PRESENTASI TUGAS AKHIR CF 1380 PENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN
|
|
- Liani Tanudjaja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PRESENTASI TUGAS AKHIR CF 1380 PENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN Penyusun Tugas Akhir : Fachrudin Afandi (NRP : ) Dosen Pembimbing : Mahendrawathi, E.R, ST, MSc, Ph.D 14 Januari 2010 Tugas Akhir CF1380 1
2 .:LATAR BELAKANG(1):. Perusahaan diberbagai sektor industri dihadapkan pada kompetisi pasar global yang terus meningkat dan fluktuasi permintaan yang tidak dapat diramalkan. Industri pakaian adalah salah satu yang terkena dampak dari tekanan untuk dapat menghasilkan berbagai macam produk yang sesuai dengan selera konsumen, dengan waktu yang singkat dan biaya yang rendah. Industri pakaian pada umumnya beroperasi dengan sistem job shop dimana penjadwalan job shop untuk industri pakaian adalah suatu penjadwalan yang harus mengerjakan banyak operasi menggunakan banyak mesin yang fleksibel. 14 Januari 2010 Tugas Akhir CF1380 2
3 .:LATAR BELAKANG(2):. Berbagai macam penelitian telah dilakukan terhadap masalah penjadwalan job shop pada industri pakaian. Namun demikian, sebagian besar penelitian yang telah dilakukan sebelumnya hanya berkonsentrasi pada pemecahan suatu masalah dengan metoda tertentu pada lingkungan yang telah terdefinisikan jelas dengan berbagai batasan. Model matematika umum untuk masalah penjadwalan job shop pada industri pakaian belum dibahas dan yang bertujuan meminimalkan penyelesaian pesanan lebih awal atau terlambat juga belum diselidiki. 14 Januari 2010 Tugas Akhir CF1380 3
4 .:LATAR BELAKANG(3):. Pada masalah penjadwalan produk berbaur, dua atau lebih pesanan produksi akan diproduksi dimanapun urutan produk. Sedangkan pada kasus penjadwalan multi produk, dua atau lebih produk diproses secara terpisah. Untuk mengisi celah ini, Guo et al. (2006) mengembangkan metoda algoritma genetika untuk penjadwalan job shop yang bersifat berbaur dan multi produk dalam industri pakaian. 14 Januari 2010 Tugas Akhir CF1380 4
5 .:TUJUAN TUJUAN:. Tujuan tugas akhir ini adalah Mengimplementasikan algoritma genetika untuk melakukan penjadwalan job shop yang dapat meminimalkan total pinalti E/T (Earliness/Tardiness). 14 Januari 2010 Tugas Akhir CF1380 5
6 .:PERMASALAHAN PERMASALAHAN:. Permasalahan yang terkait dalam tugas akhir ini adalah: Bagaimana mengimplementasikan algoritma genetika dalam menyelesaikan masalah penjadwalan job shop dengan tujuan meminimalkan total pinalti E/T (Earliness/Tardiness) Bagaimana solusi yang dihasilkan dapat membantu industri pakaian dalam mengambil keputusan terkait dengan masalah penjadwalan job shop 14 Januari 2010 Tugas Akhir CF1380 6
7 .:BATASAN MASALAH:. Algoritma yang digunakan adalah algoritma genetika untuk masalah penjadwalan job shop. Data yang digunakan berasal dari data-data produksi pada industri perakitan pakaian yang sesuai dengan masalah penjadwalan job shop. Pengembangan aplikasi menggunakan ruang lingkup pemrograman Matlab 14 Januari 2010 Tugas Akhir CF1380 7
8 .:PENJADWALAN JOB SHOP:. Penjadwalan merupakan suatu proses pengaturan sumber daya untuk menyelesaikan tugas-tugas dengan melibatkan pekerjaan, sumber daya, dan waktu. Tujuan dari masalah penjadwalan antara lain meminimumkan waktu penyelesaian semua tugas (makespan), meminimumkan keterlambatan pengerjaan, meminimumkan waktu tunggu pada mesin, meminimumkan biaya, dan lain-lain. 14 Januari 2010 Tugas Akhir CF1380 8
9 .:PENJADWALAN JOB SHOP:. Pada sistem perakitan produk berbaur: dua atau lebih pesanan diproduksi dimanapun urutan berbaur Sedangkan pada sistem perakitan multi produk: dua atau lebih produk diproses secara terpisah didalam batch 14 Januari 2010 Tugas Akhir CF1380 9
