Penerapan Dragonfly Algorithm untuk menyelesaikan Capatitated Vehicle Routing Problem with Time Windows

Abstract

Pada dunia industri salah satu faktor yang menjadi permasalahan dalam supply chain management adalah biaya logistik, dimana sebagian besar biaya logistik dipengaruhi oleh proses distribusi. Pemilihan rute distribusi yang meminimasi jarak tempuh akan memberikan dampak terhadap pengurangan biaya distribusi. Pada proses distribusi, kapasitas yang dimiliki oleh kendaraan dan batasan waktu penerimaan barang yang diinginkan oleh konsumen juga harus diperhatikan. Permasalahan tersebut dapat dimodelkan menjadi kasus Capacitated Vehicle Routing Problem with Time Windows (CVRPTW). CVRPTW merupakan permasalahan NP-hard (Non-deterministic Polynomialtime Hard), dimana waktu pencarian solusi meningkat secara eksponensial untuk permasalahan yang semakin kompleks. Hal ini menyebabkan penyelesaian permasalahan dengan metode analitik membutuhkan waktu yang sangat lama, sehingga metode pendekatan dapat menjadi alternatif yang dipertimbangkan Pada penelitian ini, CVRPTW diselesaikan dengan menggunakan salah satu metode pendekatan yaitu metode metaheuristik. Metode metaheuristik yang digunakan adalah Dragonfly Algorithm. Dragonfly Algorithm merupakan algoritma yang terinspirasi dari perilaku berkerumun capung dalam bertahan hidup. Aktivitas-aktivitas yang dilakukan oleh kerumunan capung tersebut antara lain mencari sumber makanan, menghindari pemangsa, menghindari tabrakan dengan capung lain, menyeimbangkan kecepatan dengan capung lain, dan cenderung untuk berada di pusat kerumunan capung. Dalam penelitian ini terdapat delapan algoritma yang disusun dengan mengadaptasi model dragonfly dalam pencarian solusi CVRPTW. Pada penelitian ini, terdapat empat parameter yang diuji pengaruhnya terhadap performansi Dragonfly Algorithm yaitu batas bawah w (lbw), batas atas w (ubw), batas bawah my_c (lbc), dan batas atas my_c (ubc). Algoritma yang telah dirancang diimplementasikan pada 12 kasus benchmark CVRPTW dengan 16 kombinasi parameter dan 5 kali replikasi di setiap kombinasi parameternya. Berdasarkan hasil implementasi, didapatkan hasil bahwa Dragonfly Algorithm menghasilkan solusi yang lebih baik daripada EHO. Hasil pengujian dengan ANOVA menunjukkan adanya pengaruh dari parameter ubc dan lbc, serta interaksi antar kedua parameter terhadap performansi Dragonfly Algorithm.