1 BAB I PENDAHULUAN
1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia saja, tetapi juga melibatkan pencarian teknik ataupun cara penyelesaiaan yang bisa bekerja lebih efisien dan efektif, yang selanjutnya dapat diterapkan dalam teknologi yang digunakan. Kebutuhan manusia yang terus berkembang dan menyeluruh ke berbagai aspek kehidupan seperti komunikasi, pendidikan, perniagaan, logistik barang, transportasi, ataupun pengolahan data menjadi informasi yang lebih berguna dan lebih mudah untuk dipahami, membuat permasalahan yang muncul dan harus diselesaikan dengan keberadaan teknologi menjadi lebih rumit dan luas. Sehingga, sangat diperlukan pencarian teknik, cara ataupun metode yang dapat menyelesaikan permasalahan yang dihadapi dengan lebih efisien dan efektif. Sehingga nantinya ketika seseorang memiliki suatu keperluan informasi yang menuntutnya untuk menjalankan suatu proses dalam peralatan teknologi, pastinya sangat diinginkan proses yang dilakukan tidak membebani kerja peralatan teknologi, dapat berjalan dengan cepat, serta hasil yang diperoleh dapat menyelesaikan permasalahan dengan efektif. Satu dekade belakangan ini kecederungan terhadap globalisasi terutama keberadaannya pada wilayah kerja perusahaan sangat bisa dirasakan. Logistik merupakan proses dengan melibatkan segala aktivitas barang, produksi serta perpindahannya dari suatu perusahaan penyedia barang ke perusahaan lain ataupun ke suatu pelanggan. Kepentingan terhadap pengelolan logistik barang akan terus berkembang sejalan dengan keberadaan globalisasi saat ini. Dari sisi perusahaan, teknik pengelolaan logistik barang dapat membantu mengoptimalkan keberadaan produksi dan proses distribusi dengan menggunakan sumber daya yang sama, di mana semua itu ditujukan untuk menghasilkan keefisienan dan daya
1
2 saing perusahaan. Salah satu elemen penting dari proses logistik barang adalah pengelolaan transportasi. Permasalahan routing menjadi persoalan umum yang dapat ditemukan dalam bidang pengelolaan transportasi. Babu et al. (2012) menyatakan bahwa routing merupakan proses yang digunakan untuk menentukan rute perjalanan suatu barang atau paket dari asal ke tujuan yang diinginkan. Aspek/bagian yang dapat digunakan dalam mengoptimalkan permasalahan routing antara lain jarak, jumlah hops/lompatan, atau waktu perjalanan yang digunakan. Sistem transportasi dan distribusi memiliki komponen penting di dalamnya yakni proses routing dan penjadwalan dari kendaraan yang digunakan. Salah satu masalah kombinatorial yang berhubungan dengan permasalahan logistik barang adalah Vehicle Routing Problem (VRP). Menurut Santosa dan Willy (2011) VRP merupakan permasalahan optimasi dalam bidang logistik di mana pengiriman sejumlah produk atau komoditi dari suatu sumber (depot atau gudang utama) ke beberapa tujuan yang berbeda dengan menggunakan sejumlah kendaraan. Banyak varian dari VRP yang dapat dihasilkan berkaitan dengan permintaan dan pembatasan dari penerapannya. Vehicle Routing Problem with Time Windows (VRPTW) merupakan salah satu varian dari VRP di mana setiap pelanggan harus dilayani dalam rentang interval waktu yang diberikan, sehingga terdapat pembatasan waktu kapan pelayanan dapat dimulai dan dapat diakhiri (Chen dan Ting, 2005). Permasalahan yang telah dipaparkan sebelumnya merupakan salah satu contoh dari permasalahan optimasi kombinatorial, di mana kajian dan studi terhadap bahasan tersebut masih terus berkembang dan tumbuh secara signifikan. Terdapat alat ataupun metode optimasi yang telah mencatat keberhasilan dalam menyelesaikan permasalahan tersebut, yakni teknik metaheuristik. Dalam Vidal et al. (2012), Glover menyatakan bahwa, istilah metaheuristik dibangun untuk memberikan petunjuk kelas yang luas dari metode heuristik, di mana teknik tersebut melanjutkan pencarian melebihi dari lokal optimum pertama yang telah diperoleh. Santosa dan Willy (2011) menambahkan penjelasan terkait dengan istilah metaheuristik, di mana
3
