Optimasi multi traveling salesman problem menggunakan algoritma genetika pada distribusi keripik tempe "Putra Ridhlo" di Malang

INDONESIA:

Distribusi adalah suatu proses penyampaian barang atau jasa dari produsen ke konsumen dan para pemakai, sewaktu dan dimana barang atau jasa tersebut diperlukan. Proses distribusi tersebut pada dasarnya menciptakan faedah waktu, tempat, dan pengalihan hak milik. Distribusi pada suatu perusahaan sangatlah penting. Persaingan dalam distribusipun semakin ketat. Faktor yang membuat perusahaan distributor bertahan adalah penyediaan produk yang tepat bagi konsumen di waktu yang tepat, dan dalam biaya ekonomis. Rute pendistribusian menjadi masalah terhadap pengiriman produk. Sehingga dibangun sebuah sistem yang bertujuan untuk memudahkan pencarian jalur distribusi terpendek. Metode yang digunakan adalah metode algoritma genetika.Data yang digunakan adalah data jarak yang didapat dari google maps. Parameter genetika yang digunakan adalah crossover rate dan mutation rate antara 0-1 dan banyak iterasi. Hasil penelitian menunjukkan semakin banyak iterasi semakin baik hasil solusi. Hasil uji coba yang dilakukan dengan menggunakan cr 0.5 dan mr 0.2 dan iterasi sebanyak 100 menghasilkan nilai fitness yang semakin baik, dan terjadi konvergen pada iterasi ke 40 dengan nilai fitness 0.013053126 sampai iterasi 100 sehingga menghasilkan nilai fitness yang konvergen.

ENGLISH:

Distribution is a process of delivering goods or services from producers to consumers and users, when and where the goods or services are required. The distribution process is basically creating avail of time, place, and alienation. Distribution of a company is very important. Competition in the distribution even more stringent. Factors that make the company survive distributor is supplying the right product to the consumer at the right time, and in an economical cost. Distribution service to be a problem to shipping products. So built a system that aims to facilitate the search for the shortest distribution channels. The method used is the method of genetic algorithms. The data used is the distance data obtained from google maps. Genetic parameters used are the crossover rate and mutation rate between 0-1 and many iterations. The results showed the more iterations, the better the results of the solution. Results of experiments performed using cr 0.5 and mr 0.2 and iterating as many as 100 produce better fitness values, and occur converging on iterasike 40 with a value of fitness0.013053126 until iteration 100 till produce fitness values converge.