PERBANDINGAN ALGORITMA AI UNTUK SISTEM PENDUKUNG KEPUTUSAN PENJADWALAN BONGAKR MUAT BARANG DI PELABUHAN SEMAYANG BALIKPAPAN

Optimasi penjadwalan bongkar muat di Pelabuhan Semayang, Balikpapan merupakan tantangan kompleks yang memerlukan pendekatan kecerdasan buatan. Penelitian ini membandingkan efektivitas Genetic Algorithm (GA) dan Neural Network (NN) dalam sistem pendukung keputusan guna meminimalkan dwell time dan meningkatkan efisiensi operasional. Data penelitian mencakup periode 2020–2023 yang meliputi waktu kedatangan kapal, jenis dan volume kargo, ketersediaan alat, serta faktor eksternal seperti cuaca dan pasang surut. GA diimplementasikan dengan representasi kromosom berbasis prioritas kapal dan fungsi fitness untuk mengoptimasi dwell time dan utilisasi dermaga. NN menggunakan arsitektur Long Short-Term Memory (LSTM) untuk memproses data time-series pelabuhan. Evaluasi pada tiga skenario (peak, normal, dan low season) menunjukkan GA mengurangi dwell time hingga 22,3% dibanding metode konvensional, sedangkan NN memprediksi potensi keterlambatan dengan akurasi 87,2%. GA unggul dalam penjadwalan statis, sementara NN efektif menghadapi ketidakpastian dinamis. Solusi hibrida GA-NN menawarkan keseimbangan antara performa dan kompleksitas, berpotensi menghemat biaya hingga Rp1,2 miliar per tahun. Penelitian ini menyajikan kerangka evaluasi komparatif algoritma AI untuk logistik pelabuhan dan memberikan rekomendasi praktis bagi optimalisasi operasional Pelabuhan Semayang.