interaksi antara prosedur pencarian lokal dan strategi yang lebih tinggi untuk menciptakan proses yang mampu keluar dari titik-titik local optima dan Berdasarkan hal tersebut, metode ini dianggap cocok dan mampu memecahkan permasalahan kombinatorial dengan skala yang cukup luas dan waktu komputasi yang kompetitif. Cukup banyak varian metode yang termasuk dalam kategori metaheuristik, di mana metode yang berbasis pada populasi dan terinspirasi dari mekanisme alamiah, juga termasuk di dalamnya. Ant Colony Optimization (ACO) merupakan metode yang diperkenalkan oleh Dorigo dan Stützel pada tahun 2004, termasuk dalam varian teknik metaheuristik yang berbasis pada populasi. ACO terinspirasi oleh perilaku sosial dari koloni semut dalam mencari makanan yang memulai pergerakan dari sarangnya, menuju sumber makanan, dan kembali ke sarang. Semut menggunakan zat feromon (yang ditinggalkannya saat berjalan) untuk berkomunikasi dan mengarahkan perjalanan yang dilaluinya, dikarenakan struktur tubuh semut tidak memiliki mata untuk melihat. Zat feromon yang digunakan dapat menguap dan aromanya bisa tidak tercium lagi. Semut yang melewati lintasan yang pendek akan meninggalkan zat feromon yang selalu diperbaharui dengan cepat dan memiliki aroma yang kuat, dibandingkan dengan yang menempuh lintasan lebih jauh. Dan tingkat ketajaman aroma feromon akan mempengaruhi semut lainnya dalam memutuskan lintasan mana yang akan dilalui. Maka dari itu, secara alamiah semut bisa menemukan jalur terpendek untuk mencapai sumber makanan dari sarangnya. Proses dalam ACO bisa dipaparkan dalam bentuk graf dengan multilapisan, di mana jumlah lapisan dapat menggambarkan jumlah permasalahan dan jumlah node/simpul dalam suatu lapisan menjelaskan nilai diskret yang diperbolehkan untuk suatu vaiabel. Sehingga ACO dianggap dapat menyelesaikan permasalahan optimasi diskret dan permasalahan rumit yang didalamnya memuat banyak variabel. Dalam proses penyelesaian permasalahan optimasi kombinatorial, tidak harus hanya menggunakan satu metode saja, namun bisa dilakukan kombinasi dari berbagai algoritme atau metode untuk mendapatkan kemampuan yang lebih dalam
4 penyelesaian masalah. Dalam permasalahan routing, penggunaan teknik segmentasi/pengelompokan
dapat
memudahkan
metode
optimasi
untuk
menyelesaikan permasalahan. Menurut Oropeza et al. (2012) teknik segmentasi yang paling berguna dalam permasalahan tersebut adalah metode unsupervised yang memusatkan perhatian pada proses untuk memperoleh kelompok/kelas, yang mengijinkan kelas yang terpisah-pisah dalam populasi yang heterogen. Hasil dari metode tersebut dapat digunakan sebagai solusi awal untuk metode optimasi lainnya. Banyak varian dari algoritme pengelompokan yang telah dikembangkan berdasarkan batasan dan perluasan masalah yang berbeda-beda. Algoritme Local Triangular Kernel Clustering (LTKC) merupakan algoritme pengelompokan yang berdasarkan pada kepadatan populasi, dengan penggunaan dua prosedur perhitungan kepadatan populasi nonparametriks untuk menentukan kepadatan dari pupulasi titik data yang diberikan. Kombinasi dari K-Nearest Neighbour (KNN) dan Kernel Density Estimation (KDE) digunakan dalam algoritme LTKC untuk menemukan sejumlah kelas, di mana jumlahnya tersebut tidak diberikan pada algoritme sebagai parameter (Musdholifah dan Mohd-Hashim, 2013). Selain penggunaan teknik pengelompokan yang dapat membantu metode optimasi dalam menyelesaikan permasalahan optimasi kombinatorial, melalui bantuan mekanisme permulaan untuk mendapat sebuah solusi awal yang dapat menjadi acuan bagi metode optimasi, dapat juga diikutsertakan penerapan dari local search improvement heuristics. Menurut Vidal et al. (2012) metode tersebut dapat menjelajahi lingkungan berdasarkan pada solusi awal, yang secara umum ditentukan dengan perubahan pada solusi tersebut, dengan tujuan untuk meningkatkan solusi yang dapat menggantikan solusi sebelumnya yang akan digunakan pada iterasi berikutnya dalam proses pencarian solusi. Penerapan perubahan kondisi solusi (yang telah diperoleh) yang paling umum digunakan adalah teknik 2-opt dan Or-exchange. Kedua teknik tersebut berfokus pada perubahan/perpindahan dua atau lebih jalur yang menghubungkan dua simpul dalam rute perjalanan yang sama ataupun yang berbeda, untuk mendapatkan bentuk lintasan yang berbeda dan tetap memperhatikan batasan-batasan yang ada dalam permasalahan.
