Penyelesaian Penjadwalan Flexible Job Shop Problem dengan menggunakan Real Coded Genetic Algorithm
|
|
- Hadian Darmadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 Penyelesaian Penjadwalan Flexible Job Shop Problem dengan menggunakan Real Coded Genetic Algorithm M. C. C. Utomo 1, Wayan Firdaus Mahmudy 2, Marji Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya, Indonesia 1, 2 Kata kunci: Job Shop, FJSP, Flexible Job Shop Problem, Algoritma Genetika, GA, Genetic Algorithm, RCGA, Real Code Genetic Algorithm, Scheduling, Penjadwalan. Abstrak. Menjadwalkan adalah masalah yang cukup sulit jika harus dituntut dalam waktu cepat dan akan menjadi lebih merepotkan lagi jika susunan yang dijadwalkan adalah sesuatu yang tidak pasti dengan banyaknya pilihan yang membutuhkan keputusan yang lebih rumit. Model penjadwalan jobshop merupakan salah satu contoh masalah penjadwalan yang banyak ditemui dalam industri manufaktur. Penyelesaiannya rumit dan solusi terbaik hanya bisa didapatkan dengan mencoba semua kemungkinan. Algoritma genetika adalah salah satu algoritma yang dapat memberikan solusi permasalahan rumit dalam waktu yang bisa diterima secara rasional, sehingga dapat diterapkan untuk masalah Flexible Job Shop. Algoritma Genetika mampu menemukan solusi dengan mencoba menukarkan susunan-susunan yang diberikan dan/atau mencoba mengganti susunan tersebut secara langsung (crossover dan/atau mutation). Prakata Masalah job shop adalah masalah penjadwalan untuk memproduksi permintaan pelanggan dengan waktu secepat mungkin. Sebuah produksi membutuhkan berbagai operasi tergantung permintaannya dan setiap operasi hanya bisa diselesaikan oleh mesin tertentu. Flexible job shop berarti beberapa atau seluruh operasi tersebut bersifat fleksibel yang berarti terdapat mesin lain yang dapat menyelesaikan dengan hasil yang sama baiknya. Tentu saja dengan semakin banyaknya pilihan akan semakin membuat bingung untuk mengambil keputusan dan membutuhkan proses yang lebih rumit daripada job shop biasa [5]. FJSP dalam sistem manufaktur yang sebenarnya seringkali terjadi insiden yang tidak terduga, jika secara teori mungkin menghasilkan jadwal yang optimal atau mendekati optimal namun kinerjanya menjadi buruk ketika diimplementasikan pada pekerjaan yang sebenarnya [4]. Dengan kata lain flexible job shop tidak hanya memutuskan kapan operasi tersebut dilakukan tetapi juga memutuskan dengan mesin mana operasi tersebut dilaksanakan. Objek dalam FJSP umumnya meminimalkan makespan seperti, waktu penyelesaiannya dari semua operasi atau pekerjaan [1]. Optimalisasi Penyelesaian penjadwalan flexible job shop problem dengan menggunakan real code genetic algorithm adalah algoritma yang ditemukan oleh Mahmudi, dkk [1]. Disini akan dilakukan uji coba untuk mengetahui metode yang mampu mendapatkan hasil yang lebih baik. Metode yang akan dibandingkan adalah metode seleksi antara lain roulette wheel selection, binary tournament selection, dan etilist selection serta metode mutasi antara lain reciprocal exchange mutation, insertion mutation, dan invertion mutation. Data yang digunakan adalah MK06 dari
2 Brandimarte [6] dengan parameter sebagai berikut, Population size = 100 Crossover rate = 0.5 Mutation rate = 0.25 Pada uji coba metode seleksi terbaik sementara menggunakan metode reciprocal exchange mutation karena metode tersebut yang paling terkenal dan yang paling sering diimplementasikan. Sedangkan untuk uji coba metode mutasi terbaik menggunakan metode seleksi terbaik yang telah didapatkan. Uji coba dilakukan sebanyak 10 kali dan diambil nilai minimal, rata-rata, dan maksimal. Gambar 1. Grafik hasil uji coba metode seleksi Gambar 2. Grafik hasil uji coba metode mutasi seleksi terbaik adalah binary tournament selection. Pada generasi sekitar 100 dan di bawahnya diketahui bahwa metode seleksi terbaik adalah etilist selection mungkin disebabkan karena metode tersebut mampu membentuk populasi berkualitas dengan cepat tetapi tidak jika dalam waktu yang lama. Metode binary tournament selection mampu memberikan hasil yang terbaik untuk jumlah generasi yang besar mungkin disebabkan karena metode tersebut mampu membentuk populasi yang berkualitas sekaligus mempertahankan individu yang bervariasi di dalam populasi, ini berbeda dengan metode etilist selection di mana hanya individu yang terbaik saja yang diambil. Dari hasil pengamatan tersebut juga didapatkan bahwa populasi yang homogen dan kurang bervariasi pada individunya menyebabkan sulit berkembang dan dapat dilihat dari grafik yang cenderung mendatar. Individu yang terbaik dari setiap