OPTIMASI SCHEDULING WELL SERVICE & WORKOVER DENGAN KRITERIA MINIMAL PRODUCTION LOSS DAN MAKSIMAL POTENSI GAIN DARI SUMUR MINYAK

Ukuran: px
Mulai penontonan dengan halaman:

Download "OPTIMASI SCHEDULING WELL SERVICE & WORKOVER DENGAN KRITERIA MINIMAL PRODUCTION LOSS DAN MAKSIMAL POTENSI GAIN DARI SUMUR MINYAK"

Transkripsi

1 OPTIMASI SCHEDULING WELL SERVICE & WORKOVER DENGAN KRITERIA MINIMAL PRODUCTION LOSS DAN MAKSIMAL POTENSI GAIN DARI SUMUR MINYAK Dosen Pembimbing: Ir. Sudiyono Kromodihardjo, MSc, PhD Oleh: Ergo Swasono K

2 LATAR BELAKANG Sumur yang berproduksi membutuhkan wellservice dan workover yang dikerjakan menggunakan HWU Penjadwalan wellservice dan workover yang ada hanya berdasar intuisi Dibutuhkan sistem penjadwalan baru untuk meminimalkan kerugian produksi

3

4 Rumusan Masalah Dengan diketahui jumlah unit Rig-HWU yang tersedia, bagaimana menyusun jadwal urutan pengerjaan wellservice dan workover yang dapat memberikan kerugian produksi yang terendah. Dengan jumlah sumur yang dikelola sebanyak 134 sumur, apakah jumlah Workover Unit yang dioperasikan sudah memadai.

5 Tujuan Penelitian Mengembangkan algoritma untuk menyusun jadwal penugasan rig HWU memperbaiki sumur yang akan meminimalkan kerugian produksi, dan mengimplementasikan dalam software yang mudah dioperasikan. Mengevaluasi jumlah Workover Unit (HWU) untuk menangani kebutuhan servis lapangan minyak dengan 134 umur.

6 Digunakan metode heuristik dengan Variable Neigbourhood Scheduling untuk menyelesaikan Wellservice Scheduling problem. Metode ini membagi-bagi HWU untuk menangani beberapa neighbourhood dan menukarkan urutan sumur dalam 1 neighbourhood, dan antar neighbourhood. Penelitian Dario J. Aloise (2006) Digunakan metode Simulated Annealing untuk menyelesaikan Wellservice Scheduling Problem. Penggunaan neigbourhood ditambahkan proses memindah sumur antar neighbourhood tanpa penukaran, dengan solusi awal menaruh sumur secara urut pada neighbourhod. Penelitian G.M Ribeiro et al (2010)

7 Metode Algoritma yang digunakan... Metode Global Search (w<8) Metode Convergent Random Search (7<w<10) Metode Sembarang Metode Largest First Metode Split Convergent Random Search (14<w<20) Metode Split Global Search (9<w<15)

8 Flowchart Metode Global Search Mulai Tentukan jumlah sumur yang akan dijadwal N Buat daftar urutan dari permutasi N sumur ( Jumlah daftar urutan = N! ) Ambil permutasi nomor n dari daftar permutasi Susun jadwal urutan pengerjaan sesuai permutasi Hitung kerugian produksi jadwal ke n = KPn No Apakah KPn < KPG minimal N = n + 1 Yes Catat jadwal urutan ke n No Apakah n = N!? Yes Finish

9 Flowchart Metode Convergent Random Search Mulai Tentukan jumlah sumur yang akan dijadwal N Tentukan jumlah iterasi yang diinginkan untuk perhitungan n = 1 Ambil satu permutasi kombinasi dari N sumur secara acak Susun jadwal urutan pengerjaan sesuai permutasi Hitung kerugian produksi jadwal ke n = KPn KP total = KP total + KPn n = n + 1 Hitung kerugian produksi near optimal = KPnm KPnm = min (KPnm, KPn) KP rata = KP total / n No Apakah n = Nc? Yes Finish

10 Sumur 1, 2, 3 dst secara berturutan akan didatangi HWU yg siap /idle Rig-HWU 1 Waktu travel t dan service F t 5 t 4 t 3 t 2 t 1 Rig-HWU 2

11 4 F1<F2 dan F3<F2 F3 3 F2 F HWU 1 HWU 2 HWU 1 3 F2 F3 2 1 HWU 1 HWU 2 Fi = flow time sumur i = waktu dari waktu 0 saat rusak s/d selesai siperbaiki 4 F2 2 HWU 2 F1<F2 F1<F2 dan F2<F3 Urutan sumur Dikerjakan oleh 2 HWU F2<F1 dan F3<F1 4 F1 F3 3 F1 1 F2 2 HWU 1 HWU 2 F1 1 F3 HWU HWU HWU 2 F3 3 2 HWU 2 F2<F1 F2<F1 dan F1<F3

12 A G B E F C HWU 1 Sumur rusak Sumur normal D Tersedia 1 HWU

13 A B E C HWU 2 D Sumur rusak Sumur normal G HWU 1 F Tersedia 2 HWU

14 HWU 2 HWU 1 6 sumurrusak 7 sumur rusak

15 ININPUT PROGRAM

16 7 SUMUR

17

18 8 sumur, data set A

19

20 9 sumur

21

22

23

24 Optimal, Near Optimal, Local Optimal, Local Near Optimal Local Optimal Local, Near Optimal Local Optimal Near Optimal Optimal, Global Optimal

