<![CDATA[Pertumbuhan pesat konsumsi LPG 3 kg di Indonesia menimbulkan tantangan besar pada keandalan sistem distribusi akibat kendala jendela waktu yang ketat, heterogenitas armada, dan kebutuhan multi-trip. Penelitian ini bertujuan mengembangkan pipeline optimasi terintegrasi untuk menyelesaikan Green Vehicle Routing Problem with Time Windows (G-VRPTW) di bawah permintaan dinamis. Metodologi yang digunakan berbasis kerangka kerja empat tahap yaitu, peramalan permintaan menggunakan Gradient Boosting Machine (GBM) dengan data hasil augmentasi empiris, Sweep Clustering untuk partisi spasial, Nearest Neighbor untuk pembentukan rute awal, dan Memetic Algorithm (MA) untuk penyempurnaan rute multi-trip. Uji Kolmogorov-Smirnov memvalidasi bahwa data augmentasi secara statistik representatif terhadap distribusi referensi ( ). Model GBM menghasilkan akurasi prediksi tinggi dengan rata-rata MAPE sebesar 8,53%. Lebih lanjut, metode HGB-SNN-MA yang diusulkan berhasil menjamin capaian service rate mutlak 100% pada periode 12 bulan. Dibandingkan dengan kondisi awal manual, pendekatan ini mampu mereduksi total jarak tempuh sebesar 21,9% (924,46 km), meminimalkan emisi karbon hingga 21,9% (352,73kg CO2), dan menekan biaya operasional sebesar 29,6% (Rp8.258.988). Hasil ini menegaskan bahwa optimasi evolusioner berbasis data menyajikan solusi tangguh bagi logistik energi yang berkelanjutan dan efisien.]]>
Copyrights © 2026
