Optimasi Biaya Distribusi Rantai Pasok Tiga Tingkat dengan Menggunakan Algoritma Genetika Adaptif dan Terdistribusi

Abstract

Abstrak Manajemen rantai pasok merupakan hal yang penting. Inti utama dari manajemen rantai pasok adalah proses distribusi. Salah satu permasalahan distribusi adalah strategi keputusan dalam menentukan pengalokasian banyaknya produk yang harus dipindahkan mulai dari tingkat manufaktur hingga ke tingkat pelanggan. Penelitian ini melakukan optimasi rantai pasok tiga tingkat mulai dari manufaktur-distributor-gosir-retail. Adapun pendekatan yang dilakukan adalah algoritma genetika adaptif dan terdistribusi. Solusi berupa alokasi banyaknya produk yang dikirim pada setiap tingkat akan dimodelkan sebagai sebuah kromosom. Parameter genetika seperti jumlah kromosom dalam populasi, probabilitas crossover dan probabilitas mutasi akan secara adaptif berubah sesuai dengan kondisi populasi pada generasi tersebut. Dalam penelitian ini digunakan 3 sub populasi yang bisa melakukan pertukaran individu setiap saat sesuai dengan probabilitas migrasi. Adapun hasil penelitian yang dilakukan 30 kali untuk setiap perpaduan nilai parameter genetika menunjukkan bahwa nilai biaya terendah yang didapatkan adalah 80,910, yang terjadi pada probabilitas crossover 0.4, probabilitas mutasi 0.1, probabilitas migrasi 0.1 dan migration rate 0.1. Hasil yang diperoleh lebih baik daripada metode stepping stone yang mendapatkan biaya sebesar 89,825. Kata kunci— manajemen rantai pasok, rantai pasok tiga tingkat, algortima genetika adaptif, algoritma genetika terdistribusi. Abstract Supply chain management is critical in business area. The main core of supply chain management is the process of distribution. One issue is the distribution of decision strategies in determining the allocation of the number of products that must be moved from the level of the manufacture to the customer level. This study take optimization of three levels distribution from manufacture-distributor-wholeshale-retailer. The approach taken is adaptive and distributed genetic algorithm. Solution in the form of allocation of the number of products delivered at each level will be modeled as a chromosome. Genetic parameters such as the number of chromosomes in the population, crossover probability and adaptive mutation probability will change adaptively according to conditions on the population of that generation. This study used 3 sub-populations that exchange individuals at any time in accordance with the probability of migration. The results of research conducted 30 times for each value of the parameter genetic fusion showed that the lowest cost value obtained is 80,910, which occurs at the crossover probability 0.4, mutation probability 0.1, the probability of migration 0.1 and migration rate 0.1. This result has shown that adaptive and distributed genetic algorithm is better than stepping stone method that obtained 89,825. Keywords— management supply chain, three level supply chain, adaptive genetic algorithm, distributed genetic algorithm.

Keywords

• management supply chain, three level supply chain, adaptive genetic algorithm, distributed genetic algorithm.