OPTIMALISASI RUTE PENGIRIMAN LOGISTIK DENGAN MENGGUNAKAN MODEL Q-LEARNING

• RIJAL
• 2025

---

Pengiriman logistik yang efisien merupakan salah satu aspek kunci dalam meningkatkan kualitas layanan dan menurunkan biaya operasional pada perusahaan distribusi. Tantangan utama dalam sistem logistik modern adalah bagaimana menentukan rute pengiriman yang optimal secara dinamis, terutama ketika dihadapkan pada kondisi yang berubah-ubah seperti kemacetan lalu lintas, waktu tempuh yang tidak pasti, dan permintaan pelanggan yang bervariasi. Penelitian ini mengusulkan penerapan algoritma Q-learning, yaitu salah satu metode pembelajaran penguatan (Reinforcement Learning), untuk menyelesaikan permasalahan optimasi rute pengiriman. Q-learning bekerja dengan membangun nilai optimal dari setiap aksi dalam setiap keadaan, berdasarkan pengalaman iteratif dari agen dalam lingkungan yang dinamis. Melalui simulasi berbasis graf, model Q-learning menunjukkan kemampuan dalam menemukan jalur pengiriman dengan waktu tempuh yang lebih singkat dan efisiensi biaya yang lebih baik dibandingkan pendekatan tradisional seperti algoritma Dijkstra dan metode heuristik greedy. Selain itu, Q-learning juga menunjukkan kemampuan adaptasi yang tinggi terhadap perubahan dalam lingkungan logistik, termasuk penambahan titik pengiriman maupun gangguan rute. Hasil penelitian ini memperlihatkan bahwa Q-learning merupakan pendekatan yang potensial untuk diimplementasikan dalam sistem logistik cerdas dan otonom di masa depan.

• Q-Learning
• Logistik
• Rute
• Reinforcement Learning

https://repository.bsi.ac.id/repo/72499/OPTIMALISASI-RUTE-PENGIRIMAN-LOGISTIK-DENGAN-MENGGUNAKAN-MODEL-Q-LEARNING
Anda dapat membaca file tugas akhir ini di repository.