25 Hasil Simulasi Evaluasi Kebutuhan Jumlah Rig-HWU Validasi

26 Kesimpulan Penjadwalan operasi Rig-HWU untuk melaksanakan pekerjaan wellservice dan workover di perusahaan minyak yang selama ini masih dikerjakan dengan cara yang tidak sistimatis. Pengembangan algoritma penjadwalan yang diterapkan dengan software akan sangat membantu unit dispatcher wellservice/workover perusahaan minyak untuk dapat melakukan penjadwalan dengan sistimatis Dalam menyusun jadwal wellservice/workover perlu memperhatikan aspek parameter operasi, yaitu: laju produksi sumur, waktu yang diperlukan untuk perpindahan Rig dari sumur ke sumur lain, prediksi durasi wellservice tiap sumur rusak, prediksi durasi workover, prediksi peningkatan produksi sumur yang di workover, dan ketersediaan Rig-HWU yang dimiliki. Untuk n (jumlah sumur) < 7, Metoda Global Search terbukti efisien dan menghasilkan solusi optimal Untuk 7<n<10, Metoda Convergent Random Search terbukti efisien dan menghasilkan solusi near optimal Untuk menjadwal sejumlah n>10, dan tersedia 2 atau lebih Rig, Metoda Split Global Search dapat memberikan solusi jadwal local optimal dengan cepat. Sementara Metoda Convergent Random Search dapat memberikan solusi yang lebih baik, tetapi membutuhkan waktu yang lebih lama. Penjadwalan operasi wellservice yang optimal atau near optimal dapat mengurangi kerugian produksi sampai 29% atau senilai USD 4.8 juta pertahun, dibanding penjadwalan yang dilakukan secara sembarang. Sementara hasil penjadwalan dengan metoda Convergent Random Search menunjukkan pengurangan kerugian produksi sebesar barrel per tahun atau senilai USD dibanding dengan menggunakan metoda Largest First. Berdasarkan evaluasi jumlah Rig-HWU yang diperlukan perusahaan dengan menggunakan pendekatan simulasi, didapatkan bahwa jumlah Rig yang dioperasikan perusahaan sebaiknya 3 unit.

27 TERIMA KASIH Mohon komentar dan saran

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu

Lebih terperinci

ABSTRAK. Universitas Kristen Maranatha

ABSTRAK. Universitas Kristen Maranatha ABSTRAK P.T. Gistex Textile Division adalah sebuah perusahaan yang bergerak dibidang textile yang mengolah polyester (bahan baku) menjadi kain. Perusahaan memproduksi barang sesuai dengan pesanan konsumen

Lebih terperinci

PENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN

PENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN PENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN Moh.Husen, Ilyas Masudin, Dana Marsetiya Utama Jurusan Teknik Industri - Universitas Muhammadiyah Malang Muhammad.husen12@yahoo.com

Lebih terperinci

BAB I PENDAHULUAN. Penjadwalan produksi flow shop merupakan kegiatan perencanaan

BAB I PENDAHULUAN. Penjadwalan produksi flow shop merupakan kegiatan perencanaan BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan produksi flow shop merupakan kegiatan perencanaan produksi yang terdapat pada perusahaan manufaktur. Penjadwalan produksi melibatkan n job dan m mesin dalam

Lebih terperinci

APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM

APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 03, No. 1 (2015), hal 25 32. APLIKASI SIMULATED ANNEALING UNTUK MENYELESAIKAN TRAVELLING SALESMAN PROBLEM Edi Samana, Bayu Prihandono, Evi Noviani

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang 1 BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan dunia usaha mengalami persaingan yang begitu ketat dan peningkatan permintaan pelayanan lebih dari pelanggan. Dalam memenangkan persaingan tersebut

Lebih terperinci

PENERAPAN 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) 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 terperinci

Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm

Penjadwalan 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 terperinci

PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN SIMULATED ANNEALING UNTUK MASALAH MULTIPLE OBJECTIVE PADA PENJADWALAN FLOWSHOP

PERBANDINGAN 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 terperinci

KATA PENGANTAR. DAFTAR TABEL.. xviii. 1.1 Latar Belakang Masalah 1

KATA PENGANTAR. DAFTAR TABEL.. xviii. 1.1 Latar Belakang Masalah 1 DAFTAR ISI Halaman HALAMANJUDUL LEMBAR PENGESAHAN PEMBIMBING LEMBAR PERNYATAAN KEASLIAN HASIL TUGAS AKHIR LEMBAR PENGESAHAN PENGUJI HALAMAN PERSEMBAHAN HALAMAN MOTTO KATA PENGANTAR ABSTRAKSI DAFTAR ISI

Lebih terperinci

PENYELESAIAN WORKOVER RIG ROUTING PROBLEM MENGGUNAKAN ALGORITMA ADAPTIVE LARGE NEIGHBORHOOD SEARCH

PENYELESAIAN WORKOVER RIG ROUTING PROBLEM MENGGUNAKAN ALGORITMA ADAPTIVE LARGE NEIGHBORHOOD SEARCH PENYELESAIAN WORKOVER RIG ROUTING PROBLEM MENGGUNAKAN ALGORITMA ADAPTIVE LARGE NEIGHBORHOOD SEARCH Timotius Ichan Hariadi, Rully Soelaiman, dan Ahmad Saikhu Jurusan Teknik Informatika, Institut Teknologi

