Metode Simulated Annealing untuk Optimasi Biaya Operasional Penerbangan
Keywords:
Simulated Annealing, Biaya Penerbangan, Optimasi Biaya, MetalurgiAbstract
Transportasi adalah inovasi penting yang memfasilitasi berbagai aktivitas manusia. Salah satu mode transportasi utama adalah pesawat terbang yang menawarkan efisiensi waktu. Namun, transportasi udara sering mengalami penundaan dan pembatalan yang berdampak negatif. Industri penerbangan juga menghadapi tantangan biaya operasional yang terus meningkat. Oleh karena itu, diperlukan sistem penjadwalan yang efektif. Algoritma Simulated Annealing (SA), yang terinspirasi oleh proses annealing dalam metalurgi, menawarkan solusi potensial. Algoritma ini bekerja dengan mengeksplorasi ruang solusi secara probabilistik untuk menemukan struktur yang optimal. Dalam konteks penerbangan, SA dapat digunakan untuk mengoptimalkan rute, jadwal penerbangan, dan alokasi sumber daya. Penelitian ini bertujuan mengembangkan algoritma SA yang lebih efisien untuk mengoptimalkan biaya operasional penerbangan. Algoritma menghitung total biaya dan waktu dari jadwal penerbangan dengan menjumlahkan biaya dan waktu dari satu kota ke kota lainnya. Setelah itu dilakukan penukaran acak untuk mendapat berbagai kemungkinan solusi. Pengacakan ini dilakukan dengan cara menukar posisi dua jadwal. Probabilitas solusi yang lebih buruk didasarkan pada perbedaan biaya antara solusi baru dan solusi lama. Jika solusi baru lebih baik, maka probabilitasnya adalah 1. Jika solusi lebih buruk, dapat diterima dengan probabilitas yang berkurang seiring menurunnya suhu annealing. Algoritma SA diimplementasikan untuk menemukan jadwal penerbangan dengan biaya total terendah melalui iterasi dan pengurangan suhu. Hasil penelitian menunjukkan bahwa program dengan konfigurasi terbaik yaitu temperature 15000, iterasi 2000, dan waktu komputasi selama 24 detik dapat menemukan biaya perjalanan terbaik dari dataset dengan hasil 9909.0 atau 999,090 usd.
References
R. Mardiyah and M. Ujianita Romdhini, “Penerapan Algoritma Genetika dalam Penjadwalan Penerbangan di Bandara Internasional Lombok,” Eigen Mathematics Journal, vol. 1, no. 2, pp. 48–58, 2018, [Online]. Available: http://eigen.unram.ac.id.
M. Lukman Hakim and M. Hasibuan, “Penerapan Metode Simulated Annealing Untuk Penjadwalan Perkuliahan,” CTIS, vol. 5, no. 2, 2021.
Ü. Başaran Filik and M. Kurban, “Solving unit commitment problem using modified subgradient method combined with simulated annealing algorithm,” Mathematical Problems in Engineering, vol. 2010, 2010, doi: 10.1155/2010/295645.
A. Wahyu Kristianingrum, “Optimalisasi Pengembangan Usaha Mikro Kecil Dan Menengah Dalam Meningkatkan Perekonomian Masyarakat (Studi Kasus UMKM Griya Batik Tulis Rahayu Desa Sumbergedong Kecamatan Trenggalek),” pp. 15–36, 2020, [Online]. Available: http://repo.iain-tulungagung.ac.id/19252/
R. Ramadhan, M. Handayani, Ardian, and N. N. Purba, “Perhitungan Job Order Costing Pada Workshop PT. Get Karya Mandiri,” Jurnal Ilmiah Akuntansi, vol. 9, no. 2, pp. 70–82, Sep. 2022.
Brown, T. (2019). Route optimization in aviation using simulated annealing. Journal of Air Transport Management, 74, 1-1
H. Raoofpanah and V. Ghezavati, “Extended hybrid tabu search and simulated annealing algorithm for location-inventory model with multiple products, multiple distribution centers and multiple capacity levels,” Prod. Eng., vol. 13, no. 6, pp. 649–663, 2019, doi: 10.1007/s11740-019-00919-x.
H. Kusdarwanto, “Optimasi Rute Penerbangan Untuk Penjadwalan Kalibrasi Terhadap Alat Bantu Navigasi Udara Dengan Metode Algoritma Saving-Ants,” pp. 1–127, 2010, [Online]. Available: http://lib.ui.ac.id/file?file=digital/2016-11/20274557-T41084-Heru Kusdarwanto.pdf
S. Xiao, P. Peng, P. Zheng, and Z. Wu, “A Hybrid Adaptive Simulated Annealing and Tempering Algorithm for Solving the Half-Open Multi-Depot Vehicle Routing Problem,” Mathematics, vol. 12, no. 7, 2024, doi: 10.3390/math12070947.
K. Kızıloğlu and Ü. S. Sakallı, “Integrating Flight Scheduling, Fleet Assignment, and Aircraft Routing Problems with Codesharing Agreements under Stochastic Environment,” Aerospace, vol. 10, no. 12, 2023, doi: 10.3390/aerospace10121031.
G. Serazzi, Performance Engineering. 2024. doi: 10.1007/978-3-031-36763-2.
N. S. B. Ginting, N. Faizah, and W. Nurcahyo, “Sistem Informasi Geografis untuk Menentukan Rute Lokasi Wisata Danau Toba dengan Metode Simulated Annealing”, D Journal, vol. 1, no. 1, pp. 13–25, Jan. 2023.
M. A. Al Hafidh, “Optimalisasi Biaya Transportasi Pengiriman Barang dengan Menerapkan Metode Potensial,” 2021.
R. Said, A. Maitimu, E. Talakua, T. Sipil, and P. N. Ambon, “Tinjauan Biaya Operasional Kendaraan Umum Trayek Morella-Batu Merah Rute Jmp,” Jurnal SIMETRIK, vol. 12, no. 2.
Wiktasari, T. Prahasto, and J. E. Suseno, “Metode Simulated Annealing untuk Optimasi Penjadwalan Perguruan Tinggi.”
