Hasil Pencarian  ::  Simpan CSV :: Kembali

"Crowdsourced delivery merupakan suatu upaya dalam mengatasi masalah peningkatan kebutuhan jasa pengiriman barang akibat dari tren berbelanja online pada masyarakat yang meningkat secara signifikan. Crowdsourced delivery didefinisikan sebagai proses pengiriman barang yang melibatkan individu dengan latar belakang profesi bukan sebagai kurir untuk memenuhi kebutuhan last mile delivery. Diibaratkan kurir tersebut merupakan pekerja lepas (freelance) dari perusahaan pengiriman logistik. Last-mile delivery merupakan tahap akhir dari proses distribusi pengiriman barang dimana barang akhirnya sampai kepada pelanggan. Pada skripsi ini dilakukan perencanaan last-mile delivery dengan menggunakan integrasi crowdsourcing parsial, dimana permasalahan tersebut membutuhkan titik singgah sementara dalam proses pengiriman barang. Crowdsourcing parsial merupakan gabungan permasalahan two-echelon vehicle routing problem (2-EVRP) dan truck trailer routing problem (TTRP). Two-echelon vehicle routing problem adalah pencarian rute vehicle routing problem dengan dua tingkat jaringan distribusi. Tingkat jaringan distribusi pertama berupa rute perjalanan truk dan tingkat jaringan distribusi kedua berupa perjalanan kurir crowdsourced. Truck trailer routing problem merupakan variasi tambahan permasalahan 2-EVRP agar pelanggan dapat dilayani menggunakan truk dan juga kurir crowdsourced, jika hanya 2-EVRP saja maka pelanggan hanya dapat dilayani oleh crowd-worker. Pada permasalahan ini digunakan metode simulated annealing untuk mencari pendekatan terhadap solusi optimal rute pengiriman barang. Proses simulated annealing bekerja dengan mencari suatu posisi pada suatu temperatur tertentu untuk mereduksi rute yang tidak diperlukan dan memperbaiki solusi agar menjadi optimal. Dalam skripsi ini digunakan data sebanyak 63 titik koordinat lokasi, di mana terdiri dari 1 depot, 12 titik transfer, dan 50 pelanggan. Hasil terbaik dari beberapa kasus yang dijalankan yaitu untuk kasus 19 pelanggan dilayani truk dan 31 dilayani oleh crowd-worker, dapat menghemat biaya perjalanan sebesar 25,9748%.

---

Crowdsourced delivery is an effort to overcome the problem of increasing the need for goods delivery services due to the trend of online shopping in the community, which has increased significantly. Crowdsourced delivery is defined as the process of delivering goods that involve individuals with professional backgrounds not as couriers, to fulfill last-mile delivery needs. The courier is likened to a freelancer from a logistics delivery company. Last-mile delivery is the final stage of the distribution process where the goods finally arrive at the customer. In this thesis, last-mile delivery planning is carried out using partial crowdsourcing integration, where the problem requires a temporary stopover point in the process of delivering goods. Partial crowdsourcing combines the two-echelon vehicle routing problem (2-EVRP) and the truck trailer routing problem (TTRP). The two-echelon vehicle routing problem is a route-finding vehicle routing problem with two levels of distribution network. The first distribution network level is a truck route, and the second distribution network level is a crowdsourced courier. The truck trailer routing problem is an additional variation of the 2-EVRP problem to serve customers using crowdsourced trucks and couriers. If it is only 2-EVRP, then customers can only be served by crowd-workers. In this problem, the simulated annealing method is used to find an approach to the optimal solution of the shipping route. The simulated annealing process works by finding a position at a specific temperature to reduce unnecessary routes and improve the solution to become optimal. In this thesis, the data used are 63 coordinate location points, consisting of 1 depot, 12 transfer points, and 50 customers. The best results from several cases that were carried out were for cases where 19 customers were served by trucks and 31 were served by crowd-workers. It could save travel costs by 25.9748%."

