PENELITI : Fiqihesa Putamawa

PENGEMBANGAN ALGORITMA BEE SWARM OPTIMIZATION UNTUK PENYELESAIAN CONTAINER STOWAGE PROBLEM

PENELITI : Fiqihesa Putamawa 2507 100 064 DOSEN PEMBIMBING : Ir. Budi Santosa, M.S., Ph.D JURUSAN TEKNIK INDUSTRI

Contents PENDAHULUAN TINJAUAN PUSTAKA METODOLOGI PENELITIAN EKSPERIMEN dan ANALISIS KESIMPULAN dan SARAN JURUSAN TEKNIK INDUSTRI

Pendahuluan 

Latar Belakang 

P Perumusan M Masalah l h 

Tujuan Penelitian 

Ruang Lingkup Penelitian 

Manfaat Tugas Akhir

JURUSAN TEKNIK INDUSTRI

Latar Belakang Tujuan Container

Ukuran Container

Berat Container

Aturan Penataan Container

Keseimbangan Kapal

Tipe Container


Latar Belakang Penataan > 5000 container dengan 10 - 25 tujuan Sesuai dengan aturan penataan container Memunculkan banyak kemungkinan solusi Membutuhkan waktu lama untuk menyelesaikan

C Combinatorial bi t i l P Problem bl

NP NP-Hard H dP Problem bl

METAHEURISTIK


Perumusan Masalah Bagaimana penerapan metode Bee Swarm Optimization untuk menyelesaikan Container Stowage Problem agar diperoleh jumlah shifting yang minimum dengan jumlah iterasi lebih sedikit.


Tujuan Penelitian Memperoleh algoritma Bee Swarm Optimization p untuk Container Stowage Problem. Menghasilkan M h ilk program k komputer t algoritma Bee Swarm Optimization yang dapat diimplementasikan pada k kasus C Container i S Stowage Problem. bl


R Ruang Lingkup Li k Penelitian P liti Batasan

• Menggunakan data sekunder

Asumsi

• Jumlah row dan tier sama pada tiap bay


Manfaat Tugas Akhir

Aplikasi algoritma Bee Swarm Optimization sebagai pendekatan baru dalam menyelesaikan Container Stowage Problem.


Tinjauan Pustaka •Model Matematis

•Algoritma


Model Matematis Model d l matematis yang d dibangun b oleh l h Ambrosino b et all ((2004))


Model Matematis


Model Matematis


Algoritma mengumpulkan, memproses, dan menunjukkan nectars (makanan)

kawanan lebah terdiri dari beberapa jenis lebah

dapat menggunakan pola yang berbeda untuk li t lintasan t b terbang mereka

diharapkan menghasilkan algoritma yang kuat dan efektif untuk menyelesaikan problem dengan ti k t kompleksitas tingkat k l k it yang tinggi ti i

(Akbari et al, 2009) JURUSAN TEKNIK INDUSTRI

Algoritma 1. 2. 3.

4. 5. 6 6. 7. 8. 9. 10.

Tentukan parameter awal Bangkitkan sampel random dan hitung nilai fungsinya Urutkan berdasarkan nilai fungsinya dan bagi kawanan ke dalam experienced forager, onlooker, dan scout Perbaharui posisi terbaik Tentukan elite bee dari seluruh experienced forager Perbaharui posisi tiap experienced forager bee Perbaharui posisi tiap onlooker bee Pembangkitan random di sekitar area pencarian Sesuaikan parameter area pencarian scout bee Ulangi sampai kriteria pemberhentian tercapai


Metodologi Penelitian


P Pengembangan b Al Algoritma it






Contoh Numerik

Enumerasi

Validasi

BSO


Contoh Set Data Tabel spesifikasi container ukuran 20' 40'

nomor

berat

tujuan

1

10

1

2

15

2

1

25

1

Tabel waktu loading

tier1

row1

row2

120

126


Enumerasi

Mencari semua kombinasi yang mungkin menjadi solusi

Menghitung nilai fitness

Menentukan solusi terbaik


Validasi penalti waktu loading fitness

hasil sama

enumerasii 0

BSO 0

366

366

366

366

valid

lanjut ke tahap berikutnya JURUSAN TEKNIK INDUSTRI

Pengujian Algoritma Kriteria set data ukuran total kasus container 20' 40' 1 2 3 8 9