5 Sehingga dalam penelitian ini, dilakukan penggabungan terhadap metode ACO untuk meningkatkan kemampuannya terlebih dalam hal pemusatan solusi. Kombinasi melalui metode LTKC, digunakan untuk membantu ACO dalam menyelesaikan permasalahan yang dihadapi dengan memberikan candidate list. Pemberian candidate list yang baik untuk setiap titik/simpul, dapat memberikan petunjuk bagi ACO untuk memperoleh solusi yang bervariasi dan lebih bisa melakukan pencarian untuk menemukan solusi global.
1.2 Rumusan Masalah Berdasarkan dari latar belakang yang telah dipaparkan sebelumnya, maka dirumuskan suatu permasalahan dalam penelitian ini adalah: 1.
Apakah kombinasi metode Ant Colony Optimization dan Local Triangular Kernel Clustering dapat meningkatkan kemampuan ACO dalam penyelesaian masalah Vehicle Routing dengan Time Windows.
2.
Apakah penggunaan parameter Time Windows dalam proses clustering dapat mempengaruhi hasil dari proses penyelesaian masalah.
1.3 Batasan Masalah Untuk memfokuskan terhadap permasalahan dari penelitian, maka dilakukan pembatasan dari permasalahan yang diteliti, yaitu sebagai berikut : 1.
Proses penyelesaian masalah dilakukan dengan menerapkan metode yang diusulkan pada 56 contoh permasalahan tolak ukur VRPTW dari penelitian Solomon (1987) sebagai data uji.
2.
Kombinasi metode yang diusulkan dalam menyelesaikan permasalahan akan dibandingkan dengan metode Ant Colony Optimization (ACO) serta metodemetode yang telah digunakan peneliti sebelumnya, yaitu Tabu Search (TS), Multi
Objective Genetic Algorithm (MO-GA), Multiple Ant Colony System
(MACS), dan Hybrid Ant Colony System Simulated Annealing (ACS-SA).
6 3.
Digunakan dua teknik dalam algoritme heuristik peningkatan pencarian lokal yaitu 2-opt dan Or-Exchange, untuk meningkatkan solusi yang didapat pada setiap iterasi.
1.4 Keaslian Penelitian Penelitian yang dilakukan terkait dengan permasalahan routing terkhususnya pada varian dari permasalahan Vehicle Routing hingga saat ini telah banyak dilakukan oleh peneliti sebelumnya, begitu juga temuan dan pengembangan pendekatan kombinasi metode metaheuristik (hybrid) dengan algoritme/metode lain untuk meningkatkan kemampuannya. Namun, berdasarkan pada referensi dan tinjauan pustaka, penelitian yang diajukan sebagai Tesis S2 Ilmu Komputer Universitas Gadjah Mada Yogyakarta mengenai kombinasi algoritme Ant Colony Optimization dengan Local Triangular Kernel Clustering untuk menyelesaikan permasalahan Vehicle Routing dengan Time Windows, belum pernah dilakukan.
1.5 Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah: 1.
Meningkatkan kemampuan metode Ant Colony Optimization melalui kombinasi dengan metode Local Triangular Kernel Clustering dalam menyelesaikan permasalahan Vehicle Routing dengan Time Windows, untuk memperoleh solusi yang lebih baik dibuktikan dengan panjang rute dan jumlah kendaraan yang diperoleh serta memperkecil waktu eksekusi yang dibutuhkan.
2.
Mengetahui pengaruh penggunaan parameter Time Windows dalam proses pengelompokan (clustering) terhadap permasalahan Vehicle Routing dengan Time Windows.
7 1.6 Manfaat Penelitian Manfaat yang diharapkan dapat diperoleh dari penelitian ini adalah: 1.
Memperlihatkan metode Ant Colony Optimization yang digabungkan dengan algoritme Local Triangular Kernel Clustering untuk menyelesaikan permasalahan Vehicle Routing dengan Time Windows.
2.
Mendukung upaya pencarian pendekatan baru dari teknik, metode, ataupun algoritme yang bisa bekerja lebih efisien dan efektif dalam menyelesaikan suatu permasalahan tertentu.
3.
Menjadi bahan pertimbangan dan acuan yang positif dalam pengembangan pendekatan teori selanjutnya yang sejenis.
1.7 Metodologi Penelitian Tahapan yang dilakukan dalam penelitian ini adalah studi literatur, perancangan kombinasi algoritme LTKC-ACO, implementasi dan pengujian algoritme LTKC-ACO, analisis hasil routing, dan penarikan kesimpulan. 1.
Studi Literatur Pada tahapan studi literatur dilakukan pencarian dan pemahaman dari paper
dan buku yang terkait dengan topik penelitian, permasalahan yang diangkat, dan penulisan resensi paper yang mengangkat permasalahan yang serupa. Paper dan buku yang dikaji adalah yang membahas terkait dengan Vehicle Routing Problem, LTKC, ACO, Local Search (2-Opt dan Or-exchange), serta beberapa metode metaheuristik lainnya untuk menyelesaikan VRPTW. 2.