"Crowdsourced delivery merupakan suatu upaya dalam mengatasi masalah peningkatan kebutuhan jasa pengiriman barang akibat dari tren berbelanja online pada masyarakat yang meningkat secara signifikan. Crowdsourced delivery didefinisikan sebagai proses pengiriman barang yang melibatkan individu dengan latar belakang profesi bukan sebagai kurir untuk memenuhi kebutuhan last mile delivery. Diibaratkan kurir tersebut merupakan pekerja lepas (freelance) dari perusahaan pengiriman logistik. Last-mile delivery merupakan tahap akhir dari proses distribusi pengiriman barang dimana barang akhirnya sampai kepada pelanggan. Pada skripsi ini dilakukan perencanaan last-mile delivery dengan menggunakan integrasi crowdsourcing parsial, dimana permasalahan tersebut membutuhkan titik singgah sementara dalam proses pengiriman barang. Crowdsourcing parsial merupakan gabungan permasalahan two-echelon vehicle routing problem (2-EVRP) dan truck trailer routing problem (TTRP). Two-echelon vehicle routing problem adalah pencarian rute vehicle routing problem dengan dua tingkat jaringan distribusi. Tingkat jaringan distribusi pertama berupa rute perjalanan truk dan tingkat jaringan distribusi kedua berupa perjalanan kurir crowdsourced. Truck trailer routing problem merupakan variasi tambahan permasalahan 2-EVRP agar pelanggan dapat dilayani menggunakan truk dan juga kurir crowdsourced, jika hanya 2-EVRP saja maka pelanggan hanya dapat dilayani oleh crowd-worker. Pada permasalahan ini digunakan metode simulated annealing untuk mencari pendekatan terhadap solusi optimal rute pengiriman barang. Proses simulated annealing bekerja dengan mencari suatu posisi pada suatu temperatur tertentu untuk mereduksi rute yang tidak diperlukan dan memperbaiki solusi agar menjadi optimal. Dalam skripsi ini digunakan data sebanyak 63 titik koordinat lokasi, di mana terdiri dari 1 depot, 12 titik transfer, dan 50 pelanggan. Hasil terbaik dari beberapa kasus yang dijalankan yaitu untuk kasus 19 pelanggan dilayani truk dan 31 dilayani oleh crowd-worker, dapat menghemat biaya perjalanan sebesar 25,9748%.

---

Crowdsourced delivery is an effort to overcome the problem of increasing the need for goods delivery services due to the trend of online shopping in the community, which has increased significantly. Crowdsourced delivery is defined as the process of delivering goods that involve individuals with professional backgrounds not as couriers, to fulfill last-mile delivery needs. The courier is likened to a freelancer from a logistics delivery company. Last-mile delivery is the final stage of the distribution process where the goods finally arrive at the customer. In this thesis, last-mile delivery planning is carried out using partial crowdsourcing integration, where the problem requires a temporary stopover point in the process of delivering goods. Partial crowdsourcing combines the two-echelon vehicle routing problem (2-EVRP) and the truck trailer routing problem (TTRP). The two-echelon vehicle routing problem is a route-finding vehicle routing problem with two levels of distribution network. The first distribution network level is a truck route, and the second distribution network level is a crowdsourced courier. The truck trailer routing problem is an additional variation of the 2-EVRP problem to serve customers using crowdsourced trucks and couriers. If it is only 2-EVRP, then customers can only be served by crowd-workers. In this problem, the simulated annealing method is used to find an approach to the optimal solution of the shipping route. The simulated annealing process works by finding a position at a specific temperature to reduce unnecessary routes and improve the solution to become optimal. In this thesis, the data used are 63 coordinate location points, consisting of 1 depot, 12 transfer points, and 50 customers. The best results from several cases that were carried out were for cases where 19 customers were served by trucks and 31 were served by crowd-workers. It could save travel costs by 25.9748%."

"Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) merupakan masalah pencarian rute kendaraan untuk mengirim barang ke pelanggan melalui dua pusat distribusi yang berbeda, yaitu depot dan titik transfer. Pada eselon pertama, barang akan dikirimkan dari depot ke titik transfer atau langsung ke pelanggan dengan menggunakan truk. Sementara, pada eselon kedua, barang akan dikirim dengan menggunakan sistem crowdsourced delivery, yaitu dengan menggunakan jasa kurir pekerja lepas dengan jadwal yang fleksibel dan mengunakan transportasi pribadi. Kurir tersebut akan mengambil barang yang telah diantar oleh truk ke titik transfer dan selanjutnya meneruskan pengantaran ke pelanggan. Pada skripsi ini digunakan Metode Adaptive Large Neighborhood Search (ALNS) untuk menyelesaikan permasalahan tersebut dengan menggunakan perangkat lunak. Konsep dari metode ini adalah memperbaharui struktur lingkungan melalui destroy dan repair operator dengan menggunakan probabilitas bahwa suatu operator tententu dipilih disesuaikan kembali sesuai dengan kinerja selama iterasi sebelumnya. Solusi yang ingin dicapai adalah solusi dengan total biaya pengiriman yang minimum. Berdasarkan hasil percobaan, dengan menggunakan 50 pelanggan, 1 depot, 9 titik transfer, 20 pelanggan yang dilayani sistem crowdsourced delivery, dan 3000 iterasi, diperoleh bahwa Metode ALNS dapat digunakan untuk mengoptimalkan masalah Crowdsourced Delivery 2E-VRP TTRP dengan penghematan total biaya perjalanan sebesar 40,76%.

