Optimisasi Sistem Pengelolaan Sampah Dua Tahap: MT-CVRP dengan Algoritma Hybrid GA-PSO dan Alokasi Stokastik Berbasis Chance-Constrained Programming
Tiara Fatihah Kusumaningtyas, Dr. Noorma Yulia Megawati, S.Si., M.Sc., M.Act.Sc.
2026 | Skripsi | MATEMATIKA
Sistem pengelolaan sampah perkotaan sering kali menghadapi permasalahan inefisiensi rute pengangkutan dan ketidakpastian tingkat pemulihan material (recovery yield). Dalam penelitian ini dikembangkan model optimisasi dua tahap terintegrasi untuk mengatasi kedua masalah tersebut. Pada tahap pertama dimodelkan rute optimal pengangkutan sampah menggunakan Capacitated Vehicle Routing Problem with Multiple Trips (MT-CVRP) yang diselesaikan dengan algoritma Hybrid Genetic Algorithm-Particle Swarm Optimization (GA-PSO). Tahap kedua menggunakan Chance-Constrained Programming (CCP) untuk alokasi material daur ulang yang diselesaikan melalui program linear. Kinerja model diuji melalui simulasi numerik menggunakan representasi jaringan pengangkutan sampah di kawasan Universitas Gadjah Mada (UGM) dengan 37 titik pengumpulan dan 2 armada kendaraan. Hasil simulasi menunjukkan bahwa algoritma Hybrid GA-PSO menghasilkan rute optimal dengan total jarak 196.469 m dalam waktu 1,55 detik yang secara konsisten mengungguli metode GA dan PSO murni. Pada tahap alokasi, model CCP berhasil mendistribusikan 2.400 kg material daur ulang dan 737,5 kg residu, serta mencapai keseimbangan optimal pada tingkat kepercayaan 95?ngan ekspektasi laba operasional sebesar Rp340.620. Analisis sensitivitas terhadap variasi tingkat kepercayaan mengonfirmasi bahwa nilai 95% merupakan titik keseimbangan antara profitabilitas dan penalti risiko.
Urban waste management systems often face transportation route inefficiencies and uncertainty in material recovery yields. This study develops an integrated two-stage optimization model to address both issues. The first stage models the routing problem using the Capacitated Vehicle Routing Problem with Multiple Trips (MT-CVRP) solved with Hybrid Genetic Algorithm-Particle Swarm Optimization (GA-PSO). The second stage utilizes Chance-Constrained Programming (CCP) for recyclable material allocation and solved through linear programming. The model's performance is evaluated through a numerical simulation using a representation of a waste transportation network in the Universitas Gadjah Mada (UGM) area involving 37 collection points and 2 vehicle fleets. Simulation results indicate that the Hybrid GA-PSO algorithm generates an optimal route with a total distance of 196,469 m in 1.55 seconds, consistently outperforming the pure GA and PSO methods. In the allocation stage, the CCP model successfully distributes 2,400 kg of recyclable materials and 737.5 kg of residue, achieving an optimal operational equilibrium at a 95% confidence level with an expected operational profit of Rp340.620. A sensitivity analysis on the variations of confidence levels confirms that the 95% value serves as the equilibrium point between profitability and risk penalties.
Kata Kunci : Optimisasi, MT-CVRP, Hybrid GA-PSO, Alokasi Stokastik, Chance-Constrained Programming