Perancangan Kombinasi Algoritme LTKC-ACO Pada tahap ini dilakukan perancangan kombinasi algoritme Local Triangular
Kernel Clustering dengan Ant Colony Optimization untuk menyelesaikan permasalahan vehicle routing. Dalam algoritme yang diusulkan, proses pencarian solusi diawali dengan penggunaan metode LTKC yang kemudian dilanjutkan dengan penggunaan metode ACO. Pada pencarian solusi dalam metode ACO, diterapkannya juga local search improvement heuristics untuk meningkatkan solusi yang diperoleh. Kombinasi algoritme tersebut dikembangkan dalam dua
8 tipe yaitu yang menggunakan parameter time windows dalam clustering (LTKCACO Tipe 1) dan yang tanpa menggunakannya (LTKC-ACO Tipe 2). 3.
Implementasi dan Pengujian Algoritme LTKC-ACO Dalam tahapan ini, hasil perancangan kombinasi algortime yang telah dibuat
akan diimplementasikan ke dalam bentuk aplikasi. Aplikasi penyelesaian routing dengan algortime LTKC-ACO selanjutnya digunakan untuk melakukan pencarian rute dari 56 permasalahan VRPTW yang diperkenalkan oleh Solomon (1987). Proses routing akan diulang sebanyak 5 kali untuk setiap dataset dengan penggunaan beberapa parameter yang berbeda. 4.
Analisis Hasil Routing Pada tahapan ini akan dilakukan perbandingan hasil routing yang diperoleh
dengan best known result serta hasil yang diperoleh dari beberapa algoritme lainnya, yaitu Tabu Search, Multi Objective Genetic Algorithm, Multiple Ant Colony System, dan Hybrid Ant Colony System
Simulated Annealing. Serta
diamati juga terkait dengan standar deviasi dari hasil yang diperoleh dan waktu eksekusi yang dibutuhkan. 5.
Penarikan Kesimpulan Dalam tahap ini akan dilakukan penarikan kesimpulan untuk menjawab
rumusan masalah penelitian yang diajukan dan memenuhi tujuan penelitian yang telah dijelaskan. Penarikan kesimpulan dilakukan berdasarkan analisis hasil, standar deviasi dan waktu eksekusi yang diperoleh.
1.8 Sistematika Penulisan Tesis ini berisikan tujuh bab dengan rincian setiap bab adalah sebagai berikut: Bab I Pendahuluan Pada bab ini terdapat uraian singkat yang berkaitan dengan latar belakang dan permasalahan yang berhubungan dengan peningkatan kualitas solusi dari permasalahan VRPTW, rumusan masalah, batasan masalah, keaslian penelitian,
9 tujuan serta manfaat dari penelitian, metodologi penelitian dan sistematika penulisan. Bab II Tinjauan Pustaka Bab ini berisi pemaparan dari penelitian-penelitian yang berkaitan dengan penyelesaian VRPTW menggunakan beberapa metode heuristik dan hybrid yang telah dilakukan sebelumnya dan digunakan sebagai referensi dalam penelitian ini. Bab III Landasan Teori Pada bab ini berisi uraian teori-teori dasar berkaitan dengan permasalahan Vehicle Routing serta beberapa metode yang digunakan dalam penyelesaian masalah tersebut. Metode yang digunakan adalah Ant Colony Optimization, Local Triangular Kernel Clustering dan Local Search (2-Opt dan Or-exchange), serta digunakan juga alat ukur kualitas hasil clustering yaitu Silhoutte Index. Bab IV Analisis dan Rancangan Sistem Dalam bab ini terdapat analisis dari kombinasi algoritme ACO dengan LTKC, serta penggunaan Local Search untuk meningkatkan solusi yang didapat. Perancangan yang dijelaskan dalam bab ini yaitu perancangan kombinasi algoritme tersebut dan evaluasi hasil clustering serta routing. Bab V Implementasi Bab ini berisi implementasi kombinasi algoritme ACO, LTKC dan Local Search dari hasil analisis dan perancangan ke dalam bahasa pemrograman. Bab VI Hasil dan Pembahasan Pada bab ini terdapat penentuan nilai parameter yang digunakan, hasil clustering serta routing yang diperoleh, dan perbandingan hasil serta waktu eksekusi dari algoritme yang diusulkan dengan hasil terbaik yang telah diketahui dan algoritme-algoritme lain yang telah dilakukan sebelumnya. Bab VII Penutup Bab ini berisi simpulan dari analisis hasil routing yang diperoleh terhadap permasalahan VRPTW beserta perbandingan algoritme yang diusulkan dengan algoritme-algoritme lainnya, dan saran untuk penelitian selanjutnya.
