Perbandingan Particle Swarm Optimization dan Genetic Algorithm untuk Sistem Kontrol Vendor Managed Inventory Multi-Produk Multi-Kendala

Abstract

Perkembangan kajian tentang Vendor Managed Inventory (VMI) hingga saat ini menjadi kecendrungan untuk diteliti oleh para peneliti di seluruh dunia. Berbagai model telah dibangun dan diteliti. Disamping itu masalah yang dihadapi adalah berbagai jenis produk dan kendala serta jumlah supplier dan retailer. Hampir semuanya telah dilakukan temasuk model penyelesaian menggunakan teknik Artificial Intellegence (AI) seperti Genetic Algorithm (GA), Simulated Annealing (SA), Tabu Search (TB), Ant Colony Optimization (ACO) dan Particle Swarm Optimization (PSO). Metode GA sudah sering digunakan dalam menyelesaikan masalah optimasi. Metode PSO dibandingkan dengan metode lain memiliki kelebihan utama yaitu mempunyai konsep sederhana, mudah diimplementasikan, dan efisien dalam perhitungan. Tujuan dari penelitian ini adalah mengoptimalkan total biaya inventori untuk sistem kontrol Vendor Managed Inventory multi-produk multi-kendala pada single supplier single retailer dan kemudian membandingkan hasil optimasi Particle Swarm Optimization dan Genetic Algorithm. Pesanan menggunakan model Economic Order Quantity. Pada penelitian ini digunakan tiga, lima, delapan dan sepuluh jenis produk dengan kendala kapasitas gudang dan jumlah pesanan untuk semua jenis produk. Hasil yang dicapai penelitian ini adalah bahwa PSO memberikan optimasi yang lebih optimal dibandingkan GA. PSO memberikan hasil untuk 3 jenis produk $ 384,59 atau meningkatkan efisiensi 58,55%, untuk 5 jenis produk $ 908,52 atau meningkatkan efisiensi 23,72%, untuk 8 jenis produk $ 2362,19 atau meningkatkan efisiensi 31,41% dan untuk 10 jenis produk $ 4042,18 atau meningkatkan efisiensi 39,54%.