawit

“…Sebagian semut akan memilih berjalan ke arah atas lalu sebagiannya lagi akan berjalan ke arah bawah. Ketika menemukan makanan, semutsemut tersebut akan kembali ke koloninya sambal memberikan tanda dengan jejak feromon [15]. ACO merupakan salah satu optimasi yang digunakan dalam menentukan jalur [16].…”

Optimasi Pendistribusian Dengan Menggunakan Metode Transportasi di UMKM Dea Modis Batik dan Jumputan

“…Berdasarkan beberapa penelitian terdahulu yang telah dilakukan oleh (Erik Prasetyo et al, 2021) dengan judul Sistem Optimasi Pendistribusian Bahan Makanan dan Snack dengan Algoritma Ant Colony Optimization (ACO) dilakukan 2 ujicoba, ujicoba pertama dengan menggunakan 5 data didapatkan jarak 20,3 km dan ujicoba kedua menggunakan 10 data didapatkan jarak rute terbaik 22,96 km. Penelitian (Tamba & Sinaga, 2022) dengan judul Optimasi Vehicle Routing Problem dengan Menggunakan Algoritma Genetika untuk Meminimasi Biaya Pengiriman Barang di PT Global Trans Nusa dihasilkan pengoptimalan rute pengiriman dan mengurangi jarak tempuh transportasi sebesar 106,7 km di bulan Januari, 100,4 km dibulan Februari, 164,6 km di bulan Maret, 64,4 di bulan April, 136,5 km di bulan Mei dan 57,1 km di bulan Juni.…”

“…Algoritma ini berhasil diterapkan dalam berbagai permasalahan kombinatorial, seperti Travelling Salesman Problem (TSP), Lakukan proses iterasi secara opsional hingga didapatkan hasil yang optimal. Ant Colony Optimization (ACO)Algoritma Ant Colony Optimization (ACO) termasuk dalam kelompok Swarm Intelligence, yang merupakan salah satu jenis pengembangan paradigma yang digunakan untuk menyelesaikan masalah optimasi di mana inspirasi yang digunakan untuk memecahkan masalah tersebut berasal dari perilaku kumpulan atau kawanan (swarm) serangga(Nugraha & Khadafi, 2021) Algoritma Ant Colony Optimization (ACO) merupakan algoritma pencarian berdasarkan probabilistik yang bersifat heuristik dalam menyelesaikan permasalahan optimasi(Erik Prasetyo et al, 2021). Adapun langkah-langkah pengerjaan dari Ant Colony Optimization dapat diuraikan sebagai berikut:1.…”