model rantai pasok minyak sawit mentah mempertimbangkan resiko

DRAFT DISERTASI
Sub Pembahasan
Optimasi Obyektif Majemuk Algoritma Genetika
MODEL RANTAI PASOK MINYAK SAWIT
MENTAH MEMPERTIMBANGKAN RESIKO
PENURUNAN KUALITAS
Rika Ampuh Hadiguna – F361060041
Dibimbing oleh:
Dr.Ir. Machfud, MS
Prof.Dr.Ir. Eriyatno, MSAE
Dr.Ir. Yandra Arkeman, M.Eng
Dr.Ir. Ani Suryani, DEA
Cakupan Pemodelan
Data masa lalu
panen kebun inti
Data masa lalu
panen kebun
plasma
Data masa lalu
panen pihak
ketiga
Data masa lalu
pengiriman CPO
ke pelabuhan
Data masa lalu
pengapalan/
penjualan CPO
dari pelabuhan
Prakiraan
ketersediaan TBS di
kebun inti
Prakiraan
ketersediaan TBS di
kebun plasma
Prakiraan
ketersediaan TBS
dari pihak ketiga
Prakiraan
pengiriman CPO
dari pabrik ke
pelabuhan
Prakiraan
pengapalan/
penjualan CPO dari
pelabuhan
Ketersediaan TBS di
kebun inti
Ketersediaan TBS di
kebun plasma
Ketersediaan TBS
dari pihak ketiga
Prakira pengiriman
CPO dari pabrik ke
pelabuhan
Prakira pengapalan/
penjualan CPO dari
pelabuhan
Model persediaan
CPO di tangki
timbun pabrik
Model persediaan
CPO di tangki
timbun pelabuhan
Ukuran ekonomis di
tangki timbun pabrik
(Qf)
Ukuran ekonomis di
tangki timbun
pelabuhan (Qp)
Model rantai pasok
minyak sawit
mentah
Jumlah
pasokan TBS
kebun inti
Jumlah
pasokan TBS
kebun plasma
Jumlah
pasokan TBS
pihak ketiga
Jumlah
pasokan TBS
yang tidak
layak olah
Jumlah
produksi CPO
Rencana pengiriman
CPO ke pelabuhan
Jumlah
persediaan di
tangki timbun
pabrik
Jumlah
pengiriman
CPO ke
pelabuhan
Perencanaan
pengiriman CPO ke
pelabuhan
Jumlah
persediaan di
tangki timbun
pelabuhan
Deskripsi Sistem SCM-CPO
Kebun Kelapa
Transportasi
Sawit
INTIt
KINTIt
Pabrik
CPOt
INVt
Pengolahan
Persediaan
CPO
PLASMAt
BBRt
KPLASMAt
KLUARt
LUARt
Tangki Timbun di
Tangki Timbun di Transportasi
Transportasi
Pabrik
Pelabuhan
(Pengapalan)
Pasar
PTPt
KIRIMt
DEMANDt
Persediaan
CPO
SHIPt
Konsumen
Industri
Notasi Model
Notasi Model (lanjutan)
Formulasi Model Matematik
Fungsi obyektif
Formulasi Model Matematik (lanjutan)
Kendala
Rumusan Algoritma
Step 1: Inisialisasi variabel dengan cara mendeklarasi variabel-variabel
keputusan dan nilainya masing-masing berdasarkan dokumen
data yang telah disiapkan. Tetapkan juga ukuran populasi dan
jumlah generasi.
Step 2: Membuat populasi induk awal yang berukuran N individu
secara random dengan memperhatikan kumpulan kendala agar
tidak dilanggar.
Step 3: Lakukan sortir non-dominasi dan hitung crowding distance dari
setiap level populasi awal.
Step 4: Pilih individu dari populasi sebelumnya untuk reproduksi
menggunakan seleksi turnamen.
Step 5: Lakukan crossover dan mutasi untuk membentuk populasi
baru.
Step 6: Kombinasi populasi baru dan populasi lama untuk membentuk
populasi gabungan sebagai solusi baru.
Step 7: Lakukan sortir non-dominasi dan hitung crowding distance dari
populasi baru.
Step 8: Jika kriteria pemberhentian dipenuhi maka tetapkan populasi
terbaik sebagai solusi optimal. Sebaliknya, kembali ke Step 4.
Komponen-Komponen Program
1. function nsga_2 adalah fungsi yang berperan sebagai
bagian utama untuk menjalankan program. Ukuran
populasi dan jumlah generasi akan ditetapkan pada
bagian ini. Masukan (input.xls) data dari parameter
model yang disiapkan pada MS excel akan dibaca oleh
program untuk diolah lebih lanjut.
2. function initialize_variables adalah fungsi untuk
inisialisasi variabel keputusan menggunakan
pembangkitan bilangan random.
3. function evaluate_objective adalah fungsi untuk
mengevaluasi fungsi-fungsi obyektif sesuai dengan nilai
variabel-variabel keputusan yang telah dihasilkan dari
pembangkitan bilangan random.
4. function calculate_result adalah fungsi yang berperan
untuk menghitung nilai-nilai variabel keputusan sesuai
dengan hasil pembangkitan dan disesuaikan dengan
kendala-kendala model.
Komponen-Komponen Program (lanjutan)
5. function non_domination_sort_mod adalah fungsi dari
metoda sortir non-dominasi.
6. function crowding_distance adalah fungsi untuk
menghitung crowding distance.
7. function genetic_operator adalah fungsi yang berperan
untuk memproduksi offsprings dari kromosom induk.
Pada fungsi ini juga berlangsung proses penyilangan
dan mutasi.
8. function selection_individuals adalah fungsi proses
seleksi untuk pemilihan individu-individu yang akan
dipasangkan. Seleksi menggunakan metoda seleksi
turnamen.
9. function replace_chromosome adalah fungsi yang
berperan mengganti kromosom berdasarkan rangking
dan crowding distance.
SIRPO
(Sistem penunjang keputusan optimasI Rantai Pasok cpO)
Demonstrasi