---

Crowdsourced Delivery Two-Echelon Vehicle Routing Problem with Truck and Trailer Routing Problem (2E-VRP TTRP) is a problem where goods must be sent to customers through two different distribution centers, namely depot and transfer point. In the first echelon, the goods will be sent from the depot to the transfer points or directly to the customers by trucks. Meanwhile, in the second echelon, the goods will be sent using a crowdsourced delivery system, by using couriers that have flexible schedule and using their own transportations. The couriers will pick up the goods that have been delivered by the trucks to the transfer points and deliver it to the customers. In this final project, the Adaptive Large Neighborhood Search (ALNS) Method is used to solve the problem by using software. The concept of this method is to update the neighborhood structure through the destroy and repair operators by using the probability that a certain operator is selected to be readjusted according to performance during the previous iterations. The solution to be achieved is a solution with a minimum total delivery cost. Based on the experimental results, using 50 costumers, 1 depot, 9 transfer points, 20 costumers served by the crowdsourced delivery system, and 3000 iterations, it is found that the ALNS Method was be used to optimize the Crowdsourced Delivery 2E-VRP TTRP with a total travel cost savings of 40,76%."

"Vehicle Routing Problem with Time Windows menjadi suatu permasalahan bagi perusahaan saat ini dimana biaya logistik yang semakin tinggi. Penentuan rute yang tepat untuk distribusi barang sangat dibutuhkan untuk menekan biaya bahan bakar kendaraan. Penyelesaian VRPTW ini menggunakan algoritma metaheuristic: Tabu Search, Particle Swarm Optimization dan Simulated Annealing. Penelitian ini membandingkan karakter dari ketiga algoritma tersebut. Dimana hasil tabu search memberikan nilai yang mayoritas optimal dibandingkan ketiganya. Tetapi untuk iterasi pendek, PSO memberikan nilai yang cepat menuju optimal.

---

Vehicle Routing Problem with Time Windows become main problem to company when dealing with distribution cost that comes bigger. Determining best routing to distribute goods or service can help reduce distribution cost. This research using metaheuristic algorithm: Tabu Search, Particle Swarm Optimization dan Simulated Annealing to solve VRPTW. This research benchmark that three algorithm. The conclusion is tabu search bring best solution for long iteration. But for short iteration, PSO bring better solution."

"Pickup and Delivery Vehicle Routing Problem with Time Windows (PDPTW) adalah suatu permasalahan dalam pencarian rute optimal untuk memenuhi permintaan sejumlah pelanggan dengan setiap permintaan terdiri dari permintaan jemput dan antar. Solusi yang ingin dicapai adalah solusi dengan banyaknya rute yang minimum dan total jarak yang minimum. Tugas akhir ini membahas aplikasi algoritma hibrida dua tahap pada PDPTW dan implementasinya pada data benchmark Li dan Lim dengan menggunakan perangkat lunak. Tahap pertama menggunakan algoritma simulated annealing untuk meminimumkan banyaknya rute dengan pembentukan solusi awal menggunakan metode insertion heuristic dan tahap kedua menggunakan algoritma large neighborhood search untuk meminimumkan total jarak.

---

Pickup and Delivery Vehicle Routing Problem with Time Windows (PDPTW) is a problem of finding optimal route to serve customer's demands where each demand consists of pickup and delivery service. The optimal solution is the solution with minimum number of routes and minimum total distance. This final project presents an application of two-stage hybrid algorithm for PDPTW and its implementation on Li and Lim benchmark data using software. The first stage uses simulated annealing algorithm to minimize the number of routes with insertion heuristic used in the construction of initial solution. Then, the second stage uses large neighborhood search algorithm to minimize the total distance. That algorithm is implemented for benchmark problem."