generasi tidak disimpan secara eksklusif atau terjamin untuk terpilih semakin membuktikan bahwa metode binary tournament selection mampu membentuk populasi yang semakin berkualitas dalam generasi yang besar, ini berbeda dengan metode yang murni dari etilist selection yang sudah menjamin individu yang terbaik terpilih dari setiap generasinya. Sedangkan pada Gambar 2. dapat diambil kesimpulan bahwa metode reciprocal exchange mutation adalah yang terbaik di samping mudahnya untuk diimplementasikan. Tidak mengherankan memang bahwa metode tersebut yang paling terkenal dan yang paling banyak digunakan. Dari hasil uji coba tersebut didapatkan sebuah grafik seperti pada Gambar 1. dan dapat diambil kesimpulan bahwa metode
3 Population size = 1000 Jumlah generasi = 1000 Gambar 3. Grafik hasil uji coba perbandingan probabilitas crossover dan mutation Setelah mendapatkan metode seleksi dan mutasi terbaik maka selanjutnya mendapatkan perbandingan probabilitas crossover dan mutation terbaik. Total perbandingan adalah 1.0 sehingga didapatkan populasi hingga 2 kali lipat, maka dipilih 0.7:0.3, 0.6:0.4, 0.5:0.5, 0.4:0.6, 0.3:0.7. Dengan menggunakan data yang sama, population size yang sama, jumlah generasi = 300, metode seleksi dan mutasi yang sudah diketahui yang terbaik di atas maka didapatkan hasil uji coba seperti pada Gambar 3. Dari hasil uji coba tersebut dapat diambil kesimpulan bahwa perbandingan probabilitas terbaik antara crossover dan mutation adalah 0.5:0.5. Performalisasi Setelah mengetahui metode seleksi terbaik (binary tournament selection) dan metode mutasi terbaik (reciprocal exchange mutation) serta perbandingan probabilitas antara crossover dan mutation terbaik (0.5:0.5) maka selanjutnya menguji real code genetic algorithm pada flexible job shop problem untuk jumlah generasi dan population size yang besar. Data yang digunakan adalah MK01 sampai MK07 dari Brandimarte yang dapat diunduh (download) dari alamat dengan parameter sebagai berikut, Gambar 4. Grafik hasil uji coba pada data MK01 Gambar 5. Grafik hasil uji coba pada data MK06 Gambar 6. Grafik hasil uji coba pada data MK01 sampai MK07 Uji coba dilakukan sebanyak 10 kali dan diambil nilai rata-rata. Hasil uji coba dapat dilihat pada Gambar 6 dan dengan skala 100 iterasi.
4 Dari hasil uji coba tersebut dapat diambil kesimpulan bahwa pada Gambar 4. mampu mendapatkan hasil yang paling efisien pada generasi ke 600, sedangkan pada Gambar 5. pada generasi ke 1000 meskipun belum mampu mendapatkan hasil yang paling efisien, tetapi dilihat dari pola grafik sepertinya masih memiliki potensi untuk mendapatkan hasil yang lebih optimal apabila menggunakan jumlah generasi dan population size yang lebih besar. Dengan jumlah generasi dan population size yang lebih besar tentu berakibat pada kebutuhan perangkat keras yang lebih tinggi untuk melakukan proses. Perbedaan hasil pada MK01 dan MK06 disebabkan karena kompleksitas di mana MK06 lebih kompleks daripada MK01. Tabel 1. Hasil uji coba pada data MK01 sampai MK07 serta perbandingannya dengan algoritma lain Problem Jobs Macs Ops Mine From reference RCGA RCGA GENACE GA hpso hga MK MK MK MK MK MK MK MK MK MK Pada Tabel 1. adalah Hasil uji coba pada data MK01 sampai MK07 serta perbandingannya dengan algoritma lain dari sumber reference [2] menunjukkan bahwa hasil penelitian ini mampu menandingi RCGA dari referensi untuk data MK01, MK02, MK03, MK05, MK06, MK07 dan tidak pada data MK04. Selain itu hasil penelitian ini juga mampu menandingi pendekatan lain untuk data MK01, MK03, MK05 dan tidak untuk data MK02, MK04, MK06, MK07. Setidaknya Hasil penelitian ini mampu melakukan dengan lebih baik dari pada GENANCE untuk data MK01, MK02, MK04, MK06, MK07 dan hpso untuk data MK04, MK07. metode mutasi yang lebih baik adalah reciprocal exchange mutation. Untuk metode crossover yang cocok dan mudah diimplementasikan hanya satu yaitu onecut point crossover. Perbandingan antara crossover rate dan mutation rate yang mendekati terbaik adalah 0.5:0.5. Sedangkan untuk jumlah generasi yang paling efektif dan efisien adalah relatif tergantung besarnya data yang diproses untuk dibentuk jadwal, waktu untuk memproses data, kerugian tiap makespan, termasuk juga spesifikasi kebutuhan perangkat keras yang digunakan untuk memproses sedangkan besaran populasi mungkin hanyalah masalah spesifikasi komputer yang digunakan. Kesimpulan Untuk real code genetic algorithm, Metode seleksi yang lebih baik adalah binary tournament selection, sedangkan Daftar Pustaka [1] Mahmudy, W. F., R. M. Marian and L. H. S. Luong (2013). "Real coded genetic algorithms for solving
5 flexible job-shop scheduling problem Part I: modeling." Advanced Materials Research 701: [2] Mahmudy, W. F., R. M. Marian and L. H. S. Luong (2013). "Real coded genetic algorithms for solving flexible job-shop scheduling problem Part II: optimization." Advanced Materials Research 701: [3] Mastrolilli, M., Gambardella, L. M., (1999) Effective Neighborhood Functions for the Flexible Job Shop Problem. Switzerland: IDSIA. [4] Pezzella, F., Morganti, G., Ciaschetti, G., (2008). A Genetic Algorithm for the Flexible Job-Shop Scheduling Problem. Elsevier. [5] Al-Hinai, N., Elmekkawy, T. Y., (2012). Solving the Flexible Job Shop Scheduling Problem with Uniform Processing Time Uncertainty. World Academy of Science, Enginering and Technology. [6] P. Brandimarte, Routing and Scheduling in a Flexible Job Shop by Tabu Search, Annals of Operations Research, vol. 41 no. 3 (1993), pp [7] Jansen, K., Mastrolilli, M., Solisoba, R., Approximation Algorithms for Flexible Job Shop Problems. World Scientific Publising. Flattening Search for the Flexible Job Shop Scheduling Problem. Twenty Second International Joint Conference. [9] Thornblad, K., Almgren, T., Patriksson, M., Stromberg, A., Mathematical Optimization of A Flexible Job Shop Problem Including Preventive Maintenance and Availability of Fixtures. [10] Behnke, D., Geiger, M. J., Test Instance for the Flexible Job Shop Scheduling Problem with Work Centers. Hamburg: Helmut- Schmidt-University. [11] Mahmudy, W. F., R. M. Marian and L. H. S. Luong (2012). Solving part type selection and loading problem in flexible manufacturing system using real coded genetic algorithms Part I: modeling. International Conference on Control, Automation and Robotics, Singapore, World Academy of Science, Engineering and Technology. [12] Mahmudy, W. F., R. M. Marian and L. H. S. Luong (2012). Solving part type selection and loading problem in flexible manufacturing system using real coded genetic algorithms Part II: optimization. International Conference on Control, Automation and Robotics, Singapore, World Academy of Science, Engineering and Technology. [8] Oddi, A., Rasconi, R., Cesta, A., Smith, S. F., Iterative Pernyataan Penulis Naskah ini dikirimkan untuk keperluan repository skripsi mahasiswa di Program Teknologi Informasi dan Ilmu Komputer, Universitas Brawijaya dan tidak melalui proses evaluasi oleh reviewer ahli seperti layaknya naskah jurnal ilmiah.
Penyelesaian Penjadwalan Flexible Job Shop Problem Menggunakan Real Coded Genetic Algorithm
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm 57-62 http://j-ptiik.ub.ac.id Penyelesaian Penjadwalan Flexible Job Shop Problem Menggunakan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 01, July 2015, Pages 06-11 JEEST http://jeest.ub.ac.id PENERAPAN ALGORITMA GENETIKA UNTUK MEMAKSIMALKAN LABA PRODUKSI JILBAB Samaher
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN PERMINTAAN BARANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 3, September 2016, hlm. 169-173 PENERAPAN ALGORITMA GENETIKA UNTUK PENENTUAN BATASAN FUNGSI KENGGOTAAN FUZZY TSUKAMOTO PADA KASUS PERAMALAN
Lebih terperinciOptimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto)
Optimasi Penjadwalan Mata Pelajaran Menggunakan Algoritma Genetika (Studi Kasus : SMPN 1 Gondang Mojokerto) Dianita Dwi Permata Sari 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 3 Teknik Informatika,
Lebih terperinciPENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 48-55 PENJADWALAN KAPAL PENYEBERANGAN MENGGUNAKAN ALGORITMA GENETIKA Ria Febriyana 1, Wayan Firdaus Mahmudy 2 Program
Lebih terperinciPENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (VRPTW) MENGGUNAKAN ALGORITMA GENETIKA HYBRID
JOURNAL OF ENVIRONMENTAL ENGINEERING & SUSTAINABLE TECHNOLOGY P-ISSN : 2356-3109 PENYELESAIAN VEHICLE ROUTING PROBLEM WITH TIME WINDOWS (VRPTW) MENGGUNAKAN ALGORITMA GENETIKA HYBRID Diah Anggraeni Pitaloka
Lebih terperinciPenentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm. 63-68 http://j-ptiik.ub.ac.id Penentuan Portofolio Saham Optimal Menggunakan Algoritma Genetika
Lebih terperinciPenerapan Algoritma Genetika Traveling Salesman Problem with Time Window: Studi Kasus Rute Antar Jemput Laundry
Suprayogi, Penerapan Algoritma Genetika Traveling Salesman Problem with Time Window: Studi Kasus Rute Antar Jemput Laundry 121 Penerapan Algoritma Genetika Traveling Salesman Problem with Time Window:
Lebih terperinciImplementasi Algoritma Genetika Untuk Penjadwalan Customer Service (Studi Kasus: Biro Perjalanan Kangoroo)
