Optimasi Perencanaan Perutean Pertanian Dengan Improved Particle Swarm Optimization Dan OR-Tools

Fernanda, Nita (2022) Optimasi Perencanaan Perutean Pertanian Dengan Improved Particle Swarm Optimization Dan OR-Tools. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
05211840000029-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 April 2024.

Download (7MB) | Request a copy

Abstract

Permasalahan dalam sektor pertanian membutuhkan perhatian untuk meningkatkan efisiensi peningkatan produksi hasil panen, mengurangi biaya, dan waktu dalam pemeliharaan ladang pertanian. Tantangan tersebut dapat ditangani dengan alternatif peningkatan kualitatif cara penggunaan beberapa mesin pertanian. Namun, efisiensi ladang pertanian akan bervariasi sesuai dengan ukuran, bentuk, atau pola. Terdapat ukuran dan jenis manuver mesin yang akan berpengaruh ketika mesin berjalan di area badan ladang. Mesin yang berbelok dengan manuver di area tanjung untuk berpindah dari satu jalur ke jalur lainnya akan memengaruhi total jarak tempuh mesin. Hal ini akan memengaruhi waktu yang hilang pada ladang pertanian karena adanya non-working travel. Beberapa penelitian terdahulu tidak memperhitungkan ukuran mesin yang berbeda yang dapat direpresentasikan sebagai jari-jari radius putar mesin untuk empat jenis manuver serta tidak memperhatikan jenis kapasitas yang berbeda. Agricultural Routing Planning (ARP) yang telah diselesaikan oleh penelitian sebelumnya dianggap sebagai Vehicle Routing Problem (VRP) yang mengganti istilah ‘customer’ menjadi jalur pada area badan ladang pertanian. Penelitian tugas akhir menggunakan Algoritma Improved Particle Swarm Optimization (IPSO) untuk menutupi kelemahan yang dimiliki oleh PSO dengan representasi node untuk setiap jalur dalam satu ladang pertanian. PSO memiliki kemampuan untuk converge lebih cepat, implementasi mudah, memory yang efektif, dan mempertahankan keragaman solusi yang efisien. Kemampuan tersebut akan dikombinasikan dengan Genetic Algorithm (GA) dengan selection, crossover, dan mutation untuk saling bertukar informasi saat eksplorasi maupun eksploitasi menuju konvergen ke optimal global. Penelitian bertujuan untuk menyelesaikan optimasi rute mesin pertanian yang dapat membantu sektor pertanian dalam pengambilan keputusan dengan beberapa batasan yang telah ditetapkan. Rute yang memiliki jarak tempuh minimum dan efektif pada saat berbelok di area tanjung akan meningkatkan efektivitas pemanenan di area badan ladang. Penelitian menggunakan kumpulan data penelitian sebelumnya berbentuk ladang rectangular dan irregular serta ukuran mesin yang berbeda berdasarkan jari-jari radius putar. Terdapat sejumlah empat manuver yang digunakan oleh mesin pertanian yaitu flat(Π), bulb(Ω), flatθ (Πθ) dan bulbθ (Ωθ). Hasil penelitian menunjukkan bahwa rute agricultural machine menggunakan Algoritma Basic Particle Swarm Optimization tidak menghasilkan nilai objective function yang optimum. Hasil rute terbaik didapatkan pada model Algoritma Improved Particle Swarm Optimization dengan mutation dan crossover (IPSO-MC) untuk dataset 90rt, dataset 74nc2, dataset uji coba 8rt, dataset uji coba 12rta, dan dataset uji coba 12rtb. Masing-masing nilai fungsi tujuan yang dihasilkan adalah 1601.2122 meter, 3541.1612 meter, 94.439 meter, 141.4513 meter, dan 141.0267 meter. Penggunaan algoritma dapat menghemat jarak tempuh mesin masing-masing 0 meter, 40.3653 meter, 59.5930 meter, 106.5470 meter, dan 106.9716 meter jika dibandingkan dengan perhitungan manual. Hasil dari dataset uji coba 8rt dan 12rtb menunjukkan hasil fungsi tujuan optimum yang sama dengan solver CP-SAT pada OR-Tools yang dikembangkan oleh Google. ================================================================================================ Problems in the agricultural sector require attention to increasing crop production efficiency, reducing costs, and time in maintaining agricultural fields. These challenges can be addressed by alternative qualitative improvements in how some agricultural machines are used. However, the efficiency of the farm field will vary according to size, shape, or pattern. There are sizes and types of machine maneuvers that will affect when running in the field body area. The engine turning by maneuvering the headland from one track to another will affect the total engine mileage. Maneuvering will affect the time lost on the farm due to non-working travel. Several previous studies did not consider the different engine sizes, which can be represented as the engine's turning radius for the four types of maneuvers. They ignored the different types of capacities. Agricultural Routing Planning (ARP) completed by previous research is considered a Vehicle Routing Problem (VRP) which replaces the term 'customer' to become a path in the area of the body of agricultural fields. The research uses the Improved Particle Swarm Optimization (IPSO) Algorithm to cover the weaknesses of PSO by representing nodes for each path in one agricultural field. PSO can converge faster, is easy to implement, has efficient memory, and maintains a variety of efficient solutions. This capability will be combined with a Genetic Algorithm (GA) with selection, crossover, and mutation to exchange information during exploration and exploitation towards convergence to a global optimal. The research aims to optimize agricultural machinery routes that can assist the agricultural sector in making decisions with some predetermined limitations. A route that has a minimum distance traveled and is effective when turning in the headland area will increase the effectiveness of harvesting in the body of the field. This research uses data from previous studies in rectangular and irregular fields and different machine sizes based on the turning radius. There are four maneuvers used by agricultural machines, namely flat(Π), bulb(Ω), flatθ (Πθ) and bulbθ (Ωθ). The results showed that the agricultural machine route did not produce an optimum objective function value using the Basic Particle Swarm Optimization Algorithm. The best route results are obtained in the Improved Particle Swarm Optimization Algorithm model with mutation and crossover (IPSO-MC) for the 90rt dataset, 74nc2 dataset, 8rt trial dataset, 12rt trial dataset, and 12rtb trial dataset. The resulting objective function values are 1601,2122 meters, 3541,1612 meters, 94,439 meters, 141.4513 meters, and 141.0267 meters. The use of the algorithm can save the engine mileage, respectively 0 meters, 40.3653 meters, 59.5930 meters, 106.5470 meters, and 106.9716 meters when compared with manual calculations. The results from the 8rt and 12rtb trial datasets show the same optimum objective function results as the CP-SAT solver on the OR-Tools developed by Google.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Rute Mesin Pertanian, Optimasi Rute, Vehicle Routing Problem, Particle Swarm Optimization, Agricultural Machine Route, Route Optimization, Vehicle Routing Problem
Subjects: H Social Sciences > HD Industries. Land use. Labor > HD9000 Agricultural industries
H Social Sciences > HE Transportation and Communications > HE336.R68 Route choice
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: Nita Fernanda
Date Deposited: 11 Feb 2022 04:52
Last Modified: 11 Feb 2022 04:52
URI: https://repository.its.ac.id/id/eprint/93534

Actions (login required)

View Item View Item