"Simulated annealing merupakan salah satu pendekatan yang relatif baru dalam masalah penjadwalan job shop. Sebagai sebuah heuristik, sirnuiaiea annealing tidak menjamin tercapainya solusi optimal, namun dapat menghasilkan solusi yang baik dalam waktu relatif singkat. Dalam penelitian ini, dirancang empat heuristik yang berbasiskan simulated annealing. Heuristik pertama menerapkan simulaied annealing secara langsung. Heuristik kedua menggunakan simulated annealing dengan rehearing. Heuristik ketiga menggunakan rehealing dan backiracking ke solusi awal, sedangkan heuristik keempat menggunakan rehearing dan baclaracking ke solusi terbaik. Keempat heuristik ini diirnplementasikan dalam program berbaahasa Pascal.Setelah perancangan dan implementasi selesai, dilakukan perbandingan antara hasil penjadwalan dari penelitian terdahulu yang menggunakan pendekatan prioriiy dispatch rule dengan hasil penjadwalan dari penelitian ini menggunakan data dari penelitian terdahulu tersebut. Untuk maksud perbandingan ini, digunakan hasil penelitian yang dilakukan oleh Riswan (1993). Penelitian ini juga membandingkan hasil penjadwalan dari penelitian ini dengan hasil penjadwalan optimal pada masalah bencnmark, yaitu FT 06 dan FT 10.Hasil perbandingan dengan penelitian terdahulu menunjukkan bahwa keempat heuristic marnpu menghasilkan jadwal dengan makeapan lebih balk, rardiness yang sama baik, namun dengan flow time rata-rata yang relatif kurang baik dibandingkan dengan penggunaan pendekatan priority disparch rule. Untuk masalah benchmark FT 06, hasil penelitian ini mampu mendapatkan solusi optimal, scdangkan untuk FT 10, hasil penelitian ini masih belum mampu mencapai solusi optimal."

"Generalized Assignment Problem (GAP) adalah masalah penugasan sejumlah berhingga tugas pada sejumlah berhingga agen, dimana sebuah tugas harus dikerjakan tepat oleh satu agen, tetapi satu agen dapat mengerjakan lebih dari satu tugas. Setiap agen mempunyai kapasitas, dan setiap tugas mempunyai bobot, yang mungkin berbeda untuk setiap agen. Pada skripsi ini akan dilihat kinerja algoritma Simulated Annealing (SA) dalam menyelesaikan GAP, yang diukur berdasarkan kedekatan solusi yang diperoleh dengan best known solution (BKS) dari masalah penguji yang diambil dari OR-Library. Metode SA merupakan pengembangan dari metode local search (LS). Pencarian dengan algoritma SA berusaha keluar dari optimum lokal dari LS dengan memperbolehkan pencarian ke solusi yang tidak lebih baik dengan probabilitas tertentu yang dipengaruhi oleh temperatur. Dari simulasi yang telah dilakukan, dapat dikatakan bahwa algoritma SA cukup baik dalam menyelesaikan GAP dimana kesalahan relatif kurang dari 0,05. "

"Salah satu tugas penting bank sentral adalah mendistribusikan uang tunai ke seluruh wilayah kantor kerja bank sentral di Indonesia, perbankan dan/atau lembaga keuangan. Dalam melakukan proses tersebut, bank sentral bekerja sama dengan pihak ketiga yaitu perusahaan jasa Cash-in-Transit (CIT). CIT adalah proses pengiriman dan pengangkutan uang tunai dari satu tempat ke tempat lainnya. Proses ini harus dilakukan dengan tingkat keamanan yang tinggi mengingat adanya kemungkinan risiko perjalanan yaitu kehilangan uang akibat perampokan. Oleh karena itu, perusahaan jasa CIT harus menentukan jalur distribusi yang optimal yaitu yang meminimalkan biaya transportasi dan risiko perjalanan. Fokus pada skripsi ini hanya distribusi pengantaran uang tunai dari bank sentral ke perbankan yaitu bank umum. Setiap bank umum tersebar secara geografis dan memiliki batasan waktu (time windows) yang berbeda. Permasalahan tersebut dapat dimodelkan dalam bentuk Vehicle Routing Problem with Time Windows (VRPTW) dengan fungsi objektif yang telah mengombinasikan dua faktor yaitu jarak dan risiko menjadi suatu nilai bobot yang tidak memiliki satuan. VRPTW merupakan varian dari masalah Vehicle Routing Problem (VRP) yang setiap pelanggan memiliki batasan waktu (time windows). Metode penyelesaian yang digunakan adalah Simulated Annealing (SA) dengan penentuan solusi awal menggunakan metode Nearest Neighbor (NN). Hasil perhitungan berupa nilai objektif yang minimum dan dari nilai tersebut didapatkan informasi mengenai total biaya dan risiko perjalanan. Program diimplementasikan pada contoh kasus dengan data 1 depot dan 29 kantor bank umum. Kesimpulan dari hasil yang diperoleh yaitu bahwa metode SA dapat mengoptimalkan nilai objektif, yang dihasilkan dari metode NN, dengan penurunan sebesar 39,85%. Pada hasil tersebut, total biaya perjalanan meningkat sebesar 13,72% dan risiko turun sebesar 19,66% dari solusi awal yang menggunakan metode NN.