100 120 130 140 140

62 75 90 95 95

38 45 40 45 45

berat (ton) light medium heavy (10-15) (20-25) (30-35) 45 30 25 50 44 26 56 46 28 60 50 30 60 50 30

tujuan d1 d2 d3 47 55 55 65 50

53 0 65 0 75 0 75 0 40 50


Hasil Eksperimen Kasus 1

rata-rata

BSO

BSO modifikasi

14548.8

14488.8

jurnal

13854 terbaik

14490

14436



rata-rata

BSO

BSO modifikasi

17311.5

17221.5

jurnal

16584 terbaik

17268

17190



rata-rata

BSO

BSO modifikasi

18528

18504

jurnal

18096 terbaik

18492

18456



rata-rata

BSO

BSO modifikasi

19930.5

19857

jurnal

19440 terbaik

19908

19818



rata-rata

BSO

BSO modifikasi

19906.5

19875

jurnal

19470 terbaik

19854

19842


Analisis Performansi Algoritma g kasus 1 2 3 8 9 rata-rata

BSO-jurnal %error gap 5.02% 636 4.39% 684 2 39% 2.39% 396 2.52% 468 2.24% 384 3 31% 3.31% 513 6 513.6

BSO modifikasi-jurnal %error gap 4.58% 582 3.84% 606 2 25% 2.25% 360 2.15% 378 2.08% 372 2 98% 2.98% 459 6 459.6


Kesimpulan Algoritma Bee Swarm Optimization dapat diaplikasikan untuk penyelesaian permasalahan Container Stowage Problem. Hasil algoritma Bee Swarm Optimization belum bisa sama dengan solusi optimal karena ada kemungkinan terjebak local optimal. Penambahan langkah membalikkan urutan dapat memperbaiki solusi akhir karena sampel baru yang dibangkitkan hanya sampel yang memenuhi konstrain berat.


Saran Modifikasi algoritma sehingga waktu komputasi lebih cepat dan kemungkinan terjebak local optimal (stagnation) lebih kecil. Kasus nyata K t atau t kasus k yang sangatt besar b dengan jumlah container mencapai 5000 TEU.


Daftar Pustaka  

   

Akbari, R., Mohammadi, A., & Ziarati, K. (2009). A novel bee swarm optimization algorithm l h for f numericall function f optimization. Ambrosino, D., Anghinolfi, D., Paolucci, M., & Sciomachen, A. (2010). An Experimental Comparison of Different Heuristics for the Master Bay Plan Problem. Ambrosino, D., Sciomachen, A., & Tanfani, E. (2004). Stowing a containership: the master bay plan problem. Avriel, M., Penn, M., & Shpirer, N. (2000). Container ship stowage problem : complexity and connection to the coloring of circle graphs. Dubrovsky, O., Levitin, G., & Penn, M. (2002). A Genetic Algorithm with a Compact Solution Encoding for the Container Ship Stowage Problem. Imai, A., Sasaki, K., Nishimura, E., & Papadimitriou, S. (2002). Multiobjective simultaneous stowage and load planning for a container ship with container rehandle in yard stacks.


Daftar Pustaka   

  

Li,, F.,, Tian,, C.,, Cao,, R.,, & Ding, g, W. (2008). ( ) An Integer g Linear Programming g g for Container Stowage Problem. Martins, P. T., Lobo, V. J., & Vairinhos, V. (2009). Container Stowage Problem Solution for Short Sea Shipping. Ramadhani N Ramadhani, N. (2008). (2008) PENGEMBANGAN RANCANG BANGUN PERANGKAT LUNAK UNTUK PENATAAN PEMUATAN PETI KEMAS KE KAPAL PETI KEMAS MULTI TUJUAN. Santosa, B. & Willy, P., 2011. Metode Metaheuristik Konsep dan Implementasi Surabaya : Penerbit Guna Widya. Implementasi. Widya Teodorovic, D., Davidovic, T., & Selmic, M. (2011). Bee Colony Optimization: The Applications Survey. Wilson, I. D., Roach, P. A., & Ware, J. A. (2001). Container stowage preplanning : using search to generate solutions, a case study.



PENELITI : Fiqihesa Putamawa

Recommend Documents