Penentuan rute terpendek merupakan salah satu persoalan penting dalam dunia logistik. Rute yang tepat memungkinkan perusahaan logistik menekan biaya operasional sekaligus meningkatkan efisiensi distribusi barang kepada pelanggan. Di tengah meningkatnya kebutuhan pengiriman barang, terutama pada era perdagangan digital saat ini, kemampuan menentukan rute distribusi yang optimal menjadi semakin krusial.
Dalam praktiknya, proses distribusi tidak selalu sederhana. Setiap perusahaan logistik memiliki jenis layanan yang berbeda, sehingga kendala yang dihadapi juga beragam. Pada beberapa layanan, perusahaan hanya perlu memperhatikan kapasitas kendaraan yang digunakan untuk mengangkut barang. Permasalahan ini dikenal sebagai Capacitated Vehicle Routing Problem (CVRP).
Pada layanan lainnya, perusahaan juga harus mempertimbangkan batas waktu pelayanan kepada pelanggan. Artinya, kendaraan harus tiba dalam rentang waktu tertentu agar layanan tetap optimal. Permasalahan ini dikenal sebagai Vehicle Routing Problem with Time Windows (VRPTW). Selain itu, terdapat pula aktivitas distribusi yang mengharuskan kendaraan tidak hanya mengantarkan barang, tetapi juga mengambil barang dari pelanggan pada saat yang sama. Permasalahan ini dikenal sebagai Vehicle Routing Problem with Simultaneous Pick-Up and Delivery (VRPSPD).
Berbagai permasalahan tersebut dapat dimodelkan secara matematis dalam bentuk model pemrograman linear. Untuk memperoleh solusi terbaik berupa rute yang optimal, diperlukan metode komputasi yang tepat. Selama ini, para peneliti umumnya menyelesaikan setiap jenis permasalahan tersebut secara terpisah. Padahal, dalam praktik nyata, berbagai jenis layanan sering kali terjadi secara bersamaan.
Namun, menyelesaikan beberapa model matematika secara simultan bukanlah hal yang mudah. Kompleksitas perhitungan akan meningkat secara signifikan, sehingga diperlukan pendekatan metode yang lebih efisien. Oleh karena itu, penelitian ini mengembangkan suatu metode dengan pendekatan multifactorial optimization, yaitu pendekatan yang memungkinkan beberapa permasalahan diselesaikan secara bersamaan dalam satu proses komputasi.
Dalam penelitian ini digunakan algoritma yang terinspirasi dari perilaku burung gagak, yaitu Crow Search Algorithm. Burung gagak dikenal memiliki kemampuan mengingat lokasi penyimpanan makanan dan sering mengamati perilaku gagak lain untuk menemukan sumber makanan baru. Perilaku tersebut menginspirasi pengembangan algoritma pencarian solusi dalam bidang optimasi.
Untuk meningkatkan kinerja algoritma tersebut, penelitian ini memanfaatkan chaotic map guna memperluas proses pencarian solusi sehingga algoritma tidak mudah terjebak pada solusi yang kurang optimal. Teknik ini diintegrasikan ke dalam proses pembaruan posisi gagak dalam algoritma. Selain itu, penelitian ini juga menerapkan pendekatan transfer learning, yaitu metode yang memungkinkan sistem memanfaatkan pengalaman dari satu tugas untuk membantu menyelesaikan tugas lainnya secara lebih efisien.
Eksperimen komputasi kemudian dilakukan untuk mengevaluasi kinerja algoritma, baik dari segi kualitas solusi terbaik yang diperoleh maupun waktu komputasi yang dibutuhkan. Dalam eksperimen ini, beberapa tugas dijalankan secara simultan maupun secara terpisah untuk melihat perbedaan kinerjanya. Tiga model yang digunakan meliputi CVRP, VRPTW, dan VRPSPD.
Hasil penelitian menunjukkan bahwa peningkatan ukuran populasi pada algoritma umumnya menghasilkan nilai fungsi tujuan yang lebih baik. Selain itu, penambahan jumlah iterasi juga berkontribusi pada peningkatan kualitas solusi yang diperoleh. Penelitian ini juga menemukan bahwa konfigurasi parameter yang optimal dalam optimasi multi-tugas bergantung pada jumlah tugas yang diselesaikan secara bersamaan.
Oleh karena itu, untuk menjaga keseimbangan perhitungan sekaligus mempertahankan efektivitas metode, setiap penambahan tugas sebaiknya diikuti dengan peningkatan yang proporsional pada ukuran populasi dan jumlah iterasi. Temuan ini menunjukkan bahwa pendekatan optimasi multi-tugas berpotensi menjadi solusi yang efisien dalam menangani berbagai variasi permasalahan distribusi logistik secara bersamaan.
Dengan memanfaatkan inspirasi dari perilaku alam, seperti kecerdikan burung gagak, penelitian ini menunjukkan bahwa pendekatan komputasi modern dapat membantu meningkatkan efisiensi sistem distribusi.
Penulis: Asri Bekti Pratiwi, S.Si., M.Si.
Link:
