Suviani Ningrum Dosen Pembimbing I : Mahendrawathi Er. S.T., M.Sc., Ph.D.
|
|
- Leony Budiaman
- 7 tahun lalu
- Tontonan:
Transkripsi
1 TUGAS AKHIR KS ANALISIS PENGARUH VOLUME DAN VARIASI ARTIKEL TERHADAP LEAD TIME PENYELESAIAN PENGEPAKAN DI PRODUCTION DISTRIBUTION CENTER PT. XYZ DENGAN MENGGUNAKAN ALGORITMA DUPLICATE GENETIC Suviani Ningrum Dosen Pembimbing I : Mahendrawathi Er. S.T., M.Sc., Ph.D. Jurusan Sistem Informasi Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember
2 Outline Pembahasan Pendahuluan Tinjauan Pustaka Metodologi Pemodelan Proses Bisnis Analisis Model Kesimpulan dan Saran
3
4 Latar Belakang PT. XYZ merupakan perusahaan manufaktur yang proses bisnis utamanya adalah memproduksi shoe dan upper shoe. Sepatu-sepatu yang telah jadi akan ditempatkan dalam gudang PDC (Production Distribution Center) terlebih dahulu sebelum didistribusikan. Sebelum sepatu didistribusikan, sepatu di-packing terlebih dahulu. Packing merupakan proses pengemasan sepatu ke dalam outerbox. Packing dilakukan sesuai dengan waktu yang dijadwalkan. Proses packing dilakukan dengan sistem picking wave. Dalam satu picking wave terdapat banyak artikel. Saat proses packing, artikel yang sama diselesaikan terlebih dahulu untuk semua M-Group setelah itu baru menyelesaikan artikel yang lain. Hal ini menyebabkan beberapa persoalan: Picking Wave yang memiliki volume dan variasi artikel lebih sedikit, prosesnya lebih mudah dan mungkin lebih cepat dibandingkan picking wave yang memiliki volume dan variasi yang lebih banyak. Hal ini mengakibatkan adanya indikasi pengaruh terhadap lead time (waktu tunggu) penyelesaian pengepakan. Pemodelan - Process Mining Duplicate Genetic Rekomendasi
5 Rumusan Masalah Bagaimana membentuk catatan kejadian SAP ERP dari proses packing PDC di PT.XYZ? Bagaimana model proses packing PDC yang dihasilkan oleh Algoritma Duplicate Genetic berdasarkan catatan kejadian SAP ERP? Apa pengaruh volume dan variasi artikel sepatu terhadap lead time penyelesaian pengepakan di PDC? Rekomendasi apa yang dapat diberikan kepada PT. XYZ untuk meningkatkan proses yang terjadi?
6 Batasan Tugas Akhir Sumber data berupa catatan kejadian dari modul Warehouse di PT. XYZ yang terkait dengan proses packing PDC. Sumber data catatan kejadian berasal dari aplikasi SAP dengan melakukan proses ekstraksi langsung dari basis data SAP. Dimensi pengukuran performa model yang digunakan adalah dimensi fitness, presisi, dan struktural.
7 Tujuan dan Manfaat TUJUAN MANFAAT Memodelkan dan menganalisis proses bisnis packing PDC PT.XYZ dalam rangka identifikasi peluang peningkatan proses. a. Membantu untuk mengetahui cara mengekstraksi catatan kejadian SAP ERP. b. Membantu mengetahui cara membentuk model proses dengan menggunakan Algoritma Duplicate Genetic. c. Membantu mengetahui pengaruh volume dan variasi artikel sepatu terhadap lead time penyelesaian pengepakan di PDC. d. Membantu mengevaluasi proses bisnis packing PDC.
8 PROSES BISNIS PENGGALIAN PROSES CATATAN KEJADIAN PETRI NET PROM EKSTRAKSI DATA ALGORITMA DUPLICATE GENETIC PENGUKURAN PERFORMA MODEL
9 Tinjauan Pustaka (cont d) PROSES BISNIS Teori tentang proses bisnis dikemukakan oleh Davenport (1992) yang menyatakan bahwa proses bisnis adalah aktivitas spesifik berurutan, yang memiliki waktu, tempat, sebuah awal, sebuah penyelesaian, masukan, dan keluaran yang jelas.
10 Tinjauan Pustaka (cont d) PENGGALIAN PROSES Penggalian proses (Process mining) merupakan disiplin penelitian yang terletak diantara komputerisasi intelegensia, data mining, analisis, dan pemodelan proses. Teknik penggalian proses menggunakan event log (rekaman tindakan aktual) sebagai masukannya (Aalst, Weijters, & Maruste, 2004). Terdapat dua alasan penggalian proses sangat bermanfaat; pertama, dapat digunakan sebagai perangkat untuk mengetahui bagaimana orang atau sebuah prosedur bekerja. Kedua, penggalian proses dapat digunakan untuk membandingkan proses aktual dengan proses bisnis yang telah didefinisikan sebelumnya (Andreswari, 2013)
11 Tinjauan Pustaka (cont d) CATATAN KEJADIAN PETRI NET Catatan No. Kasus kejadian Petri Aktivitas Net adalah Eksekutor merupakan tool Keterangan yang Waktu kumpulan digunakan catatan aktivitas pengguna terhadap sistem kasus 1 untuk activity A mendeskripsikan John :15.01 dan atau aplikasi sistem informasi. kasus 2 mempelajari activity A John sistem :15.12 pengelolahan Terdapat kasus 3 beberapa activity A atribut Sue :16.03 informasi (Murata, 1989). yang Petri termasuk Nets kasus 3 activity B Carol :16.07 dalam catatan kejadian. Atribut-atribut kasus 1 adalah activity B struktur Mike dinamis :18.25 yang terdiri tersebut sebagai berikut: kasus 1 activity C John :09.23 atas satu set transisi (transitions), dan Kasus, kasus 2 yaitu activity C rangkaian Mike :10.34 aktivitas dalam catatan kasus 4 places. (log) activity A Sue :10.35 kasus 2 activity B John :12.34 Id kasus 2, activity yaitu D tanda Pete pengenal :12.50 untuk setiap kasus 5 Transitions activity A Sue merepresentasikan :13.05 aksi Aktivitas, kasus 4 activity yaitu C hal Carol yang :10.12 dan disimbolkan dengan dilakukan persegi. dalam kasus 1 activity D Pete :10.14 sebuah kasus kasus 3 activity C Sue :10.44 Keterangan kasus 3 activity waktu, D Pete yaitu :11.03 properti yang menunjukkan kasus 4 Place activity merepresentasikan waktu B Sue dieksekusinya :11.18 kondisi aktivitas yang kasus 5 activity E Clare :12.22 Eksekutor harus, yaitu dipenuhi properti yang sebelum menunjukkan aksi kasus 5 activity D Clare :14.34 pelaku aktivitas kasus 4 dilakukan activity D dan Pete disimbolkan :15.56 dengan lingkaran
12 Tinjauan Pustaka (cont d) EKSTRAKSI PROM DATA ProM Untuk melakukan merupakan ekstraksi open-source data dari tools yang secara khusus SAP dapat dibuat dilakukan untuk dengan mendukung 2 cara pengembangan penggalian yaitu ekstraksi proses menggunakan (Verbeek, Dongen, SAP Mendling, & Aalst, Intermediate 2006). Documents (IDocs) dan ekstraksi langsung dari database Framework ini bersifat pluggable, yang artinya pengguna bebas menambah ataupun mengurangi plug-in yang ada dalam ProM framework sesuai dengan kebutuhan tanpa perlu takut terjadi perubahan pada framework