Lebih terperinci

PENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM

PENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM PENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM Dosen Pembimbing: Ir. Budi Santosa, M.Sc., Ph.D Y Giri N (2503 100 061) Latar Belakang Metode CODEQ merupakan

Lebih terperinci

OPTIMASI NURSE SCHEDULING PROBLEM

OPTIMASI NURSE SCHEDULING PROBLEM OPTIMASI NURSE SCHEDULING PROBLEM Disusun Oleh Aditya Pratama H (2510100111) Pembimbing Prof. Ir. Budi Santosa, M.S., Ph.D Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Penjadwalan Proses

Lebih terperinci

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada dasarnya setiap perusahaan mempunyai tujuan yang sama yaitu mendapat keuntungan yang sebesar-besarnya dengan mengeluarkan biaya produksi seminimum mungkin.

Lebih terperinci

4.6 Data Waktu Siap Setiap Mesin Pengerjaan Komponenkomponen Screw Conveyor Penentuan Due Date BAB 5 PENGOLAHAN DATA DAN ANALISIS

4.6 Data Waktu Siap Setiap Mesin Pengerjaan Komponenkomponen Screw Conveyor Penentuan Due Date BAB 5 PENGOLAHAN DATA DAN ANALISIS ABSTRAK PT Kerta Laksana merupakan perusahaan manufaktur berskala internasional yang membuat berbagai jenis mesin, dimana setiap pesanan dikerjakan sesuai dengan permintaan dan keinginan konsumen (job

Lebih terperinci

PENJADWALAN 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) 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 terperinci

ABSTRAK. 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. 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 terperinci

MODEL 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 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 terperinci

Manual Penggunaan Algoritma Tabu Search untuk Mengoptimasikan Penjadwalan Job Shop

Manual 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 terperinci

PENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM

PENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM PENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM Peneliti Dosen Pembimbing : Achmad Setiawan NRP. 2506100136 : Ir. Budi Santosa, M.Sc., Ph.D NIP. 132

Lebih terperinci

BAB 1 PENDAHULUAN. manfaatnya meliputi segala aspek kehidupan manusia. agar tujuan tercapai merupakan hal yang penting dalam masalah penjadwalan.

BAB 1 PENDAHULUAN. manfaatnya meliputi segala aspek kehidupan manusia. agar tujuan tercapai merupakan hal yang penting dalam masalah penjadwalan. 11 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer yang pesat saat ini memberikan banyak kemudahan dalam penyelesaian masalah dan pencapaian hasil kerja yang memuaskan bagi kehidupan

Lebih terperinci

Mempunyai Solusi untuk Setiap x R???

Mempunyai Solusi untuk Setiap x R??? Mempunyai Solusi untuk Setiap R??? a a m m q q b b c c d e e h h j j k k m m q q y y f f n n y y g g p p z z. a a a a a {, } . ( ).......... ( ). ( ). ( ) ( ). ( ) ( )... ( )... ( ) ( ) ( ) a a a a

Lebih terperinci

𝑥 Mempunyai Solusi 𝑥 R???

𝑥 Mempunyai Solusi 𝑥 R??? Mempunyai Solusi R??? ( )... ... m n m n m n a b... a b ... > >... ... ( ) ( ) > ( ) ( ). >...... > ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )... ( ) ( ) > >

Lebih terperinci

TABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA ANT COLONY UNTUK PENJADWALAN FLOWSHOP

TABU 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 terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city

Lebih terperinci

Sistem Pendukung Keputusan Untuk Pengiriman Barang Dengan Menggunakan Metode Simulated Annealing Pada PT. Rimo Catur Lestari Tbk

Sistem Pendukung Keputusan Untuk Pengiriman Barang Dengan Menggunakan Metode Simulated Annealing Pada PT. Rimo Catur Lestari Tbk Sistem Pendukung Keputusan Untuk Pengiriman Barang Dengan Menggunakan Metode Simulated Annealing Pada PT. Rimo Catur Lestari Tbk SKRIPSI Oleh : ARY NANDO HARYONO PUTRA NPM : 0634010042 JURUSAN TEKNIK INFORMATIKA

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN 3.1. Penelitian Awal Identifikasi Masalah Perumusan Masalah

BAB 3 METODOLOGI PENELITIAN 3.1. Penelitian Awal Identifikasi Masalah Perumusan Masalah ABSTRAK CV. Bina Rubber adalah perusahaan yang bergerak dalam pembuatan sparepart mesin berbahan dasar karet. Perusahaan merasakan bahwa sistem produksi yang ada saat ini tidak terlalu baik, dan masih

Lebih terperinci

PENJADWALAN PRODUKSI DENGAN MENGGUNAKAN ALGORITMA SIMULATED ANNEALING DI PT. GUNA KEMAS INDAH TUGAS SARJANA : Diajukan untuk Memenuhi Sebagian dari

