LOGO PENGEMBANGAN METODE HYBRID TABU SEARCH-CROSS ENTROPY UNTUK PENJADWALAN FLOWSHOP
|
|
- Surya Hartanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 LOGO PENGEMBANGAN METODE HYBRID TABU SEARCH-CROSS ENTROPY UNTUK PENJADWALAN FLOWSHOP Oleh : Muhammad Fahmi L Pembimbing : Ir. Budi Santosa, M.Sc., Ph.D Ko-Pembimbing : Stefanus Eko Wiratno, S.T., M.T.
2 Contents 1 Pendahuluan 2 Tinjauan Pustaka 3 Metodologi Penelitian 4 Perancangan dan Pengujian Algoritma 5 Analisa dan Pembahasan 6 Kesimpulan dan Saran
3 Pendahuluan Perumusan Masalah Ruang Lingkup Latar Belakang Tujuan Manfaat
4 Latar Belakang Penjadwalan Produksi NP-hard Problem Combinatorial Problem
5 Cont Metode Umum Branch and Bound Algorithm CDS Algorithm Flowshop Scheduling Problem Mixed-Integer Linear Programming Metaheuristik Ant Colony Optimization Particle Swarm Optimization Differential Evolution
6 Cont sequence generating heuristics (Tabu Search) Hybrid Tabu Search-Cross Entropy improvement heuristics (Cross Entropy)
7 Perumusan Masalah Permasalahan yang akan dibahas pada penelitian ini yaitu bagaimana menggunakan kombinasi metode Tabu Search dan Cross Entropy untuk menyelesaikan permasalahan penjadwalan produksi flowshop
8 Ruang Lingkup Penelitian Batasan Menggunakan data dari jurnal penelitian Taillard (1993) Kombinasi job dan mesin yang digunakan yang digunakan yaitu 20 dan 50 untuk job dan 5, 10, 20 untuk mesin Asumsi Semua job sudah tersedia dan siap diproses pada waktu ke-0 Set-up time untuk setiap operasi dan mesin dimasukkan dalam waktu proses Produksi berjalan tanpa adanya preempt
9 Tujuan Penelitian Mendapatkan algoritma Hybrid Tabu Search-Cross Entropy untuk penyelesaian kasus penjadwalan Flowshop Menghasilkan program komputer untuk implementasi Hybrid Tabu Search-Cross Entropy untuk penyelesaian Flowshop Scheduling Problem Membandingkan performansi Hybrid Tabu Search-Cross Entropy untuk penyelesaian permasalahan produksi flowshop dibandingkan dengan hasil yang telah ada pada jurnal penelitian Taillard (1993)
10 Manfaat Penelitian Manfaat yang bisa diperoleh dari penelitian ini dalam bidang keilmuan adalah adanya pendekatan baru yang merupakan implementasi metode Hybrid Tabu Search-Cross Entropy untuk penyelesaian kasus penjadwalan flowshop.
11 Tinjauan Pustaka Scheduling Problem B Macam-macam Industri A C Flowshop Scheduling Problem Concept Critical Review E D Cross Entropy
12 Macam-macam Industri Fixed Site/Project Industri ditinjau dari strategi process design Job Shop Flow Shop Gambar 2. 1 Jenis-jenis Industri ditinjau dari aliran proses (Fogarty, et al.,1991)
13 Scheduling Problem Constraint Jumlah mesin, jumlah pekerjaan dan waktu proses Fungsi tujuan component of scheduling problem
14 Cont Capacity status Scheduling constraints Production Planning, master scheduling Quantities, due dates Material requirements, planning, capacity planning Shop orders, release dates Orders, demand forecast Material requirements Schedule performance Scheduling and rescheduling Dispatching Schedule Detailed scheduling Shop status Shopfloor management Data collection Job loading Shopfloor Gambar 2.2 Diagram alir informasi dalam sistem manufaktur (Pinedo,2008)
15 Flowshop Scheduling Problem Formulasi Flowshop Scheduling Problem : Minimize C max (π) = C(π n, m) C(π 1, 1) = p π1,1 C(π j, 1) = C(π j-1, 1) + p πj,1, C(π 1, k) = C(π 1, k-1) + p π1,k, j = 2,3,.,n, k = 2,3,.,m, C(π j, k) = max{ C(π j-1, k), C(π j, k-1) } + p πj,k, j = 2,3,.,n; k = 2,3,.,m.
16 Gantt chart hasil eksekusi Flowshop Scheduling Problem : Gambar 2.3 Gantt Chart Penjadualan Flowshop
17 Tabu Search Tabu search yang ditemukan oleh Glover (1989), menurut Ben-Daya, et al. (1998) adalah sebuah metode optimasi berdasarkan local search dimana yang telah sukses diaplikasikan untuk memecahkan banyak permasalahan kombinatorial.
18 Algoritma sederhana dari tabu search yaitu : (Sumber :
19 Cross Entropy Generate sampel data random (χ) berdasarkan mekanisme spesifik Cross Entropy Memperbaharui parameter (v) berdasarkan data sampel elite
20 Critical Review Tabel 4.1 critical review menurut sudut pandang penulis Peneliti (Tahun) Judul Penelitian Metode Hasil Tasgetiren, et. Al., (2008) A discrete differential evolution algorithm for the permutation flowshop scheduling problem Metode Discrete differential evolution(dde) dan metode Iterated greedy(ig) Untuk makespan criterion metode DDE memiliki performa yang sama dengan PSOvns, akan tetapi metode DDE memiliki waktu komputasi yang lebih cepat daripada PSOvns Sahputra, et. Al., (2009) Tabu search sebagai local search pada algoritma Ant Colony untuk penjadwalan Flowshop Ant Colony Optimization(ACO) digabungkan dengan metode Tabu Search(TS) Algoritma ACO yang di-hybrid dengan tabu search ternyata mempu menghasilkan makespan yang tidak jauh berbeda dengan metode ACO, akan tetapi waktu komputasi yang dihasilkan ACO-Tabu lebih singkat. Rera., (2010) Penerapan Metode Cross Entropy D alam Penyelesaian Capacitated Vehicle Routing Problem Cross Entopy(CE) Metode Cross Entropy dapat menyelesaikan problem kombinatorial seperti CVRP dengan cepat dan kualitasnya lebih baik jika dibandingkan dengan metode Tabu Search, akan tetapi metode Cross Entropy ini kurang baik pada jumlah simpul yang besar.
21 Metodologi Penelitian Identifikasi Permasalahan Perumusan Masalah dan Penetapan Tujuan Penelitian Observasi dan Analisa Algoritma Tabu Search dan Cross Entropy Studi Bahan Pustaka dan Literatur Tahap Persiapan Pengumpulan Data : Matriks Waktu untuk 20 Job 5 Mesin Matriks Waktu untuk 20 Job 10 Mesin Matriks Waktu untuk 20 Job 20 Mesin Matriks Waktu untuk 50 Job 5 Mesin Matriks Waktu untuk 50 Job 10 Mesin Matriks Waktu untuk 50 Job 20 Mesin Mengembangkan Algoritma Tabu Search untuk Flowshop Scheduling Problem Mengembangkan Algoritma Cross Entropy untuk Flowshop Scheduling Problem Mengembangkan Algoritma Tabu Search-Cross Entropy untuk Flowshop Scheduling Problem Validasi Model Model Valid? Tidak Ya Bandingkan hasil dengan metode lain dan hasil dari jurnal Tahap Pengembangan dan Pengujian Model Analisa Hasil Performansi Kesimpulan dan Saran Tahap Kesimpulan dan Analisa Model
22 Perancangan dan Pengujian Algoritma
23 Pengembangan Algoritma START Pengumpulan data yang berupa matriks waktu proses job ke-j pada mesin ke-k Menentukan parameter rho, alpha, jumlah mesin dan job, jumlah sampel yang akan dibangkitkan, maksimal jadwal dalam tabu list, dan maksimal iterasi tabu search Melakukan perhitungan dengan Model Algoritma Tabu Search Menghasilkan beberapa jadwal dalam tabu list Pembangkitan matriks transisi awal P yang pengaruhi dari jadwal-jadwal terbaik dari tabu list Membangkitkan sejumlah N jadwal sebagai kandidat solusi awal dari matriks transisi yang ada Menghitung completion time job ke-j dikerjakan pada mesin ke-k berdasarkan constrain-nya : C(πj, k) = max{ C(πj-1, k), C(πj, k-1) } + pπj,k, j = 2,3,.,n; k = 2,3,.,m. Menghitung nilai makespan yang dihasilkan oleh setiap jadwal yang dibangkitkan : Cmax(π) = C(πn, m) Pengurutan jadwal terbaik sesuai dengan makespan yang paling minimum Pengambilan sampel elite yaitu pengambilan sebanyak rho*n sampel jadwal terbaik Mengupdate matriks transisi dengan acuan sampel elit Apakah stopping criterion terpenuhi? Tidak Ya STOP ITERASI Algoritma Cross Entropy untuk penjadwalan produksi flowshop
24 Algoritma Tabu Search untuk penjadwalan produksi flowshop Cont START Pengumpulan data yang berupa matriks waktu proses job ke-j pada mesin ke-k Menentukan parameter tabu list dan maksimum iterasi Pembangkitan jadwal inisialisasi Menghitung nilai makespan yang dihasilkan oleh jadwal yang dibangkitkan : Cmax(π) = C(πn, m) Memasukkan jadwal inisialisasi kedalam tabu list Membangkitkan sejumlah N jadwal yang didapat dari pertukaran tetangga jadwal terbaik tiap iterasinya Menghitung nilai makespan yang dihasilkan oleh setiap jadwal yang dibangkitkan : Cmax(π) = C(πn, m) Memilih jadwal terbaik sesuai dengan makespan yang paling minimum Membandingkan jadwal terbaik sekarang dengan jadwal terbaik dari tabu list Apakah stopping criterion terpenuhi? Tidak Ya STOP ITERASI
25 Algoritma Hybrid Tabu Search-Cross Entropy Modifikasi
26 A B Menghitung nilai makespan yang dihasilkan oleh setiap jadwal yang dibangkitkan : C max (π) = C(π n, m) Pengurutan jadwal terbaik sesuai dengan makespan yang paling minimum Pengambilan sampel elite yaitu pengambilan sebanyak rho*n sampel jadwal terbaik Mengupdate matriks transisi dengan acuan sampel elit Apakah stopping criterion terpenuhi? Tidak Ya STOP ITERASI Algoritma Tabu Search-Cross Entropy untuk penjadwalan produksi flowshop
27 Contoh Numerik job mesin Matriks Waktu Proses Produksi job i pada mesin k pada uji validasi Contoh satu perhitungan manual : Jadwal = C(π 1, 1) = 27 C(π 2, 1) = = 45 C(π 1, 2) = = 66 C(π 2, 2) = max{ 66, 45 } + 29 = = 85 C(π 3, 1) = = 68 C(π 3, 2) = max{ 68, 85 } + 5 = = 90 C(π 1, 3) = = 85 C(π 2, 3) = max{ 85, 85 } + 13 = = 98 C(π 3, 3) = max{ 90, 98 } + 14 = = 112 C(π 1, 4) = = 99 C(π 2, 4) = max{ 99, 98 } + 22 = = 121 C(π 3, 4) = max{ 112, 121 } + 17 = = 138 C(π 1, 5) = = 127 C(π 2, 5) = max{ 121, 127 } + 43 = = 170 C(π 3, 5) = max{ 138, 170 } + 22 = = 192 Makespan : C(π 3, 5) =192
28 Rekap Hasil Contoh Numerik
29 Pengujian data Pengujian data 20 job 5 mesin Parameter Cross Entropy : N= 30000, rho = 0.005, alpha = 0.9 Parameter Tabu Search : max.iterasi = , ukuran tabu list = 3 Parameter Tabu-CE : N= 5000, rho = 0.005, alpha = 0.9, max.iterasi = 1000, ukuran tabu list = 3
30 Cont Pengujian data 20 job 10 mesin
31 Cont Pengujian data 20 job 20 mesin
32 Pengujian data 50 job 5 mesin
33 Pengujian data 50 job 10 mesin
34 Pengujian data 50 job 20 mesin
35 Analisa dan Pembahasan Analisa Contoh Numerik Pada pengujian contoh numerik, dilakukan empat metode yaitu enumerasi, metode Cross Entropy, Tabu Search, dan Tabu Search-Cross Entropy sebagai cara penyelesaiannya. ketiga metode utama yang digunakan ini mempunyai solusi jadwal optimum yang sama dengan hasil metode enumerasi, hal ini dikarenakan ukuran dari data yang digunakan pada contoh numeric merupakan set data kecil, jadi semua metode dengan sangat mudah mendapatkan nilai global optimal Hasil contoh numerik ini bisa dibuktikan bahwa metode Tabu Search, Cross Entropy dan Hybrid Tabu Search-Cross Entropy dapat digunakan untuk menyelesaikan permasalahan penjadwalan produksi flowshop.
36 Cont Analisa data 20 job 5 mesin Ketiga metode yang ada memiliki nilai makespan minimum yang sama. Hal ini bisa disebabkan karena ada kemungkingan data set uji yang digunakan memiliki dimensi yang belum cukup besar, sehingga semua metode memiliki nilai solusi yang sama. Ketiga metode tersebut juga memiliki kemungkinan untuk terjebak pada local optimal sehingga hasil yang didapatkan berada pada titik yang sama. Perubahan terhadap parameter jumlah sampel yang dibangkitkan pada bagian Cross Entropy dari metode Hybrid Tabu Search-Cross Entropy maupun perubahan parameter maksimum iterasi pada bagian Tabu Search dari metode Hybrid Tabu Search-Cross Entropy memiliki hasil yang tidak berbeda secara signifikan. Hal ini bisa disebabkan karena hasil yang didapat terjebak pada local optimal dari jumlah solusi yang sebanyak 20! (20 faktorial).
37 Cont Analisa data 20 job 10 mesin Flowshop untuk 20 job 10 mesin didapatkan hasil bahwa metode Cross Entropy memiliki nilai makespan yang paling minimum diantara dua metode yang lain termasuk metode Hybrid Tabu Search-Cross Entropy. Hal ini bisa disebabkan karena metode Hybrid Tabu Search-Cross Entropy tidak mendapatkan inisial solusi yang baik dari metode Tabu Search. Pada setting parameter yang berbeda pada metode Hybrid Tabu Search-Cross Entropy dihasilkan bahwa pengaruh peningkatan jumlah sampel yang dibangkitkan juga akan mempengaruhi hasil makespan, begitu juga yang terjadi pada pengaruh nilai maksimum iterasi yang ditetapkan. Jika dibandingkan antara keduanya maka pengaruh kenaikan jumlah sampel yang dibangkitkan lebih besar dampaknya terhadap hasil makespan daripada pengaruh maksimum iterasi.
38 Cont Analisa data 20 job 20 mesin Pada data uji 20 job 20 mesin menghasilkan bahwa metode Cross Entropy memiliki nilai makespan yang lebih baik jika dibandingkan dengan dua metode yang lain Hasil ini bisa saja disebabkan karena metode ini lebih cepat konvergen dengan menemukan hasil yang sudah bagus karena sudah menemukan hasil minimum pada waktu men-generate jadwal secara random. Perubahan parameter yang dilakukan untuk metode Hybrid Tabu Search-Cross Entropy justru menghasilkan nilai makespan yang lebih baik daripada hasil makespan metode Cross Entropy. Ini mengindikasikan bahwa peningkatan jumlah yang dibangkitkan pada metode Hybrid Tabu Search- Cross Entropy sangat besar pengaruhnya terhadap nilai makespan.
39 Cont Analisa data 50 job 5 mesin Metode Hybrid Tabu Search-Cross Entropy menghasilkan nilai makespan dan waktu komputasi yang lebih baik daripada metode yang lain. Hal ini bisa terjadi karena metode ini dibantu dengan adanya hasil inisialisasi dari metode Tabu Search, sehingga konvergensi dari metode ini sangat cepat dan hasilnya sudah terarah ke nilai yang optimal. Perubahan terhadap parameter jumlah sampel yang dibangkitkan pada bagian Cross Entropy dari metode Hybrid Tabu Search-Cross Entropy maupun perubahan parameter maksimum iterasi pada bagian Tabu Search dari metode Hybrid Tabu Search-Cross Entropy memiliki hasil yang berbeda.
40 Cont Analisa data 50 job 10 mesin Metode Hybrid Tabu Search-Cross Entropy memiliki nilai makespan yang lebih baik jika dibandingkan dengan dua metode yang lain Hasil ini bisa saja disebabkan karena metode ini lebih cepat konvergen karena dengan bantuan hasil inisialisasi dari metode Tabu Search. Perubahan parameter yang dilakukan untuk metode Hybrid Tabu Search-Cross Entropy justru menghasilkan nilai makespan yang lebih baik daripada hasil makespan metode Hybrid Tabu Search-Cross Entropy dengan parameter awal. Ini mengindikasikan bahwa peningkatan jumlah yang dibangkitkan pada metode Hybrid Tabu Search-Cross Entropy sangat besar pengaruhnya terhadap nilai makespan.
41 Cont Analisa data 50 job 20 mesin Metode Hybrid Tabu Search-Cross Entropy menghasilkan nilai makespan dan waktu komputasi yang lebih baik daripada metode yang lain. Hal ini bisa terjadi karena metode ini tingkat konvergensinya cepat yang berasal dari adanya hasil inisialisasi dari metode Tabu Search, sehingga hasilnya sudah terarah ke nilai yang optimal tanpa harus melebar ke solusi yang local optimal. Perbandingan terhadap perubahan parameter jumlah sampel yang dibangkitkan pada bagian Cross Entropy dari metode Hybrid Tabu Search-Cross Entropy maupun perubahan parameter maksimum iterasi pada bagian Tabu Search dari metode Hybrid Tabu Search- Cross Entropy memiliki hasil yang kurang baik jika dibandingkan terhadap hasil metode Hybrid Tabu Search-Cross Entropy dengan parameter awal. Penyebabnya bisa saja karena pengaruh random jadwal yang dikeluarkan oleh metode Tabu Search maupun Cross Entropy kurang bagus.
42 Cont Analisa Performa Keseluruhan Nilai makespan yang dihasilkan oleh ketiga metode jika dibandingkan terhadap hasil optimal yang didapatkan dari jurnal masih kurang baik. Hal ini bisa disebabkan karena ketiga metode tersebut sangat rentan terjebak pada local optimal, sehingga sangat besar peluangnya untuk tidak mendapatkan hasil yang global optimal. Sebenarnya metode Hybrid Tabu Search-Cross Entropy sudah dibuat untuk mengurangi adanya local optimal yang dibuat oleh metode Tabu Search dan Cross Entropy, akan tetapi metode ini ternyata masih kurang bagus jika dibandingkan dengan hasil jurnal yang ada.
43 Cont 14.00% 12.00% Perbandingan Error Hasil Running Terhadap Hasil Optimal Jurnal Tingkat Error 10.00% 8.00% 6.00% 4.00% 2.00% 0.00% CE Tabu CE-Tabu 20x5 20x10 20x20 50x5 50x10 50x20 Gambar 5.1 Perbandingan Error Hasil Running Terhadap Hasil Optimal Jurnal
44 Kesimpulan dan Saran Kesimpulan Metode Cross Entropy, Tabu Search, dan Hybrid Tabu Search-Cross Entropy dapat diaplikasikan untuk penyelesaian Flowshop Scheduling Problem. Metode Hybrid Tabu Search-Cross Entropy dalam penyelesaian Flowshop Scheduling Problem menghasilkan nilai makespan dan waktu komputasi lebih baik daripada metode Tabu Search dan Cross Entropy untuk sebagian besar data uji. Perubahan jumlah sampel yang dibangkitkan pada metode Hybrid Tabu Search-Cross Entropy berpengaruh signifikan pada hasil makespan yang didapatkan daripada perubahan yang dilakukan pada maksimum iterasi. Dibandingkan dengan jurnal penelitian Taillard (1993), metode Tabu Search- Cross Entropy kurang dapat menunjukan performansi yang lebih baik pada permasalahan yang ada. Saran Penelitian selanjutnya bisa dilakukan dengan menerapkan algoritma Tabu Search-Cross Entropy unutk menyelesaikan kasus yang ada didunia nyata, bukan data sekunder..
45 Daftar Pustaka Baker, K. R., (1974), Introduction to Sequencing and Scheduling. Duke University: John Wiley&Sons. Ben-Daya, M., and Al-Fawzan, M. A., A Tabu Search Approach for the Flowshop Scheduling Problem. European Journal of Operational Research, Vol. 109, pp Campbell, H. G., Dudek, R. A., & Smith, M. L., (1970), A Heuristic Algorithm for the n- job, m-machine Sequencing Problem, Management Science, No. 16, B630-B637. Caserta, M., & Rico, E. Q., (2007). A Cross Entropy-Lagrangean Hybrid Algorithm for the Multi-Item Capacitated Lot-Sizing Problem with Setup Times, Journal of Computers and Operations Research. De Boer, P. T., Kroese, D.P., Mannor, S., & Rubinstein, R. Y., (2005), A Tutorial on the Cross-entropy method, Annals of Operations Research, vol. 134, No. 1, pp Fogarty, D. W., Blackstone, J. H., & Hoffman, (1991), Production and Inventory Management, South-Western Publishing Co., Cincinnati. Glover, F., (1989), Tabu Search part-i, Journal on Computing, vol 1, no.33. Glover, F., (1980), Tabu Search part-ii, Journal on Computing, vol 2, no.1 Krone, M. J., & Steiglitz, K., (1971), Heuristic-Programming Solution of a Flowshop- Scheduling Problem, Operations Research, vol. 22, No. 3, pp Nawaz, M., Enscore, E. E., & Ham, I., (1983), A heuristic algorithm for the m-machine, n-job flow-shop sequencing problem, International Journal of Management Science, vol. 11, No. 1, pp Pan, Q. K., Tasgetiren, M. T., & Liang, Y. C., (2008). A Discrete Differential Evolution Algorithm For The Permutation Flowshop Scheduling Problem, Journal of Computers and Industrial Engineering. Pinedo, M. L., (2008), Scheduling : Theory, Algorithms, and Systems, 3rd edition, USA: Springer.
46 Cont Rajendran, C., & Ziegler, H., (2004). Ant-Colony Algorithms for Permutation Flowshop Scheduling to Minimize Makespan/Total Flowtime of Jobs, Journal of Computers and Industrial Engineering. Rera, G. F., (2010), Penerapan Metode Cross Entropy Dalam Penyelesaian Capacitated Vehicle Routing Problem, Tugas Akhir, Jurusan Teknik Industri ITS, Surabaya. Rubinstein, R.Y., (1999), The Cross-Entropy Method for Combinatorial and Continuous Optimization, Methodology and Computing in Applied Probability, vol 1, , Boston. Rubinstein, R. Y., & Kroese, D. P., (2004), The Cross Entropy; A Unified Approach to Combinatorial Optimiztion, Monte Carlo Simulation and Machine Learning, USA: Springer. Sahputra, I. H., Octavia, T., & Chandra, A. S., (2009), Tabu Search Sebagai Local Search Pada Algoritma Ant Colony Untuk Penjadwalan Flowshop, Jurnal Teknik Industri, vol. 11, No. 2, pp Sevkli, M., Tasgetiren, M. F., Liang, Y. C., & Gencyilmaz, G., (2006). A Particle Swarm Optimization Algorithm For Makespan And Total Flowtime Minimization In The Permutation Flowshop Sequencing Problem, European Journal of Operational Research. Taillard, E., (1993), Benchmarks of Basic Scheduling Problems, European Journal of Operational Research, vol. 64, pp Tseng, F. T., & Stafford, E. F., (2007), New MILP models for the permutation flowshop problem, Journal of the Operational Research Society.
47 LOGO
TEKNIK Vol. V, No. 2 PERBANDINGAN PERFORMANSI ALGORITMA CROSS ENTROPY (CE) DINAMIKA DAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) PADA
53 PERBANDINGAN PERFORMANSI ALGORITMA CROSS ENTROPY (CE) DINAMIKA DAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) PADA TEKNIK Vol. V, No. 2 PENYELESAIAN PERMASALAHAN FLOWSHOP SCHEDULING Dosen Fakultas
Lebih terperinciPENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM
PENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM PENELITI : Pristi Dwi Puspitasari 2507 100 003 DOSEN PEMBIMBING : Ir. Budi
Lebih terperinciPENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN ABSTRAK
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN Rudi Nurdiansyah Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciTABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA ANT COLONY UNTUK PENJADWALAN FLOWSHOP
Jurnal Teknik Industri, Vol. 11, o. 2, Desember 2009, pp. 188-194 ISS 1411-2485 TABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA AT COLO UTUK PEJADWALA FLOWSHOP Iwan Halim Sahputra, Tanti Octavia, Agus
Lebih terperinciTUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan
SIDANG TUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan dan Total Tardiness Peneliti Pembimbing : Ainur Rofiq : Prof. Ir. Budi
Lebih terperinciPENDEKATAN CROSS ENTROPY
PENDEKATAN CROSS ENTROPY UNTUK MINIMASI BIKRITERIA MAKESPAN DAN TOTAL TARDINESS PADA PENJADWALAN PRODUKSI FLOWSHOP DENGAN MESIN PARALEL Sayid Basori dan Suparno Jurusan Teknik Industri Institut Teknologi
Lebih terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciLina Gozali, Lamto Widodo, Wendy Program Studi Teknik Industri Fakultas Teknik Universitas Tarumanagara Jl. S Parman no.1, Jakarta
1 2 USULAN PENJADWALAN JOB DENGAN METODE CAMPBELL, DUDEK AND SMITH (CDS) DAN METODE NAWAZ, ENSCORE AND HAM (NEH) UNTUK MEMINIMASI MAKESPAN PROSES STAMPING PART ISUZU DI LINE B PT. XYZ Lina Gozali, Lamto
Lebih terperinciPENERAPAN METODE CROSS ENTROPY DALAM PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM (Study Kasus : Distribusi Koran Jawa Pos Surabaya)
PENERAPAN METODE CROSS ENTROPY DALAM PENYELESAIAN CAPACITATED VEHICLE ROUTING PROBLEM (Study Kasus : Distribusi Koran Jawa Pos Surabaya) Gladiez Florista Rera dan Budi Santosa Jurusan Teknik Industri Institut
Lebih terperinciDosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah
Artificial Immune System untuk Penyelesaian Vehicle Routing Problem with Time Windows Dosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah 2507100054 Pendahuluan Pendahuluan Fungsi Objektif
Lebih terperinciBAB 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 terperinciOptimasi Penjadwalan Mesin Produksi Flowshop dengan Metode Campbell Dudek and Smith (CDS) dan Nawaz Enscore Ham (NEH) pada Departemen Produksi Massal
Optimasi Penjadwalan Mesin Produksi Flowshop dengan Metode Campbell Dudek and Smith (CDS) dan Nawaz Enscore Ham (NEH) pada Departemen Produksi Massal Fitria Imatus Solikhah 1, Renanda Nia R. 2, Aditya
Lebih terperinciModel Penjadwalan Pekerjaan pada Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual
Performa (00) Vol. 1, No.1: 0-5 Model Penjadwalan Pekerjaan pada Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas Maret, Surakarta
Lebih terperinciPENGEMBANGAN ALGORITMA HYBRID CROSS ENTROPY- TABU SEARCH UNTUK PENYELESAIAN TRAVELLING REPAIRMAN PROBLEM
PENGEMBANGAN ALGORITMA HYBRID CROSS ENTROPY- TABU SEARCH UNTUK PENYELESAIAN TRAVELLING REPAIRMAN PROBLEM Pembimbing : Ir. Budi Santosa, M.S., Ph.D NIP. 196905121994021001 LOGO Peneliti : Muchammad Aminuddin
Lebih terperinciPENELITI : Fiqihesa Putamawa
PENGEMBANGAN ALGORITMA BEE SWARM OPTIMIZATION UNTUK PENYELESAIAN CONTAINER STOWAGE PROBLEM PENELITI : Fiqihesa Putamawa 2507 100 064 DOSEN PEMBIMBING : Ir. Budi Santosa, M.S., Ph.D Contents PENDAHULUAN
Lebih terperinciLina Gozali, Lamto Widodo, Wendy. Fakultas Teknik Program Studi Teknik Industri Universitas Tarumanagara Jakarta. Abstrak
Jurnal Teknik dan Ilmu Komputer USULAN PENJADWALAN JOB DENGAN METODE CAMPBELL, DUDEK AND SMITH (CDS) DAN METODE NAWAZ, ENSCORE AND HAM (NEH) UNTUK MEMINIMASI MAKESPAN PROSES STAMPING PART ISUZU DI LINE
Lebih terperinciKOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP)
KOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP) Ong Andre Wahju Riyanto * ABSTRAKSI Penelitian ini ditujukan untuk memperbaiki kelemahan
Lebih terperinciPENERAPAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM
PENERAPAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM Nur Rahmawati 1), Budi Santosa 2) 1) Jurusan Teknik Industri, Institut Teknologi
Lebih terperinciPENERAPAN 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 terperinciALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP BANYAK MESIN DENGAN MULTI OBYEKTIF
ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP BANYAK MESIN NGAN MULTI OBYEKTIF Steanus Eko Wiratno 1, Rudi Nurdiansyah 2, dan Budi Santosa 3 Teknik Industri, Fakultas Teknologi Industri,
Lebih terperinciBAB 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 terperinciModel Penjadwalan Pekerjaan pada Zero-buffer Flowshop Tipe (1) dengan Kriteria Minimasi Total Waktu Tinggal Aktual
Performa (004) Vol. 3, No.: 49-54 Model Penjadwalan Pekerjaan pada Zero-buffer Flowshop Tipe (1) dengan Kriteria Minimasi Total Waktu Tinggal Aktual Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas
Lebih terperinciBAB 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 terperinci1, 2 Dosen Teknik Manufaktur Politeknik 17 Agustus 1945 Surabaya
PENGEMBANGAN CROSS ENTROPY-GENETIC ALGORITHM (CEGA) PADA PENJADWALAN MODEL FLOW SHOP UNTUK MEMINIMALKAN MAKESPAN Dian Setiya Widodo (1), Nuzullis Lailatul Kamaliyah (2) 1, 2 Dosen Teknik Manufaktur Politeknik
Lebih terperinciJURNAL TEKNIK NDUSTRI ITS Vol. 1, No. 1, (2013) 1-6 1
JURNAL TEKNIK NDUSTRI ITS Vol. 1, No. 1, (2013) 1-6 1 PENGEMBANGAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM DALAM PENYELESAIAN MULTI-PRODUCT INVENTORY SHIP ROUTING PROBLEM DENGAN HETEROGENEOUS
Lebih terperinciOPTIMASI 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 terperinciMODEL PENJADWALAN FLOW SHOP n JOB m MESIN UNTUK MEMINIMASI MAKESPAN TANPA TARDY JOB DENGAN KENDALA KETIDAKTERSEDIAAN MESIN
MODEL PENJADWALAN FLOW SHOP n JOB m MESIN UNTUK MEMINIMASI MAKESPAN TANPA TARDY JOB DENGAN KENDALA KETIDAKTERSEDIAAN MESIN Jefikz Berhitu, Mokh. Suef, dan Nani Kurniati Jurusan Teknik Industri - Institut
Lebih terperinciPENDEKATAN 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 terperinciAlgoritma 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 terperinciAnalisis 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 terperinciPENGEMBANGAN ALGORITMA SIMULATED ANNEALING PADA PERMASALAHAN HYBRID FLOWSHOP SCHEDULING UNTUK MINIMASI MAKESPAN DAN TOTAL TARDINESS
PENGEMBANGAN ALGORITMA SIMULATED ANNEALING PADA PERMASALAHAN HYBRID FLOWSHOP SCHEDULING UNTUK MINIMASI MAKESPAN DAN TOTAL TARDINESS Ainur Rofiq, Budi Santosa Jurusan Teknik Industri Institut Teknologi
Lebih terperinciBAB 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 terperinciPenyelesaian Permasalahan Penjadwalan Aktivitas Proyek dengan Batasan Sumber Daya Menggunakan Metode Cross Entropy
Penyelesaian Permasalahan Penjadwalan Aktivitas Proyek dengan Batasan Sumber Daya Menggunakan Metode Cross Entropy Problem Solving on The Resource Constrains Project Scheduling Problem (RCPSP) Using Cross
Lebih terperinciPENERAPAN ALGORITMA TABU SEARCH DALAM PENJADWALAN JOB SHOP
MAKARA, TEKNOLOGI, VOL. 7, NO. 3, DESEMBER 2003 PENERAPAN ALGORITMA TABU SEARCH DALAM PENJADWALAN JOB SHOP Betrianis dan Putu Teguh Aryawan Departemen Teknik Industri, Fakultas Teknik, Universitas Indonesia,
Lebih terperinciPENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM
PENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM Pristi Dwi Puspitasari, Budi Santosa Jurusan Teknik Industri Institut Teknologi
Lebih terperinciBAB 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 terperinciPenjadwalan Kelompok Buku Cerita Menggunakan Algoritma Modrak (2010) dengan Kriteria Minimisasi Makespan *
Reka integra ISSN:2338-5081 Jurusan Teknik Industri Itenas No. 02 Vol. 02 Jurnal Online Institut Teknologi Nasional September 2014 Penjadwalan Kelompok Buku Cerita Menggunakan Algoritma Modrak (2010) dengan
Lebih terperinciHIBRIDISASI GENETIC-TABU SEARCH ALGORITHM UNTUK PENJADWALAN JOB TERHADAP BEBERAPA RESOURCE DI DALAM KOMPUTASI GRID
HIBRIDISASI GENETIC-TABU SEARCH ALGORITHM UNTUK PENJADWALAN JOB TERHADAP BEBERAPA RESOURCE DI DALAM KOMPUTASI GRID Irfan Darmawan Teknik Elektro dan Informatika, Universitas Siliwangi ABSTRAK Permasalahan
Lebih terperinciABSTRAK. 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 terperinciBAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,
BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi
Lebih terperinciPENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X)
PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) Ria Krisnanti 1, Andi Sudiarso 2 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik,
Lebih terperinciPENDEKATAN CROSS ENTROPY-GENETIC ALGORITHM UNTUK PERMASALAHAN PENJADWALAN JOB SHOP TANPA WAKTU TUNGGU PADA BANYAK MESIN
PENDEKATAN CROSS ENTROPY-GENETIC ALGORITHM UNTUK PERMASALAHAN PENJADWALAN JOB SHOP TANPA WAKTU TUNGGU PADA BANYAK MESIN Muhammad Arif Budiman Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut
Lebih terperinciPENGEMBANGAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENYELESAIKAN CAPACITATED LOCATION- ROUTING PROBLEM
PENGEMBANGAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENYELESAIKAN CAPACITATED LOCATION- ROUTING PROBLEM M. Firdias Aulia Baskoro W. 1, *), Budi Santosa 2), Yudha Prasetyawan 3) 1) Pasca Sarjana
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciJurnal Edukasi dan Penelitian Informatika (JEPIN) Vol. 1, No. 2, (2015) 1 Rancangan Sistem Penjadwalan Akademik Menggunakan Algoritma Max Min Ant System (Studi Kasus: STMIK Atma Luhur Pangkalpinang) Delpiah
Lebih terperinciReka 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 terperinciPENGEMBANGAN MODEL PENJADWALAN MENGGUNAKAN TEKNIK SISIPAN (INSERTION TECHNIQUE)
PENGEMBANGAN MODEL PENJADWALAN MENGGUNAKAN TEKNIK SISIPAN (INSERTION TECHNIQUE) IR. DINI WAHYUNI, MT. Fakultas Teknik Jurusan Teknik Industri Universitas Sumatera Utara 1. Latar Belakang Kecenderungan
Lebih terperinciReka Integra ISSN: JurusanTeknik Industri Itenas No. 01 Vol. 02 Junal Online Institut Teknologi Nasional Januari 2014
Reka Integra ISSN:2338-5081 JurusanTeknik Industri Itenas No. 01 Vol. 02 Junal Online Institut Teknologi Nasional Januari 2014 Algoritma PenjadwalanJob Shop Kelompok Mesin ParalelMenggunakanGreedy Randomized
Lebih terperinciBAB 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 terperinciPENJADWALAN FLOWSHOP MENGGUNAKAN ALGORITMA NAWAZ ENSCORE HAM
PENJADWALAN FLOWSHOP MENGGUNAKAN ALGORITMA NAWAZ ENSCORE HAM Ilyas Masudin 1, Dana Marsetya Utama 2 dan Febrianto Susastro 3 Abstract: This article attempts to schedule flow shop production using Nawaz
Lebih terperinciMODEL OPTIMASI PENJADWALAN PRODUKSI FLOWSHOP DENGAN WAKTU PROSES DINAMIS
MODEL OPTIMASI PENJADWALAN PRODUKSI FLOWSHOP DENGAN WAKTU PROSES DINAMIS Joko Sulistio Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Islam Indonesia Kampus UII Terpadu, Jl.Kaliurang
Lebih terperinciPENJADWALAN OPTIMAL TIPE PRODUKSI FLOWSHOP DUA TAHAP MENGGUNAKAN METODE BRANCH AND BOUND DENGAN MEMPERHATIKAN WAKTU TRANSPORTASI
PENJADWALAN OPTIMAL TIPE PRODUKSI FLOWSHOP DUA TAHAP MENGGUNAKAN METODE BRANCH AND BOUND DENGAN MEMPERHATIKAN WAKTU TRANSPORTASI Marie Muhammad 1, a), Elis Ratna Wulan 2 1,2 Jurusan Matematika, Universitas
Lebih terperinciIMPLEMENTASI ALGORITMA CAT SWARM OPTIMIZATION DALAM MENYELESAIKAN JOB SHOP SCHEDULING PROBLEM (JSSP)
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 90-97 ISSN: 2303-1751 IMPLEMENTASI ALGORITMA CAT SWARM OPTIMIZATION DALAM MENYELESAIKAN JOB SHOP SCHEDULING PROBLEM (JSSP) I Wayan Radika Apriana 1, Ni
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dalam kehidupan sehari-hari, di manapun, kapanpun dan siapapun pasti semua orang menggunakan kendaraan sebagai sarana transportasi mereka. Dan sering kali perjalanan
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciPENGGUNAAN 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 terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu Penelitian dilakukan dengan meninjau penelitianpenelitian terdahulu yang berkaitan. Tinjauan pustaka akan mengetahui faktor-faktor yang perlu diperhatikan
Lebih terperinciPENERAPAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM
PENERAPAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM Nur Rahmawati dan Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi
Lebih terperinciMINIMASI 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 terperinciPENJADWALAN FLOW SHOP DENGAN PENERAPAN CROSS ENTROPY-GENETIC ALGORITHM (CEGA) UNTUK MEMINIMASI MAKESPAN
PENJADWALAN FLOW SHOP DENGAN PENERAPAN CROSS ENTROPY-GENETIC ALGORITHM (CEGA) UNTUK MEMINIMASI MAKESPAN Hasan Bashori 1, Pratikto 2, Sugiono 3 1,2,3 Universitas Brawijaya, Fakultas Teknik Mesin, Malang
Lebih terperinciPENGEMBANGAN ALGORITMA HYBRID CROSS ENTROPY-TABU SEARCH UNTUK PENYELESAIAN TRAVELLING REPAIRMAN PROBLEM
PENGEMBANGAN ALGORITMA HYBRID CROSS ENTROPY-TABU SEARCH UNTUK PENYELESAIAN TRAVELLING REPAIRMAN PROBLEM Muchammad Aminuddin, Budi Santosa Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciUSULAN PENJADWALAN PRODUKSI DENGAN METODE CAMPBELL DUDEK AND SMITH (STUDI KASUS PADA PT PAN PANEL PALEMBANG)
USULAN PENJADWALAN PRODUKSI DENGAN METODE CAMPBELL DUDEK AND SMITH (STUDI KASUS PADA PT PAN PANEL PALEMBANG) Yudit Christianta 1, Theresia Sunarni 2 12 Teknik Industri Sekolah Tinggi Teknik Musi, Palembang
Lebih terperinciGambar 1.1 Contoh Ilustrasi Kasus CVRP 13
BAB I PENDAHULUAN 1.1. Latar Belakang Vehicle Routing Problem (VRP) merupakan konsep umum yang digunakan untuk semua permasalahan yang melibatkan perancangan rute optimal untuk armada kendaraan yang melayani
Lebih terperinciPenjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat
Petunjuk Sitasi: Putawara, R., Aribowo, W., & Ma'ruf, A. (2017). Penjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat. Prosiding SNTI dan SATELIT 2017 (pp. E41-47). Malang:
Lebih terperinciMinimasi Slack Time pada Penjadwalan Make To Order Job Shop
Performa (2005) Vol. 4, No.2: 107-116 Minimasi Slack Time pada Penjadwalan Make To Order Job Shop Ali Parkhan, Hermawan Adi Tanjung Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta
Lebih terperinciPENJADWALAN FLOW SHOP N JOB M MESIN DENGAN METODE FIRST COME FIRST SERVED (FCFS), EARLIEST DUE DATE (EDD) DAN ALGORITMA HEURISTIK POUR
PENJADWALAN FLOW SHOP N JOB M MESIN DENGAN METODE FIRST COME FIRST SERVED (FCFS), EARLIEST DUE DATE (EDD) DAN ALGORITMA HEURISTIK POUR Dwi Agustina Kurniawati, Abdul Latief Irsyad Program Studi Teknik
Lebih terperinciPENJADWALAN PRODUKSI DEPARTEMEN WEAVING Di PT. ISKANDAR INDAH PRINTING TEXTILE SURAKARTA
PENJADWALAN PRODUKSI DEPARTEMEN WEAVING Di PT. ISKANDAR INDAH PRINTING TEXTILE SURAKARTA Wardaya Immanuel 1 Program Studi Teknik Industri, Fakultas Teknologi Industri, Universitas Atma Jaya Yogyakarta
Lebih terperinciOPTIMASI PENGELOLAAN PARIWISATA DI DIY DENGAN MENGGUNAKAN METODE Campbell Dudeck Smith (CDS)
OPTIMASI PENGELOLAAN PARIWISATA DI DIY DENGAN MENGGUNAKAN METODE Campbell Dudeck Smith (CDS) Fitriana Yuli Saptaningtyas.,M.Si. 1, Jurusan Pendidikan Matematika FMIPA UNY anamathuny@gmail.com Abstrak Pariwisata
Lebih terperinciABSTRACT. Keywords: Production Scheduling, Makespan, CDS Algorithm (Campbell, Dudek, and Smith), FCFS Methods (First Come First Serve).
ABSTRACT PT. X is a company engaged in manufacturing, especially in the sewing business. Production scheduling is implemented using the company's production system First Come First Serve (FCFS). FCFS perform
Lebih terperinciProsiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENYELESAIAN PERMASALAHAN VEHICLE ROUTING PROBLEM SIMULTANEOUS DELIVERIES PICK-UP WITH TIME WINDOWS (VRPSDPTW) Heri Awalul, Budi Santosa, Stefanus Eko
Lebih terperinciAlgoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia. Andhika Eko Prasetyo
Algoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia Andhika Eko Prasetyo Latar Belakang 1. Struktur dari Kompetisi Liga Super. 2. Geografis Indonesia yang
Lebih terperinciPenjadwalan Pekerjaan pada No-Wait Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual Menggunakan Algoritma Genetik
Performa (2003) Vol. 2, No1: 24-30 Penjadwalan Pekerjaan pada No-Wait Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual Menggunakan Algoritma Genetik Urip Sarwo Sambodo, Yuniaristanto dan Cucuk
Lebih terperinciMODEL PENJADWALAN NO-WAIT JOB SHOP MENGGUNAKAN ALGORITMA VARIABLE NEIGHBOURHOOD DESCENT DENGAN THRESHOLD UNTUK MEMINIMISASI MAKESPAN
Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.01 Vol.03 Jurnal Online Institut Teknologi Nasional Januari 2015 MODEL PENJADWALAN NO-WAIT JOB SHOP MENGGUNAKAN ALGORITMA VARIABLE NEIGHBOURHOOD
Lebih terperinciPENJADWALAN FLOW SHOP DENGAN MENGUNAKAN METODE NAWAZ ENSCORE AND HAM (NEH), HEURISTIK POUR, CAMPBELL DUDEK SMITH (CDS) UNTUK MINIMASI TARDINESS
PENJADWALAN FLOW SHOP DENGAN MENGUNAKAN METODE NAWAZ ENSCORE AND HAM (NEH), HEURISTIK POUR, CAMPBELL DUDEK SMITH (CDS) UNTUK MINIMASI TARDINESS (STUDI KASUS PT. BAKTI PRINT) Skripsi Diajukan Kepada Universitas
Lebih terperinciSKRIPSI HYBRID ALGORITMA CAT SWARM OPTIMIZATION (CSO) DAN TABU SEARCH (TS) UNTUK PENYELESAIAN PERMUTATION FLOWSHOP SCHEDULING PROBLEM (PFSP)
SKRIPSI HYBRID ALGORITMA CAT SWARM OPTIMIZATION (CSO) DAN TABU SEARCH (TS) UNTUK PENYELESAIAN PERMUTATION FLOWSHOP SCHEDULING PROBLEM (PFSP) QORIMA EMILA PUSPARANI PROGRAM STUDI S1 MATEMATIKA DEPARTEMEN
Lebih terperinciScheduling Problems. Job Shop Scheduling (1) Job Shop Scheduling Problems. Job Shop Scheduling (2) 13/05/2014
/0/0 Scheduling Problems Job Shop Scheduling Problems Mata Kuliah: Penjadwalan Produksi Teknik Industri Universitas Brawijaya Job Shop Scheduling () Job Shop Scheduling () Flow shop: aliran kerja unidirectional
Lebih terperinciKata Kunci - Ship Scheduling and Assignment, NP - Hard Problem, Metode Meta-heuristik, Simple Iterative Mutation Algoritm, Minimum requirement draft
1 Pengembangan Simple Iterative Mutation Algorithm (SIM-A) untuk Menyelesaikan Permasalahan Ship Scheduling and Assignment (Studi Kasus: Distribusi Semen Curah Pada PT. X) Ketut Hendra Harianto, Nyoman
Lebih terperinciModel Penjadwalan Batch Multi Item dengan Dependent Processing Time
Jurnal Teknik Industri, Vol. 12, No. 2, Desember 2010, 69-80 ISSN 1411-2485 Model Penjadwalan Batch Multi Item dengan Dependent Processing Time Sukoyo 1, TMA Ari Samadhi 2, Bermawi P. Iskandar 3, Abdul
Lebih terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciBAB 2 LANDASAN TEORI
26 BAB 2 LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Penjadwalan dapat didefinisikan sebagai penugasan dan penentuan waktu dari kegunaan sumber daya seperti tenaga kerja, peralatan, dan fasilitas
Lebih terperinciPENGEMBANGAN ALGORITMA PENJADUALAN PRODUKSI JOB SHOP UNTUK MEMINIMUMKAN TOTAL BIAYA EARLINESS DAN TARDINESS
PENGEMBANGAN ALGORITMA PENJADUALAN PRODUKSI JOB SHOP UNTUK MEMINIMUMKAN TOTAL BIAYA EARLINESS DAN TARDINESS Dian Retno Sari Dewi Jurusan Teknik Industri, Universitas Katolik Widya Mandala Surabaya Jl.
Lebih terperinciPENJADWALAN FLEKSIBEL FLOWSHOP DENGAN MENGGUNAKAN ALGORITMA LONG PROCESSING TIME-LN UNTUK MINIMASI BIAYA ENERGI
PENJADWALAN FLEKSIBEL FLOWSHOP DENGAN MENGGUNAKAN ALGORITMA LONG PROCESSING TIME-LN UNTUK MINIMASI BIAYA ENERGI (Studi Kasus PT. SINARAYA NUGRAHA AHMADARIS MEDIKA) Skripsi Diajukan Kepada Universitas Muhammadiyah
Lebih terperinciOPTIMASI 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 terperinciABSTRAK. Muhamad Hidayat 1, Ratna Ekawati 2, Putro Ferro Ferdinant 3 1,2, 3 Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa
Minimasi Makespan Penjadwalan Flowshop Menggunakan Metode Algoritma Campbell Dudek Smith (CDS) Dan Metode Algoritma Nawaz Enscore Ham (NEH) Di PT Krakatau Wajatama Muhamad Hidayat 1, Ratna Ekawati 2, Putro
Lebih terperinciBAB 1 PENDAHULUAN 1.1. Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Kebutuhan manusia yang semakin beragam, memicu berbagai sektor riil untuk selalu terus menyediakan barang dan jasa dengan kuantitas memadai, kualitas terbaik, dan
Lebih terperinciPENJADWALAN PRODUKSI DENGAN ALGORITMA HEURISTIK POUR (STUDI KASUS: KONVEKSI ONE WAY MALANG)
PENJADWALAN PRODUKSI DENGAN ALGORITMA HEURISTIK POUR (STUDI KASUS: KONVEKSI ONE WAY MALANG) ANDRI SULAKSMI, ANNISA KESY GARSIDE*, DAN FITHRIANY HADZIQAH Jurusan Teknik Industri, Fakultas Teknik, Universitas
Lebih terperinciPENJADWALAN FLOW SHOP DENGAN PENDEKATAN CROSS ENTROPY-GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PEMBUATAN RODA GIGI
PENJADWALAN FLOW SHOP DENGAN PENDEKATAN CROSS ENTROPY-GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PEMBUATAN RODA GIGI Dian Setiya Widodo, Mario Sarisky Dwi Ellianto Politeknik 17 Agustus 1945 Surabaya
Lebih terperinciPENERAPAN ALGORITMA ANT COLONY PADA PENJADWALAN PRODUKSI
PENERAPAN ALGORITMA ANT COLONY PADA PENJADWALAN PRODUKSI Nurul Imamah, S.Si 1, Dr.Imam Mukhlas, S.Si, MT 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan, Institut Teknologi Sepuluh Nopember
Lebih terperinciPenerapan Algoritma Consultant-Guided Search dalam Masalah Penjadwalan Job Shop untuk Meminimasi Makespan
Penerapan Algoritma Consultant-Guided Search dalam Masalah Penjadwalan Job Shop untuk Meminimasi Makespan Hotna Marina Sitorus 1, Cynthia P. Juwono 2, Yogi Purnawan 3 1,2,3) Fakultas Teknologi Industri,
Lebih terperinciBAB 3 METODE PEMECAHAN MASALAH
BAB 3 METODE PEMECAHAN MASALAH 3.1 Metodologi Pemecahan Masalah Metodologi yang dipakai dalam pemecahan masalah merupakan penerapan dari metode perbaikan proses berkesinambungan (Continuous Prosess Improvement)
Lebih terperinciPERENCANAAN PENJADWALAN PRODUKSI PADA PT HARAPAN WIDYATAMA PERTIWI UNTUK PRODUK PIPA PVC
Jurnal Teknik dan Ilmu Komputer PERENCANAAN PENJADWALAN PRODUKSI PADA PT HARAPAN WIDYATAMA PERTIWI UNTUK PRODUK PIPA PVC (Planning Production Schedule of PVC Pipe Product in PT Harapan Widyatama Pertiwi)
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciPENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION
PENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Email: hilhamsah@gmail.com ABSTRAK
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
42 BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Flow Diagram Pemecahan Masalah dan Penjelasannya 3.1.1 Studi Pendahuluan Untuk mengidentifikasi masalah yang akan diteliti di PT. Furin Jaya, maka penulis melakukan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada Bab II dijelaskan landasan teori yang digunakan untuk mendukung tugas akhir ini. Subbab 2.1 membahas teori SP secara umum, kemudian Subbab 2.2 lebih khusus membahas PFSP. Pada
Lebih terperinciBAB 2 LANDASAN TEORI
22 BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Definisi penjadwalan Secara umum, penjadwalan merupakan proses dalam perencanaan dan pengendalian produksi yang digunakan untuk merencanakan produksi
Lebih terperinciPERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113
PERENCANAAN & PENGENDALIAN PRODUKSI TIN 4113 Pertemuan 13 & 14 Outline: Scheduling Referensi: Tersine, Richard J., Principles of Inventory and Materials Management, Prentice-Hall, 1994. Wiratno, S. E.,
Lebih terperinciBAB I PENDAHULUAN. teliti. Sehingga tidak terjadi bentrok baik antar mata pelajaran, guru, kelas
1 BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan merupakan salah satu hal terpenting dalam suatu lembaga pendidikan, begitu juga untuk lingkup Sekolah Menengah Kejuruan (SMK). Penjadwalan pelajaran pada
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Salah satu tujuan dari industri atau perusahaan adalah menciptakan laba yang maksimal. Salah satu bentuk usahanya adalah dengan memaksimumkan hasil produksi atau meminimumkan
Lebih terperinci