Perbandingan Basic Variant pada Algoritma Particle Swarm Optimization

VINETA TANTRI R, Bertha Maya Shopa, S.T., M.Sc., Ph.D.

2015 | Skripsi | S1 TEKNIK INDUSTRI

Metaheuristik merupakan golongan algoritma yang dapat menyelesaikan pemecahan masalah optimasi yang kompleks jika diselesaikan dengan algoritma eksak. Particle Swarm Optimization (PSO) merupakan metode metaheuristik yang mengadopsi perilaku sosial dari kawanan (swarm) hewan seperti kawanan burung atau ikan. Terdapat kekurangan dari PSO berupa mudah mengalami optimasi secara parsial yang dapat diselesaikan dengan adanya varian-varian PSO, salah satunya adalah basic variant PSO. Penelitian ini akan membandingkan hasil dari PSO standard dan basic variant dari PSO yang terdiri dari PSO with inertia weight dan PSO with constriction coefficient. Dari hasil perbandingan yang dilakukan dapat diketahui varian manakah yang terbaik dan dapat menyelesaikan kekurangan PSO tersebut di dalam penelitian ini. Langkah-langkah yang dilakukan dalam penelitian ini meliputi tahapan persiapan, pengumpulan data, pemetaan koordinat retailer, pembuatan matriks jarak, pembangunan model, verifikasi model, validasi model, running model, dan analis hasil serta menarik kesimpulan. Penentuan parameter berupa c1 dan c2 untuk masing-masing varian dilakukan dengan menggunakan Design of Experiment (DOE). Setelah didapatkan rute optimal dari masing-masing varian, kemudian dilakukan perbandingan dari ketiga varian tersebut dengan mempertimbangkan beberapa aspek yakni total jarak, waktu running, jumlah truk yang dibutuhkan, dan titik pencapaian nilai optimum. Terdapat beberapa perbedaan hasil dari ketiga varian PSO. PSO standar memiliki jumlah truk dan rata-rata utilitas truk terbaik, PSO with inertia weighted memiliki waktu running dan pencapaian titik optimum tercepat, dan PSO with constriction coefficient memiliki total jarak yang terpendek. Dari segi grafik, PSO with inertia weighted dan PSO with constriction coefficient memiliki grafik yang lebih halus dibandingkan dengan PSO standar. Tidak ada varian terbaik dalam penelitian ini, karena apapun varian yang digunakan hasil yang diperoleh tidak berbeda secara signifikan.

Metaheuristic is an algorithm that can be used to solve a optimization problem that is too complex for an exact algorithm. Particle Swarm Optimization (PSO) is a metaheuristic method that adopt a social behavior of a swarm of animals such as birds or fish. There is a weakness of PSO, that it can easily give an partial optimation form, this can be solved using some PSO variants, such as Basic Variant PSO. This study will compare the results of the Standard PSO and Basic Variant of PSO which is consisted of PSO with Inertia Weight and PSO with Constriction Coefficient. From the comparison result, the best variant which can solve a weakness of PSO in this study can be known. The steps of this study includes a preparation stage, data collection, mapping retailer's coordinate, determining the distance matrix, model development, model verification, model validation, running the model, and analyzing the results and drawing the conclusions. Determination of parameters c1 and c2 for each variant is done using Design of Experiment (DOE). After an optimal route of each variant is obtained, the three variants is compared using several aspects as a total distance, time running, the number of trucks required, and the optimum value achieved as a consideration. There are some differences in a results of three variants of PSO. Standard PSO has the best number average truck and utility truck, PSO with Inertia Weighted have the fastest running time and achieving optimum point, while PSO with Constriction Coefficient has the shortest total distance. In terms of graphics, PSO with Inertia Weighted and PSO with Constriction Coefficient have a smoother graphic than Standard PSO has. There is no best variant obtained from this study, because the results obtained from every variant is not different significantly.

Kata Kunci : Particle Swarm Optimization, varian, standar, inertia weight, constriction coefficient, perbandingan