13 Tinjauan Pustaka (cont d) ALGORITMA DUPLICATE GENETIC Travel by Train Start Get Ready Conference Starts Give a Talk Join Guided Tour Join Dinner Go Home Travel by Train Travel by Car Pay for Parking Algoritma Selain itu, Duplicate algoritma Genetic ini juga merupakan memiliki perluasan dari Algoritma Genetika yang kemampuan menemukan dalam adanya mendeteksi duplikasi kejadian task (Medeiros duplikat (duplicate A. K., 2006). task). Kelebihan PEMBENTUKAN algoritma MODEL duplicate DGA genetic adalah mampu mendeteksi adanya short-loop, kejadian tersembunyi (hidden activity), robust terhadap log yang mengandung noise, imcompleteness, serta mampu mendeteksi adanya pilihan tidak bebas (non-free choice) karena memanfaatkan penggalian model menurut frekuensi perilaku yang terjadi secara tepat. Travel by Car End
14 Tinjauan Pustaka (cont d) PENGUKURAN PERFORMA MODEL Fitness Mengukur kesesuaian antar event log dengan model proses. Nilai berada dalam range 0 1, jika nilai mendekati 1 maka semakin banyak case dalam log yang sesuai dengan model proses yang dihasilkan Presisi Mengukur ketepatan model proses yang dihasilkan dilihat dari berapa banyak skenario yang mungkin terbentuk dan bukan berasal dari log. Nilai berada dalam range 0 1, yang berarti jika nilai presisi mendekati 1, maka semakin sedikit case di luar event log muncul dari model yang dhasilkan Struktur Menunjukkan kemampuan model menangani proses XOR dan AND. Ukuran dimensi struktur antara 0-1, semakin mendekati 1 berarti dalam model proses yang dihasilkan jumlah duplicate task dan redundant invisible tasks semakin sedikit.
15
16 Mulai Persiapan Penggalian Proses Pengukuran Model Analisis Hasil Algoritma Duplikat Genetika Studi Literatur Pengumpulan Data Standardisasi catatan kejadian Pembuatan model proses Pengukuran model Analisis model Pembuatan buku TA Masukan Keluaran Keluaran Keluaran Masukan Masukan Masukan Keluaran Keluaran Keluaran Pemahaman proses Pemahaman proses bisnis divisi PDC PT.XYZ Catatan kejadian (format csv) Catatan kejadian (format mxml) Masukan Model proses Hasil pengukuran Akhir Metode Pengerjaan Tugas Selesai
17 Pengumpulan Data Proses wawancara dilakukan selama 2 bulan bersamaan dengan proses ekstraksi data. Narasumber yang diwawancarai antara lain: Fungsional PDC Fungsional SAP modul Warehouse Manajer Production Distribution Center (PDC) Hasil wawancara didapatkan informasi mengenai aktivitas yang terdapat di PDC PT.XYZ Ekstraksi Data Data yang diekstrak adalah data bulan Maret 2014, dimulai dari tanggal 1 Maret 2014 hingga tanggal 31 Maret 2014 Aktivitas Nama Tabel Atribut - Start.Good Receipt - Start.High Rack - Start.Picking - Start.Packing - Start.Loading - LTAP - Confirmation Date - Confirmation Time - GR Date - LIPS - Material Number
18 Standardisasi dan Konversi Data File hasil ekstraksi digabung dan dilakukan standardisasi atribut yang sesuai dengan catatan kejadian. Dari Konversi file hasil Data ekstraksi, diambil kolom: Wave berasal dari atribut picking wave group yang ada pada data rencana pengepakkan (packing plan) - Dengan Artikel bantuan berasal perangkat dari atribut material number unak Tanggal Disco berasal dari atribut confirmation date dan GR Date -.xls Waktu.mxml berasal dari atribut confirmation time Aktivitas merupakan nama aktivitas Konfirmasi merupakan banyaknya confirmation time yang dilakukan untuk 1 material dalam 1 wave. Case ID merupakan gabungan dari kolom wave, artikel, dan konfirmasi
19 Pembentukan Model Dilakukan dengan bantuan aplikasi ProM dengan catatan kejadian yang telah berformat.mxml sebagai masukannya Algoritma yang digunakan adalah DGA (Duplicate Genetic Algorithm) Sebelumnya dilakukan percobaan untuk mengetahui pengaruh tiap parameter terhadap model yang akan dihasilkan Pop. Size Initial Pop.Type Max Number Genera tions Seed Power Value Elitism Rate Fitness Type Selection Method Type Cross over Type Cross over Rate Mutation Type Mutation Rate 10 Default Default Default Default Default Default Default Default Default Default Default 30 Default Default Default Default Default Default Default Default Default Default Default 50 Default Default Default Default Default Default Default Default Default Default Default 70 Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default Default
20 Hasil Manipulasi Parameter Population Size Initial Population Type Parameter ini menunjukkan jumlah individu yang akan dicari selama proses mining Perubahan parameter population size terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1. Parameter ini mengatur bagaimana populasi seharusnya dibangun Perubahan parameter initial population type terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1.
21 Hasil Manipulasi Parameter (cont d) Maximum Number Generation Seed Parameter ini mengatur jumlah maksimum berapa kali n yang dapat diiterasi oleh algoritma genetika Perubahan parameter max number generation terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1. Parameter ini mengatur titik yang digunakan untuk menghasilkan nomor acak Perubahan parameter seed terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1.
22 Hasil Manipulasi Parameter (cont d) Power Value Elitism Rate Parameter ini menentukan hubungan ketergantungan antar aktivitas secara heuristic saat membangun populasi awal Perubahan parameter power value terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1. Parameter ini mengatur persentase individu terkuat dalam suatu generasi yang akan disalin ke generasi selanjutnya. Perubahan parameter elitism rate terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1.
23 Hasil Manipulasi Parameter (cont d) Fitness Type Selection Method Type Parameter ini mengatur jenis fitness yang digunakan DGA untuk menilai kualitas individu Perubahan parameter fitness type terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1. Parameter ini mengatur bagaimana parents untuk operator genetik akan dipilih Perubahan parameter selection method type terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1.
24 Hasil Manipulasi Parameter (cont d) CrossoverType Crossover Rate Parameter ini mengatur bagaimana dua parent akan dikombinasikan kembali Perubahan parameter crossover type terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1. Parameter ini mengatur bagaimana dua parent akan dikombinasikan kembali untuk menghasilkan dua offsprings untuk generasi selanjutnya Perubahan parameter crossover rate terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1.
25 Hasil Manipulasi Parameter (cont d) Mutation Rate Parameter ini mengatur kemungkinan individu akan dimutasi Perubahan parameter mutation rate terhadap nilai fitness, presisi, dan struktur ternyata tidak memberikan pengaruh. Nilai fitness, presisi, dan struktur tetap stabil pada angka 1.
26 Perbandingan Model Model Parameter Fitness Presisi Struktur Parameter Default Population size : Int.pop.size : follow heuristic (duplicates+arcs) Max.num.generations : 1000 Seed : 1 Power value : 1 Elitism rate : 0,02 Fitness type : ExtraBehavior Selection method type : Tournament 5 Crossover type : Duplicates Enhanced Crossover rate : 0,8 Mutation type : Enhanced Mutation rate : 0,2 Parameter Percobaan Population size : Int.pop.size : follow heuristic (duplicates+arcs) Max.num.generations : 1000 Seed : 20 Power value : 13 Elitism rate : 0,2 Fitness type : ExtraBehavior Selection method type : Tournament 5 Crossover type : Duplicates Enhanced Crossover rate : 0,8 Mutation type : Enhanced Mutation rate : 0,2
27 Hasil Pemodelan Hasil percobaan membuktikan bahwa tidak terdapat pengaruh perubahan parameter terhadap nilai fitness, presisi, dan struktur model proses. Baik parameter default maupun parameter percobaan memiliki nilai fitness, presisi, dan struktur yang optimum. Dengan demikian, parameter yang digunakan untuk membangun model adalah parameter default.
28 Hasil Pemodelan (cont d) Hasil Pemodelan Skenario yang terbentuk Skenario Log Trace Jumlah Aktivitas Frekuensi Total Aktivitas 1 Good Receipt High Rack Picking Packing Loading
29 Pengukuran Performa Fitness Hal ini menunjukkan bahwa model proses yang dihasilkan sudah cukup menggambarkan catatan kejadian
30 Pengukuran Performa Presisi Perhitungan presisi dilakukan untuk mengetahui ketepatan model proses yang dihasilkan. Ketepatan yang dimaksud adalah seberapa besar kemungkinan muncul kasus yang tidak terdapat pada catatan kejadian. Pada model yang dihasilkan dapat dilihat bahwa terbentuk model yang berupa garis lurus. Hal ini menunjukkan bahwa model sudah sesuai dengan catatan kejadian dan tidak membentuk perilaku yang berlebihan. Model dikatakan membentuk perilaku yang berlebihan apabila dalam model tersebut terdapat perilaku lebih atau sangat berbeda dibandingkan dengan yang terdapat pada catatan kejadian. Berdasarkan hal tersebut, sudah dapat dipastikan bahwa model memiliki nilai presisi sama dengan 1.
31 Pengukuran Performa Struktur Untuk menghitung nilai struktur dilakukan dengan cara sbb: a s = T T DD + T II T a s = a s = 5 5 Berdasarkan hasil dari proses perhitungan struktural, didapatkan nilai struktural model proses adalah 1. Hal ini menunjukkan bahwa struktur model proses baik dengan tidak adanya aktivitas duplikat dan aktivitas bayangan yang terjadi. a s = 1
32
33 Analisis Bottleneck Wave Hasil Bottleneck Aktivitas GR HR Bottleneck terjadi pada aktivitas Start.High Rack Start.Picking Wave HR PI PI PA PA LD GR HR HR PI PI PA PA LD GR HR HR PI PI PA PA LD Maks 1,21 hari 21,27 hari 2,73 hari 19,92 jam 2,28 hari 25,19 hari 1,11 hari 22,32 jam 2,28 hari 19,47 hari 18,72 jam 9,36 jam Waktu Tunggu Min 2,64 jam 57,6 menit Aktivitas Waktu Tunggu Waktu yang dilalui Rata-Rata Min Maks Rata- Rata Min Maks GR HR 13,92 jam 1,2 2,28 hari 13,92 26,32 7,63 hari menit jam hari HR PI 6,61 Wave hari ,6 menit 25,19 hari PI PA 7,2 jam 13,4 2,73 hari menit PA LD 3,6 jam 5,43 manit 22,32 jam Rata- Rata 13,92 jam 4,79 hari Waktu yang dilalui Maks 22,37 Min 14,16 14,4 Bottleneck 8,4 hari terjadi jam jam pada aktivitas 8,15 3,36 Start.High jam 1,2 13,68 Rack Start.Picking jam menit menit menit 2,64 jam 13,59 menit 5,43 menit 1,2 jam 7,44 jam 28,8 menit 28,8 menit 7,39 hari 6,72 jam 3,6 jam 13,44 jam 9,58 hari 2,64 jam 2,64 jam 26,32 hari 20,64 hari 13,92 jam 13,92 jam Rata- Rata 5,85 hari 8,39 hari 10,3 6 hari
34 Analisis Bottleneck (cont d) Bottleneck terjadi karena barang menunggu datangnya delivery order PT. XYZ merupakan perusahaan yang menerapkan mekanisme kerja push untuk production dan pull untuk delivery Mekanisme push untuk production berarti dalam aktivitas menjalankan good receipt proses dan put in high rack produksi berdasarkan tergantung pada pada production order yang ada peramalan dalam atau prognosis. prognosis. Setelah metode itu, barang pull untuk akan delivery diam berarti lama di high rack menunggu dalam datangnya proses pengiriman delivery barang order (sales tergantung order). pada permintaan pelanggan.
35 Analisis Bottleneck (cont d) SEPATU proses barang berdiam lama di high rack dapat SEPATU berakibat pada menumpuknya barang di gudang. DELIVERY ORDER HIGH RACK Dampak ke depannya biaya yang keluarkan MENUNGGU PT. XYZ untuk DELIVERY menyimpan ORDER barang semakin tinggi. Hal ini juga berdampak pada perputaran uang sehingga menjadi lambat PICK-PACK dikarenakan barang tidak segera dijual
36 Analisis Waktu Tunggu Wave Rata-rata waktu tunggu Start.High Rack ke Start.Picking = 4,79 7,39 9,58 hari MENUNGGU DATANGNYA DELIVERY ORDER
37 Analisis Waktu Tunggu (cont d) artikel Akibatnya, artikel dengan sepatu nomor 1 harus menunggu di high rack lebih lama dibandingkan dengan sepatu nomor 6 sehingga dapat berdampak pada menurunnya kualitas barang karena terlalu lama disimpan meskipun suatu artikel telah Terjadinya diterima lebih hal ini dulu di dikarenakan gudang dan telah tidak diletakkan terdapatnya ke aturan dalam yang high jelas rack untuk lebih dulu, urutan ternyata proses yang tidak mana menjamin artikel bahwa yang lebih artikel dulu tersebut masuk akan high lebih rack seharusnya dulu dikeluarkan dikerjakan lebih dahulu
38 Analisis Variasi terhadap Lead Time perbedaan lead time Banyaknya variasi dan volume penyelesaian artikel dalam satu wave pengepakan ini menyebabkan semakin banyak pula dipengaruhi proses pick-pack oleh yang harus banyaknya dilakukan variasi artikel dan volume artikel dalam satu wave Jika dalam wave proses wave terdapat 71 variasi artikel dengan pick-pack hanya dilakukan total sebanyak volume kurang lebih kali, pairs, wave terdapat maka 46 pada variasi wave artikel proses dengan total volume 9032 pick-pack pairs, dilakukan dan wave sebanyak terdapat 35 variasi artikel kurang lebih dengan 71 kali total volume 3874 pairs. Hal ini mengakibatkan bertambahnya waktu atau lead time penyelesaian pengepakan
39 Analisis Variasi terhadap Lead Time (cont d) saat sedikit, pengepakan, maka pengerjaannya terdapat tidak terlalu menjadi beberapa prioritas sehingga pairs proses dari artikel belum selesai pada saat itu juga. salah satu artikel pengerjaannya yang tertinggal dilakukan diakhir. Dikarenakan pairs dari artikel yang tertinggal tersebut hanya berjumlah Misalnya, beberapa pairs artikel tertinggal sehingga pengepakan untuk Hal ini mengakibatkan lead time pengepakan untuk artikel lebih panjang Sementara itu proses pengepakan sudah masuk ke artikel selanjutnya. dibandingkan dengan artikel
40
41 Kesimpulan Pembentukan catatan kejadian untuk proses bisnis warehouse dilakukan dengan mengekstraksi database melalui query pada tabel LTAP (Transfer Order Item) dan tabel LIPS (Sales and Distribution Document Delivery : item data). Untuk memunculkan data pada tabel maka dilakukan query dengan memfilter berdasarkan nomor warehouse dan tanggal transfer order. Pengukuran model untuk tiga dimensi, yaitu fitness, presisi, dan struktural dengan menggunakan Algoritma Duplicates Genetics menghasilkan nilai fitness 1, presisi 1, dan struktural 1. Hal ini menunjukkan bahwa Algoritma Duplicates Genetics mampu membentuk model proses sesuai dengan catatan kejadian yang ada dan tidak memunculkan aktivitas ganda atau bayangan. Dengan kata lain, pembentukan model menggunakan Algoritma Duplicates Genetics sudah menggambarkan proses bisnis PDC PT.XYZ yang sebenarnya.
42 Kesimpulan (cont d) Berdasarkan analisis bottleneck diketahui bahwa bottleneck terjadi pada aktivitas menyimpan sepatu di high rack. Rata-rata lama bottleneck adalah 7,63 hari. Bottleneck ini berdampak pada menumpuknya sepatu di high rack sehingga dapat pula menimbulkan semakin tingginya biaya penyimpanan sepatu. Bottleneck pada aktivitas menyimpan sepatu di high rack disebabkan diterapkannya metode push untuk production dan pull untuk delivery. Sepatu yang telah diterima di gudang dari produksi berdasarkan peramalan, harus menunggu datangnya delivery order untuk mulai dilakukan pengepakan.
43 Kesimpulan (cont d) Berdasarkan analisis dotted chart diketahui bahwa dalam 1 artikel, artikel dengan sepatu pertama masuk ke high rack tidak menjamin bahwa sepatu tersebut yang akan selesai lebih dulu dalam tiap prosesnya. Ketidakpastian urutan selesainya proses tiap sepatu dalam satu artikel dikarenakan tidak terdapatnya aturan yang jelas untuk urutan proses yang mana artikel yang lebih dulu masuk high rack seharusnya dikerjakan lebih dahulu. Tidak adanya aturan yang jelas dapat mengakibatkan sepatu yang lebih dahulu diterima di gudang harus menunggu lebih lama untuk dikeluarkan dibandingkan dengan sepatu yang lebih diakhir penerimaannya, sehingga dapat berdampak pada menurunnya kualitas sepatu dikarenakan terlalu lama disimpan.
44 Kesimpulan (cont d) Berdasarkan analisis variasi artikel terhadap lead time diketahui bahwa wave yang memiliki lebih banyak variasi artikel maka semakin panjang lead time penyelesaiannya Panjangnya lead time ini disebabkan semakin banyaknya aktivitas atau proses yang harus dilakukan dalam satu wave. Apabila dalam satu wave tersebut terdapat 71 variasi artikel, maka proses pick-pack harus dilakukan sebanyak kurang lebih 71 kali dan apabila terdapat 46 variasi artikel maka proses pick-pack harus dilakukan sebanyak kurang lebih 46 kali. Besarnya volume tiap artikel dalam satu wave tidak mempengaruhi lead time penyelesaian pengepakan artikel tersebut. Pada kenyataannya, panjang pendek lead time penyelesaian suatu artikel dapat disebabkan oleh adanya pairs artikel yang tertinggal sehingga artikel belum dikatakan selesai dikarenakan pengerjakan pairs yang tertinggal tersebut diakhir.
45 Saran dan Rekomendasi Rekomendasi PT. XYZ sebaiknya dalam proses pengepakan, terdapat aturan urutan pengambilan artikel yang akan di-pack. Artikel yang akan di-pack dan lebih dulu masuk di high rack seharusnya menjadi yang pertama pula untuk diproses sehingga artikel yang lebih dulu tersebut tidak perlu menunggu terlalu lama di high rack. Adanya barang dengan proses menunggu yang lama dapat menyebabkan kualitas barang tersebut menurun dikarenakan terlalu lama disimpan Saran Melakukan percobaan parameter Algoritma Duplicate Genetics dengan skenario yang bervariasi untuk lebih mengetahui pengaruh masing-masing parameter tersebut dalam pembentukan model proses.
46 Daftar Pustaka Aalst, W. M. (2011). Process Mining Discovery, Conformance and Enhancement of Business Processes. Heidelberg: Springer. Aalst, W., & et.al. (2012). Process Mining Manifesto. BPM 2011 Workshops Proceedings (pp ). Springer-Verlag. Aalst, W., Weijters, A., & Maruste, L. (2004). Workflow Mining Discovering Process Models from Event Logs. IEEE Transactions on Knowledge and Data, (pp. 16(9), ). AG, S. (2001). Warehouse Management Guide. Andreswari, R. (2013). Analisis kinerja algoritma penggalian proses untuk pemodelan proses bisnis perencanaan produksi dan pengadaan material pada PT.XYZ dengan kriteria control-flow. Surabaya: Institut Teknologi Sepuluh Nopember. Arsad, N. (2013). Pembuatan Model Proses menggunakan Algoritma Heuristic Miner untuk Analisis Interaksi Proses Bisnis Perencanaan Produksi dan Pengadaan Material di PT.XYZ. Surabaya: Institut Teknologi Sepuluh Nopember. Erikson, H.-E., & Penker, M. (2000). Business Modeling with UML: Business Pattern at Work. New York: John Wiley & Sons. Hall, J. A. (2008). In Accounting Information Systems. South-Western College Pub. Medeiros, A. A., Weijters, A., & Aalst, W. v. (2005). Using Genetic Algorithms to Mine Process Models: Representation, Operators and Results. Medeiros, A. A., Weijters, A., & Aalst, W. v. (2005). Using Genetic Algorithms to Mine Process Models: Representation, Operators, dan Results. Medeiros, A. K. (2006). Genetic Process Mining. Eindhoven: Eindhoven University of Technology. Medeiros, A. K. (2006). Genetic Process Mining. Eindhoven: CIP-DATA LIBRARY TECHNISCHE UNIVERSITEIT EINDHOVEN. Murata, T. (1989). Petri Nets: Properties, Analysis, and Applications. Proceedings of the IEEE, (p. 77(4)). O'Brien, J. A. (2005). Introduction to Information Systems. Northern Arizona: Mc Graw-Hill. Pine, B. J. (1993). Mass Customization: The New Frontier in Business Competition. Boston: Harvard Business School Press. Porter, M. E. (1998). Competitive Advantage: Creating and Sustaining Superior Performance. New York: Free Press. Rozinat, A., & Aalst, W. v. (2009). Conformance Checking of Processes Based on Monitoring Real Behavior. Utami, R. A. (2013). Pemodelan dan Analisis Bottleneck Proses Bisnis Perencanaan Produksi di PT.XYZ pada SAP dengan Algoritma Genetika. Surabaya: Institut Teknologi Sepuluh Nopember. Verbeek, H., Dongen, B. v., Mendling, J., & Aalst, W. v. (2006). Interoperability in the ProM Framework. Proceedings of the CAiSE'06 Workshops and Doctoral Consortium (pp ). Luxembourg: Presses Universitaires de Namur.
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) ( X Print) 1
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2014) 2337-3520 (2301-928X Print) 1 Analisis Pengaruh Volume dan Variasi Artikel terhadap Lead Time Penyelesaian Pengepakan di Production Distribution Center
Lebih terperinciJURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-6 1 PEMBUATAN MODEL PROSES BISNIS SAP ERP DALAM INTERAKSI ANTARA MODUL MATERIALS MANAGEMENT DAN PRODUCTION PLANNING DI PT.XYZ DENGAN ALGORITMA ALPHA++ DAN ALGORITMA
Lebih terperinciANALISIS PERGERAKAN MATERIAL UNTUK MENINGKATKAN KINERJA PROSES DI GUDANG MATERIAL PT.XYZ MENGGUNAKAN ALGORITMA HEURISTIC MINER
TUGAS AKHIR KS 091336 ANALISIS PERGERAKAN MATERIAL UNTUK MENINGKATKAN KINERJA PROSES DI GUDANG MATERIAL PT.XYZ MENGGUNAKAN ALGORITMA HEURISTIC MINER Ika Rakhma Kusuma Wardhani 5210100143 Dosen Pembimbing
Lebih terperinciPEMODELAN INTERAKSI PROSES BISNIS PERENCANAAN PRODUKSI DAN PENGADAAN MATERIAL DI PT. XYZ MENGGUNAKAN ALGORITMA HEURISTIC MINER
PEMODELAN INTERAKSI PROSES BISNIS PERENCANAAN PRODUKSI DAN PENGADAAN MATERIAL DI PT. XYZ MENGGUNAKAN ALGORITMA HEURISTIC MINER Noval Arsad 1 Mahendrawathi ER. 2 Renny P. Kusumawardani 3 Jurusan Sistem
Lebih terperinciANALISIS KINERJA ALGORITMA PENGGALIAN PROSES UNTUK PEMODELAN PROSES BISNIS PERENCANAAN PRODUKSI DAN PENGADAAN MATERIAL DENGAN KRITERIA CONTROL-FLOW
ANALISIS KINERJA ALGORITMA PENGGALIAN PROSES UNTUK PEMODELAN PROSES BISNIS PERENCANAAN PRODUKSI DAN PENGADAAN MATERIAL DENGAN KRITERIA CONTROL-FLOW Rachmadita Andreswari 1), Mahendrawathi ER 2) 1 Program
Lebih terperinciANALISIS KINERJA ALGORITMA PENGGALIAN PROSES UNTUK PEMODELAN PROSES BISNIS PERENCANAAN PRODUKSI DAN PENGADAAN MATERIAL PADA PT
ANALISIS KINERJA ALGORITMA PENGGALIAN PROSES UNTUK PEMODELAN PROSES BISNIS PERENCANAAN PRODUKSI DAN PENGADAAN MATERIAL PADA PT.XYZ DENGAN KRITERIA CONTROL-FLOW Rachmadita Andreswari 1), Mahendrawathi ER
Lebih terperinciPROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER
PROGRAM STUDI SISTEM INFORMASI FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER PEMBUATAN MODEL PROSES MENGGUNAKAN ALGORITMA HEURISTIC MINER UNTUK ANALISIS INTERAKSI PROSES BISNIS PERENCANAAN
Lebih terperinciANALISIS PERGERAKAN MATERIAL UNTUK MENINGKATKAN KINERJA PROSES DI GUDANG MATERIAL PT.XYZ MENGGUNAKAN ALGORITMA HEURISTIC MINER
JURNAL TEKNIK POMITS Vol. 1, No.1, (2014) 1-6 1 ANALISIS PERGERAKAN MATERIAL UNTUK MENINGKATKAN KINERJA PROSES DI GUDANG MATERIAL PT.XYZ MENGGUNAKAN ALGORITMA HEURISTIC MINER Ika Rakhma Kusuma Wardhani
Lebih terperinciPEMBUATAN MODEL PROSES INTERAKSI PERENCANAAN PRODUKSI DAN MANAJEMEN MATERIAL PADA ERP DENGAN PROCESS MINING
Seminar Nasional Sistem Informasi Indonesia, 22 September 2014 PEMBUATAN MODEL PROSES INTERAKSI PERENCANAAN PRODUKSI DAN MANAJEMEN MATERIAL PADA ERP DENGAN PROCESS MINING Mahendrawathi ER 1), Renny P.
Lebih terperinciANALISIS DAMPAK KUALITAS MATERIAL TERHADAP PROSES BISNIS PENERIMAAN MATERIAL PRODUKSI MENGGUNAKAN ALGORITMA DUPLICATE GENETIC DI PT.
JURNAL TEKNIK POMITS Vol. 1, No.1, (2014) 1-6 1 ANALISIS DAMPAK KUALITAS MATERIAL TERHADAP PROSES BISNIS PENERIMAAN MATERIAL PRODUKSI MENGGUNAKAN ALGORITMA DUPLICATE GENETIC DI PT. XYZ Dita Pramitasari,
Lebih terperinciANALISIS DAMPAK KUALITAS MATERIAL TERHADAP PROSES BISNIS PENERIMAAN MATERIAL PRODUKSI MENGGUNAKAN ALGORITMA DUPLICATE GENETIC DI PT.
1 TUGAS AKHIR KS 091336 ANALISIS DAMPAK KUALITAS MATERIAL TERHADAP PROSES BISNIS PENERIMAAN MATERIAL PRODUKSI MENGGUNAKAN ALGORITMA DUPLICATE GENETIC DI PT. XYZ Dita Pramitasari NRP 5210 100 148 Dosen
Lebih terperinciPEMANFAATAN PROCESS MINING PADA E-COMMERCE
PEMANFAATAN PROCESS MINING PADA E-COMMERCE Wawan Yunanto 1), Kartina Diah KW 2) 1) Program Studi Sistem Informasi, Politeknik Caltex Riau 2) Program Studi Teknik Informatika, Politeknik Caltex Riau Jl.Umban
Lebih terperinciAnalisis Kesesuaian dan Variasi Pola Pengambilan Mata Kuliah Terhadap Kurikulum Dengan Teknik Penggalian Proses
A301 Analisis Kesesuaian dan Variasi Pola Kuliah Terhadap Kurikulum Dengan Teknik Penggalian Proses Fariz Khairul A, Mahendrawathi ER, S.T., M.Sc., Ph.D Jurusan Sistem Informasi, Fakultas Teknologi Informasi,
Lebih terperinciIdentifikasi Bottleneck pada Hasil Ekstraksi Proses Bisnis ERP dengan Membandingkan Algoritma Alpha++ dan Heuristics Miner
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-322 Identifikasi Bottleneck pada Hasil Ekstraksi Proses Bisnis ERP dengan Membandingkan Algoritma Alpha++ dan Heuristics Miner Laeila Mardhatillah,
Lebih terperinciEvaluasi Proses Bisnis ERP dengan Menggunakan Process Mining (Studi Kasus : Goods Receipt (GR) Lotte Mart Bandung)
Evaluasi Proses Bisnis ERP dengan Menggunakan Process Mining (Studi Kasus : Goods Receipt (GR) Lotte Mart Bandung) Satriyo Wicaksono 1, Imelda Atastina 2, Angelina Prima Kurniati 3 1,2,3 Prodi Informatika
Lebih terperinciEvaluasi Proses Bisnis ERP dengan Menggunakan Process Mining (Studi Kasus : Goods Receipt (GR) Lotte Mart Bandung)
ISSN : 2355-9365 e-proceeding of Engineering : Vol.1, No.1 Desember 2014 Page 677 Evaluasi Proses Bisnis ERP dengan Menggunakan Process Mining (Studi Kasus : Goods Receipt (GR) Lotte Mart Bandung) Satriyo
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 2, No. 9, September 2018, hlm. 3087-3094 http://j-ptiik.ub.ac.id Pemodelan dan Evaluasi Proses Bisnis Berdasarkan Hasil
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciFungsi Bisnis dan Proses Bisnis
Pertemuan 3 Fungsi Bisnis dan Proses Bisnis KA2113 Enterprise Resource Planning Dasar Semester Ganjil 2014/2015 Disampaikan oleh: "Hanya dipergunakan untuk kepentingan pengajaran di
Lebih terperinciAnalisis Pola Pengambilan Mata Kuliah dan Kinerja Mahasiswa Tiap Angkatan dengan Menggunakan Teknik Process Mining
A295 Analisis Pola Pengambilan Mata Kuliah dan Kinerja Mahasiswa Tiap Angkatan dengan Menggunakan Teknik Process Mining Satrio Adi Priyambada dan Mahendrawathi ER., S.T., M.Sc., Ph.D. Jurusan Sistem Informasi,
Lebih terperinciJURNAL TEKNIK ITS Vol. 5, No. 2, (2016) ISSN: ( Print)
A777 Analisis Pola Hubungan Kerja Antar Tenaga Medis dalam Melayani Pasien Diabetes dan Komplikasinya pada Rawat Inap RS XYZ Menggunakan Teknik Process mining Muhammad Rafdi Syarifuddin dan Mahendrawathi
Lebih terperinciBAB 7 SIMPULAN DAN SARAN
BAB 7 SIMPULAN DAN SARAN BAB7 SIMPULAN DAN SARAN 7.1. Simp ulan Model sistem informasi manufaktur, tersusun dari subsistem input yang dimasukkan dalam database dan menghasilkan subsistem output. Subsistem
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciMENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG
MENGUKUR KINERJA ALGORITMA GENETIK PADA PEMAMPATAN MATRIKS JARANG Nico Saputro dan Joice Aritonang Email : nico@home.unpar.ac.id, jo_aritonang@yahoo.com A matrix that has lots of zero elements is called
Lebih terperinciTUGAS AKHIR KS141501
TUGAS AKHIR KS141501 EVALUASI IMPLEMENTASI MODUL SALES AND DISTRIBUTION (SD) SAP PADA PROSES BISNIS PENJUALAN PRODUK KEPADA PELANGGAN JENIS MODERN TRADE STUDI KASUS : PT. XYZ INDONESIA TBK. EVALUATION
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 terperinciEVALUASI IMPLEMENTASI SISTEM ENTERPRISE RESOURCE PLANNING (ERP) BERBASIS ORACLE PADA MODUL ORDER MANAGEMENT (STUDI KASUS : PT.
EVALUASI IMPLEMENTASI SISTEM ENTERPRISE RESOURCE PLANNING (ERP) BERBASIS ORACLE PADA MODUL ORDER MANAGEMENT (STUDI KASUS : PT. JAR) Angeline Binus University, Jakarta, DKI Jakarta, Indonesia Richard Nawijaya
Lebih terperinciJURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: ( Print) A-100
JURNAL TEKNIK ITS Vol. 6, No. 1, (2017) ISSN: 2337-3539 (2301-9271 Print) A-100 Identifikasi dan Pemodelan Sistem Pengkajian Makalah Menggunakan Pendekatan Berbasis Proses (Studi Kasus: Jurnal Sisfo) Chandra
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinci3.2.3 Resiko, Keuntungan dan Kerugian Forex Metode Prediksi dalam Forex MetaTrader 4 sebagai Platform Trading dalam Forex...
DAFTAR ISI HALAMAN PENGESAHAN... iii PERNYATAAN... iv HALAMAN MOTTO DAN PERSEMBAHAN... v PRAKATA... vi DAFTAR ISI... viii DAFTAR GAMBAR... xi DAFTAR TABEL... xiv DAFTAR PERSAMAAN... xv DAFTAR LAMPIRAN...
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 terperincie-proceeding of Engineering : Vol.2, No.1 April 2015 Page 1517
eproceeding of Engineering : Vol.2, No.1 April 2015 Page 1517 Implementasi Process Mining pada Prosedur Pengendalian dengan Menggunakan Algoritma Heuristic Miner (Studi Kasus : Institut Teknologi Telkom)
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 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 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 terperinciCrossover Probability = 0.5 Mutation Probability = 0.1 Stall Generation = 5
oleh pengguna sistem adalah node awal dan node tujuan pengguna. Lingkungan Pengembangan Sistem Implementasi Algoritme Genetika dalam bentuk web client menggunakan bahasa pemrograman PHP dan DBMS MySQL.
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Penyelesaian Masalah Penugasan dengan Algoritma Genetika Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih terperinciPenggunaan 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 terperinciEVALUASI MODEL NAVIGASI PADA ONLINE ASSESSMENT TEST MENGGUNAKAN PROCESS MINING STUDI KASUS : THE BRITISH ENGLISH COURSE
EVALUASI MODEL NAVIGASI PADA ONLINE ASSESSMENT TEST MENGGUNAKAN PROCESS MINING STUDI KASUS : THE BRITISH ENGLISH COURSE Selvia Ayu Yulvairariany 1, Imelda Atastina,SSi.,MT., 2, Shaufiah, ST.,MT. 3 Program
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 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 terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciPEMODELAN DAN SIMULASI PROSES BISNIS PRODUKSI PADA INDUSTRI BAJA DENGAN COLOURED PETRI NETS
TUGAS AKHIR - SM 141501 PEMODELAN DAN SIMULASI PROSES BISNIS PRODUKSI PADA INDUSTRI BAJA DENGAN COLOURED PETRI NETS WIDYA NILAM RUMANA NRP 1211 100 112 Dosen Pembimbing Dr. Imam Mukhlash, S.Si, MT JURUSAN
Lebih terperinciOPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI MENGGUNAKAN METODE GENETIC ALGORITHMS
OPTIMASI POLA PENYUSUNAN BARANG DALAM RUANG TIGA DIMENSI MENGGUNAKAN METODE GENETIC ALGORITHMS Kartika Gunadi, Irwan Kristanto Julistiono Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas
Lebih terperinciArif Munandar 1, Achmad Lukman 2 1 Teknik Informatika STMIK El Rahma Yogyakarta, Teknik Informatika STMIK El Rahma Yogyakarta
PENJADWALAN MATAKULIAH DENGAN ALGORITMA GENETIKA MENGGUNAKAN FRAMEWORK CODEIGNITER (STUDI KAUS PROGRAM STUDI S PENDIDIKAN AGAMA ISLAM UNIVERSITAS ALMA ATA YOGYAKARTA) Arif Munandar, Achmad Lukman 2 Teknik
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciEVALUASI PENERAPAN MODUL MANAJEMEN MATERIAL (MM) SAP UNTUK PENGADAAN MATERIAL DI PT. PETROKIMIA GRESIK
TUGAS AKHIR KS141501 EVALUASI PENERAPAN MODUL MANAJEMEN MATERIAL (MM) SAP UNTUK PENGADAAN MATERIAL DI PT. PETROKIMIA GRESIK EVALUATION OF THE IMPLEMENTATION OF SAP MATERIAL MANAGEMENT (MM) MODULE FOR PROCUREMENT
Lebih terperinciANALISIS POLA KETIDAKSEMPURNAAN CATATAN KEJADIAN SEBAGAI MASUKAN DALAM PROCESS MINING
Seminar Nasional Sistem Informasi Indonesia, 6 November 2017 ANALISIS POLA KETIDAKSEMPURNAAN CATATAN KEJADIAN SEBAGAI MASUKAN DALAM PROCESS MINING Satrio Adi Priyambada dan Mahendrawathi ER Departemen
Lebih terperinciBab IV Simulasi dan Pembahasan
Bab IV Simulasi dan Pembahasan IV.1 Gambaran Umum Simulasi Untuk menganalisis program pemodelan network flow analysis yang telah dirancang maka perlu dilakukan simulasi program tersebut. Dalam penelitian
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 terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciPENJADWALAN PRODUKSI DI PT. AA UNIT II UNTUK MEMINIMUMKAN MAKE SPAN
PENJADWALAN PRODUKSI DI PT. AA UNIT II UNTUK MEMINIMUMKAN MAKE SPAN Roy Iskandar, Nurhadi Siswanto, Bobby O. P. Soepangkat Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember Jl. Cokroaminoto
Lebih terperinciHeuristics Miner. A. Proses Bisnis Pada Pengadaan Barang dan Jasa 'Establish the goods and services that will be
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.1 April 2015 Page 1332 Process Mining Pada Proses Pengadaan Barang dan Jasa Dengan Menggunakan Algoritma Heuristic Miner (Studi Kasus : Unit Logistik
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
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 terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciOptimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar
Optimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar Soni Irawan Jatmika 2210 105 052 Pembimbing : 1. Prof. Dr. Ir. Adi Soeprijanto, MT. 2. Heri Suryoatmojo, ST. MT.
Lebih terperinciAnalisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2)
Analisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2) Abstrak Algoritma genetika yang pertama kali diperkenalkan secara terpisah oleh Holland dan De
Lebih terperinciISSN : e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6132
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6132 MENDETEKSI KELENGKAPAN PROSES BISNIS TUGAS AKHIR (TA) FAKULTAS INFORMATIKA TELKOM UNIVERSITY MENGGUNAKAN METODE TRANSFORMASI
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 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 terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN Hari Purnomo, Sri Kusumadewi Teknik Industri, Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta ha_purnomo@fti.uii.ac.id,
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciRANCANG 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 terperinciDATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA
DATA MINING CLUSTERING DENGAN ALGORITMA FUZZY C-MEANS UNTUK PENGELOMPOKAN JADWAL KEBERANGKATAN DI TRAVEL PT. XYZ TASIKMALAYA Aseptian Nugraha, Acep Irham Gufroni, Rohmat Gunawan Teknik Informatika Fakultas
Lebih terperinciB A B 5. Ir.Bb.INDRAYADI,M.T. JUR TEK INDUSTRI FT UB MALANG 1
B A B 5 1 VSM adalah suatu teknik / alat dari Lean berupa gambar yg digunakan untuk menganalisa aliran material dan informasi yg disiapkan untuk membawa barang dan jasa kepada konsumen. VSM ditemukan pada
Lebih terperinciIT VALUATION PENERAPAN ORACLE E-BUSINESS SUITE MODUL PLAN TO PRODUCE PADA PT. XYZ DENGAN PENDEKATAN B3E
IT VALUATION PENERAPAN ORACLE E-BUSINESS SUITE MODUL PLAN TO PRODUCE PADA PT. XYZ DENGAN PENDEKATAN B3E Monica Dea Puspita BINUS UNIVERSITY, JAKARTA, DKI JAKARTA, INDONESIA Devia Marina BINUS UNIVERSITY,
Lebih terperinciBAB 1 PENDAHULUAN. Perkembangan lingkup bisnis yang semakin meluas menuntut setiap
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Perkembangan lingkup bisnis yang semakin meluas menuntut setiap perusahaan untuk menghasilkan data dan informasi dalam jumlah banyak setiap harinya, oleh karena itu
Lebih terperinciBAB 2 LANDASAN TEORI
36 BAB 2 LANDASAN TEORI 2.1 Pengurutan Pekerjaan (Job Sequencing) 2.1.1 Deskripsi Umum Dalam industri manufaktur, tujuan penjadwalan ialah untuk meminimasikan waktu dan biaya produksi, dengan cara mengatur
Lebih terperinciBAB 1 PENDAHULUAN 1.1 LATAR BELAKANG. Seiring dengan berkembangnya teknologi informasi sekarang ini,
BAB 1 PENDAHULUAN 1.1 LATAR BELAKANG Seiring dengan berkembangnya teknologi informasi sekarang ini, mengakibatkan semakin besarnya tingkat persaingan di dalam dunia usaha. Untuk itu setiap perusahaan dituntut
