Publisher

UNDHIRA BALIUNDHIRA BALI

Journal Jurnal Teknologi Informasi dan KomputerJurnal Teknologi Informasi dan Komputer Abstract

Bank sampah adalah suatu tempat yang digunakan mengumpulkan sampah-sampah yang sudah dipilah- pilah. Antusias masyarakat yang tinggi menjadi nasabah bank sampah berbanding terbalik dengan keadaan sebenarnya dimana masih sedikit masyarakat yang menjadi nasabah bank sampah. Hal yang menjadi kendala masyarakat adalah mengumpulkan sampah sendiri dan menyetornya ke pihak pengelola bank sampah. Proses pengumpulan sampah ini haruslah dilakukan secara optimal agar tujuan dari dibentuknya bank sampah dapat tercapai dan pertumbuhan nasabah bank sampah meningkat. Maka untuk mengatasi masalah penjemputan sampah dilakukan pencarian rute terbaik untuk distribusi bank sampah menggunakan Travelling Salasmen Problem (TSP). Metode optimasi untuk penentuan jalur terbaik menggunakan algoritma genetika. Algoritma genetika merupakan metode dengan memanfaatkan variable kecepatan disetiap jalur yang mempengaruhi waktu tempuh disetiap jalan dan memanfaatkan proses seleksi alamiah yang dikenal dengan proses evolusi, proses perkawinan silang atau fungsi crossover, mutasi maupun perbaikan individu. Hasil dari penelitian pencarian rute terbaik distribusi bank sampah menggunakan Travelling Salesman Problem (TSP) menunjukkan rute terbaik yang harus dilalui bank sampah kota Denpasar pada generasi ke 6 dengan waktu tempuh 331 menit.

Conclusion

Berdasarkan hasil penelitian dan pengujian dengan sistem yang telah dibuat, disimpulkan bahwa pencarian rute terbaik distribusi bank sampah studi kasus kota Denpasar dapat diselesaikan menggunakan Travelling Salesman Problem (TSP).Hasil penelitian menunjukkan rute terbaik yang harus dilalui bank sampah kota Denpasar ditemukan pada generasi ke-6 dengan waktu tempuh 331 menit.Selain itu, waktu pelayanan yang merepresentasikan kromosom terbukti efektif dalam menghasilkan rute yang lebih pendek dan efisien.

Future Research

Penelitian ini telah berhasil menunjukkan potensi besar dalam mengoptimalkan rute distribusi bank sampah menggunakan Algoritma Genetika, namun masih banyak ruang untuk pengembangan yang lebih lanjut agar dapat diterapkan secara lebih luas dan komprehensif. Sebagai arah penelitian lanjutan, pertama, akan sangat menarik untuk mengevaluasi bagaimana model optimasi rute ini berkinerja jika diterapkan pada skala yang jauh lebih besar, misalnya mencakup seluruh wilayah metropolitan dengan ratusan titik bank sampah dan mempertimbangkan aspek dinamis seperti penambahan nasabah atau lokasi baru secara berkala. Studi ini bisa menginvestigasi adaptabilitas algoritma terhadap perubahan topologi jaringan dan volume data yang lebih besar, serta potensi untuk memproses informasi lalu lintas real-time guna menghasilkan rute yang adaptif terhadap kondisi jalan yang tidak menentu. Kedua, penting untuk memperluas kriteria optimasi agar tidak hanya terpaku pada waktu tempuh atau jarak terpendek. Penelitian masa depan dapat mempertimbangkan optimasi multi-objektif, yang secara bersamaan meminimalkan biaya operasional seperti bahan bakar dan tenaga kerja, memaksimalkan kapasitas kendaraan pengumpul, dan menjaga kepuasan nasabah dengan menawarkan jendela waktu penjemputan yang lebih fleksibel dan dapat diandalkan. Ini akan memerlukan penambahan variabel baru ke dalam model dan mungkin pengembangan fungsi fitness yang lebih kompleks. Terakhir, sebuah studi komparatif untuk membandingkan efektivitas Algoritma Genetika dengan metode optimasi lain seperti Algoritma Koloni Semut (Ant Colony Optimization), Simulated Annealing, atau bahkan pendekatan hibrida akan sangat bermanfaat. Perbandingan ini dapat menilai tidak hanya kualitas solusi yang dihasilkan dalam hal efisiensi rute, tetapi juga kecepatan konvergensi algoritma, kebutuhan komputasi, dan kemampuan mereka dalam menangani berbagai kendala dunia nyata. Dengan demikian, kita bisa mengidentifikasi algoritma atau kombinasi algoritma mana yang paling cocok untuk berbagai skenario distribusi bank sampah yang kompleks.

Metadata

File size	324.15 KB
Pages	9
DMCA	Report