10 .:MASALAH PENJADWALAN JOB SHOP:. Job Shop Scheduling Problem (JSSP) melibatkan suatu tugas pada seperangkat kerja pada stasiunkerja (mesin) secara sekuensial Saat mengoptimalkan satu atau lebih sasaran tanpa melanggar batasan-batasan yang diterapkan pada job shop (Guo et al, 2006) Algoritma genetika merupakan salah satu teknik yang paling sering diterapkan dan telah terbukti di beberapa penelitian dapat menemukan solusi heuristik dari suatu variasi yang luas pada aplikasi 14 Januari 2010 Tugas Akhir CF
11 .:Pemodelan JSSP(1):. Beberapa asumsi yang digunakan: 1. Ketika sekali suatu operasi mulai dijalankan, maka tidak dapat disela. 2. Tidak ada kasus kekurangan material, gangguan mesin dan ketidakhadiran operator mesin job shop dalam kerjanya. 3. Job shop digunakan untuk memodelkan adalah dalam keadaan inisialisasi awal job shop kosong, dengan kata lain tidak ada kerja yang menumpuk sebelumnya (Work in Process / WIP) pada setiap stasiun-kerja. 14 Januari 2010 Tugas Akhir CF
12 .:Pemodelan JSSP(2):. C C Batasan-batasan dalam pemodelan: 1. Batasan waktu kedatangan A i SP i (1) 2. Batasan alokasi X ilkj kj, M kj SM il X ilkj 1 il X ilkj 1 kj 0 (3) (4) 3. Batasan operasi il ET il (2) 1 Si' l', Oil P( Oi ' l' ) 4. Batasan waktu proses il S il STP il T il 1 (6) (5) Pemenuhan order Pi tidak dapat dimulai (SPi) sampai waktu kedatangan order Pi tiba (Ai) Setiap mesin (Mkj) harus memproses setidaknya satu operasi (Oil) Setiap mesin harus memproses setidaknya satu operasi Setiap operasi harus diproses Suatu operasi tidak dapat dimulai sebelum operasi yang terdahulu telah diselesaikan (Cil) dan diangkut (ETil) sesuai dengan mesin kerjanya Operasi Oil harus dijalankan dengan waktu proses (Til) dan setup waktu (STPil) 14 Januari 2010 Tugas Akhir CF
13 .:Pemodelan JSSP(3):. Fungsi tujuan: min Z, dengan Z { },{ } SP i X ilkj p i 1 (. TD i i.. EL.(1 )) i i i i (7) Meminimumkan total pinalti Earliness (ELi) atau Tardiness (TDi) 14 Januari 2010 Tugas Akhir CF
14 .:METODA ALGORITMA GENETIKA:. Pada umumnya suatu penerapan algoritma genetika secara generasional sederhana terdiri dari 3 bagian, yaitu: Memilih populasi awal Evaluasi nilai fitness dari setiap individu didalam populasi Ulangi sampai proses berhenti (nilai fitness terbaik terpenuhi) Pilih individu terbaik berdasar ranking untuk reproduksi Bentuk generasi baru melalui pindah silang dan mutasi untuk menghasilkan keturunan baru (child) Evaluasi nilai fitness keturunan yang dihasilkan Setelah diatur terlebih dahulu, gantikan individu dengan nilai fitness terburuk dengan keturunan yang dihasilkan 14 Januari 2010 Tugas Akhir CF
15 .:METODA ALGORITMA GENETIKA:. Evaluasi kromosom: Evaluasi nilai fitness dalam populasi dengan fungsi fitness Penghentian proses: Generasi dan operasi genetika Terpenuhi? Inisialisasi populasi: menugaskan operasi masing-masing, kepada mesin yang mampu menanganinya Kromosom dengan nilai fitness terbaik Membangkitkan kromosom yang feasibel hingga terbentuk populasi Operator mutasi inversi Pindah silang uniformorder (Davis, 1991) Proses seleksi turnamen (Goldberg, Korb, & Deb, 1989) 14 Januari 2010 Tugas Akhir CF
16 .:ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP:. Langkah langkah dalam menerapkan GA pada masalah JSS, yaitu: 1. Representasi kromosom 2. Inisialisasi populasi 3. Fitness dan seleksi 4. Operasi genetika 5. Ukuran penghentian proses 14 Januari 2010 Tugas Akhir CF
17 .:IMPLEMENTASI DAN UJI COBA PROGRAM:. Implementasi program menggunakan Matlab 7.7 dalam lingkungan sistem operasi Windows XP. Data yang digunakan adalah data order produksi data efisiensi operasi pada setiap stasiun-mesin (sumber: ref. paper Guo et al, 2006) 14 Januari 2010 Tugas Akhir CF
