Penerapan algoritma viral systems dalam permasalahan transportasi linier

Abstract

Salah satu kegiatan yang penting dan sering dilakukan dalam perusahaan industri adalah kegiatan transportasi. Transportasi adalah kegiatan yang berkaitan erat dengan pendistribusian sejumlah barang dari sejumlah sumber (supply) untuk memenuhi sejumlah permintaan (demand) pada sejumlah tempat atau tujuan. Setiap perusahaan industri tentunya ingin meminimasi biaya yang dikeluarkan untuk kegiatan transportasi ini sehingga diperlukan suatu strategi atau metode untuk melakukan pemecahan masalah transportasi ini agar didapatkan solusi yang optimal. Transportation Problem (TP) adalah salah satu tipe khusus dari masalah linear programming. Permasalahan transportasi biasanya dimodelkan dalam bentuk linear programming dimana fungsi tujuan dari permasalahan ini adalah untuk meminimasi total biaya pengiriman. Parameter-parameter yang terkait dalam permasalahan ini adalah banyaknya sumber, banyaknya tujuan, jumlah setiap sumber, jumlah setiap tujuan, dan biaya variabel yang dikeluarkan akibat pengiriman unit dari suatu sumber ke suatu tujuan. Transportation Problem (TP) dapat diaplikasikan untuk berbagai macam masalah sehingga membuat TP menjadi salah satu objek penelitian yang paling sering dipakai untuk diselesaikan. Algoritma yang dipakai dalam penelitian ini adalah algoritma Viral Systems. Viral Systems merupakan metode meta-heuristic yang terinspirasi oleh cara kerja virus dalam menginfeksi sel dari suatu organisme. VS mempunyai tiga buah komponen yaitu sekumpulan virus, satu organism, dan satu interaksi antara virus dan organism. Pembuatan algoritma Viral Systems untuk penyelesaian masalah transportasi ini dilakukan dalam 6 tahap besar, yaitu penentuan tipe infeksi, penentuan initial clinical picture, pengecekan antigen untuk clinical picture awal, penentuan tipe replikasi, pengecekan antigen untuk sel tetangga, dan pembaharuan solusi terbaik. Berdasarkan penelitian yang telah dilakukan diketahui bahwa algoritma Viral Systems dapat menghasilkan solusi yang sama baiknya dengan metode optimasi untuk kasus kecil dan algoritma ini juga dapat diterapkan pada 8 kasus besar dimana tiap kasus memiliki karakteristik yang dibedakan berdasarkan ukuran dan range biaya pengiriman. Selain itu, berdasarkan pengujian parameter pada kasus 10 x 10 dapat diketahui bahwa parameter-parameter yang berpengaruh terhadap hasil implementasi adalah pan, plt, interaksi pan-pr, interaksi plt-pi-LIT0, dan interaksi pr-pi-LNR0. Sedangkan untuk kasus 20 x 20, parameter-parameter yang berpengaruh terhadap hasil implementasi adalah pan, plt, pr, pi, interaksi pan-plt, interaksi pan-plt-pr, interaksi pan-plt-pr-pi, interaksi plt-pr-LNR0-LIT0, dan interaksi pan-plt-pi-LNR0-LIT0.