BAB II KAJIAN TERKAIT
|
|
- Yenny Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB II KAJIAN TERKAIT 2.1 Job Shop Scheduling Definisi formal formal job shop scheduling adalah sebagai berikut: Job set J = j, j,... j } 1 2 n Machine set M = m, m,... m } 1 2 m Operations O = o, o,... o } O = o, o,... o } 1 2 n i i1 i 2 im Tiap operation punya processing time τ, τ,... τ } i1 i2 imi Untuk tiap O terdefinisi A, yaitu relasi biner urutan antar operasi. Jika ( v, w) A maka v harus dikerjakan sebelum w Objektif utama dari algoritma yang digunakan pada job shop scheduling ini adalah menghasilkan jadwal (schedule) yang meminimasi waktu (makespan) yang dibutuhkan untuk menyelesaikan semua job yang ada dengan memanfaatkan machine yang tersedia [BRU06]. Contoh hasil penjadwalan dapat dilihat pada Gambar II-1. Bagian baris menyatakan mesin yang bekerja (M1, M2, M3). Sedangkan bagian kolom menyatakan pekerjaan (J1, J2, J3) yang diproses di dalam mesin tersebut pada tiap waktu. J1 J2 J3 M1 M2 M3 M Gambar II-1 Contoh visualisasi hasil penjadwalan job shop II-1
2 II-2 Metode yang digunakan dalam penyelesaian job shop scheduling: 1. Formula matematika Metode ini dapat menghasilkan solusi penjadwalan yang optimal dengan cara menghitung makespan dari semua kemungkinan yang ada (brute force) dengan menurunkan pertidaksamaan dari kasus job shop scheduling. Metode ini hanya dapat digunakan untuk kasus berskala kecil karena sebagian besar masalah job shop scheduling bersifat NP (non polynomial) hard [PIN94], artinya solusi dari permasalahan ini membutuhkan waktu komputasi yang meningkat secara nonpolynomial bersama dengan peningkatan skala masalah. Hal ini menimbulkan kebutuhan sumber daya komputasi yang besar jika metode ini diterapkan pada kasus job shop scheduling. Contoh metode : integer programming, mixed-integer programming dan dynamic programming. Contoh pencarian solusi job shop dengan integer programming: Kasus 3 job dan 4 mesin. Memiliki 3 jenis produk : A, B dan C. Dengan spesifikasi sebagai berikut : (machine / process time) Produk A: Produk B: Produk C: 1 / a1 3 / a3 4 / a4 1 / b1 2 / b2 4 / b4 2 / c2 3 / c3 Spesifikasi tambahan : produk B harus selesai dalam waktu kurang dari d jam dari waktu mulai. Tentukan urutan pengerjaan untuk menghasilkan waktu penyelesaian (makespan) paling minimum. Penyelesaian: xa1 = start time produk A pada mesin 1 xa3 = start time produk A pada mesin 3 xa4 = start time produk A pada mesin 4 xb1 = start time produk B pada mesin 1 xb2 = start time produk B pada mesin 2 xb4 = start time produk B pada mesin 4
3 II-3 xc2 = start time produk C pada mesin 2 xc3 = start time produk C pada mesin 3 Pertidaksamaan yang dapat diekstraksi dari masalah : Technological A) xa1 + a1 <= xa3 Route xa3 + a3 <= xa4 B) xb1 + b1 <= xb2 xb2 + b2 <= xb4 C) xc2 + c2 <= xc3 One product 1) xa1 + a1 <= xb1 or xb1 + b1 <= xa1 Machine at xa1 + a1 xb1 <= My1 where y1 = 0 or 1 a time xb1 + b1 xa1 <= M(1-y1) 2) xb2 + b2 xc2 <= My2 xc2 + c2 xb2 <= M(1-y2) 3) xa3 + a3 xc3 <= My3 xc3 + c3 xa3 <= M(1-y3) 4) xa4 + a4 xb4 <= My4 xb4 + b4 xa4 <= M(1-y4) B finished by d xb4 + b4 <= d All jobs completed z >= xa4 + a4 z >= xb4 + b4 z >= xc3 + c3 Objective: Min z Dengan mencari nilai dari variabel - variabel (xa1, xa3, xa4, xb1, xb2, xb4, xc2, xc3) yang meminimumkan z, maka akan didapat urutan pengerjaan yang paling optimal. 2. Branch and Bound Merepresentasikan semua sequence yang mungkin dari proses job shop scheduling dalam bentuk pohon dengan bobot untuk tiap cabang (dihitung dengan fungsi tertentu). Kemudian penelusuran (branching) dilakukan untuk mencari sequence yang memberikan bobot yang optimal. Cabang yang tidak memberikan hasil yang lebih baik tidak akan dilanjutkan penelusurannya (bounded). 3. Metode aproksimasi a) Artificial intelligence
4 II-4 Constraint satisfaction approach : mengurangi kemungkinan solusi yang harus ditelusuri dengan memberikan berbagai batasan (constraints) hasil analisis untuk mengarahkan penelusuran ke arah yang optimal. Contoh : constraint propagation, backtracking, variable heuristic, value heuristic Neural networks : menggunakan model jaringan saraf (node & layer) dengan pembobotan untuk merepresentasikan solusi yang ada dan menelusurinya. Contoh : Hopfield networks, back-error propagation networks b) Local search methods Mencari solusi terbaik dengan menelusuri konfigurasi (kumpulan solusi) yang ada. Pada setiap transisi antar konfigurasi, dihitung cost yang dihasilkan dari fungsi tertentu. Transisi dapat dilakukan ke tetangga (neighbour) dengan beberapa alternatif cara : memilih tetangga dengan cost transisi terkecil, memilih tetangga yang terbaik dari seluruh tetangga atau memilih tetangga terbaik dari beberapa tetangga (sample) c) Priority dispatch rules Aturan (rule) untuk memilih operasi yang akan dikerjakan pada tiap tahap pada mesin. PDR adalah metode yang banyak diterapkan di kasus-kasus dunia nyata karena sangat mudah diterapkan dan memberi hasil yang cukup memuaskan. Contoh PDR adalah : Earliest Due Date : waktu operasi total tersingkat (Σ Ot 0..i ) Shortest Processing Time: waktu proses tersingkat (Ot i ) Minimum Slack Time: waktu sisa tersingkat (Σ Ot 0..i - Ot i ) Contoh: Job = J1, J2} Machine = M1,M2,M3} J1.O = 1,3,2} J1.Ot = 5,10,12} DD = 27 PT = 5 ST = 22 J2.O = 1,2} J2.Ot = 11,2} DD = 13 PT = 11 ST = 2 J3.O = 1,3} J3.Ot = 5,30} DD = 5 PT = 35 ST = 30 Pilihan job yang dibuat oleh mesin m1 (di awal proses) : Dengan EDD: J3 karena DD tercepat adalah J3. Dengan SPT: J1 karena PT terpendek adalah J1.
