Optimisasi Multiobjektif Rantai Pasok Pisang di Kabupaten Tanggamus Menggunakan Algoritma NSGA-II

Abstract

Rantai pasok pisang di Kabupaten Tanggamus menghadapi tantangan yaitu karakteristik komoditas yang mudah rusak serta ketidakseimbangan kapasitas antar packing house (PH) yang berisiko meningkatkan food loss (FL). Penelitian ini mengembangkan model optimisasi multiobjektif dengan algoritma NSGA-II untuk meminimumkan FL dan operational cost (OC) secara simultan pada alokasi distribusi pisang dari petani ke PH. Data kuantitas produksi yang hilang diatasi melalui imputasi K-nearest neighbour (KNNI) dengan k=6 yang menghasilkan RMSE terkecil yaitu 18.61. Hyperparameter tuning dilakukan terhadap ukuran populasi dan crossover probability dengan model terbaik diperoleh pada ukuran populasi 500 dan crossover probability 0.8, menghasilkan nilai hypervolume 0,880 dan 30 solusi pareto. NSGA-II menghasilkan solusi yang bersifat non-dominated yang menjelaskan trade-off. Hasil penelitian ini menjelaskan solusi antara FL dan OC dengan solusi minimum FL menghasilkan FL sebesar 148.11 kg dengan OC Rp585,875 sedangkan solusi minimum OC menurunkan biaya menjadi Rp441,016 namun meningkatkan FL menjadi 173.28 kg. Analisis sensitivitas menunjukkan kuantitas produksi merupakan parameter paling sensitif dengan peningkatan sebesar 25% menyebabkan kenaikan OC hingga 87.05% dan FL hingga 93.21%.

The banana supply chain in Tanggamus Regency faces challenges due to the perishable characteristics of the commodity and capacity imbalances among packing houses (PH) which risk increasing food loss (FL). This study develops a multiobjective optimization model using the NSGA-II algorithm to simultaneously minimize FL and operational cost (OC) in the allocation of banana distribution from farmers to PH. Missing production quantity data was addressed through K-nearest neighbor imputation (KNNI) with k=6, which produced the smallest RMSE of 18.61. Hyperparameter tuning was conducted on population size and crossover probability, with the best model obtained at a population size of 500 and crossover probability of 0.8, yielding a hypervolume value of 0.880 and 30 Pareto solutions. NSGA-II produced non-dominated solutions that illustrate the trade-off between FL and OC. The results show that the minimum FL solution yields an FL of 148.11 kg with an OC of Rp585,875, while the minimum OC solution reduces the cost to Rp441,016 but increases FL to 173.28 kg. Sensitivity analysis indicates that production quantity is the most sensitive parameter, with a 25% increase leading to an OC rise of up to 87.05% and an FL rise of up to 93.21%.