Optimasi Lokasi Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) di Surabaya dengan Menggunakan Metode Genetic Algorithm dan Particle Swarm Optimization

Gunawan, Raymond Adinata (2024) Optimasi Lokasi Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) di Surabaya dengan Menggunakan Metode Genetic Algorithm dan Particle Swarm Optimization. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5007201138-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (5MB) | Request a copy

Abstract

Kendaraan listrik di Indonesia terus berkembang pesat. Keterbatasan bahan bakar fosil, yang semakin menipis, menjadi salah satu faktor utama yang mendorong penggunaan kendaraan listrik. Kendaraan listrik memanfaatkan baterai yang dapat diisi ulang, sehingga menawarkan solusi yang lebih ramah lingkungan. Salah satu fasilitas yang dapat disediakan untuk mendukung perkembangan ini adalah dengan dibangunnya Stasiun Pengisian Kendaraan Listrik Umum (SPKLU). Mempertimbangkan distribusi kendaraan listrik dapat membantu menentukan jumlah dan lokasi SPKLU yang optimal. Penempatan SPKLU harus dioptimalkan untuk mengurangi pengeluaran dan menarik sebanyak mungkin pengguna, sehingga dapat memenuhi permintaan dan memaksimalkan keuntungan.
Dalam penelitian ini, akan dilakukan optimasi lokasi SPKLU di Surabaya menggunakan MATLAB 2023. Data input yang dibutuhkan meliputi waktu tempuh kendaraan listrik ke lokasi SPKLU, energi dan waktu pengisian, tingkat reliabilitas listrik, serta pemasukan dan pengeluaran harian SPKLU. Data output yang dihitung adalah profit harian SPKLU. Fungsi objektif menghubungkan data input dan output, kemudian diinputkan ke Genetic Algorithm (GA) dan Particle Swarm Optimization (PSO) untuk memperoleh profit tertinggi. Ada dua kasus optimasi: pertama, membandingkan hasil optimasi metode GA dan PSO dengan Yan Akhra Pratama (2023) yang menggunakan Mixed Integer Programming (MIP); kedua, mencari hasil optimasi untuk tahun 2024-2028 dengan metode GA dan PSO. Pada kasus kedua, digunakan dua jenis proyeksi untuk kendaraan listrik di Surabaya: regresi linear dan acuan pertambahan jumlah kendaraan listrik di Indonesia.
Hasil yang didapatkan pada kasus pertama adalah metode GA dan PSO mendapatkan hasil keuntungan yang lebih baik dibandingkan metode MIP. SPKLU yang dibangun pada metode GA dan PSO ada 6 SPKLU. Keuntungan yang didapatkan pada kedua metode adalah Rp99.707.757,27. Akan tetapi, lokasi SPKLU yang didapatkan berbeda. Keuntungan yang didapatkan pada metode MIP adalah Rp88.305.617,32. Pada kasus kedua dengan proyeksi I, hanya perlu membangun charging unit karena swap station eksisting cukup di Surabaya. Optimasi hanya berlaku hingga 2026, karena mulai 2027 jumlah SPKLU tidak mencukupi. Metode GA menghasilkan keuntungan lebih tinggi dibandingkan PSO untuk periode 2024-2026. Tahun 2024: GA Rp11.743.072,33 (5 SPKLU) dibandingkan dengan PSO Rp11.562.501,86 (6 SPKLU). Tahun 2025: GA Rp15.131.811,49 dibandingkan dengan PSO Rp15.033.068,70 (7 SPKLU). Tahun 2026: GA Rp17.096.607,68 dibandingkan dengan PSO Rp16.768.298,04 (11 SPKLU). Pada kasus kedua dengan proyeksi II, optimasi hanya bisa dilakukan hingga tahun 2025. Metode GA menghasilkan keuntungan lebih tinggi dibandingkan PSO untuk periode 2024-2025. Tahun 2024: GA Rp11.743.072,33 (5 SPKLU) dibandingkan dengan PSO Rp11.562.501,86 (6 SPKLU). Tahun 2025: GA Rp16.070.872,32 dibandingkan dengan PSO Rp15.821.665,54 (8 SPKLU).
=================================================================================================================================
Electric vehicles in Indonesia continue to grow rapidly. Fossil fuel limitation, which is running out, is one of the main factors driving the use of electric vehicles. Electric vehicles utilize rechargeable batteries, thus offering a more environmentally friendly solution. One of the facilities that can be provided to support this development is the construction of a Public Electric Vehicle Charging Station (SPKLU). Considering the distribution of electric vehicles can help determine the optimal number and location of SPKLUs. The placement of SPKLUs should be optimized to reduce expenses and attract as many users as possible, so as to meet demand and maximize profits. In this research, we will optimize the location of SPKLU in Surabaya using MATLAB 2023. The input data required includes the travel time of electric vehicles to the SPKLU location, energy and charging time, electricity reliability level, and SPKLU daily income and expenses. The output data calculated is the daily profit of SPKLU. The objective function relates the input and output data, then inputted to Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) to obtain the highest profit. There are two optimization cases: first, comparing the optimization results of GA and PSO methods with Yan Akhra Pratama (2023) who used Mixed Integer Programming (MIP); second, finding optimization results for 2024-2028 with GA and PSO methods. In the second case, two types of projections for electric vehicles in Surabaya were used: linear regression and reference to the increasing number of electric vehicles in Indonesia. The results obtained in the first case are the GA and PSO methods get better profit results than the MIP method. There are 6 SPKLUs built in the GA and PSO methods. The profit obtained in both methods is Rp99,707,757.27. However, the location of the SPKLUs obtained is different. The profit obtained in the MIP method is Rp88,305,617.32. In the second case with projection I, it is only necessary to build a charging unit because the existing swap station is sufficient in Surabaya. The optimization is only valid until 2026, because starting 2027 the number of SPKLU is insufficient. The GA method yields higher profits than PSO for the period 2024-2026. Year 2024: GA Rp11,743,072.33 (5 SPKLU) compared to PSO Rp11,562,501.86 (6 SPKLU). Year 2025: GA Rp15,131,811.49 compared to PSO Rp15,033,068.70 (7 SPKLU). Year 2026: GA Rp17,096,607.68 compared to PSO Rp16,768,298.04 (11 SPKLU). In the second case with projection II, optimization can only be done until 2025. The GA method yielded higher profits than PSO for the period 2024-2025. Year 2024: GA Rp11,743,072.33 (5 SPKLU) compared to PSO Rp11,562,501.86 (6 SPKLU). Year 2025: GA Rp16.070.872,32 compared to PSO Rp15,821,665.54 (8 SPKLU).

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Genetic Algorithm, Optimization, Particle Swarm Optimization, SPKLU, Genetic Algorithm, Optimasi, Particle Swarm Optimization, SPKLU
Subjects:	T Technology > T Technology (General) > T174 Technological forecasting T Technology > T Technology (General) > T57.84 Heuristic algorithms.
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Mechanical Engineering > 21201-(S1) Undergraduate Thesis
Depositing User:	Raymond Adinata Gunawan
Date Deposited:	13 Aug 2024 01:27
Last Modified:	13 Aug 2024 01:27
URI:	http://repository.its.ac.id/id/eprint/114383

Actions (login required)

View Item