PENENTUAN JARINGAN LOGISTIK MENGGUNAKAN FUZZY C-MEANS DAN MINIMUM SPANNING TREE BERBASIS GENETIC ALGORITHM

shinta tri kismanti(1*), andi ard maidhah(2)

(1) universitas borneo tarakan
(2) universitas borneo tarakan
(*) Corresponding Author

Abstract


Indonesia  sebagai negara kepulauan dengan lebih dari 17.000 pulau dengan wilayah perairan menjadi salah satu moda transportasinya. Dengan demikian sebagian besar aktivitas terjadi di wilayah perairan, diantaranya distribusi logistik. Pergerakan distribusi logistik tersebut akan menghasilkan pola rute suatu pergerakan logistik. Penentuan pola jaringan pergerakan logistik yang optimal dapat mendukung kelancaran dalam sistem pendistribusian. Pada penelitian ini penentuan pola jaringan logistik dilakukan dengan dua tahapan. Tahap pertama, akan dilakukan pengklasteran dengan menggunakan Fuzzy C-means, pengklasteran bertujuan untuk mendapatkan kelompok-kelompok pulau yang berada pada lokasi yang berdekatan. Tahap kedua setelah didapatkan hasil cluster yang optimal, dengan menggunakan minimum spanning tree berbasis hybrid genetic algorithm akan didapatkan pola jaringan yang optimal. Pola jaringan tersebut akan menghubungkan pulau yang terpilih sebagai titik pusat ke pulau-pulau disekitarnya. Hasil uji coba pada proses pengklasteran menggunakan FCM didapatkan jumlah cluster optimal sebanyak 3 cluster. Pada proses pembentukkan MST berbasis hybrid GA digunakan parameter crossover rate 0,2 dan mutation rate 0,4 dan diperoleh hasil terbaik ketika iterasi minimumnya konvergen pada solusi optimal. Cluster 1 didapatkan hasil terbaik dengan ukuran populasi 100 dan generasi maksimum 2000 dengan nilai fitness yaitu 9.41, cluster 2 dengan ukuran populasi 100 dan generasi maksimum 1000 dengan nilai fitness yaitu 14.97, dan cluster 3 dengan ukuran populasi 100 dan generasi maksimum 1000 dengan nilai fitness yaitu 17.46.


Keywords


Logistik, Minimum Spanning Tree, Fuzzy C-means, Hybrid Genetic Algorithm

Article metrics

Abstract views : 322 | views : 35

Full Text:

PDF

References


Bezdek, James C., Ehrlich, R., Full, W. (1984). “FCM: The Fuzzy C-Means Clustering Algorithm”. Computers & Geosciences. Vol.10, No. 2-3, Hal. 191-203.

BPS Maluku (2013). Maluku Dalam Angka. Laporan Tahunan BPS Maluku, Ambon.

Diabat, A. dan Deskoores, R. (2015). “A hybrid genetic algorithm based heuristic for an integrated supply chain problem”. Journal of Manufacturing Systems.

El-Mihoub, T. A., Hopgood, A. A., Nolle, L., dan Battersby, A. (2006). “Hybrid Genetic Algorithms: A Review”. Engineering Letters. 13:2

Gen, M., Altiparmak, F., dan Lin, L. (2006). ‘A genetic algorithm for two-stage transportation problem using priority-based encoding”. OR Spectrum. Vol. 28, Hal. 337–354.

Gurning, S. (2006). Analisa Konsep Trans-Maluku Sebagai Pola Jaringan Transportasi Laut di Propinsi Maluku. Jurusan Teknik Sistem Perkapalan. Fakultas Teknologi Kelautan ITS Surabaya.

Han, J., & Kamber, M. (2000). “Data Mining Concept and Techniques Second Edition”. United Stated: Morgan Kaufman.

Izakian, H. dan Abraham, A. (2011). “Fuzzy C-means and Fuzzy Swarm for Fuzzy Clustering Problem”. Expert Systems with Applications, Vol 38, Hal. 1835–1838.

Jo, J. B., Li, Y. & Gen, M. (2007). “Nonlinear Fixed Charge Transportation Problem by Spanning Tree-based Genetic Algorithm”. Science Direct Computer & Industrial Engineering, Vol. 53, Hal. 290-298.

Kusumadewi, S., & Purnomo, H. (2010). Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Jakarta: Graha Ilmu.

Lampiran Peraturan Presiden Republlik Indonesia. Tahun 2012. Cetak Biru Pengembangan Sistem Logistik Nasional. 5 Maret 2012.

Leski, J. M. (2016). “Fuzzy c-ordered-means clustering” Fuzzy Sets and Systems Vol. 286, Hal. 114–133.

Munir, R. (2012). Matematika Diskrit, Bandung: Penerbit Informatika.

Prahastono, I., King, D.J., Ozveren, C.S. dan Bradley, D. (2008). “Electricity load profile classification using Fuzzy C-Means method”. In: 43rd International Universities Power Engineering Conference, Padova. IEEE.

Prakash, A., Chan, T.S., Liao, H., Deshmukh, S.G. (2012). “Network optimization in supply chain: A KBGA approach”. Decision Support Systems, Vol. 52, Hal. 528–538

Prasetya, E. (2012). Data Mining Konsep dan Aplikasi Menggunakan MATLAB. Yogyakarta: Penerbit Andi.

Sivanandam, S. N. (2008). “Introduction to Genetic Algorithm”. New York : Springer Science+Business Media.

Sivanandam, S.N. Deepa, S.N. (2008). “Practical Genetic Algorithms”. New york : Springer Science+Businnes Media.

Wang, W. dan Zhang, Y., “On fuzzy cluster validity indices, Fuzzy Sets System”, Vol. 158, No. 19, pp.2095-2117, 2007.

Zaverdhi, S.A., Kesthehi, M.H., dan Moghaddam, R.T. (2011). “Solving Capacitated Fixed-charge Transportation Problem by Artificial Immune and Genetic Algorthm with a Prufer Number Representation”. Expert System with Aplication, Vol. 38, Hal. 10462-10474.

Zhou, J., Chen, L., dan Wang, K. (2015). “Path Optimality Conditions for Minimum Spanning Tree Problem with Uncertain Edge Weights. International Journal of Uncertainty”, Fuzziness and Knowledge-Based Systems. Vol. 23, No. 1, Hal. 49–71.

Shahab, M.L., Utomo, B.U., dan Irawan, M.I. (2016). “Decomposing and Solving Capacitated Vihicle Routing Problem (CVRP) using Two-Step Genetic Algorithm (TGSA)” Journal of Theoretical and Applied Information Technology. Vol. 87, No.3, Hal. 461-468.




DOI: https://doi.org/10.35314/ip.v9i1.964

Refbacks

  • There are currently no refbacks.


Copyright (c) 2019 INOVTEK POLBENG


This Journal has been listed and indexed in :

         

Creative Commons License
inovtek polbeng by http://ejournal.polbeng.ac.id/index.php/IP is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License