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol., No. 6, Juni 207, hlm. 456-465 http://j-ptiik.ub.ac.id Implementasi Algoritma Genetika Untuk Penjadwalan Customer Service
Lebih terperinciImproved Particle Swarm Optimization untuk Menyelesaikan Permasalahan Part Type Selection dan Machine Loading pada Flexible Manufacturing System (FMS)
Improved Particle Swarm Optimization untuk Menyelesaikan Permasalahan Part Type Selection dan Machine Loading pada Flexible Manufacturing System (FMS) Wayan Firdaus Mahmudy Program Teknologi Informasi
Lebih terperinciOPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PERSEDIAAN BAJU MENGGUNAKAN ALGORITMA GENETIKA andra Aditya 1), Wayan Firdaus Mahmudy 2) 1) Program Studi Teknik Informatika, Fakultas Ilmu Komputer Malang Jl. Veteran, Malang 65145, Indonesia
Lebih terperinciOPTIMASI TRAVELLING SALESMAN PROBLEM WITH TIME WINDOWS (TSP-TW) PADA PENJADWALAN PAKET RUTE WISATA DI PULAU BALI MENGGUNAKAN ALGORITMA GENETIKA
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 2015 OPTIMASI TRAVELLING SALESMAN PROBLEM WITH TIME WINDOWS (TSP-TW) PADA PENJADWALAN PAKET RUTE WISATA DI PULAU BALI MENGGUNAKAN ALGORITMA GENETIKA
Lebih terperinciOPTIMASI VEHICLE ROUTING PROBLEM WITH TIME WINDOWS PADA DISTRIBUSI KATERING MENGGUNAKAN ALGORITMA GENETIKA
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 2015 OPTIMASI VEHICLE ROUTING PROBLEM WITH TIME WINDOWS PADA DISTRIBUSI KATERING MENGGUNAKAN ALGORITMA GENETIKA Dwi Cahya Astriya Nugraha 1), Wayan
Lebih terperinciPEMBOBOTAN PENILAIAN UJIAN PILIHAN GANDA MENGGUNAKAN ALGORITMA GENETIKA
PEMBOBOTAN PENILAIAN UJIAN PILIHAN GANDA MENGGUNAKAN ALGORITMA GENETIKA Ida Wahyuni 1, Wayan Firdaus Mahmudy 2 1,2 Program Studi Magister Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya Jl.
Lebih terperinciOPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI JADWAL MENGAJAR ASISTEN LABORATORIUM MENGGUNAKAN ALGORITMA GENETIKA Indana Zulfa 1, Wayan Firdaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciOPTIMASI PENJADWALAN PERAWAT MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENJADWALAN PERAWAT MENGGUNAKAN ALGORITMA GENETIKA Rifqy Rosyidah Ilmi 1, Wayan Firdaus Mahmudy 2, Dian Eka Ratnawati 2 1 Mahasiswa, 2 Dosen Pembimbing Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciAlgoritma Evolusi Optimasi Masalah Kombinatorial
Algoritma Evolusi Optimasi Masalah Kombinatorial Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Travelling Salesman Problem (TSP) 2. Flow-Shop Scheduling Problem (FSP) 3. Two-Stage Assembly
Lebih terperinciPenerapan Algoritma Genetika untuk Penjadwalan Asisten Praktikum
Penerapan Algoritma Genetika untuk Penjadwalan Asisten Praktikum Okky Cintia Devi 1, Wayan Fidaus Mahmudy 2, Budi Darma Setiawan 3 Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer, Universitas
Lebih terperinciOptimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun Pratama Menggunakan Algoritma Genetika
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 80-84 http://j-ptiik.ub.ac.id Optimasi Pemilihan Pekerja Bangunan Proyek Pada PT. Citra Anggun
Lebih terperinciPenjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm
Lebih terperinciOPTIMASI PART TYPE SELECTION AND MACHINE LOADING PROBLEMS PADA FMS MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION
OPTIMASI PART TYPE SELECTION AND MACHINE LOADING PROBLEMS PADA FMS MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION Wayan Firdaus Mahmudy Program Studi Ilmu Komputer, Program Teknologi Informasi dan Ilmu
Lebih terperinciPEMODELAN REGRESI NON LINEAR MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI KEBUTUHAN AIR PDAM KOTA MALANG
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) Vol. 3, No. 1, Maret 2016, hlm. 59-65 PEMODELAN REGRESI NON LINEAR MENGGUNAKAN ALGORITMA GENETIKA UNTUK PREDIKSI KEBUTUHAN AIR PDAM KOTA MALANG Vitara
Lebih terperinciANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM
ANALISIS PENGATURAN INDIVIDU CROSSOVER DAN MUTASI ALGORITMA GENETIKA STUDI KASUS TRAVELLING SALESMAN PROBLEM Sean Coonery Sumarta* 1 1 Program Studi Teknik Informatika, Universitas Atma Jaya Makassar,
Lebih terperinciOPTIMASI FUZZY INFERENCE SYSTEM SUGENO DENGAN ALGORITMA HILL CLIMBING UNTUK PENENTUAN HARGA JUAL RUMAH
Journal of Environmental Engineering & Sustainable Technology JEEST http://jeest.ub.ac.id OPTIMASI FUZZY INFERENCE SYSTEM SUGENO DENGAN ALGORITMA HILL CLIMBING UNTUK PENENTUAN HARGA JUAL RUMAH Arinda Hapsari
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA PADA OPTIMASI BIAYA PEMENUHAN KEBUTUHAN GIZI