5 II-5 Dengan MST: J2 karena ST terminimum adalah J2. Dalam tugas akhir ini, metode yang digunakan adalah PDR karena metode ini sederhana, bersifat real-time dan memberikan hasil yang baik [HOR06]. 2.2 Sistem Multiagent Sistem multiagent adalah sistem yang terdiri dari agen-agen otonom yang memiliki kemampuan yang terbatas dan beroperasi dengan pengetahuan sendiri tetapi mampu menghasilkan perilaku global yang sesuai dengan kebutuhan [VID07]. Agen-agen yang ada saling berkomunikasi dengan menggunakan high level languages. Latar belakang munculnya pendekatan sistem multiagen (sebelumnya dikenal dengan distributed agent) adalah perkembangan model sistem komputasi dan pemrosesan yang bergerak ke arah sistem terdistribusi (dihubungkan dengan jaringan) yang bersifat realtime. Oleh karena itu, agen cerdas (intelligent agents) dituntut untuk bersifat adaptif terhadap perubahan lingkungan yang dinamis [LES95]. Sistem multiagent dipelajari dalam salah satu subdisiplin Artificiall Intelligence, yaitu Distributed Artificiall Intelligence (DAI). DAI adalah studi, konstruksi dan aplikasi dari sistem multiagen (multiagent systems) yaitu, sistem di mana beberapa agen cerdas (intelligent agents) yang saling berinteraksi untuk mencapai kumpulan tujuan (set of goals) atau menyelesaikan kumpulan tugas (set of tasks) [GER99]. Dua alasan utama perkembangan dari sistem multiagent adalah [GER99] : 1. Sistem multiagent memiliki peran yang penting pada perkembangan ilmu komputer dan penerapannya. Karakteristik sistem komputer yang berkembang saat ini adalah terdistribusi (distributed), besar (large), terbuka (open) dan heterogen (heterogenous). Untuk memenuhi itu, komputer harus bertindak lebih dari sekedar bagian (parts) dari sistem, melainkan individu atau agen dari sistem, yaitu subsistem yang bersifat otonom (dapat menjadi sistem tersendiri) dan memiliki kemampuan lebih dari pada sekedar bagian (parts).
6 II-6 2. Sistem multiagent memiliki kapasitas untuk berperan dalam pembangunan dan analisis model dan teori interaksi antar manusia dalam satu masyarakat. Banyak bagian dari proses interaksi manusia yang masih sedikit dipahami oleh ilmu pengetahuan. Dengan DAI, dasar aspek sosiologis dan psikologis dari interaksi antar manusia dapat dieksplorasi lebih jauh. Objek studi utama dari sistem multiagent adalah interacting, intelligent agent [GER99]: i. Agent : otonom, mampu menerima informasi dari lingkungan melalui sensor dan mempengaruhi lingkungan melalui afektor. ii. Intelligent: memiliki dan mengejar suatu tujuan. Melakukan tugas dengan optimal berdasarkan ukuran performansi tertentu (performance measure). Aspek inteligensia agen mencakup problem solving, planning, search, decision making dan learning. Dalam bidang computer science, intelligent berarti kemampuan untuk menyimpan, menggunakan (reasoning) dan menambah (learning) pengetahuan. iii. Interacting : dapat dipengaruhi oleh agen lain (konsekuensinya, dapat mempengaruhi agen lain) dalam mencapai tujuannya. Fokus interaksi pada DAI adalah koordinasi, yaitu mencapai atau menghindari kondisi yang diinginkan atau tidak diinginkan oleh salah satu atau sebagian agen dalam sistem. 2.3 Case-Based Reasoning Case-based reasoning (CBR) [AAM94] adalah sebuah paradigma problem solving yang memanfaatkan pengetahuan spesifik yang disimpan sebelumnya dalam bentuk kasus (case) yaitu situasi problem konkrit. CBR mencari solusi dari suatu kasus dalam domain masalah tertentu dengan mencari kasus sebelumnya (past case) yang mirip dengan kasus yang ingin diselesaikan (current case), kemudian menggunakan solusi dari past case tersebut sebagai solusi dari current case. CBR juga bersifat incremental (dapat berkembang) karena dapat memperoleh pengetahuan baru dari kasus-kasus yang berhasil diselesaikan. CBR memiliki cara kerja yang berbeda dengan metode AI lainnya yang hanya mengandalkan pengetahuan umum dari domain masalah tertentu atau melakukan asosiasi dari relasi umum antara deskriptor masalah dan kesimpulannya.