PENJADWALAN PRODUKSI DENGAN MENGGUNAKAN ALGORITMA SIMULATED ANNEALING DI PT. GUNA KEMAS INDAH TUGAS SARJANA : Diajukan untuk Memenuhi Sebagian dari PENJADWALAN PRODUKSI DENGAN MENGGUNAKAN ALGORITMA SIMULATED ANNEALING DI PT. GUNA KEMAS INDAH TUGAS SARJANA : Diajukan untuk Memenuhi Sebagian dari Syarat-syarat Memperoleh Gelar Sarjana Teknik Oleh :

Lebih terperinci

PEMODELAN DAN SIMULASI SISTEM INVENTORI UNTUK MENDAPATKAN ALTERNATIF DESAIN PERGUDANGAN (STUDI KASUS DI PT. PETROKIMIA GRESIK)

PEMODELAN DAN SIMULASI SISTEM INVENTORI UNTUK MENDAPATKAN ALTERNATIF DESAIN PERGUDANGAN (STUDI KASUS DI PT. PETROKIMIA GRESIK) TM. 091486 - Manufaktur TUGAS AKHIR PEMODELAN DAN SIMULASI SISTEM INVENTORI UNTUK MENDAPATKAN ALTERNATIF DESAIN PERGUDANGAN (STUDI KASUS DI PT. PETROKIMIA GRESIK) Cipto Adi Pringgodigdo 2104.100.026 Dosen

Lebih terperinci

OPTIMASI POLA DISTRIBUSI BBM PERTAMINA MENGGUNAKAN ALGORITMA HEURISTIK

OPTIMASI POLA DISTRIBUSI BBM PERTAMINA MENGGUNAKAN ALGORITMA HEURISTIK OPTIMASI POLA DISTRIBUSI BBM PERTAMINA MENGGUNAKAN ALGORITMA HEURISTIK Oleh: Rif atul Khusniah 1209201715 Dosen Pembimbing: Subchan, M.Sc, Ph.D Dr. Imam Mukhlas, MT SPBU 1 Order Daily DEPO SPBU 2 SPBU

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai hal-hal yang menjadi latar belakang dilakukan penelitian ini, perumusan masalah, batasan penelitian yang dikerjakan, tujuan, manfaat penelitian terhadap

Lebih terperinci

BAB I PENDAHULUAN. Troughput. Gambar 1.1. Troughput di TPKS (TPKS,2013)

BAB I PENDAHULUAN. Troughput. Gambar 1.1. Troughput di TPKS (TPKS,2013) Troughput BAB I PENDAHULUAN 1.1. Latar Belakang Terminal Peti Kemas Semarang (TPKS) merupakan tempat berlabuhnya kapal yang akan melakukan kegiatan bongkar muat peti kemas. Aktivitas bongkar muat yang

Lebih terperinci

PERANCANGAN SISTEM OPTIMASI BERBASIS DATABASE PADA PENJADWALAN PENAMBATAN KAPAL UNTUK MENDUKUNG TERCAPAINYA ZERO WAITING TIME

PERANCANGAN SISTEM OPTIMASI BERBASIS DATABASE PADA PENJADWALAN PENAMBATAN KAPAL UNTUK MENDUKUNG TERCAPAINYA ZERO WAITING TIME PERANCANGAN SISTEM OPTIMASI BERBASIS DATABASE PADA PENJADWALAN PENAMBATAN KAPAL UNTUK MENDUKUNG TERCAPAINYA ZERO WAITING TIME DI PELABUHAN TANJUNG PERAK SURABAYA Disusun Oleh : Tita Sarilia Ramadhani NRP.

Lebih terperinci

OLEH : YUDHISTIRA BAWA YUSHA DOSEN KONSULTASI Bambang Piscesa, ST, MT Ir. Aman Subakti, M.Sc

OLEH : YUDHISTIRA BAWA YUSHA DOSEN KONSULTASI Bambang Piscesa, ST, MT Ir. Aman Subakti, M.Sc OPTIMASI PERENCANAAN CAMPURAN BETONYANG MEMILIKI KEKEDAPAN TERTENTU TERHADAP PENETRASI ION CHLORIDA DENGAN BAHAN ADIKTIF TAMBAHAN FLY ASH DAN SILICA FUME BERDASARKAN VIRTUAL RAPID CHLORIDE PERM EABILITY

Lebih terperinci

BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya

BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya 5 BAB II KAJIAN TEORI 2.1 Kajian Penelitian Sebelumnya Traveling salesman problem (TSP) merupakan salah satu permasalahan yang telah sering diangkat dalam berbagai studi kasus dengan penerapan berbagai

Lebih terperinci

BAB I PENDAHULUAN. yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan

BAB I PENDAHULUAN. yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah pengurutan pengerjaan produk secara menyeluruh yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan yang akan diselesaikan

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 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 terperinci

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI

Lebih terperinci

PENYELESAIAN 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 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 terperinci

1. Pendahuluan Selama ini penjadwalan pelajaran hampir di semua sekolah yang meliputi jadwal mata pelajaran dan pembagian guru di setiap kelas yang

1. Pendahuluan Selama ini penjadwalan pelajaran hampir di semua sekolah yang meliputi jadwal mata pelajaran dan pembagian guru di setiap kelas yang 1. Pendahuluan Selama ini penjadwalan pelajaran hampir di semua sekolah yang meliputi jadwal mata pelajaran dan pembagian guru di setiap kelas yang ada masih menggunakan cara manual yaitu pihak Tata Usaha

Lebih terperinci

Gambar 5.8 Crossplot korelasi regresi multiatribut CC = Gambar 5.9 Crossplot korelasi multiatribut-pnn CC = 0.87

Gambar 5.8 Crossplot korelasi regresi multiatribut CC = Gambar 5.9 Crossplot korelasi multiatribut-pnn CC = 0.87 Korelasi yang dihasilkan dari neural network lebih besar dari regresi multiatrribute, hal ini karena neural network mempunyai operasi yang non-linear. Neural network hanya dilakukan dalam window analysis

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI 27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.

Lebih terperinci

BAB III METODOLOGI PENELITIAN

BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian Pembangunan perangkat lunak dalam tugas akhir ini menggunakan seperangkat komputer dengan spesifikasi sebagai berikut :

Lebih terperinci

RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH)

RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH) RANCANG BANGUN PERANGKAT LUNAK PENJADWALAN PERKULIAHAN MENGGUNAKAN METODE META- HEURISTIK (PENGGABUNGAN METODE ALGORITMA GENETIK DAN TABU SEARCH) TUGAS AKHIR Disusun Oleh : RIO PRAYOGA SUPRAYANA NPM. 06

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang BAB I PENDAHULUAN 1.1. Latar Belakang Pada era ini, industri menggunakan mesin-mesin untuk melakukan proses produksi. Namun, setiap mesin memiliki umur masing-masing. Mesin-mesin tersebut tidak selamanya

Lebih terperinci

PENGGUNAAN ALGORITMA GENETIKA PADA PENJADWALAN PRODUKSI DI PT DNP INDONESIA PULO GADUNG

PENGGUNAAN 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 terperinci

MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION

MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oei,EdwinWicaksonoDarmawan, Suyanto Edward Antonius, Ir., M.Sc, Program Studi Teknik Informatika Universitas Katolik Soegijapranata

Lebih terperinci

PENJADWALAN PRODUKSI DENGAN METODE TABU SEARCH PADA LANTAI PABRIK PADA PD. ANEKA INDUSTRI DAN JASA (PDAIJ) SUMATERA UTARA.

PENJADWALAN PRODUKSI DENGAN METODE TABU SEARCH PADA LANTAI PABRIK PADA PD. ANEKA INDUSTRI DAN JASA (PDAIJ) SUMATERA UTARA. PENJADWALAN PRODUKSI DENGAN METODE TABU SEARCH PADA LANTAI PABRIK PADA PD. ANEKA INDUSTRI DAN JASA (PDAIJ) SUMATERA UTARA T U G A S S A R J A N A Diajukan untuk Memenuhi Sebagian dari Syarat-Syarat Memperoleh

Lebih terperinci

Reka integra ISSN: Teknik Industri Itenas No. 3 Vol. 1 Junal Online Institut Teknologi Nasional Desember 2013

Reka integra ISSN: Teknik Industri Itenas No. 3 Vol. 1 Junal Online Institut Teknologi Nasional Desember 2013 Reka integra ISSN: 2338-5081 Teknik Industri Itenas No. 3 Vol. 1 Junal Online Institut Teknologi Nasional Desember 2013 Algoritma Variable Neighbourhood Descent with Fixed Threshold untuk Keseimbangan

Lebih terperinci

PENJADWALAN KULIAH DENGAN MENGGUNAKAN METODE TABU SEARCH TUGAS AKHIR

PENJADWALAN KULIAH DENGAN MENGGUNAKAN METODE TABU SEARCH TUGAS AKHIR PENJADWALAN KULIAH DENGAN MENGGUNAKAN METODE TABU SEARCH TUGAS AKHIR Diajukan Oleh : TITIS ADI PRATAMA NPM : 0534010164 JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS PEMBANGUNAN NASIONAL

Lebih terperinci

Optimasi Single Frequency Network pada Layanan TV Digital DVB-T dengan Menggunakan Metode Simulated Annealing L/O/G/O

Optimasi Single Frequency Network pada Layanan TV Digital DVB-T dengan Menggunakan Metode Simulated Annealing L/O/G/O Optimasi Single Frequency Network pada Layanan TV Digital DVB-T dengan Menggunakan Metode Simulated Annealing Destya Arisetyanti 2208 100 118 Dosen Pembimbing Prof. Ir. Gamantyo Hendrantoro, M.Eng, Ph.D

Lebih terperinci

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 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 terperinci

Lina Gozali, Lamto Widodo, Wendy Program Studi Teknik Industri Fakultas Teknik Universitas Tarumanagara Jl. S Parman no.1, Jakarta

Lina 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 terperinci

PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)

PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat

Lebih terperinci

Indeks Produksi Industri Sedang Besar

Indeks Produksi Industri Sedang Besar BAB I PENDAHULUAN 1.1 Latar Belakang Jumlah penduduk yang semakin banyak mengakibatkan semakin banyaknya peluang usaha. Semakin banyaknya penduduk semakin banyak pula kebutuhan yang perlu dipenuhi. Industri-industri

Lebih terperinci

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING

PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA SIMPLE HILL CLIMBING Dinda Novitasari 1, Arista Welasari 2, W. Lisa Yunita 3, Nur Alfiyah 4, dan Chasandra P. 5 Program Studi Informatika, PTIIK,

Lebih terperinci

PENJADWALAN KULIAH DENGAN ALGORITMA MEMETIKA LISMANTO

PENJADWALAN KULIAH DENGAN ALGORITMA MEMETIKA LISMANTO PENJADWALAN KULIAH DENGAN ALGORITMA MEMETIKA LISMANTO 0304017042 UNIVERSITAS INDONESIA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM DEPARTEMEN MATEMATIKA DEPOK 2008 PENJADWALAN KULIAH DENGAN ALGORITMA

Lebih terperinci

BABVI KESIMPULAN DAN SARAN

BABVI KESIMPULAN DAN SARAN BABVI KESIMPULAN DAN SARAN BABVI KESIMPULAN DAN SARAN 6.1 Kesimpulan Berdasarkan hasil pengolahan dan analisa data, penulis mengambil kesimpulan sebagai berikut : 1. Pembentukan konfigurasi rute pengiriman

Lebih terperinci

LESSON 6 : INFORMED SEARCH Part II

LESSON 6 : INFORMED SEARCH Part II LESSON 6 : INFORMED SEARCH Part II 3.3 Itterative deepening A* search 3.3.1 Algoritma IDA* Itterative deepening search atau IDA* serupa dengan iterative deepening depth first, namun dengan modifikasi sebagai

Lebih terperinci

BAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,

BAB 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 terperinci

Algoritma Penjadwalan Job Shop Alternatif Routing Menggunakan Variable Neighborhood Descent With Fixed Threshold Untuk Minimisasi Makespan *

Algoritma Penjadwalan Job Shop Alternatif Routing Menggunakan Variable Neighborhood Descent With Fixed Threshold Untuk Minimisasi Makespan * Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.04 Vol.01 Jurnal Online Institut Teknologi Nasional April 2014 Algoritma Penjadwalan Job Shop Alternatif Routing Menggunakan Variable Neighborhood

Lebih terperinci

Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika

Optimasi 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 terperinci

ERWIEN TJIPTA WIJAYA, ST.,M.KOM

ERWIEN TJIPTA WIJAYA, ST.,M.KOM ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk

Lebih terperinci

KECERDASAN BUATAN. Simple Hill Climbing. Disusun Oleh:

KECERDASAN BUATAN. Simple Hill Climbing. Disusun Oleh: KECERDASAN BUATAN Simple Hill Climbing Disusun Oleh: 1. Lutvi Maulida Al H. (081112006) 2. Nurul Fauziah (081112021) 3. Anggraeni Susanti (081112055) 4. Syahrul Bahar Hamdani (081211232012) Departemen

Lebih terperinci

Arif Mulyasyah NRP Dosen Pembimbing Ir. Sudiyono Kromodihardjo Msc. PhD

Arif Mulyasyah NRP Dosen Pembimbing Ir. Sudiyono Kromodihardjo Msc. PhD MENINGKATKAN KINERJA PELAYANAN BONGKAR MUAT DENGAN PENAMBAHAN UNIT HARBOUR MOBILE CRANE (HMC) MELALUI METODE SIMULASI (STUDY KASUS PT. BERLIAN JASA TERMINAL INDONESIA) Arif Mulyasyah NRP. 2107.100.097

Lebih terperinci

IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)

IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang 1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton

Lebih terperinci

Dosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah

Dosen 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 terperinci

UNIVERSITAS BINA NUSANTARA

UNIVERSITAS BINA NUSANTARA UNIVERSITAS BINA NUSANTARA Saya, Suparman, dengan ini menyatakan bahwa Skripsi yang berjudul: PERANCANGAN PROGRAM OPTIMASI PENJADWALAN PRODUKSI EMBROIDERY MENGGUNAKAN ALGORITMA SIMULATED ANNEALING SKRIPSI

Lebih terperinci

BAB III KONSEP DAN PERANCANGAN APLIKASI

BAB III KONSEP DAN PERANCANGAN APLIKASI BAB III KONSEP DAN PERANCANGAN APLIKASI 3.1 Konsep Pada bab ini penulis akan membahas konsep mengenai perangkat lunak yang digunakan serta akan dibahas mengenai tujuan, kegunaan dan untuk siapa aplikasi

Lebih terperinci

PENENTUAN RUTE PENDISTRIBUSIAN SURAT KABAR DENGAN TIME WINDOW, APLIKASI ALGORITMA TABU SEARCH (STUDI KASUS : KORAN KOMPAS)

PENENTUAN RUTE PENDISTRIBUSIAN SURAT KABAR DENGAN TIME WINDOW, APLIKASI ALGORITMA TABU SEARCH (STUDI KASUS : KORAN KOMPAS) PENENTUAN RUTE PENDISTRIBUSIAN SURAT KABAR DENGAN TIME WINDOW, APLIKASI ALGORITMA TABU SEARCH (STUDI KASUS : KORAN KOMPAS) Herodia Adi Kuncoro, Ira Prasetyaningrum S.Si,MT., Renga Asmara S.KOM, OCA. Jurusan

Lebih terperinci

OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA

OPTIMASI 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 terperinci

BAB I PENDAHULUAN. siapa saja. Contoh kongkrit yang dapat dilihat dalam kegiatan sehari-hari seperti

BAB I PENDAHULUAN. siapa saja. Contoh kongkrit yang dapat dilihat dalam kegiatan sehari-hari seperti BAB I PENDAHULUAN I.1. Latar Belakang Masalah antrian adalah masalah umum yang pernah dan akan dialami oleh siapa saja. Contoh kongkrit yang dapat dilihat dalam kegiatan sehari-hari seperti antrian kendaraan

Lebih terperinci

PREDIKSI LUASAN LUMPUR DENGAN TIME SERIES MENGGUNAKAN SIMULATED ANNEALING

PREDIKSI LUASAN LUMPUR DENGAN TIME SERIES MENGGUNAKAN SIMULATED ANNEALING PREDIKSI LUASAN LUMPUR DENGAN TIME SERIES MENGGUNAKAN SIMULATED ANNEALING ASHAFIDZ FAUZAN DIANTA POLITEKNIK ELEKTRONIKA NEGERI SURABAYA INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2010 ABSTRAK Bencana

Lebih terperinci

Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya

Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Penggunaan Algoritma Genetik dengan Pemodelan Dua Tingkat dalam Permasalahan Penjadwalan Perawat pada Unit Gawat Darurat Rumah Sakit Umum XYZ Surabaya Oleh: Anisa Ulya 5206 100 101 Dosen pembimbing 1:

Lebih terperinci

BAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017.

BAB III PEMBAHASAN. harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. BAB III PEMBAHASAN Data yang digunakan dalam bab ini diasumsikan sebagai data perkiraan harga minyak mentah di Indonesia dari bulan Januari 2007 sampai Juni 2017. Dengan demikian dapat disusun model Fuzzy

Lebih terperinci

MINIMASI WAKTU PENGERJAAN PRODUK MELANIE SLEIGH CHANGING TABLE MELALUI PENDEKATAN SIMULASI DAN TABU SEARCH

MINIMASI WAKTU PENGERJAAN PRODUK MELANIE SLEIGH CHANGING TABLE MELALUI PENDEKATAN SIMULASI DAN TABU SEARCH MINIMASI WAKTU PENGERJAAN PRODUK MELANIE SLEIGH CHANGING TABLE MELALUI PENDEKATAN SIMULASI DAN TABU SEARCH Natalia Sofyan, Meifani, dan I Gede Agus W. Laboratorium Optimasi dan Simulasi, Jurusan Teknik

Lebih terperinci

BAB II TINJAUAN PUSTAKA. Job shop scheduling problem (JSSP) adalah permasalahan optimasi

BAB II TINJAUAN PUSTAKA. Job shop scheduling problem (JSSP) adalah permasalahan optimasi BAB II TINJAUAN PUSTAKA 2.1 Job Shop Scheduling Problem (JSSP) Job shop scheduling problem (JSSP) adalah permasalahan optimasi kombinatorial. Misalkan terdapat n buah job atau pekerjaan, yaitu J 1, J 2,,

Lebih terperinci

PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)

PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi

Lebih terperinci

2.16. Keaslian Penelitian BAB III ANALISIS DAN PERANCANGAN Analisa sistem Observasi Wawancara

2.16. Keaslian Penelitian BAB III ANALISIS DAN PERANCANGAN Analisa sistem Observasi Wawancara DAFTAR ISI HALAMAN JUDUL... i HALAMAN PENGESAHAN PEMBIMBING... ii HALAMAN PENGESAHAN PENGUJI... iii BERITA ACARA DEMO SOFTWARE TUGAS AKHIR... iv SURAT PERNYATAAN KARYA ASLI TUGAS AKHIR...v ABSTRAK.....vi

Lebih terperinci

Metode Pencarian & Pelacakan dengan Heuristik

Metode Pencarian & Pelacakan dengan Heuristik Metode Pencarian & Pelacakan dengan Heuristik Pencarian Buta (Blind Search) Breadth-First Search Depth-First Search Pencarian Terbimbing (Heuristics Search) Generate & Test Hill Climbing Best-First Search

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN Latar Belakang 1 BAB I PENDAHULUAN 1.1. Latar Belakang Clustering adalah proses di dalam mencari dan mengelompokkan data yang memiliki kemiripan karakteristik (similarity) antara satu data dengan data yang lain. Clustering

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Surat kabar merupakan media cetak yang memuat informasi-informasi aktualyang sedang terjadi. Banyak informasi yang diberikan salah satunya adalah iklan baris. Iklan

Lebih terperinci

PEMBANGUNAN SISTEM PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA PEWARNAAN GRAF

PEMBANGUNAN SISTEM PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA PEWARNAAN GRAF PEMBANGUNAN SISTEM PENJADWALAN KULIAH MENGGUNAKAN ALGORITMA PEWARNAAN GRAF Rusmala1, Heliawaty Hamrul2 Dosen Universitas Cokroaminoto Palopo Email : rusmalaoddang@yahoo.com Abstrak Penjadwalan kuliah merupakan

Lebih terperinci

Reka integra ISSN: Teknik Industri Itenas No. 2 Vol. 1 Junal Online Institut Teknologi Nasional Oktober 2013