IMPLEMENTASI ALGORITMA GENETIKA PADA OPTIMASI BIAYA PEMENUHAN KEBUTUHAN GIZI Monica Intan Pratiwi 1, Wayan Fidaus Mahmudy, Candra Dewi Teknik Informatika, Program Teknologi Informasi dan Ilmu Komputer,
Lebih terperinciOptimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika
Optimalisasi Pengantaran Barang dalam Perdagangan Online Menggunakan Algoritma Genetika Rozak Arief Pratama 1, Esmeralda C. Djamal, Agus Komarudin Jurusan Informatika, Fakultas MIPA Universitas Jenderal
Lebih terperinciPenerapan Algoritma Genetika untuk Optimasi Vehicle Routing Problem with Time Window (VRPTW) Studi Kasus Air Minum Kemasan
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 2, Februari 2017, hlm. 100-107 http://j-ptiik.ub.ac.id Penerapan Algoritma Genetika untuk Optimasi Vehicle Routing
Lebih terperinciOptimasi distribusi barang dengan algoritma genetika
Optimasi distribusi barang dengan algoritma genetika Yasmin Ghassani Panharesi 1, Wayan Firdaus Mahmudy 2 Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya Email : yasminghassani@gmail.com 1,
Lebih terperinciOPTIMASI VEHICLE ROUTING PROBLEM WITH TIME WINDOW (VRPTW) MENGGUNAKAN ALGORITMA GENETIKA PADA DISTRIBUSI BARANG
OPTIMASI VEHICLE ROUTING PROBLEM WITH TIME WINDOW (VRPTW) MENGGUNAKAN ALGORITMA GENETIKA PADA DISTRIBUSI BARANG Meitasari Winardi Saputri 1, Wayan Fidaus Mahmudy, Dian Eka Ratnawati Teknik Informatika,
Lebih terperinciPenerapan Algoritma Genetika dalam Job Shop Scheduling Problem
Penerapan Algoritma Genetika dalam Job Shop Scheduling Problem Haris Sriwindono Program Studi Ilmu Komputer Universitas Sanata Dharma Paingan, Maguwoharjo, Depok Sleman Yogyakarta, Telp. 0274-883037 haris@staff.usd.ac.id
Lebih terperinciPEMBENTUKAN MODEL REGRESI HARGA SAHAM MENGGUNAKAN ALGORITMA GENETIKA
PEMBENTUKAN MODEL REGRESI HARGA SAHAM MENGGUNAKAN ALGORITMA GENETIKA Asyrofa Rahmi 1, Wayan Firdaus Mahmudy 1, Program Studi Magister Ilmu Komputer, Fakultas Ilmu Komputer, Universitas Brawijaya Jl. Veteran
Lebih terperinciAlgoritma Evolusi Real-Coded GA (RCGA)
Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Siklus RCGA 2. Alternatif Operator Reproduksi pada Pengkodean Real 3. Alternatif Operator Seleksi 4.
Lebih terperinciKNSI OPTIMASI PART TYPE SELECTION AND MACHINE LOADING PROBLEMS PADA FMS MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION
KNSI014-340 OPTIMASI PART TYPE SELECTION AND MACHINE LOADING PROBLEMS PADA FMS MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION Wayan Firdaus Mahmudy Program Studi Ilmu Komputer, Program Teknologi Informasi
Lebih terperinciOPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA
OPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA Oleh : Moh Khoiron 1209 100 705 Dosen pembimbing : Dr. Imam
Lebih terperinciModul Matakuliah Algoritma Evolusi oleh
Modul Matakuliah Algoritma Evolusi oleh Wayan Firdaus Mahmudy Program Teknologi Informasi dan Ilmu Komputer (PTIIK) Universitas Brawijaya September 2013 Kata Pengantar Buku ini disusun untuk mengisi kelangkaan
Lebih terperinciOPTIMASI DISTRIBUSI PUPUK MENGGUNAKAN EVOLUTION STRATEGIES
Journal of Environmental Engineering & Sustainable Technology Vol. 02 No. 02, November 2015, Pages 89-96 JEEST http://jeest.ub.ac.id OPTIMASI DISTRIBUSI PUPUK MENGGUNAKAN EVOLUTION STRATEGIES Fauziatul
Lebih terperinciPenjadwalan Dinas Pegawai Menggunakan Algoritma Genetika Pada PT Kereta Api Indonesia (KAI) Daerah Operasi 7 Stasiun Besar Kediri
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 11, November 2018, hlm. 4371-4376 http://j-ptiik.ub.ac.id Penjadwalan Dinas Pegawai Menggunakan Algoritma Genetika
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciPENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X)
PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) Ria Krisnanti 1, Andi Sudiarso 2 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik,
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciSKRIPSI HYBRID ALGORITMA CAT SWARM OPTIMIZATION (CSO) DAN TABU SEARCH (TS) UNTUK PENYELESAIAN PERMUTATION FLOWSHOP SCHEDULING PROBLEM (PFSP)
SKRIPSI HYBRID ALGORITMA CAT SWARM OPTIMIZATION (CSO) DAN TABU SEARCH (TS) UNTUK PENYELESAIAN PERMUTATION FLOWSHOP SCHEDULING PROBLEM (PFSP) QORIMA EMILA PUSPARANI PROGRAM STUDI S1 MATEMATIKA DEPARTEMEN
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP
PENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP Riska Sulistiyorini ), Wayan Firdaus Mahmudy ), Program Studi Teknik Informatika Program Teknologi Informasi dan Ilmu
Lebih terperinciABSTRAK. Job shop scheduling problem merupakan salah satu masalah. penjadwalan yang memiliki kendala urutan pemrosesan tugas.
