Optimizing the Use of Passenger Train Class Carriages Using Genetic Algorithms Optimalisasi Penggunaan Gerbong Kelas Kereta Api Penumpang Menggunakan Algoritma Genetika
Optimizing the Use of Passenger Train Class Carriages Using Genetic Algorithms Optimalisasi Penggunaan Gerbong Kelas Kereta Api Penumpang Menggunakan Algoritma Genetika
Date
Authors
Fauzi, Ahsin
Hendro Pudjiantoro, Tacbir
Rakhmat Umbara, Fajri
Journal Title
Journal ISSN
Volume Title
Publisher
LPPM STMIK AMIK BANDUNG
Abstract
Description
The Train passengers do not increase over time continuously. Each route provided by PT.KAI does not always meet the capacity of the total seats in each class. On some predetermined route, there are seats which are not optimally filled in each class, it can increase the operational costs because of the unused wagon stay to run even though there are no passengers. Optimization is one way to find the best value of a giveing the function in an available context. One of the methods used for optimization is Genetic Algorithm. Genetic Algorithm is a method to get a solution according to the criteria without the need to test all combinations. The stages of the genetic algorithm consist of four stages, there are input, pre-process, process and output. The Genetic Algorithm process includes initial solution generation, match value evaluation, selection, mutation and crosses. This system is tested by entering the number of passengers 250, 500, and 750 people. The number of 250 passengers with 100 generations produces an optimal fitness value, namely 241 seats in the 82nd generation with a percentage of 98.18%. The purpose of this research is to optimize the use of class wagon on passenger trains according to the schedule of each train.
Penumpang kereta api tidak secara terus menerus meningkat pada setiap waktunya. Setiap rute yang disediakan oleh PT.KAI tidak selalu memenuhi kapasitas dari total kursi pada masing-masing kelas. Pada beberapa rute yang telah ditentukan, terdapat kursi pada setiap kelas tidak terisi secara optimal, hal tersebut dapat menyebabkan biaya operasional meningkat dikarenakan gerbong yang tidak terpakai akan tetap dijalankan meskipun tidak terdapat penumpang. Optimalisasi merupakan salah satu cara untuk melakukan pencarian nilai terbaik dari beberapa fungsi yang diberikan pada suatu konteks yang tersedia. Salah satu metode yang digunakan untuk optimalisasi yaitu Algorima Genetika. Algoritma Genetika merupakan metode untuk mendapatkan solusi sesuai dengan kriteria tanpa perlu menguji keseluruhan kombinasi. Tahapan dari algoritma genetika terdiri dari empat tahap, yaitu input, pre-proses, proses dan output. Proses Algoritma Genetika meliputi pembangkitan solusi awal, evaluasi nilai kecocokan, seleksi, mutasi dan persilangan. Pada sistem ini dilakukan pengujian dengan memasukkan jumlah penumpang 250, 500, dan 750 orang. Pada jumlah Penumpang 250 dengan 100 generasi menghasilkan nilai kecocokan yang optimal yaitu 241 seat pada generasi ke 82 dengan persentase 98.18%. Tujuan dari penelitian ini untuk mengoptimalkan penggunaan gerbong kelas pada kereta api penumpang sesuai dengan jadwal masing-masing kereta api.
Penumpang kereta api tidak secara terus menerus meningkat pada setiap waktunya. Setiap rute yang disediakan oleh PT.KAI tidak selalu memenuhi kapasitas dari total kursi pada masing-masing kelas. Pada beberapa rute yang telah ditentukan, terdapat kursi pada setiap kelas tidak terisi secara optimal, hal tersebut dapat menyebabkan biaya operasional meningkat dikarenakan gerbong yang tidak terpakai akan tetap dijalankan meskipun tidak terdapat penumpang. Optimalisasi merupakan salah satu cara untuk melakukan pencarian nilai terbaik dari beberapa fungsi yang diberikan pada suatu konteks yang tersedia. Salah satu metode yang digunakan untuk optimalisasi yaitu Algorima Genetika. Algoritma Genetika merupakan metode untuk mendapatkan solusi sesuai dengan kriteria tanpa perlu menguji keseluruhan kombinasi. Tahapan dari algoritma genetika terdiri dari empat tahap, yaitu input, pre-proses, proses dan output. Proses Algoritma Genetika meliputi pembangkitan solusi awal, evaluasi nilai kecocokan, seleksi, mutasi dan persilangan. Pada sistem ini dilakukan pengujian dengan memasukkan jumlah penumpang 250, 500, dan 750 orang. Pada jumlah Penumpang 250 dengan 100 generasi menghasilkan nilai kecocokan yang optimal yaitu 241 seat pada generasi ke 82 dengan persentase 98.18%. Tujuan dari penelitian ini untuk mengoptimalkan penggunaan gerbong kelas pada kereta api penumpang sesuai dengan jadwal masing-masing kereta api.
Keywords
Optimization, Genetic Algorithm, Class Carriage, The Train Passengers, Optimalisasi, Algoritma Genetika, Gerbong Kelas, Kereta Api Penumpang