Reka integra ISSN: Teknik Industri Itenas No. 2 Vol. 1 Junal Online Institut Teknologi Nasional Oktober 2013 Reka integra ISSN: 2338-5081 Teknik Industri Itenas No. 2 Vol. 1 Junal Online Institut Teknologi Nasional Oktober 2013 Algoritma Variable Neighbourhood Descent with Fixed Threshold untuk Keseimbangan Lintasan

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA

BAB 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 terperinci

ISSN VOL. 12, NO. 2, OKTOBER 2011

ISSN VOL. 12, NO. 2, OKTOBER 2011 ANALISIS OPTIMASI PENJADWALAN JAGA DOKTER RESIDEN PENYAKIT DALAM PADA RUMAH SAKIT PENDIDIKAN Erlanie Sufarnap 1, Sudarto 2 STMIK Mikroskil Jl. Thamrin No. 112, 124, 140 Medan 20212 airlanee@yahoo.com 1,

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM

BAB 3 ANALISIS DAN PERANCANGAN PROGRAM BAB 3 ANALISIS DAN PERANCANGAN PROGRAM 3.1 Analisis Permasalahan TSP merupakan suatu masalah klasik yang telah ada sejak tahun 1800-an, sejauh ini telah cukup banyak metode yang diciptakan untuk menyelesaikan

Lebih terperinci

PENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK

PENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK PENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK Hanafi Agam 1, Arna Fariza 2, Ira Prasetyaningrum 2 Mahasiswa Jurusan Teknik Informatika 1, Dosen Pembimbing 2 Politeknik

Lebih terperinci

OPERATION RESEARCH-1

OPERATION RESEARCH-1 OPERATION RESEARCH-1 Prof.Dr.H.M.Yani Syafei,MT MATERI PERKULIAHAN 1.Pemrograman Linier (Linear Programming) Formulasi Model Penyelesaian dengan Metode Grafis Penyelesaian dengan Algoritma Simplex Penyelesaian

Lebih terperinci

Asri Maspupah Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan Sudirman, Cimahi

Asri Maspupah Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan Sudirman, Cimahi Perbandingan Jumlah Pinalti Alokasi Task pada Penjadwalan Kerja dengan Perhitungan Manual dan Algoritma Genetika Asri Maspupah Jurusan Informatika, Fakultas MIPA Universitas Jenderal Achmad Yani Jl. Terusan

Lebih terperinci

Analisis Penjadwalan Produksi Flowshop dengan Membandingkan Metode Harmony Search dan Algoritma Nawaz, Enscore and Ham

Analisis Penjadwalan Produksi Flowshop dengan Membandingkan Metode Harmony Search dan Algoritma Nawaz, Enscore and Ham Petunjuk Sitasi: Tarigan, U., Lubis, N. I., & Tarigan, U. P. (2017). Analisis Penjadwalan Produksi Flowshop dengan Membandingkan Metode Harmony Search dan Algoritma Nawaz, Enscore and Ham. Prosiding SNTI

Lebih terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB 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 terperinci

BAB I PENDAHULUAN. jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya

BAB I PENDAHULUAN. jumlah ketersediaan yang semakin menipis dan semakin mahal, membuat biaya BAB I PENDAHULUAN 1.1 Latar Belakang Pembangkit Listrik di Indonesia pada umumnya merupakan pembangkit listrik thermal. Kebutuhan pembangkit thermal terhadap bahan bakar fosil dengan jumlah ketersediaan

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB 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 terperinci

PENDEKATAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PENJADWALAN FLOW SHOP

PENDEKATAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PENJADWALAN FLOW SHOP PENDEKATAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PENJADWALAN FLOW SHOP Dian Setiya Widodo 1*, Purnomo Budi Santoso 2, Eko Siswanto 3 1,2,3 Universitas Brawijaya, Fakultas

Lebih terperinci

I PENDAHULUAN II LANDASAN TEORI

I 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 terperinci

BAB I PENDAHULUAN. Persaingan bisnis yang semakin kompetitif membuat perusahaan

BAB I PENDAHULUAN. Persaingan bisnis yang semakin kompetitif membuat perusahaan BAB I PENDAHULUAN 1.1. Latar Belakang Persaingan bisnis yang semakin kompetitif membuat perusahaan manufaktur tidak hanya memperhatikan kualitas produk, tetapi juga ketepatan waktu produk sampai ke tangan

Lebih terperinci

APLIKASI SIMULATED ANNEALING UNTUK PENENTUAN TATA LETAK MESIN

APLIKASI SIMULATED ANNEALING UNTUK PENENTUAN TATA LETAK MESIN APLIKASI SIMULATED ANNEALING UNTUK PENENTUAN TATA LETAK MESIN Sri Kusumadewi, Hari Purnomo Teknik Informatika, Teknik Industri Universitas Islam Indonesia Jl. Kaliurang Km 14,5 Yogyakarta cicie@fti.uii.ac.id,

Lebih terperinci

Reka Integra ISSN: Jurusan Teknik Industri Itenas No.02 Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014

Reka Integra ISSN: Jurusan Teknik Industri Itenas No.02 Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014 Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.02 Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014 Algoritma Penjadwalan Job Shop Kelompok Mesin Homogen dan Heterogen Menggunakan

Lebih terperinci