Claim Missing Document
Check
Articles

Found 2 Documents
Search

Perbaikan Rute Pengiriman Bahan Makanan ke Setiap Gerai di Kota Bandung Menggunakan Metode Tabu Search Pada PT X Irwan Yulianto; M. Syafaruddin Mahaputra; Dimas Wildan Ayudithya; Arida Murti Martikasari
Blend Sains Jurnal Teknik Vol. 5 No. 1 (2026): Edisi Juli
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v5i1.1854

Abstract

Penelitian ini bertujuan untuk mengoptimalkan rute pengiriman bahan makanan ke berbagai gerai PT X di Kota Bandung guna mengatasi masalah efisiensi biaya dan jarak tempuh. Sebelumnya, perusahaan mengandalkan layanan pihak ketiga dan metode heuristik konvensional seperti Nearest Insertion yang memiliki risiko terjebak dalam solusi optimum lokal. Sebagai solusi strategis, penelitian ini menerapkan metode metaheuristik Tabu Search untuk memperbaiki rute distribusi dalam kerangka Vehicle Routing Problem (VRP). Metode Tabu Search dipilih karena kemampuannya dalam mengeksplorasi ruang pencarian secara luas melalui mekanisme tabu list, yang secara efektif mencegah pengulangan langkah dan membantu algoritma keluar dari jebakan solusi lokal untuk mencapai hasil yang mendekati optimum global. Data penelitian berupa jarak antar depot dan delapan outlet diolah menggunakan perangkat lunak Matlab 2021 dengan parameter 100 iterasi. Hasil simulasi menunjukkan bahwa metode Tabu Search mampu menghasilkan rute yang lebih efisien dibandingkan metode sebelumnya. Total jarak distribusi berhasil dipangkas dari 68,1 Km (hasil metode Nearest Insertion) menjadi 64,3 Km. Pengurangan jarak ini membuktikan bahwa pendekatan sistematis melalui algoritma metaheuristik dapat memberikan penghematan operasional yang signifikan bagi perusahaan. Penelitian selanjutnya disarankan untuk mengintegrasikan variabel tambahan seperti kapasitas kendaraan dan jendela waktu pengiriman (time windows) guna memperoleh model distribusi yang lebih komprehensif.
Deteksi Cacat Otomatis Komponen Industri Menggunakan Faster R-Cnn Berbasis Pembelajaran Mendalam Anggit Suryopratomo; M. Syafaruddin Mahaputra; Jayadi
Jurnal Elektronika dan Teknik Informatika Terapan Vol. 4 No. 3 (2026): September: Jurnal Elektronika dan Teknik Informatika Terapan ( JENTIK )
Publisher : Politeknik Kampar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59061/jentik.v4i3.1533

Abstract

Abstrak. Inspeksi cacat pada komponen industri menjadi tahapan kritis yang secara langsung menentukan kualitas produk akhir. Metode manual masih memiliki keterbatasan dalam hal konsistensi dan efisiensi, sementara pendekatan konvensional berbasis machine vision menghadapi kendala pada kompleksitas tekstur serta variasi pencahayaan. Penelitian ini membangun sistem deteksi cacat otomatis menggunakan Faster R-CNN dengan backbone ResNet-101 dan Feature Pyramid Network (FPN). Dataset yang digunakan terdiri dari 2.500 citra komponen industri dengan empat kelas: goresan, retakan, inklusi, dan normal. Data augmentation diterapkan untuk meningkatkan robustness model terhadap variasi kondisi operasional. Evaluasi pada data pengujian independen menghasilkan mAP@0,5 sebesar 96,8%, presisi 97,2%, recall 96,1%, dan F1-score 96,6%. Kecepatan inference mencapai 0,15 detik per citra, yang menunjukkan kelayakan untuk implementasi inspeksi near-real-time. Temuan ini memperkuat bahwa Faster R-CNN merupakan solusi efektif untuk otomasi inspeksi kualitas komponen industri.