ABSTRAK Job shop scheduling problem merupakan salah satu masalah penjadwalan yang memiliki kendala urutan pemrosesan tugas. Pada skripsi ini, metode yang akan digunakan untuk menyelesaikan job shop scheduling
Lebih terperinciImplementasi Genetic Algorithm Dan Artificial Neural Network Untuk Deteksi Dini Jenis Attention Deficit Hyperactivity Disorder
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 2, Februari 2018, hlm. 688-694 http://j-ptiik.ub.ac.id Implementasi Genetic Algorithm Dan Artificial Neural Network
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,
Lebih terperinciSIMULASI A TRIA MESI DALAM PE GOLAHA PERTA IA DE GA METODE JOB SHOP SCHEDULLI G PROBLEM
Prosiding Seminar Nasional SPMIPA 2006 SIMULASI A TRIA MESI DALAM PE GOLAHA PERTA IA DE GA METODE JOB SHOP SCHEDULLI G PROBLEM Satriyo Adhy, Edy Suharto Program Studi Ilmu Komputer Jurusan Matematika Fakultas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada Bab II dijelaskan landasan teori yang digunakan untuk mendukung tugas akhir ini. Subbab 2.1 membahas teori SP secara umum, kemudian Subbab 2.2 lebih khusus membahas PFSP. Pada
Lebih terperinciOptimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing
Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas
Lebih terperinciOPTIMASI RUTE ANTAR JEMPUT LAUNDRY DENGAN TIME WINDOWS (TSPTW) MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI RUTE ANTAR JEMPUT LAUNDRY DENGAN TIME WINDOWS (TSPTW) MENGGUNAKAN ALGORITMA GENETIKA Dwi Aries Suprayogi, Wayan Firdaus Mahmudy, Muhammad Tanzil Furqon Teknik Informatika, Program Teknologi Informasi
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Perusahaan X merupakan salah satu perusahaan manufaktur yang memproduksi berbagai macam produk berbahan baku besi dan stainless steel. Produk yang dihasilkan seperti cabinet, trolley, pagar, tangki
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciOptimasi Persediaan Barang Dalam Produksi Jilbab Menggunakan Algoritma Genetika
Optimasi Persediaan Barang Dalam Produksi Jilbab Menggunakan Algoritma Genetika Maretta Dwi Tika Ramuna 1), Wayan Firdaus Mahmudy 2) Program Studi Informatika / Ilmu Komputer Program Teknologi Informasi
Lebih terperinciOPTIMASI PEMILIHAN ANTIHIPERTENSI MENGGUNAKAN ALGORITMA GENETIKA
Prosiding Seminar Nasional Teknologi dan Rekayasa Informasi Tahun 2016 Peran Teknologi dan Rekayasa Informasi dalam Implementasi Geostrategi Indonesia Malang, 18 Oktober 2016 OPTIMASI PEMILIHAN ANTIHIPERTENSI
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: -X Vol., No., Maret 0, hlm. - http://j-ptiik.ub.ac.id Optimasi Penjadwalan Asisten Praktikum pada Laboratorium Pembelajaran Menggunakan
Lebih terperinciPEMAKAIAN ALGORITMA GENETIK UNTUK PENJADWALAN JOB SHOP DINAMIS NON DETERMINISTIK
PEMAKAIAN ALGORITMA GENETIK UNTUK PENJADWALAN JOB SHOP DINAMIS (Nico Saputro, et al.) PEMAKAIAN ALGORITMA GENETIK UNTUK PENJADWALAN JOB SHOP DINAMIS NON DETERMINISTIK Nico Saputro, Yento Jurusan Ilmu Komputer
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciDenny Hermawanto
Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan
Lebih terperinciAlgoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 T 6 Algoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP) Daryono Budi Utomo, Mohammad Isa Irawan, Muhammad Luthfi
Lebih terperinciPENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia)
PENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia) I Gede Agus Widyadana Dosen Fakultas Teknologi Industri, Jurusan Teknik Industri Universitas
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIKA DAN SIMULATED ANNEALING UNTUK MASALAH MULTIPLE OBJECTIVE PADA PENJADWALAN FLOWSHOP
JURNAL TEKNIK INDUSTRI VOL. 4, NO. 1, JUNI 2002: 26-35 PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN SIMULATED ANNEALING UNTUK MASALAH MULTIPLE OBJECTIVE PADA PENJADWALAN FLOWSHOP I Gede Agus Widyadana Dosen