18 .:IMPLEMENTASI DAN UJI COBA PROGRAM:. Uji coba dilakukan dalam dua eksperimen Eksperimen 1: setiap mesin hanya dapat menampung 1 operasi dalam proses pengolahan order Eksperimen 2: setiap mesin dapat menampung maksimal dua operasi dalam proses pengolahan order 14 Januari 2010 Tugas Akhir CF
19 .:IMPLEMENTASI DAN UJI COBA PROGRAM:. Setiap eksperimen terbagi menjadi 2 mode, yaitu Mode 1: Pengolahan order 1 dijalankan kemudian saat waktu tertentu ditunda untuk menjalankan pengolahan order 2 sampai selesai, kemudian pengolahan order 1 dijalankan kembali sifat produk: multi produk Mode 2: Pengolahan order 1 dijalankan kemudian saat waktu tertentu pengolahan order 1 dan order 2 dijalankan secara simultan sampai order 2 terpenuhi. Setelah itu baru pengolahan order 1 dijalankan kembali sifat produk: berbaur dan multi produk 14 Januari 2010 Tugas Akhir CF
20 .:IMPLEMENTASI DAN UJI COBA PROGRAM:. Untuk melakukan evaluasi digunakan uji kebenaran pada setiap eksperimen. Uji kebenaran Setiap operasi hanya bisa dijalankan pada mesin yang mampu menanganinya Eksperimen 1 Setiap Mesin lockstitch mesin 1 harus 7 hanya memproses menampung operasi setidaknya 2, 3, 4, 11 dan satu 12. operasi Eksperimen 2 Setiap operasi harus diproses Mesin overlock 8 14 hanya menampung operasi 1, 5, 6, 7, 8, 9 dan 10. Mesin lockstitch 1 9 hanya menampung operasi 1, 2, 3, 5, 6, 8, 9, 10, 11, dan 12. Mesin overlock hanya menampung operasi 4, 7, dan Januari 2010 Tugas Akhir CF
21 .:IMPLEMENTASI DAN UJI COBA PROGRAM:. Operasi order harus dijalankan dengan waktu awal (start), waktu pengaturan mesin, dan waktu proses operasi C ( S STP T ) ET Dimana: C = waktu penyelesaian order sepenuhnya (akan ditentukan) S = waktu awal (start) operasi dijalankan (telah ditetapkan) STP = waktu pengaturan mesin dilakukan (telah ditetapkan) T = waktu order selesai dikerjakan (akan ditentukan) ET = waktu penundaan order dijalankan (telah ditetapkan) Pada uji coba eksperimen yang dilakukan waktu pengaturan mesin (STP) dianggap masuk dalam waktu proses (T) 14 Januari 2010 Tugas Akhir CF
22 .:IMPLEMENTASI DAN UJI COBA PROGRAM:. Uji coba pada eksperimen 1 Kasus 1 Bobot tardiness Bobot earliness Jumlah order Order Tenggat waktu Mode 1 Mode 2 Order Uji coba pada eksperimen 2 Kasus 1 Bobot tardiness Bobot earliness Jumlah order Order Tenggat waktu Mode 1 Mode 2 Order Januari 2010 Tugas Akhir CF
23 .:SIMPULAN:. GA dapat digunakan sebagai salah satu metoda alternatif dalam menyelesaikan penjadwalan job shop karena memiliki kemampuan yang baik dalam membangkitkan solusi heuristik dari variasi permasalahan yang luas. Metoda algoritma genetika mampu menyelesaikan masalah penjadwalan job shop yang produknya bersifat berbaur dan multi produk dengan meminimalkan total pinalti E/T (Earliness/Tardiness). Waktu awal dan waktu pengaturan mesin sangat berpengaruh dalam efektifitas penjadwalan job shop yang dihasilkan. 14 Januari 2010 Tugas Akhir CF
24 .:SIMPULAN:. Pada penjadwalan job shop dengan mode 2 dimana ada saat produksi dua order dijalankan secara bersamaan, untuk produksi order 1 dapat dipaksakan produksinya disaat pengolahan order 1 atau disaat pengolahan dua order dijalankan ataupun order 1 dijalankan secara berimbang disaat pengolahan order 1 dan pengolahan dua order. Pinalti E/T dapat dikenakan pada pengolahan order jika waktu awal produksi tidak tepat. Pinalti juga bisa terjadi jika susunan operasi yang dibuat tidak memiliki efektifitas dan efisiensi didalam proses produksi order. Pinalti E/T pada produksi berarti total biaya produksi juga bertambah. 14 Januari 2010 Tugas Akhir CF
25 .:SARAN:. Pengembangan terhadap GA pada masalah penjadwalan job shop dengan mempertimbangkan efek ketidakpastian, diantaranya: Ketidakpastian permintaan konsumen Gangguan mesin Kekurangan bahan baku Ketidakhadiran operator mesin dll. 14 Januari 2010 Tugas Akhir CF
26 .:DAFTAR PUSTAKA:. Watanabe, M., Ida, K., & Gen, M. (2005). A genetic algorithm with modified crossover operator and search area adaption for the jobshop scheduling problem. Computers and Industrial Engineering, 48(4), Ventura, J. A., & Kim, D. (2003). Parallel machine scheduling with earliness-tardiness penalties and additional resource constraints. Computers and Operations Research, 30(13), Seo, D. K., Klein, C. A., & Jang, W. (2005). Single machine stochastic scheduling to minimize the expected number of tardy jobs using mathematical programming models. Computers and Industrial Engineering, 48(2), Poon, P. W., & Carter, J. N. (1995). Genetic algorithm crossover operators for ordering applications. Computers and Operations Research, 22(1), Januari 2010 Tugas Akhir CF
27 .:DAFTAR PUSTAKA:. Park, B. J., Choi, H. R., & Kim, H. S. (2003). A hybrid genetic algorithm for the job shop scheduling problems. Computers and Industrial Engineering, 45(4), Gordon, V., Proth, J., & Chu, C. (2002). A survey of the state-ofthe-art of common due date assignment and scheduling research. European Journal of Operational Research, 139(1), Guo, Z.X., Wong, W.K., Leung, S.Y.S., Fan, J.T., Chan, S.F. (2006). Mathematical model and genetic optimization for the job shop scheduling problem in a mixed- and multi-product assembly environment: A case study based on the apparel industry. Computers & Industrial Engineering 50 (2006) Cheng, R. W., Gen, M., & Tsujimura, Y. (1996). A tutorial survey of job-shop scheduling problems using genetic algorithms.1. Representation. Computers and Industrial Engineering, 30(4), Januari 2010 Tugas Akhir CF
28 .:DAFTAR PUSTAKA:. Lauff, V., & Werner, F. (2004). Scheduling with common due date, earliness and tardiness penalties for multimachine problems: A survey. Mathematical and Computer Modeling, 40(5 6), Brucker, P., Jurisch, B., & Sievers, B. (1994). A branch-andbound algorithm for the job-shop scheduling problem. Discrete Applied Mathematics, 49(1 3), Januari 2010 Tugas Akhir CF
29 TERIMA KASIH 14 Januari 2010 Tugas Akhir CF
30 .:Representasi Kromosom:. Langkah 1: Merepresentasikan kromosom Penjelasan representasi kromosom sebagai berikut: Mesin dibagi menjadi dua tipe, tipe 1 meliputi mesin 1-7 dan tipe 2 meliputi mesin Operasi 1, 2, 3, dan 4 harus diproses pada mesin tipe 1 Sedangkan operasi 5 dan 6 harus diproses pada mesin tipe Januari 2010 Tugas Akhir CF
31 .:Inisialisasi Populasi:. Langkah 2: Inisialisasi populasi 1. Inisialisasi parameter Indeks i 2. Membangkitkan Ukuran populasi kromosom u string integer CHR i PPN PPN Populasi PPN CHR i 3. Set i=i+1. jika i>u, STOP. Jumlah populasi terpenuhi 14 Januari 2010 Tugas Akhir CF
32 .:Seleksi Seleksi:. Langkah 3: Proses seleksi dan fitness Set ukuran turnamen k>=2 Membangkitkan suatu permutasi acak didalam populasi Bandingkan nilai fitness pada kromosom pertama pada daftar permutasi, dan salin yang terbaik ke dalam generasi berikutnya 1 1 jika fitness permutasi habis terpakai, bangkitkan permutasi lain p Z 1 Ulangi langkah 3 ( i dan i. TD 4 i. sampai i i. EL 1 tidak i.(1 diperlukan i )) 1 seleksi lagi untuk generasi berikutnya 14 Januari 2010 Tugas Akhir CF
33 .:Operasi Genetika:. Langkah 4: Operasi genetika Proses pindah silang Proses mutasi 14 Januari 2010 Tugas Akhir CF
34 .:Operasi Genetika(1):. Proses pindah silang Acak beberapa string yang panjangnya sama dengan kromosom Isi beberapa posisi pada anak 1 dengan mencopi gen dari orang tua 1 dimana saja bit string yang memuat 1 Buat daftar gen dari orang tua 1 dihubungkan dengan bit string 0 Mengubah urutan daftar gen sehingga urutannya sama dengan urutan gen yang tampak pada orang tua 2 Salin urutan daftar gen ke dalam posisi kosong pada anak 1 Anak 2 diproduksi menggunakan proses serupa dengan proses pada anak 1 14 Januari 2010 Tugas Akhir CF
35 .:Proses Pindah Silang:. Ubah Salin daftar gen 1 Daftar gen parent 1: (8) (3,10) (1,11) (6,12) (3,10) (8) (6,12) (1,11) (4,7) Ubah Salin daftar gen gen 2 Daftar gen parent 2: (5) (1) (8) (10)(1) (11) (10) (5)(11) (8) (7,13) 14 Januari 2010 Tugas Akhir CF
36 .:Operasi Genetika(2):. Proses mutasi Ambil satu kromosom dari populasi sebagai kromosom asli. Inversi kromosom dengan cara pada tipe mesin yang sama, jika panjang kromosom n, maka tukar posisi gen ke-2 dengan gen ke-n, gen ke-3 dengan gen ke (n- 1), dan seterusnya. Mutasi kromosom dengan cara pada tipe mesin yang sama, tukar secara acak posisi gen yang bersebelahan antara gen ke-2 dan gen terakhir. 14 Januari 2010 Tugas Akhir CF
37 .:Proses Mutasi:. Titik mutasi Kromosom asli ,6 11 6,12 7,13 4,13 Inversi kromosom 5 6, , ,13 4,13 Mutasi kromosom 5 6,12 6, ,13 4,13 Tipe mesin Tipe 1 Tipe Ambil Menginversi Mutasi satu kromosom kromosomdari populasi 14 Januari 2010 Tugas Akhir CF
38 .:Penghentian Proses:. Langkah 5: Ukuran penghentian proses Terpenuhinya 2 kriteria penghentian Sejumlah generasi tertentu Penggunaan keanekaragaman algoritma genetika (Operasi genetika) 14 Januari 2010 Tugas Akhir CF
39 Eksperimen 1 kasus 1 mode 1.:HASIL UJI COBA(1):. operasi Mesin no Order Order Pada order 1 dengan waktu mulai hari ke 0, waktu penundaan 5,43 dan tenggat waktu 15 hari - Waktu rata-rata proses sistem operasi bottleneck 228 detik - Sistem satu order 1125,5 detik - Pada order 2 dengan waktu mulai hari ke 6,57 dan tenggat waktu 12 hari - Waktu rata-rata proses sistem operasi bottleneck 130 detik - Sistem satu order 514,0001 detik 14 Januari 2010 Tugas Akhir CF
40 .:ANALISA HASIL(1):. Hasil Penjadwalan optimasi eks. 11 kasus 11 mode 11 Order 1 Order 2 Waktu Start 0 6,57 Waktu Pengolahan Order 9,53 5,43 Waktu Penundaan 5,43 0 Waktu Penyelesaian Order 14,96 12 Tenggat Waktu Pinalti $100*0,04 =$ Januari 2010 Tugas Akhir CF
41 Eksperimen 1 kasus 1 mode 2.:HASIL UJI COBA(2):. operasi Mesin no Order order Pengolahan order 1 dengan waktu mulai hari ke 0 dan tenggat waktu 15 hari - Pada perakitan 798 pakaian, waktu sistem bottleneck 192 detik dan sistem satu order 1056 detik. - Pengolahan dua order dengan waktu mulai hari ke 2,35 - Order 1: pada perakitan 402 pakaian, waktu sistem bottleneck 685,7143 detik dan sistem satu order 2492,1 detik. - Order 2: waktu sistem bottleneck 230,7692 detik dan sistem satu order 1063,6 detik, dengan tenggat waktu 12 hari 14 Januari 2010 Tugas Akhir CF
42 .:ANALISA HASIL(2):. Penjadwalan Hasil optimasi eks.1 kasus 11 mode 22 Order 1 Order 2 Waktu Start 0 2,35 Waktu Pengolahan Order 14,98 9,64 Waktu Penyelesaian Order 14,98 11,99 Tenggat Waktu Pinalti $100*0,02 =$2 $100*0,01 =$1 14 Januari 2010 Tugas Akhir CF
43 .:HASIL UJI COBA(3):. Eksperimen 2 kasus 1 mode 1 Op. Order 1 Order 2 Mesin no ,3 8 2, , ,7 4, , ,10 9, ,11 10,11 10, Pada order 1 dengan waktu mulai hari ke 0, waktu penundaan 7 hari dan tenggat waktu 15 hari - Waktu rata-rata proses sistem operasi bottleneck 228,8 detik. - Sistem satu order 1523,1 detik. - Pada order 2 dengan waktu mulai hari ke 5 dan tenggat waktu 12 hari - Waktu rata-rata proses sistem operasi bottleneck 201,2903 detik. - Sistem satu order 526,4121 detik. 14 Januari 2010 Tugas Akhir CF
44 .:ANALISA HASIL(3):. Penjadwalan Hasil optimasi eks.2 kasus 11 mode 11 Order 1 Order 2 Waktu Start 0 5 Waktu Pengolahan Order 7,99 7 Waktu Penundaan 7 0 Waktu Penyelesaian Order 14,99 12 Tenggat Waktu Pinalti $100*0,01 =$ Januari 2010 Tugas Akhir CF
45 Eksperimen 2 kasus 1 mode 2.:HASIL UJI COBA(4):. Op. Order 1 2 order Mesin no , , , , , Pengolahan order 1 dengan waktu mulai hari ke 0 dan tenggat waktu 15 hari - Pada perakitan 621 pakaian, waktu sistem bottleneck 277,6471 detik dan sistem satu order 1537,2 detik. - Pengolahan dua order dengan waktu mulai hari ke 3,04 - Order 1: pada perakitan 379 pakaian, waktu sistem bottleneck 672,9412 detik dan sistem satu order 3033,6 detik. - Order 2: waktu sistem bottleneck 257,1429 detik dan sistem satu order 1107,7 detik, dengan tenggat waktu 12 hari 14 Januari 2010 Tugas Akhir CF
46 .:ANALISA HASIL(4):. Penjadwalan Hasil optimasi eks.2 kasus 11 mode 22 Order 1 Order 2 Waktu Start 0 3,04 Waktu Pengolahan Order 14,97 8,96 Waktu Penyelesaian Order 14,97 12 Tenggat Waktu Pinalti $100*0,03 =$ Januari 2010 Tugas Akhir CF
BAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab ini akan dijelaskan mengenai hal-hal yang menjadi latar belakang dilakukan penelitian ini, perumusan masalah, batasan penelitian yang dikerjakan, tujuan, manfaat penelitian terhadap
Lebih 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Pengertian Penjadwalan Penjadwalan dalam proses produksi merupakan sesuatu yang cukup penting, dalam proses penjadwalan dapat menentukan waktu yang dibutuhkan
Lebih terperinciBab II. Tinjauan Pustaka
7 Bab II Tinjauan Pustaka 2.1 Penelitian Terdahulu Penelitian mengenai Visualisasi Rute Terpendek Jalur Angkutan Kota Dengan Algoritma Genetika membahas tentang perancangan dan pembuatan aplikasi yang
Lebih terperinciPenerapan Algoritma Genetika dalam Job Shop Scheduling Problem
Penerapan Algoritma Genetika dalam Job Shop Scheduling Problem Haris Sriwindono Program Studi Ilmu Komputer Universitas Sanata Dharma Paingan, Maguwoharjo, Depok Sleman Yogyakarta, Telp. 0274-883037 haris@staff.usd.ac.id
Lebih 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 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 terperinciUSULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING
USULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING Santoso 1*, Eldad Dufan Sopater Subito 2 1,2 Jurusan Teknik Industri, Fakultas Teknik, Universitas Kristen Maranatha
Lebih 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Penjadwalan dan Penjadwalan Flow shop Menurut Kumar (2011), jadwal merupakan rencana sistematis yang umumnya menceritakan hal-hal yang akan dikerjakan. Menurut Pinedo (2005),
Lebih 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 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 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 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 terperinciPENGARUH ELISTM DALAM PENYELESAIAN PERMASALAHAN PENJADWALAN MESIN DENGAN MENGGUNAKAN ALGORITMA BEREVOLUSI
PENGARUH ELISTM DALAM PENYELESAIAN PERMASALAHAN PENJADWALAN MESIN DENGAN MENGGUNAKAN ALGORITMA BEREVOLUSI Sri Yulianti, Nurmaulidar, dan Taufiq Abdul Gani Jurusan Matematika, FMIPA Center for Computational
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Penjadwalan Penjadwalan kegiatan belajar mengajar pada suatu lembaga pendidikan biasanya merupakan salah satu pekerjaan yang tidak mudah dan menyita waktu. Pada lembaga pendidikan
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN SKRIPSI HENDRIK SITANGGANG
PENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains HENDRIK SITANGGANG
Lebih terperinciABSTRAK. Job shop scheduling problem merupakan salah satu masalah. penjadwalan yang memiliki kendala urutan pemrosesan tugas.
ABSTRAK Job shop scheduling problem merupakan salah satu masalah penjadwalan yang memiliki kendala urutan pemrosesan tugas. Pada skripsi ini, metode yang akan digunakan untuk menyelesaikan job shop scheduling
Lebih terperinciSIMULASI A TRIA MESI DALAM PE GOLAHA PERTA IA DE GA METODE JOB SHOP SCHEDULLI G PROBLEM
Prosiding Seminar Nasional SPMIPA 2006 SIMULASI A TRIA MESI DALAM PE GOLAHA PERTA IA DE GA METODE JOB SHOP SCHEDULLI G PROBLEM Satriyo Adhy, Edy Suharto Program Studi Ilmu Komputer Jurusan Matematika Fakultas
Lebih 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 terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih terperinciBAB I PENDAHULUAN. antara perusahaan yang satu dengan yang lainnya. Perusahaan yang dapat. jumlah konsumennya. Salah satu usahanya adalah dengan
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan yang sangat cepat dalam bidang industri seiring dengan kemajuan ilmu pengetahuan dan teknologi mengakibatkan munculnya persaingan antara perusahaan
Lebih terperinciBAB I PENDAHULUAN. hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki
BAB I PENDAHULUAN 1.1 Latar Belakang Kereta api merupakan alat transportasi darat utama yang digunakan hampir di seluruh dunia, termasuk Indonesia. Alat transportasi ini memiliki multi keunggulan komparatif,
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 terperinciSistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama)
Sistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama) Ari Janata 1, Elin Haerani 2 1,2 Teknik Informatika, UIN Sultan Syarif Kasim Riau Jl. H.R. Soebrantas no. 155
Lebih terperinciBAB II LANDASAN TEORI
27 BAB II LANDASAN TEORI 2.1. Penelitian Terkait Penelitian terkait yang menggunakan algoritma genetika untuk menemukan solusi dalam menyelesaikan permasalahan penjadwalan kuliah telah banyak dilakukan.