7 II-7 CBR pada dasarnya adalah metode penyelesaian masalah baru dengan mengingat kondisi yang pernah dialami sebelumnya dan dengan menggunakan informasi dan pengetahuan yang berhubungan dengan kondisi itu. CBR memiliki paradigma similar problems have similar solutions (masalah yang mirip memiliki solusi yang mirip juga) [GAB06]. CBR dapat diilustrasikan dengan situasi problem solving berikut: 1) Dokter ketika sedang mendiagnosa salah seorang pasiennya, seorang dokter teringat akan pasien lain yang ia rawat beberapa waktu sebelumnya. Dokter ini teringat akan pasien yang lain karena kemiripan gejala penyakit pasiennya (bukan oleh warna rambut pasiennya). Kemudian dokter itu menggunakan data hasil diagnosa dan perawatan pasien sebelumnya untuk menentukan diagnosa dan perawatan pasien di depannya. 2) Drilling Engineer ketika seorang drilling engineer pernah mengalami dua situasi ledakan (blow out) dramatis sebelumnya, dengan cepat akan mengingat salah satu situasi ledakan tersebut (atau keduanya) ketika kombinasi pengukuran yang dihadapi sekarang cocok dengan kombinasi pengukuran sebelum terjadi ledakan di masa lalu. Sehingga ia dapat menghindari kesalahan yang sama. 3) Konsultan finansial ketika menghadapi kasus pengajuan kredit suatu perusahaan yang sulit diselesaikan, keputusan dibuat dengan mengingat kasus kredit macet yang melibatkan perusahaan dengan alasan pengajuan kredit yang sama. Berdasarkan pengalaman tersebut, pengajuan kredit perusahaan yang sekarang, ditolak. Secara umum, siklus proses pada CBR ditunjukkan pada Gambar II-2 adalah sebagai berikut [AAM94] : 1. RETRIEVE the most similar case(s) : ambil kasus paling mirip 2. REUSE the case(s) to attempt to solve the problem : gunakan kasus tersebut untuk menyelesaikan kasus yang ada 3. REVISE the proposed solution if necessary: lakukan revisi pada solusi jika perlu 4. RETAIN the new solution as a part of a new case : simpan kembali solusi sebagai bagian dari kasus yang baru
8 II-8 Gambar II-2 Siklus CBR [AAM94] 2.4 Reinforcement Learning Reinforcement learning adalah salah satu teknik atau algoritma pembelajaran yang dilakukan dengan berinteraksi dengan lingkungan. Agen yang menggunakan reinforcement learning belajar dari konsekuensi (berupa reward) tindakan (action) yang diambilnya pada suatu kondisi tertentu pada masa lampau dan eksplorasi aksi baru. Dengan kata lain, agen tersebut melakukan pembelajaran yang bersifat trial and error [SCH07]. Tujuan akhir dari proses yang dilakukan agen dalam reinforcement learning adalah mempelajari control policy atau aturan (aksi-state) yang memberikan kinerja atau performansi global yang optimal (memaksimalkan reward). Pendekatan yang digunakan untuk memodelkan pembelajaran adalah Markov Decision Process (MDP) [TOM97]. MDP merupakan tuple dengan empat elemen (A, S, r, p) dimana S dan A merupakan kondisi (state) dan aksi (action) yang mungkin.
9 II-9 Kemudian p(s,a,s ) = [0,1] fungsi probabilitas transisi dari kondisi s menuju kondisi s dengan melakukan aksi a. Sedangkan r(s,a) = R adalah fungsi yang mengembalikan nilai reward yang diperoleh dari penerapan aksi a pada kondisi s pada lingkungan (environment). Dalam pencarian solusi optimal, agen harus membedakan reward yang diperoleh dari pencapaian atas kondisi tertentu (successor state) dan reward yang diperoleh sebagai hasil dari melakukan sebuah aksi pada kondisi tertentu. Sehingga fungsi reward dibedakan menjadi dua, V(s) = R dan Q(s,a)= R. Tetapi jika lingkungan permasalahan tidak bisa dimodelkan secara eksplisit (setiap kondisi atau state terdefinisi ) dan struktur pemberian reward untuk tiap kondisi tidak memungkinkan, maka Q-learning adalah metode terbaik. Assignment nilai Q adalah: Q(s,a):=(1-α)Q(s,a) + α(r(s,a)+max(q(s,b)) [TOM97]. Di mana b adalah aksi terbaik yang diketahui agen untuk kondisi s. r(s,a) adalah fungsi yang mengembalikan immediate reward. Untuk jumlah himpunan kondisi (state) dan aksi (action) yang terbatas (finite), fungsi Q ini bersifat konvergen menuju suatu fungsi optimal Q*(s,a). Karena Q*(s,a) konvergen, maka akan dapat dihasilkan policy optimal π*(s) = arg max Q*(s,a), yaitu urutan pasangan kondisi-aksi dengan nilai Q tertinggi.
BAB III ANALISIS. job[0] <no_mesin1 waktu_operasi1> <no_mesin2 waktu_operasi2>.. job[1] <no_mesin1 waktu_operasi1> <no_mesin2 waktu_operasi2>..
BAB III ANALISIS 3.1 Pendahuluan Dalam tugas akhir ini, permasalahan job shop scheduling diselesaikan dengan menerapkan sistem multiagent dengan kemampuan pembelajaran (learning) dan penalaran (reasoning)
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Job shop scheduling adalah model permasalahan yang bertujuan menghasilkan penjadwalan penggunaan sejumlah mesin dengan kemampuan proses tertentu untuk menyelesaikan
Lebih terperinciPENERAPAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING PADA JOB SHOP SCHEDULING DENGAN SISTEM MULTIAGENT
PENERAPAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING PADA JOB SHOP SCHEDULING DENGAN SISTEM MULTIAGENT LAPORAN TUGAS AKHIR Disusun sebagai syarat kelulusan tingkat sarjana oleh : Nama : Yohanes /
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pertama ini akan diuraikan mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi, dan sistematika pembahasan dalam Tugas Akhir ini. 1.1 Latar Belakang
Lebih terperinciScheduling Problems. Job Shop Scheduling (1) Job Shop Scheduling Problems. Job Shop Scheduling (2) 13/05/2014
/0/0 Scheduling Problems Job Shop Scheduling Problems Mata Kuliah: Penjadwalan Produksi Teknik Industri Universitas Brawijaya Job Shop Scheduling () Job Shop Scheduling () Flow shop: aliran kerja unidirectional
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Salah satu tujuan dari industri atau perusahaan adalah menciptakan laba yang maksimal. Salah satu bentuk usahanya adalah dengan memaksimumkan hasil produksi atau meminimumkan
Lebih terperinciPengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE)
Pengembangan Teknik Pencarian Optimal Menggunakan Algoritma Generate and Test dengan Diagram Precedence (GTPRE) Development of Optimal Search Using Generate and Test Algorithm with Precedence Diagram (GTPRE)
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Pengukuran Waktu Pengukuran waktu adalah pekerjaan mengamati dan mencatat waktuwaktu kerjanya baik setiap elemen ataupun siklus. Teknik pengukuran waktu terbagi atas dua bagian
Lebih terperinciBAB 4 PENGUJUAN MODEL DAN ANALISIS. Untuk keperluan pengujian model dan program komputer yang telah
7 BAB PENGUJUAN MODEL DAN ANALISIS Untuk keperluan pengujian model dan program komputer yang telah dikembangkan dilakukan pengumpulan data sebagai berikut : 1. Pengujian model dalam masalah job shop dengan
Lebih terperinciIMPLEMENTASI SISTEM MULTIAGENT DENGAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING UNTUK PENYELESAIAN JOB SHOP SCHEDULING PROBLEM
IMPLEMENTASI SISTEM MULTIAGENT DENGAN CASE-BASED REASONING DAN REINFORCEMENT LEARNING UNTUK PENYELESAIAN JOB SHOP SCHEDULING PROBLEM Oleh : Entot Suhartono STIE Bank BPD Jateng Abstrak Job shop scheduling
Lebih terperinciPerencanaan Short-Term Scheduling dan Production Scheduling Model
Perencanaan Short-Term Scheduling dan Production Scheduling Model Rudini Mulya Daulay Program, Fakultas Teknik Universitas Mercu Buana 2010 email: rudinimenteri@gmail.com Abstrak 1. SHORT-TERM SCHEDULING
Lebih terperinciPENERAPAN ALGORITMA TABU SEARCH DALAM PENJADWALAN JOB SHOP
MAKARA, TEKNOLOGI, VOL. 7, NO. 3, DESEMBER 2003 PENERAPAN ALGORITMA TABU SEARCH DALAM PENJADWALAN JOB SHOP Betrianis dan Putu Teguh Aryawan Departemen Teknik Industri, Fakultas Teknik, Universitas Indonesia,
Lebih terperinciPenerapan Algoritma Branch And Bound Dalam Optimasi Assigment Problem
Penerapan Algoritma Branch And Bound Dalam Optimasi Assigment Problem Halim Munawar - 13505106 Program Studi Teknik Informatika, Sekolah Teknik Elektro dan Informatika(STEI) - ITB Jl. Ganesa No.10, Bandung,
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Peranan Penjadwalan dan Pengaruhnya Penjadwalan adalah proses pengambilan keputusan yang memainkan peranan penting dalam industri manufaktur maupun jasa.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Resep Elektronik Sistem resep elektronik adalah pemanfaatan sistem elektronik untuk menfasilitasi dan meningkatkan komunikasi urutan resep atau obat, membantu pilihan, administrasi
Lebih terperinciPENJADWALAN PRODUKSI DENGAN METODE BRANCH AND BOUND PADA PT. XYZ
PENJADWALAN PRODUKSI DENGAN METODE BRANCH AND BOUND PADA PT. XYZ Saiful Mangngenre 1, Amrin Rapi 2, Wendy Flannery 3 Program Studi Teknik Industri, Fakultas Teknik, Universitas Hasanuddin, Makassar, 90245
Lebih terperinciBAB 2 LANDASAN TEORI. perencanaan dan pengendalian produksi dan juga merupakan rencana
8 BAB 2 LANDASAN TEORI 2.1 Definisi Penjadwalan Penjadwalan merupakan bagian yang strategis dari proses perencanaan dan pengendalian produksi dan juga merupakan rencana pengaturan urutan kerja serta pengalokasian
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN
BAB 3 ANALISIS DAN PERANCANGAN 3.1 Gambaran Umum Manusia mempunyai kemampuan untuk belajar sejak dia dilahirkan, baik diajarkan maupun belajar sendiri, hal ini dikarenakan manusia mempunyai jaringan saraf.
Lebih terperinciAplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem
Aplikasi Algoritma Branch and Bound dalam Pencarian Solusi Optimum Job Assignment Problem Calvin Aditya Jonathan 13513077 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut
Lebih terperinciBAB III PEMODELAN MASALAH
BAB III PEMODELAN MASALAH Masalah penjadwalan kereta api jalur tunggal dapat dimodelkan sebagai sebuah kasus khusus dari masalah penjadwalan Job-Shop. Hal ini dilakukan dengan menganggap perjalanan sebuah
Lebih terperinciPenjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat
Petunjuk Sitasi: Putawara, R., Aribowo, W., & Ma'ruf, A. (2017). Penjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat. Prosiding SNTI dan SATELIT 2017 (pp. E41-47). Malang:
Lebih terperinciPENGEMBANGAN ALGORITMA PENJADUALAN PRODUKSI JOB SHOP UNTUK MEMINIMUMKAN TOTAL BIAYA EARLINESS DAN TARDINESS
PENGEMBANGAN ALGORITMA PENJADUALAN PRODUKSI JOB SHOP UNTUK MEMINIMUMKAN TOTAL BIAYA EARLINESS DAN TARDINESS Dian Retno Sari Dewi Jurusan Teknik Industri, Universitas Katolik Widya Mandala Surabaya Jl.
Lebih terperinciALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI
ALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI Gamma/13502058 Abstraksi. Pada makalah ini dijelaskan mengenai pengembangan algoritma untuk
Lebih terperinciPERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE
PERANCANGAN SYSTEM PAKAR GENERIC MENGGUNAKAN BINARY TREE Luky Agus Hermanto, ST., MT. Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Adhi Tama Surabaya Jl. Arif Rahman Hakim
Lebih terperinciPenggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem
Penggabungan Algoritma Brute Force dan Backtracking dalam Travelling Thief Problem Jessica Handayani (13513069) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciAlgoritma Branch & Bound
Algoritma Branch & Bound Bahan Kuliah IF2211 Strategi Algoritma Program Studi Informatika STEI ITB 2018 Overview Pembentukan pohon ruang status (state space tree) dinamis untuk mencari solusi persoalan
Lebih terperinciIMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING
IMPLEMENTASI CASE BASED REASONING UNTUK SISTEM DIAGNOSIS PENYAKIT ANJING Fransica Octaviani S. (1) Joko Purwadi (2) Rosa Delima (3) foctas@yahoo.com jokop@ukdw.ac.id rosa@ukdw.ac.id Abstraksi Penalaran
Lebih terperinciPENYELESAIAN MASALAH PENUGASAN YANG DIPERUMUM DENGAN MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND YANG DIREVISI
PENYELESAIAN MASALAH PENUGASAN YANG DIPERUMUM DENGAN MENGGUNAKAN ALGORITMA BRANCH-AND-BOUND YANG DIREVISI Siti Nur Aisyah 1), Khusnul Novianingsih 2), Entit Puspita 3) 1), 2), 3) Departemen Pendidikan
Lebih terperinciBAB I PENDAHULUAN. Machine learning (ML), bagian dari kecerdasan buatan (artificial
BAB I PENDAHULUAN 1. 1.1. Latar Belakang Machine learning (ML), bagian dari kecerdasan buatan (artificial intelligence), merupakan metode untuk mengoptimalkan performa dari sistem dengan mempelajari data
Lebih terperinci2.1.1 PERANAN PENJAD WALAN DAN PENGARUHNYA
BAB 2 LANDASAN TEORI Pada bab ini diuraikan tentang peranan penjadwalan dan pengaruhnya, definisi penjadwalan, tujuan penjadwalan, klasifikasi penjadwalan, istilah dan kriteria dalam penjadwalan, pendekatan
Lebih terperinciMODEL MATEMATIKA HORISON WAKTU DISKRET HEURISTIK UNTUK PENJADWALAN PRODUKSI OPERASI TUNGGAL PADA MESIN ALTERNATIF
MODEL MATEMATIKA HORISON WAKTU DISKRET HEURISTIK UNTUK PENJADWALAN PRODUKSI OPERASI TUNGGAL PADA MESIN ALTERNATIF Irwan Sukendar, ST, MT Jurusan Teknik Industri FTI Universitas Islam Sultan Agung Email:
Lebih terperinciPENERAPAN METODE PROBABILITAS BAYESIAN DAN NEAREST NEIGHBOUR DALAM SISTEM PAKAR BERBASIS CASE BASED REASONING (CBR) KOMPETENSI KOMPUTASI SKRIPSI
PENERAPAN METODE PROBABILITAS BAYESIAN DAN NEAREST NEIGHBOUR DALAM SISTEM PAKAR BERBASIS CASE BASED REASONING (CBR) KOMPETENSI KOMPUTASI SKRIPSI NI WAYAN RIRIN PUSPITA DEWI NIM. 1108605045 PROGRAM STUDI
Lebih terperinciBAB 2 LANDASAN TEORI
22 BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Definisi penjadwalan Secara umum, penjadwalan merupakan proses dalam perencanaan dan pengendalian produksi yang digunakan untuk merencanakan produksi
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Model Matematika Model matematika adalah suatu rumusan matematika (dapat berbentuk persamaan, pertidaksamaan, atau fungsi) yang diperoleh dari hasil penafsiran seseorang ketika
Lebih terperinciGAME CATUR JAWA WITH REINFORCEMENT LEARNING
GAME CATUR JAWA WITH REINFORCEMENT LEARNING Muhammad Fauzy Teknik Informatika Politeknik Elekronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Surabaya Email: fauze86@gmail.com, ABSTRAK Kecerdasan
Lebih terperinciPenentuan Rute Belanja dengan TSP dan Algoritma Greedy
Penentuan Rute Belanja dengan TSP dan Algoritma Greedy Megariza 13507076 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciPENJADWALAN DENGAN TEKNIK SISIPAN (INSERTION TECHNIQUE) IR. DINI WAHYUNI, MT. Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara
PENJADWALAN DENGAN TEKNIK SISIPAN (INSERTION TECHNIQUE) IR. DINI WAHYUNI, MT. Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara. Konsep Penadwalan Penadwalan dapat didefinisikan sebagai
Lebih terperinciModel Penjadwalan Pekerjaan pada Zero-buffer Flowshop Tipe (1) dengan Kriteria Minimasi Total Waktu Tinggal Aktual
Performa (004) Vol. 3, No.: 49-54 Model Penjadwalan Pekerjaan pada Zero-buffer Flowshop Tipe (1) dengan Kriteria Minimasi Total Waktu Tinggal Aktual Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas
Lebih terperinciModel Penjadwalan Batch Multi Item dengan Dependent Processing Time
Jurnal Teknik Industri, Vol. 12, No. 2, Desember 2010, 69-80 ISSN 1411-2485 Model Penjadwalan Batch Multi Item dengan Dependent Processing Time Sukoyo 1, TMA Ari Samadhi 2, Bermawi P. Iskandar 3, Abdul
Lebih terperinciLina Gozali, Lamto Widodo, Wendy Program Studi Teknik Industri Fakultas Teknik Universitas Tarumanagara Jl. S Parman no.1, Jakarta
1 2 USULAN PENJADWALAN JOB DENGAN METODE CAMPBELL, DUDEK AND SMITH (CDS) DAN METODE NAWAZ, ENSCORE AND HAM (NEH) UNTUK MEMINIMASI MAKESPAN PROSES STAMPING PART ISUZU DI LINE B PT. XYZ Lina Gozali, Lamto
Lebih terperinciBAB 2 LANDASAN TEORI
26 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Penjadwalan dapat didefinisikan sebagai penugasan dan penentuan waktu dari kegunaan sumber daya seperti tenaga kerja, peralatan, dan fasilitas