Lebih terperinciUSULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING
USULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING Santoso 1*, Eldad Dufan Sopater Subito 2 1,2 Jurusan Teknik Industri, Fakultas Teknik, Universitas Kristen Maranatha
Lebih terperinciIMPLEMENTASI ALGORITMA GENETIKA PADA PENJADWALAN PERKULIAHAN
IMPLEMENTASI ALGORITMA GENETIKA PADA PENJADWALAN PERKULIAHAN Uning Lestari 2, Naniek Widyastuti 3, Desti Arghina Listyaningrum 1 1,2,3 Teknik Informatika, Fakultas Teknologi Industri, IST AKPRIND Yogyakarta
Lebih terperinciPenerapan Algoritma Genetika Untuk Vehicle Routing Problem with Time Window (VRPTW) Pada Kasus Optimasi Distribusi Beras Bersubsidi
Penerapan Algoritma Genetika Untuk Vehicle Routing Problem with Time Window (VRPTW) Pada Kasus Optimasi Distribusi Beras Bersubsidi Farah Bahtera Putri 1, Wayan Fidaus Mahmudy, Dian Eka Ratnawati Teknik
Lebih terperinciPENERAPAN ALGORITMA CODEQ UNTUK MENYELESAIKAN PERMASALAHAN JOB SHOP SCHEDULING
PENERAPAN ALGORITMA CODEQ UNTUK MENYELESAIKAN PERMASALAHAN JOB SHOP SCHEDULING Dosen Pembimbing: 1. Yudha Prasetyawan, S.T. M.Eng 2. Ir. Budi Santosa, M.S., Ph.D. Oleh: M Bisyrul Jawwad 2507100069 Pendahuluan
Lebih terperinciPENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN ALGORITMA GENETIKA DI PT PERTANI (PERSERO) CABANG D.I. YOGYAKARTA
PENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN ALGORITMA GENETIKA DI PT PERTANI (PERSERO) CABANG D.I. YOGYAKARTA Alex Alfandianto, Yohanes Anton Nugroho, Widya Setiafindari Program Studi Teknik Industri Universitas
Lebih terperinciPENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN ABSTRAK
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN Rudi Nurdiansyah Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciPenerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem
Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,
Lebih terperinciOPTIMASI PENJADWALAN PENGERJAAN SOFTWARE PADA SOFTWARE HOUSE DENGAN FLOW-SHOP PROBLEM MENGGUNAKAN ARTIFICIAL BEE COLONY
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 3, No. 4, Desember 2016, hlm. 259-264 e-issn: 2528-6579 OPTIMASI PENJADWALAN PENGERJAAN SOFTWARE PADA SOFTWARE HOUSE DENGAN FLOW-SHOP
Lebih terperinciPenerapan Algoritma Genetika untuk Optimasi Vehicle Routing Problem with Time Window (VRPTW) Studi Kasus Air Minum Kemasan
Penerapan Algoritma Genetika untuk Optimasi Vehicle Routing Problem with Time Window (VRPTW) Studi Kasus Air Minum Kemasan Dita Sundarnigsih 1, Wayan Firdaus Mahmudy, Sutrisno Teknik Informatika, Program
Lebih terperinciPencarian Rute Optimum Menggunakan Algoritma Genetika
Jurnal Teknik Elektro Vol. 2, No. 2, September 2002: 78-83 Pencarian Rute Optimum Menggunakan Algoritma Genetika Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA
PENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA Andi Baharuddin 1, Aidawayati Rangkuti 2, Armin Lawi 3 Program Studi Matematika, Jurusan Matematika,
Lebih terperinciPENGGUNAAN ALGORITMA GENETIKA PADA PENJADWALAN PRODUKSI DI PT DNP INDONESIA PULO GADUNG
PENGGUNAAN ALGORITMA GENETIKA PADA PENJADWALAN PRODUKSI DI PT DNP INDONESIA PULO GADUNG Suriadi AS, Ulil Hamida, N. Anna Irvani STMI Jakarta, Kementerian Perindustrian RI ABSTRAK Permasalahan yang terjadi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Penjadwalan dan Penjadwalan Flow shop Menurut Kumar (2011), jadwal merupakan rencana sistematis yang umumnya menceritakan hal-hal yang akan dikerjakan. Menurut Pinedo (2005),
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciPenjadwalan dan Penentuan Rute Kendaraan pada Industri Bahan Kimia Menggunakan Kombinasi Algoritma Genetika dan Algoritma Pencarian Tabu
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-7 1 Penjadwalan dan Penentuan Rute Kendaraan pada Industri Bahan Kimia Menggunakan Kombinasi Genetika dan Pencarian Tabu Maya Sagita Walalangi, Arif Djunaidy
Lebih terperinciPenerapan Genetic Algorithm Untuk Optimasi Peningkatan Laba Persediaan Produksi Pakaian
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 6, Juni 218, hlm. 2168-2172 http://j-ptiik.ub.ac.id Penerapan Genetic Algorithm Untuk Optimasi Peningkatan Laba Persediaan
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
Lebih terperinciPENYELESAIAN PERMUTATION FLOW SHOP SCHEDULING PROBLEM MENGGUNAKAN ALGORITMA MEMETIKA DAN GRASP Nola Marina, M.Si Universitas Gunadarma
PENYELESAIAN PERMUTATION FLOW SHOP SCHEDULING PROBLEM MENGGUNAKAN ALGORITMA MEMETIKA DAN GRASP Nola Marina, M.Si Universitas Gunadarma nola.marina@staff.gunadarma.ac.id Abstrak. Permutation Flowshop Scheduling
Lebih terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciABSTRAK. v Universitas Kristen Maranatha
ABSTRAK PD BLESSING adalah sebuah perusahaan di Kota Bandung yang memproduksi pakaian bayi (Jumper). Perusahaan memproduksi barang sesuai dengan pesanan konsumen (job order). Pesanan dari konsumen dikumpulkan
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciBAB II LANDASAN TEORI. Evolutionary Algorithm merupakan terminologi umum yang menjadi payung
BAB II LANDASAN TEORI 2.1 Algoritma Genetika Evolutionary Algorithm merupakan terminologi umum yang menjadi payung bagi empat istilah : algoritma genetika (genetic algorithm), pemrograman genetika (genetic
Lebih terperinciBAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,
BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi
Lebih terperinciLampiran Lampiran
DAFTAR ISI PERNYATAAN KEASLIAN SKRIPSI... i ABSTRAK... ii ABSTRACT... iii KATA PENGANTAR... iv DAFTAR ISI... vi DAFTAR TABEL... ix DAFTAR TABEL LAMPIRAN... xi DAFTAR GAMBAR... xii BAB I PENDAHULUAN...
Lebih terperinciPENGARUH ELISTM DALAM PENYELESAIAN PERMASALAHAN PENJADWALAN MESIN DENGAN MENGGUNAKAN ALGORITMA BEREVOLUSI
PENGARUH ELISTM DALAM PENYELESAIAN PERMASALAHAN PENJADWALAN MESIN DENGAN MENGGUNAKAN ALGORITMA BEREVOLUSI Sri Yulianti, Nurmaulidar, dan Taufiq Abdul Gani Jurusan Matematika, FMIPA Center for Computational
Lebih terperinciALGORITMA GENETIKA; Teori dan Aplikasi Edisi 2, oleh Dr. Eng. Admi Syarif Hak Cipta 2014 pada penulis GRAHA ILMU Ruko Jambusari 7A Yogyakarta 55283 Telp: 0274-889398; Fax: 0274-889057; E-mail: info@grahailmu.co.id
Lebih terperinciOptimasi Penyusunan Paket Suku Cadang Pada PT. XYZ Menggunakan Metode Algoritma Genetik
Optimasi Penyusunan Paket Suku Cadang Pada PT. XYZ Menggunakan Metode Algoritma Genetik Ridzky Utomo 1,, Pratya Poeri S 2, Mira Rahayu 3 Program Studi Teknik Industri, Fakultas Rekayasa Industri,Institut
Lebih terperinciOPTIMASI MULTI TRAVELLING SALESMAN PROBLEM (M-TSP) UNTUK DISTRIBUSI PRODUK PADA HOME INDUSTRI TEKSTIL DENGAN ALGORITMA GENETIKA
OPTIMASI MULTI TRAVELLING SALESMAN PROBLEM (M-TSP) UNTUK DISTRIBUSI PRODUK PADA HOME INDUSTRI TEKSTIL DENGAN ALGORITMA GENETIKA Agung Mustika Rizki, Wayan Firdaus Mahmudy, Gusti Eka Yuliastuti Program
Lebih terperinciDAFTAR ISI BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...
DAFTAR ISI Halaman Judul... Lembar Pengesahan Pembirnbing... Lembar Pengesahan Penguji... Halaman Persembahan... Halaman Motto... Kata Pengantar... Daftar Isi... Daftar Gambar... Daftar Tabel... Abstrak...
Lebih terperinciDASAR-DASAR Algoritma Evolusi
Modul Kuliah Semester Ganjil 2015-2016 DASAR-DASAR Algoritma Evolusi Wayan Firdaus Mahmudy Program Teknologi Informasi dan Ilmu Komputer (PTIIK) Universitas Brawijaya Kata Pengantar Algoritma evolusi
Lebih terperinciABSTRAK. Laporan Tugas Akhir. Universitas Kristen Maranatha
ABSTRAK PT. Kerta Laksana adalah perusahaan manufaktur yang bergerak di bidang pembuatan mesin, dimana pesanan pada perusahaan ini bersifat Job Order. Dalam menjadwalkan pesanan yang diterima, perusahaan
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinci