Dr.Ir. Yandra Arkeman, M.Eng DRAFT DISERTASI Sub Pembahasan Optimasi Obyektif Majemuk Algoritma Genetika MODEL RANTAI PASOK MINYAK SAWIT MENTAH MEMPERTIMBANGKAN RESIKO PENURUNAN KUALITAS Rika Ampuh Hadiguna – F361060041 Dibimbing oleh: Dr.Ir. Machfud, MS Prof.Dr.Ir. Eriyatno, MSAE Dr.Ir. Yandra Arkeman, M.Eng Dr.Ir. Ani Suryani, DEA

Cakupan Pemodelan

Deskripsi Sistem SCM-CPO

Notasi Model

Notasi Model (lanjutan)

Formulasi Model Matematik Fungsi obyektif

Formulasi Model Matematik (lanjutan) Kendala

Rumusan Algoritma Step 1: Inisialisasi variabel dengan cara mendeklarasi variabel-variabel keputusan dan nilainya masing-masing berdasarkan dokumen data yang telah disiapkan. Tetapkan juga ukuran populasi dan jumlah generasi. Step 2: Membuat populasi induk awal yang berukuran N individu secara random dengan memperhatikan kumpulan kendala agar tidak dilanggar. Step 3: Lakukan sortir non-dominasi dan hitung crowding distance dari setiap level populasi awal. Step 4: Pilih individu dari populasi sebelumnya untuk reproduksi menggunakan seleksi turnamen. Step 5: Lakukan crossover dan mutasi untuk membentuk populasi baru. Step 6: Kombinasi populasi baru dan populasi lama untuk membentuk populasi gabungan sebagai solusi baru. Step 7: Lakukan sortir non-dominasi dan hitung crowding distance dari populasi baru. Step 8: Jika kriteria pemberhentian dipenuhi maka tetapkan populasi terbaik sebagai solusi optimal. Sebaliknya, kembali ke Step 4.

Komponen-Komponen Program function nsga_2 adalah fungsi yang berperan sebagai bagian utama untuk menjalankan program. Ukuran populasi dan jumlah generasi akan ditetapkan pada bagian ini. Masukan (input.xls) data dari parameter model yang disiapkan pada MS excel akan dibaca oleh program untuk diolah lebih lanjut. function initialize_variables adalah fungsi untuk inisialisasi variabel keputusan menggunakan pembangkitan bilangan random. function evaluate_objective adalah fungsi untuk mengevaluasi fungsi-fungsi obyektif sesuai dengan nilai variabel-variabel keputusan yang telah dihasilkan dari pembangkitan bilangan random. function calculate_result adalah fungsi yang berperan untuk menghitung nilai-nilai variabel keputusan sesuai dengan hasil pembangkitan dan disesuaikan dengan kendala-kendala model.

Komponen-Komponen Program (lanjutan) function non_domination_sort_mod adalah fungsi dari metoda sortir non-dominasi. function crowding_distance adalah fungsi untuk menghitung crowding distance. function genetic_operator adalah fungsi yang berperan untuk memproduksi offsprings dari kromosom induk. Pada fungsi ini juga berlangsung proses penyilangan dan mutasi. function selection_individuals adalah fungsi proses seleksi untuk pemilihan individu-individu yang akan dipasangkan. Seleksi menggunakan metoda seleksi turnamen. function replace_chromosome adalah fungsi yang berperan mengganti kromosom berdasarkan rangking dan crowding distance.

SIRPO (Sistem penunjang keputusan optimasI Rantai Pasok cpO) Demonstrasi