---

One of the important tasks of the central bank is to distribute cash throughout the regional offices of central bank in Indonesia, banking institutions, and/or financial institutions. In executing this process, the central bank collaborates with a third party, namely Cash-in-Transit (CIT) companies. CIT involves the delivery and transportation of cash from one location to another. This process must be conducted with a high level of security, considering the potential travel risks such as the loss of money due to robbery. Therefore, CIT companies must determine an optimal distribution route that minimizes transportation costs and travel risks. The focus of this thesis is specifically on the distribution of cash delivery from the central bank to commercial banks, namely public banks. Each public bank is geographically dispersed and has different time windows. This issue can be modeled in the form of the Vehicle Routing Problem with Time Windows (VRPTW), with an objective function that combines two factors: distance and risk, into a dimensionless weight. VRPTW is a variant of the Vehicle Routing Problem (VRP) where each customer has time windows. The chosen solution method is Simulated Annealing (SA), with the determination of the initial solution using the Nearest Neighbor (NN) method. The calculated results include the minimum objective value, providing information on the total cost and travel risk. The program is implemented in a case study with one depot and 29 public bank offices. The conclusion drawn from the obtained results is that the SA method can optimize the objective value generated by the NN method, with a decrease of 39.85%. In these results, the total travel cost increases by 13.72%, while the risk decreases by 19.66%."

"Simulated annealing has proved to be an easy and reliable method for finding optimal values of a problem in cases where there is no road map to possible solutions. Facts, Conjectures, and Improvements for Simulated Annealing offers an introduction to this topic for novices and provides an informative review of the area for the more expert reader. This book brings together for the first time many of the theoretical foundations for improvements to algorithms for global optimization that until now existed only in scattered research articles.The method described in this book operates by simulating the cooling of a (usually fictitious) physical system whose possible energies correspond to the values of the objective function being minimized. The analogy works because physical systems occupy only states with the lowest energy as the temperature is lowered to absolute zero."

"Transportasi merupakan pendorong biaya utama dalam logistik perkotaan, yang semakin rumit dengan meningkatnya e-commerce dan jumlah pelanggan. Masalah krusialnya adalah menemukan rute distribusi yang optimal, yang dikenal dalam optimasi kombinatorial sebagai Vehicle Routing Problem (VRP). Penelitian ini melakukan analisis komparatif antara algoritma simulated annealing dan iterated local search untuk menyelesaikan capacitated VRP. Penelitian ini menerapkan metode tersebut pada contoh masalah dan studi kasus PT. X, salah satu perusahaan pos terbesar di Indonesia. Hasilnya menunjukkan bahwa algoritma 1 unggul dalam menyelesaikan contoh masalah, sementara algoritma 2 memberikan kinerja terbaik untuk data studi kasus. Penelitian ini menyediakan model optimasi untuk kedua skenario tersebut.

---

Transportation is a major cost driver in urban logistics, increasingly complicated by the rise of e-commerce and the growing number of customers. A critical issue is finding optimal distribution routes, known in combinatorial optimization as the Vehicle Routing Problem (VRP). This paper conducts a comparative analysis of simulated annealing and iterated local search algorithms to solve the capacitated VRP. The research applies these methods to both problem instances and a case study of PT. X, one of Indonesia's largest postal companies. The results show that while algorithm 1 excels in solving problem instances, algorithm 2 achieves the best performance for the case study data. This research provides optimized models for both scenarios."