Lebih terperinciPerencanaan Produksi SAP ERP
Materi #8 Perencanaan Produksi SAP ERP 2 6623 - Taufiqur Rachman 1 Sales Forecasting 3 Peramalan Penjualan dapat menggunakan data tahun lalu dikombinasikan dengan target keuangan dan inisiatif marketing
Lebih terperinciPengantar Teknologi Informasi
Pengantar Teknologi Informasi Kecerdasan Buatan (Artificial Intelligence) Defri Kurniawan, M.Kom Fasilkom 1/7/2016 What s Artificial Intelligence What is Artificial Intelligence (AI) Cabang Science yang
Lebih terperinciKecerdasan Buatan/ Artificial Intelligence
Kecerdasan Buatan/ Artificial Intelligence Constraint Satisfaction Problem (CSP) Rekyan Regasari Mardi Putri, ST, MT Lailil Muflikhah, S.Kom, M.Sc Imam Cholissodin, S.Si., M.Kom M. Ali Fauzi, S.Kom, M.Kom
Lebih terperinciBAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR 20 BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR
SISTEM PAKAR 20 BAB III TEORI DASAR SISTEM PAKAR DAN SISTEM KONTROL BERBASIS SISTEM PAKAR 3.1 Sistem Pakar Sistem pakar adalah suatu program komputer cerdas yang menggunakan knowledge (pengetahuan) dan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian dan Ruang Lingkup Sistem Produksi Pada sub bab ini akan dibahas mengenai pengertian sistem produksi dari beberapa teori yang sudah ada, serta ruang lingkup sistem produksi
Lebih terperinciPERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113
PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Pertemuan 13 & 14 Outline: Scheduling Referensi: Tersine, Richard J., Principles of Inventory and Materials Management, Prentice-Hall, 1994. Wiratno, S. E.,
Lebih terperinciBAB IV PERANCANGAN DAN IMPLEMENTASI
IV-4 BAB IV PERANCANGAN DAN IMPLEMENTASI 4. Pendahuluan Sistem multiagen untuk menyelesaikan permasalahan job shop scheduling diimplementasikan dalam bentuk program yang menerima masukan berupa definisi
Lebih terperinciPenentuan Menu Makan dengan Pemrograman Dinamis
Penentuan Menu Makan dengan Pemrograman Dinamis Jordhy Fernando 13515004 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung 40132,
Lebih terperinciBAB II DASAR TEORI 2.1 Deskripsi Perjalanan Kereta Api Jalur Tunggal Pokok-Pokok Perjalanan Kereta Api Jalur Tunggal
BAB II DASAR TEORI Pada bab ini akan diuraikan mengenai deskripsi perjalanan kereta api yang terkait dengan masalah penjadwalan. Hal ini meliputi pokok-pokok perjalanan kereta api dan aturan-aturan atau
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang
Bab 1 PENDAHULUAN 1.1 Latar Belakang Dewasa ini, manusia sering dihadapi oleh permasalahan melibatkan optimasi tujuan ganda (multi-objective), contohnya dalam hal perencanaan atau peramalan pasar yang
Lebih terperinciRANCANGAN CASE-BASED REASONING MENGGUNAKAN SORENSON COEFFICIENT
RANCANGAN CASE-BASED REASONING MENGGUNAKAN SORENSON COEFFICIENT Murien Nugraheni Program Studi Teknik Informatika Universitas Ahmad Dahlan Yogyakarta Jl. Prof. Dr. Soepomo, S.H., Warungboto, Janturan,
Lebih terperinciBAB I PENDAHULUAN. (intelligent system) adalah sistem yang dibangun dengan menggunakan
BAB I PENDAHULUAN A. Latar Belakang Kecerdasan buatan atau artificial intelligence merupakan bagian dari ilmu komputer yang membuat agar mesin (komputer) dapat melakukan pekerjaan seperti dan sebaik yang
Lebih terperinciJOB SHOP PANDUAN BIG PROJECT
PANDUAN BIG PROJECT SIMULASI KOMPUTER - 2014 DAFTAR ISI 1. Pengertian... 1 2. Tujuan Penjadwalan Workcenter... 2 3. Pengurutan Tugas (Sequencing)... 2 4. Definisi dalam Penjadwalan... 3 5. Karakteristik
Lebih terperinciManual Penggunaan Algoritma Tabu Search untuk Mengoptimasikan Penjadwalan Job Shop
Manual Penggunaan Algoritma Tabu Search untuk Mengoptimasikan Penjadwalan Job Shop Akhmad Hidayatno Armand Omar Moeis Komarudin Zulkarnain Aziiz Sutrisno Laboratorium Rekayasa, Simulasi dan Pemodelan Sistem
Lebih terperinciMasalah Penugasan (Assignment Problem) Bentuk khusus metode transportasi
Masalah Penugasan (Assignment Problem) Bentuk khusus metode transportasi Introduction Kasus-kasus yang dapat diselesaikan dengan metode penugasan adalah : Penugasan beberapa karyawan untuk menyelesaikan
Lebih terperinciPENGEMBANGAN MODEL PENJADWALAN MENGGUNAKAN TEKNIK SISIPAN (INSERTION TECHNIQUE)
PENGEMBANGAN MODEL PENJADWALAN MENGGUNAKAN TEKNIK SISIPAN (INSERTION TECHNIQUE) IR. DINI WAHYUNI, MT. Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara 1. Latar Belakang Kecenderungan
Lebih terperinciMetode Penugasan. Penugasan & Pengurutan Job. Metode Penugasan. Supl 15. Langkah-langkah Metode Penugasan 31/10/2015
Penugasan & Pengurutan MANAJEMEN OPERASI: Manajemen Keberlangsungan & Rantai Pasokan Operations Management: Sustainability & Supply Chain Management Supl 15 Metode Penugasan Kelas khusus dari model pemrograman
Lebih terperinciPemodelan Simulasi untuk Analisis Performansi Penjadwalan pada Sistem Manufaktur Make to Order dengan Mesin Paralel
Petunjuk Sitasi: Zagloel, T. Y., Ardi, R., & Adriana, L. (2017). Pemodelan Simulasi untuk Analisis Performansi Penjadwalan pada Sistem Manufaktur. Prosiding SNTI dan SATELIT 2017 (pp. E66-71). Malang:
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN 1.1 Latar Belakang Semakin tingginya mobilitas penduduk di suatu negara terutama di kota besar tentulah memiliki banyak permasalahan, mulai dari kemacetan yang tak terselesaikan hingga moda
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciMULTIAGENT SYSTEM DALAM PENYELESAIAN CREW SCHEDULING PROBLEM
MULTIAGENT SYSTEM DALAM PENYELESAIAN CREW SCHEDULING PROBLEM Ade Romadhony 1, Fariska Z.R 2, Novi Yusliani 3, Nur Ulfa Maulidevi 4 1 Fak.Tek.Informatika Institut Teknologi Telkom, 2,3,4 STEI ITB ade@ittelkom.ac.id,
Lebih terperinciPENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS)
PENYELESAIAN TRAVELING SALESMAN PROBLEM (TSP) MENGGUNAKAN ALGORITMA RECURSIVE BEST FIRST SEARCH (RBFS) Hari Santoso 146060300111019 haripinter@gmail.com Prodi Sistem Komunikasi dan Infromatika Teknik Elektro
Lebih terperinciBAB III ALGORITMA BRANCH AND BOUND. Algoritma Branch and Bound merupakan metode pencarian di dalam ruang
BAB III ALGORITMA BRANCH AND BOUND Algoritma Branch and Bound merupakan metode pencarian di dalam ruang solusi secara sistematis. Ruang solusi diorganisasikan ke dalam pohon ruang status. Pohon ruang status
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Penyelesaian permasalahan dalam penjadwalan dapat dilakukan dengan mengkaji kompleksitas penjadwalan. Menurut Pinedo (2002), kompleksitas dalam penjadwalan terbagi menjadi mesin
Lebih terperinciTABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA ANT COLONY UNTUK PENJADWALAN FLOWSHOP
Jurnal Teknik Industri, Vol. 11, o. 2, Desember 2009, pp. 188-194 ISS 1411-2485 TABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA AT COLO UTUK PEJADWALA FLOWSHOP Iwan Halim Sahputra, Tanti Octavia, Agus
Lebih terperinciBAB II LANDASAN TEORI. atau minimum suatu fungsi tujuan. Optimasi produksi diperlukan perusahaan dalam
BAB II LANDASAN TEORI 2.1 Optimasi Optimasi merupakan pendekatan normatif dengan mengidentifikasi penyelesaian terbaik dari suatu permasalahan yang diarahkan pada titik maksimum atau minimum suatu fungsi
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Pengertian Penjadwalan Penjadwalan adalah aktivitas perencanaan untuk menentukan kapan dan di mana setiap operasi sebagai bagian dari pekerjaan secara keseluruhan harus dilakukan
Lebih terperinciMODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM
Journal Industrial Servicess Vol. 3 No. 2 Maret 2018 MODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM Yusraini Muharni Jurusan Teknik
Lebih terperincisejumlah variabel keputusan; fungsi yang akan dimaksimumkan atau diminimumkan disebut sebagai fungsi objektif, Ax = b, dengan = dapat
sejumlah variabel keputusan; fungsi yang akan dimaksimumkan atau diminimumkan disebut sebagai fungsi objektif nilai variabel-variabel keputusannya memenuhi suatu himpunan kendala yang berupa persamaan
Lebih terperinciBAB II LANDASAN TEORI. sistem kontrol persediaan dan produksi, dan MRP tipe 3 berhubungan dengan. sistem perencanaan manufaktur (Tersine, 1984).
BAB II LANDASAN TEORI 2.1 Material Requirement Planning (MRP) MRP dibagikan dan didefinisikan dalam 3 kategori, yaitu MRP tipe 1 berhubungan dengan sistem kontrol persediaan, MRP tipe 2 berhubungan dengan
Lebih terperinciOLEH : RULI ASTRI ANDRIANI ( ) Jurusan Teknik Industri Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya
PENJADWALAN FLOWSHOP UNTUK MEMINIMASI LOGOTOTAL TARDINESS DENGAN URUTAN JOB YANG SAMA DAN/ATAU BERBEDA DAN MEMPERHATIKAN KETIDAKTERSEDIAAN PADA MASING-MASING MESIN OLEH : RULI ASTRI ANDRIANI (2506 100
Lebih terperinciMODEL PENJADWALAN BATCH PADA JOB SHOP DENGAN KELOMPOK MESIN HETEROGEN UNTUK MEMINIMASI TOTAL WAKTU TINGGAL AKTUAL
MODEL PENJADWALAN BATCH PADA JOB SHOP DENGAN KELOMPOK MESIN HETEROGEN UNTUK MEMINIMASI TOTAL WAKTU TINGGAL AKTUAL Draft Tesis Karya tulis sebagai salah satu syarat Untuk memperoleh gelar Magister dari
Lebih terperinciBAB 2 LANDASAN TEORI. fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
8 BAB 2 LANDASAN TEORI 2.1 Teori Neuro Fuzzy Neuro-fuzzy sebenarnya merupakan penggabungan dari dua studi utama yaitu fuzzy logic dengan aplikasi neuro computing. Masing-masing memiliki cara dan proses
Lebih terperinciTUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA : H
TUGAS RESUME MATERI KULIAH ALGORITMA DAN STRUKTUR DATA STRATEGI ALGORITMA NAMA NIM : HERIANTI : H12111003 FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM JURUSAN MATEMATIKA PROGRAM STUDI STATISTIKA UNIVERSITAS
Lebih terperinciDosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah
Artificial Immune System untuk Penyelesaian Vehicle Routing Problem with Time Windows Dosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah 2507100054 Pendahuluan Pendahuluan Fungsi Objektif
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam
Lebih terperinciIrfan Muhammad 1, M.Adha Ilhami. 2, Evi Febianti 3 1,2, 3 JurusanTeknikIndustri Universitas Sultan Ageng Tirtayasa PENDAHULUAN
Jurnal Teknik Industri, Vol.1, No.2, Juni 2013, pp.102-106 ISSN 2302-495X Penjadwalan Pola Aliran Flow Shop 1-Stage dengan Sistem Lelang Untuk Meminimasi Weighted Tardiness dengan Mempertimbangkan Maintenance
Lebih terperinciOPTIMASI PENJADWALAN SUMBER DAYA DENGAN METODE ALGORITMA GENETIK TESIS MAGISTER OLEH: DEDE SUMIRTO PEMBIMBING: DR.IR. BIEMO W.
OPTIMASI PENJADWALAN SUMBER DAYA DENGAN METODE ALGORITMA GENETIK TESIS MAGISTER OLEH: DEDE SUMIRTO PEMBIMBING: DR.IR. BIEMO W. SOEMARDI BIDANG MANAJEMEN DAN REKAYASA KONSTRUKSI DEPARTEMEN TEKNIK SIPIL
Lebih terperinciRancang Bangun Sistem Pakar Pendiagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning
Rancang Bangun Sistem Pakar Pendiagnosa Penyakit Paru-Paru Menggunakan Metode Case Based Reasoning Diki Andita Kusuma 1, Chairani 2 1,2 Jurusan Teknik Informatika, IBI Darmajaya 1,2 Jl. A. Pagar Alam,
Lebih terperinciLina Gozali, Lamto Widodo, Wendy. Fakultas Teknik Program Studi Teknik Industri Universitas Tarumanagara Jakarta. Abstrak
Jurnal Teknik dan Ilmu Komputer USULAN PENJADWALAN JOB DENGAN METODE CAMPBELL, DUDEK AND SMITH (CDS) DAN METODE NAWAZ, ENSCORE AND HAM (NEH) UNTUK MEMINIMASI MAKESPAN PROSES STAMPING PART ISUZU DI LINE
Lebih terperinciBAB V ANALISA DAN HASIL
BAB V ANALISA DAN HASIL 5.1 Analisa Jumlah Pekerjaan dalam Sistem Jika dilakukan perbandingan jumlah pekerjaan dalam sistem dari penjadwalan produksi Thermowell di PT. Rangga Olah Cipta Systems yang ditelah
Lebih terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciPenjadwalan Kelompok Buku Cerita Menggunakan Algoritma Modrak (2010) dengan Kriteria Minimisasi Makespan *
Reka integra ISSN:2338-5081 Jurusan Teknik Industri Itenas No. 02 Vol. 02 Jurnal Online Institut Teknologi Nasional September 2014 Penjadwalan Kelompok Buku Cerita Menggunakan Algoritma Modrak (2010) dengan
Lebih terperinciAPLIKASI ALGORITMA BRANCH AND BOUND UNTUK MENGOPTIMALKAN PERMASALAHAN PENUGASAN DENGAN ADANYA KENDALA TAMBAHAN SKRIPSI PAULINUS SITANGGANG
APLIKASI ALGORITMA BRANCH AND BOUND UNTUK MENGOPTIMALKAN PERMASALAHAN PENUGASAN DENGAN ADANYA KENDALA TAMBAHAN SKRIPSI PAULINUS SITANGGANG 050803060 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah dalam menentukan lintasan terpendek di antara titik tertentu dalam suatu graph telah banyak menarik perhatian. Persoalan dirumuskan sebagai kasus khusus dan
Lebih terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN. manufaktur yang bergerak dibidang pembuatan spring bed yang berlokasi di kota
BAB I PENDAHULUAN 1.1 Latar Belakang PT. Bella Agung Citra Mandiri Sidoarjo merupakan perusahaan manufaktur yang bergerak dibidang pembuatan spring bed yang berlokasi di kota Sidoarjo dan memiliki cabang
Lebih terperinciBAB II LANDASAN TEORI. menolong manusia dalam melaksanakan tugas tertentu. Aplikasi software yang. dirancang untuk menjalankan tugas tertentu.
BAB II LANDASAN TEORI 2.1 Pengertian Aplikasi Menurut Kadir (2008:3) program aplikasi adalah program siap pakai atau program yang direka untuk melaksanakan suatu fungsi bagi pengguna atau aplikasi yang
Lebih terperinciArtificial Intelegence/ P_3 EKA YUNIAR
Artificial Intelegence/ P_3 EKA YUNIAR Pokok Bahasan Teknik Pencarian Heuristik Generate And Test Hill Climbing Best First Searching Problem Reduction Constrait Satisfaction Means End Analysis Teknik Pencarian
Lebih terperinciAplikasi Dynamic Programming dalam Decision Making pada Reinvestment Problem
Aplikasi Dynamic Programming dalam Decision Making pada Reinvestment Problem Faisal Ibrahim Hadiputra (13509048) 1 Program tudi Teknik Informatika ekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciIMPLEMENTASI SISTEM PARKIR CERDAS DI UNIVERSITAS TELKOM. SUBSISTEM : APLIKASI MOBILE
IMPLEMENTASI SISTEM PARKIR CERDAS DI UNIVERSITAS TELKOM. SUBSISTEM : APLIKASI MOBILE Implementation Of Smart Parking System In Telkom University. Subsystem : Mobile Application Annis Waziroh 1, Agus Virgono,
Lebih terperinciTeam project 2017 Dony Pratidana S. Hum Bima Agus Setyawan S. IIP
Hak cipta dan penggunaan kembali: Lisensi ini mengizinkan setiap orang untuk menggubah, memperbaiki, dan membuat ciptaan turunan bukan untuk kepentingan komersial, selama anda mencantumkan nama penulis
Lebih terperinciBAB 1 PENDAHULUAN. barang, jaringan jalan raya, atau dalam masalah komputasi yaitu jaringan penjadwalan.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Kehidupan manusia berkaitan erat dengan jaringan. Jaringan pendistribusian barang, jaringan jalan raya, atau dalam masalah komputasi yaitu jaringan penjadwalan. Dalam
Lebih terperinciHusnul Hakim ( ) Pembimbing : Ahmad Saikhu, S.Si, MT
Husnul Hakim (5106100101) Pembimbing : Ahmad Saikhu, S.Si, MT Penjadwalan job-shop merupakan masalah yang kompleks untuk diselesaikan. Pendekatan dalam menyelesaikan penjadwalan job-shop : - Analitis dengan
Lebih terperinci1. PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE)
1. PENGANTAR KECERDASAN BUATAN (ARTIFICIAL INTELLIGENCE) 1.1 DEFINISI KECERDASAN BUATAN Definisi Kecerdasan Buatan H. A. Simon [1987] : Kecerdasan buatan (artificial intelligence) merupakan kawasan penelitian,
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Pengertian Penjadwalan Penjadwalan dalam proses produksi merupakan sesuatu yang cukup penting, dalam proses penjadwalan dapat menentukan waktu yang dibutuhkan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Penyakit Kulit Penyakit kulit adalah penyakit infeksi yang paling umum, terjadi pada orang-orang dari segala usia. Gangguan pada kulit sering terjadi karena ada faktor peyebabnya,
Lebih terperinciAlgoritma Tabu Search dan Penggunaannya dalam Penyelesaian Job Shop Scheduling Problem
Algoritma Tabu Search dan Penggunaannya dalam Penyelesaian Job Shop Scheduling Problem M. Noversada 1, Fitri Meiriza 2, Dyah Ayuni Wijayanti 3 Laboratorium Ilmu dan Rekayasa Komputasi Departemen Teknik
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
I PENDAHULUAN. Latar Belakang Masalah penentuan rute bus karyawan mendapat perhatian dari para peneliti selama lebih kurang 30 tahun belakangan ini. Masalah optimisasi rute bus karyawan secara matematis
Lebih terperinci