Lebih terperinciPenurunan Waste Intra pada Transportation Process Menggunakan Value Stream Mapping: A Case Study
Penurunan Waste Intra pada Transportation Process Menggunakan Value Stream Mapping: A Case Study Maria Natalia 1, Nyoman Sutapa 2 Abstract: The thesis discusses the value added and non-value added of the
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Seiring dengan perkembangan teknologi informasi yang sangat pesat dewasa ini, memberikan dampak yang sangat signifikan bagi dunia bisnis, dimana semakin banyak perusahaan
Lebih terperinciAnalisis Business Process Model Similarity Checking Menggunakan Teknik Greedy Graph Matching
Analisis Business Process Model Similarity Checking Menggunakan Teknik Greedy Graph Matching Fadhilah Dwiyanti Basri Telkom University, Indonesia fadhilahdwiyanti@gmail.com Abstrak Business combination
Lebih terperinciProcess Mining pada Proses Pengadaan Buku dengan Algoritma Heuristic Miner (Studi Kasus : Perpustakaan Universitas Telkom)
Process Mining pada Proses Pengadaan Buku dengan Algoritma Heuristic Miner (Studi Kasus : Perpustakaan Universitas Telkom) Harin Veradistya Maharani 1, Angelina Prima Kurniati, ST., MT. 2, Imelda Atastina,
Lebih terperinciAnalisis Business Process Model Similarity Checking Menggunakan Teknik Greedy Graph Matching
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 5850 Analisis Business Process Model Similarity Checking Menggunakan Teknik Greedy Graph Matching Fadhilah Dwiyanti Basri Telkom
Lebih terperinciPenerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 39 Penerapan Fungsi Data Mining Klasifikasi untuk Prediksi Masa Studi Mahasiswa Tepat Waktu pada Sistem Informasi Akademik Perguruan Tinggi Irwan
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 terperinciSystem Application and Product (SAP) in Data Processing
System Application and Product (SAP) in Data Processing http://en.wikipedia.org/wiki/sap_ag http://priandoyo.wordpress.com/2007/03/30/ belajar-sap-r3-dari-mana/ http://www.sap-img.com/sap-introduction.htm
Lebih terperinciBAB 1 PENDAHULUAN. suatu paradigma baru bagi perusahaan dalam menjalankan bisnisnya. Berbeda dengan
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi yang terjadi pada akhir abad ke-20 telah membawa suatu paradigma baru bagi perusahaan dalam menjalankan bisnisnya. Berbeda dengan pandangan para
Lebih terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciBAH 7 SIMPULAN DAN SARAN
BAH 7 SIMPULAN DAN SARAN BAB 7 SIMPULAN DAN SARAN 7.1 Simpulan Simpulan yang dapat ditarik dari perancangan Sistem Informasi Manufaktur pada proses penanganan bahan baku di PT. "X" dalam menciptakan kinerja
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 terperinciCLUSTERING BUSINESS PROCESS MODEL PETRI NET DENGAN COMPLETE LINKAGE
JURNAL ITSMART Vol 3. No 2. Desember 24 ISSN : 23 72 CLUSTERING BUSINESS PROCESS MODEL PETRI NET DENGAN COMPLETE LINKAGE Fakhrunnisak Nur Aini fakhrunnisak@students.uns.ac.id Sarngadi Palgunadi palgunadi@uns.ac.id
Lebih terperinciMARKETING INFORMATION SYSTEM & SALES ORDER PROCESS
MARKETING INFORMATION SYSTEM & SALES ORDER PROCESS Materi #4 Pertanyaan Strategi Marketing 2 Produk apa yang harus dibuat? Berapa banyak yang harus dibuat dibuat untuk setiap produk? Bagaimana cara terbaik
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi adalah proses, prinsip, dan prosedur yang digunakan untuk mendekati masalah dalam mencari jawaban. Dengan ungkapan lain, metodologi adalah pendekatan umum untuk
Lebih terperinciOptimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika
Optimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika Disusun Oleh : Ainy Mahmudah 1307 100 002 Pembimbing I Pembimbing II : Dr. Irhamah, S.Si., M.Si : Dra. Sri Mumpuni R, M.Si
Lebih terperinciPERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI
PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana
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 terperinciPembuatan Aplikasi Pendeteksi Anomali Pada Pola Konsumsi Listrik Pelanggan Kota Surabaya Menggunakan Algoritma Klasterisasi Berbasis Densitas
1 Pembuatan Aplikasi Pendeteksi Anomali Pada Pola Konsumsi Listrik Pelanggan Kota Surabaya Menggunakan Algoritma Klasterisasi Berbasis Densitas Achmad Zainuddin Zakariya, Arif Djunaidy, Renny Pradina Kusumawardani
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciBAB IV PERANCANGAN. 4.1 Proses Bisnis Pengadaan Barang
BAB IV PERANCANGAN Pada tahap perancangan ini akan dilakukan perancangan proses pengadaan barang yang sesuai dengan proses bisnis rumah sakit umum dan perancangan aplikasi yang dapat membantu proses pengadaan
Lebih terperinciBAB I PENDAHULUAN. sempurna karena adanya kebutuhan project baru yang belum pasti, sehingga layout
BAB I PENDAHULUAN 1.1 Latar Belakang PT Dynaplast Plant Cikarang 3 adalah plant terbaru dari Dynaplast Group di mana semua investasi mesin dan bangunan masih baru dan belum diset dengan sempurna karena
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 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 terperinciOptimasi Multiple Travelling Salesman Problem Pada Pendistribusian Air Minum Menggunakan Algoritme Genetika (Studi Kasus: UD.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 849-858 http://j-ptiik.ub.ac.id Optimasi Multiple Travelling Salesman Problem Pada Pendistribusian
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 terperinciBAB 4 IMPLEMENTASI DAN EVALUASI
BAB 4 IMPLEMENTASI DAN EVALUASI BAB 4 IMPLEMENTASI DAN EVALUASI 4.1 Spesifikasi Sistem Spesifikasi perangkat lunak dan perangkat keras yang digunakan dalam pengembangan aplikasi adalah sebagai berikut
Lebih terperinciBab I Pendahuluan. I.1 Latar Belakang
Bab I Pendahuluan I.1 Latar Belakang Perkembangan telekomunikasi pada tahun-tahun terakhir ini sangat berkembang pesat. Perkembangan telekomunikasi yang pesat dibuktikan dengan perkembangan handphone.
Lebih terperinciAnalisa dan Perancangan Sistem Data Warehouse untuk Inventori Material, Inventori Barang Keluar, dan Penjualan pada PT. XYZ
Analisa dan Perancangan Sistem Data Warehouse untuk Inventori Material, Inventori Barang, dan Penjualan pada PT. XYZ Christian Binus University, Jakarta, DKI Jakarta Indonesia Danny Setiawan Binus University,
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinci