| dc.description.abstract | Dalam perdagangan dan industri perikanan, ketersediaan ikan merupakan faktor penting karena ikan merupakan bahan baku utama dalam industri perikanan. Tingginya permintaan ikan dan pasokan yang terbatas menyebabkan industri perikanan harus mengambil bahan baku dari beberapa pelabuhan. Pemilihan pelabuhan sebagai penyedia hasil tangkapan dipengaruhi oleh banyak faktor seperti jarak, biaya pembelian, ketersediaan ikan, keragaman ikan, dan kemudahan layanan. Faktor-faktor tersebut dapat saling mempengaruhi, sehingga pengoptimalan pada salah satu faktor saja dapat menyebabkan kerugian yang diakibatkan oleh faktor yang lain.
Dalam penelitian ini, algoritme genetika digunakan untuk menentukan kombinasi pelabuhan dan alokasi pembelian ikan pada setiap pelabuhan sehingga diperoleh biaya pembelian dan jarak terbaik berdasarkan suatu posisi. Algoritme genetika yang digunakan merupakan salah satu varian algoritme genetika multi tujuan bernama Non-Dominated Sorting Genetic Algorithm. Algoritme ini memungkinkan optimasi yang melibatkan beberapa objective.
Representasi individu dalam algoritme genetika yang digunakan terdiri atas tiga kromosom yang mewakili pelabuhan, spesies ikan, dan jumlah pembelian ikan pada setiap pelabuhan. Setiap kromosom terdiri dari beberapa gen. Satu gen pada kromosom pertama mewakili satu pelabuhan, gen pada kromosom kedua mewakili satu spesies ikan, sedangkan satu gen pada kromosom ketiga mewakili jumlah pembelian salah satu spesies ikan pada satu pelabuhan. Satu individu mewakili satu solusi yang merepresentasikan pelabuhan-pelabuhan yang terpilih dan jumlah pembelian setiap spesies ikan pada masing-masing pelabuhan.
Perhitungan nilai fitness pada kasus ini menggunakan tiga fungsi. Fungsi pertama menghitung akumulasi jarak yang harus ditempuh untuk mencapai pelabuhan. Fungsi kedua menghitung biaya yang harus dikeluarkan untuk membeli ikan yang dibutuhkan. Fungsi ketiga digunakan untuk menentukan apakah pelabuhan yang terpilih dapat memenuhi seluruh kebutuhan ikan atau tidak. Ketiga fungsi tersebut saling mempengaruhi sehingga penggunaan algoritme genetika multi tujuan menjadi pilihan yang tepat karena menghasilkan beberapa solusi yang mempertimbangkan semua fungsi.
Algoritme genetika dalam penelitian ini menggunakan dua jenis crossover yaitu PMX crossover dan arithmetic crossover. PMX crossover digunakan pada kromosom pelabuhan sedangkan arithmetic crossover digunakan pada kromosom pembelian ikan. Dua jenis mutasi yang merupakan modifikasi dari kedua jenis crossover tersebut juga digunakan. Penggunaan beberapa jenis crossover dan mutasi disebabkan oleh setiap kromosom memiliki karakter yang berbeda. Kromosom pelabuhan berupa skala nominal sehingga pertukaran gen dalam kromosom ini dapat dilakukan dengan mudah. Akan tetapi, kromosom jumlah pembelian ikan berupa skala rasio dan memiliki nilai berupa bilangan real, sehingga pertukaran gen sederhana tidak dapat digunakan pada kromosom ini. Oleh karena itu, crossover yang diterapkan pada kromosom jumlah pembelian ikan yaitu
arithmetic crossover karena kromosom tersebut memiliki nilai berupa bilangan real.
Pembuatan generasi baru melalui proses crossover dan mutasi dilakukan terus menerus hingga termination criteria terpenuhi. Termination criteria kriteria yang digunakan yaitu ketika jumlah generasi telah mencapai angka tertentu atau algoritme genetika dinyatakan telah konvergen. Dalam kasus ini, algoritme genetika dinyatakan konvergen apabila nilai fitness dalam sepuluh generasi tidak mengalami perbaikan.
Beberapa variasi ukuran populasi, probabilitas crossover dan probabilitas mutasi dicoba untuk mendapatkan hasil yang terbaik dengan cepat. Percobaan menunjukkan bahwa ukuran populasi GA yang terbaik adalah 50, nilai terbaik Pc adalah 1 dan nilai terbaik Pm adalah 0,1 atau 0,2. Percobaan masih memerlukan waktu eksekusi yang cukup lama, yaitu sekitar 18 hingga 55 detik.
Implementasi algoritme genetika dilakukan dengan membuat sebuah aplikasi mobile untuk menentukan kombinasi pelabuhan serta jumlah ikan yang sebaiknya dibeli pada setiap pelabuhan. Pengguna cukup memasukkan kebutuhan ikan yang diinginkan kemudian sistem menghasilkan beberapa kemungkinan solusi yang dapat dipilih oleh pengguna. Pemilihan satu dari beberapa solusi terbaik tersebut diserahkan kepada pengguna karena setiap pengguna memiliki kecenderungan yang berbeda dalam menentukan objective mana yang lebih diutamakan.
Penelitian ini masih memiliki banyak keterbatasan seperti data yang tidak aktual, mekanisme pengujian sistem yang belum sempurna dan waktu eksekusi program yang cukup lama. Dengan demikian, penelitian lanjutan untuk memperbaiki performa dan akurasi program masih perlu dilakukan. Selain itu penelitian selanjutnya sebaiknya menggunakan data realtime sehingga sesuai dengan kondisi di lapangan. | id |