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem dan Informasi 2.1.1 Sistem Menurut Sutabri (2004), bahwa sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lainnya berfungsi untuk mencapai
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih 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 terperinciABSTRAK. v Universitas Kristen Maranatha
ABSTRAK PD BLESSING adalah sebuah perusahaan di Kota Bandung yang memproduksi pakaian bayi (Jumper). Perusahaan memproduksi barang sesuai dengan pesanan konsumen (job order). Pesanan dari konsumen dikumpulkan
Lebih 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 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 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 terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciPENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN ALGORITMA GENETIKA DI PT PERTANI (PERSERO) CABANG D.I. YOGYAKARTA
PENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN ALGORITMA GENETIKA DI PT PERTANI (PERSERO) CABANG D.I. YOGYAKARTA Alex Alfandianto, Yohanes Anton Nugroho, Widya Setiafindari Program Studi Teknik Industri Universitas
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC)
PENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC) Yayun Hardianti 1, Purwanto 2 Universitas Negeri Malang E-mail: yayunimoet@gmail.com ABSTRAK:
Lebih terperinciIndeks Produksi Industri Sedang Besar
BAB I PENDAHULUAN 1.1 Latar Belakang Jumlah penduduk yang semakin banyak mengakibatkan semakin banyaknya peluang usaha. Semakin banyaknya penduduk semakin banyak pula kebutuhan yang perlu dipenuhi. Industri-industri
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Penjadwalan Penjadwalan adalah penempatan sumber daya (resource) dalam satu waktu. Penjadwalan mata kuliah merupakan persoalan penjadwalan yang umum dan sulit dimana tujuannya
Lebih terperinciPENJADWALAN 20 JOB 8 MESIN DENGAN METODE GENETIC ALGORITHM (GA)
PENJADWALAN 20 JOB 8 MESIN DENGAN METODE GENETIC ALGORITHM (GA) Didit Damur Rochman 1, Rendiyatna Ferdian 2 Program Studi Teknik Industri, Fakultas Teknik, Universitas Widyatama Jl Cikutra No 204A Bandung
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan tugas akhir ini. Teori-teori yang dibahas mengenai pengertian penjadwalan, algoritma
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 terperinciPRESENTASI TUGAS AKHIR KS Penyusun Tugas Akhir : M. Rahman Pradipto (NRP : )
PRESENTASI TUGAS AKHIR KS091336 IMPLEMENTASI GENDERED GENETIC ALGORITHM UNTUK MEMINIMALKAN MAKESPAN PADA PERMASALAHAN PENJADWALAN PRODUKSI DAN TRANSPORTASI DALAM RANTAI PASOK DUA TAHAP Penyusun Tugas Akhir
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih 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 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 terperinciOPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Perusahaan X merupakan salah satu perusahaan manufaktur yang memproduksi berbagai macam produk berbahan baku besi dan stainless steel. Produk yang dihasilkan seperti cabinet, trolley, pagar, tangki
Lebih terperinciABSTRAK. Laporan Tugas Akhir. Universitas Kristen Maranatha
ABSTRAK PT. Kerta Laksana adalah perusahaan manufaktur yang bergerak di bidang pembuatan mesin, dimana pesanan pada perusahaan ini bersifat Job Order. Dalam menjadwalkan pesanan yang diterima, perusahaan
Lebih terperinciALGORITMA GENETIK SEBAGAI FUNGSI PRUNING ALGORITMA MINIMAX PADA PERMAINAN TRIPLE TRIAD CARD.
ALGORITMA GENETIK SEBAGAI FUNGSI PRUNING ALGORITMA MINIMAX PADA PERMAINAN TRIPLE TRIAD CARD. Nico Saputro [1] dan Erico Darmawan Handoyo [2] Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan
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 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 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 Mahendrawathi Er, Ph.D, Danu Pranantha, ST, M.Sc,
Lebih terperinciERWIEN TJIPTA WIJAYA, ST.,M.KOM
ERWIEN TJIPTA WIJAYA, ST.,M.KOM DEFINISI ALGEN adalah algoritma yang memanfaatkan proses seleksi alamiah yang dikenal dengan evolusi Dalam evolusi, individu terus menerus mengalami perubahan gen untuk
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI Pada bab ini akan membahas landasan atas teori-teori yang bersifat ilmiah untuk mendukung penulisan skripsi ini. Teori-teori yang dibahas mengenai optimisasi, pengertian penjadwalan,
Lebih terperinciBAB I PENDAHULUAN. Sistem manufaktur adalah kumpulan dari equipment yang terintegrasi dan
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Sistem manufaktur adalah kumpulan dari equipment yang terintegrasi dan human resource, yang mempunyai fungsi untuk melakukan satu atau beberapa proses operasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Pada bab pertama ini akan diuraikan mengenai latar belakang, rumusan masalah, tujuan, batasan masalah, metodologi, dan sistematika pembahasan dalam Tugas Akhir ini. 1.1 Latar Belakang
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciBAB I PENDAHULUAN. produksi yang umumnya ditemukan adalah sistem flow shop dan job shop. Dalam
BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan hal yang penting dalam sistem produksi. Sistem produksi yang umumnya ditemukan adalah sistem flow shop dan job shop. Dalam industri yang
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 terperinciOPTIMALISASI PENJADWALAN PRODUKSI DENGAN METODE ALGORITMA GENETIKA DI PT. PROGRESS DIECAST
OPTIMALISASI PENJADWALAN PRODUKSI DENGAN METODE ALGORITMA GENETIKA DI PT. PROGRESS DIECAST Lily Amelia 1, Aprianto 1 1 Program Studi Teknik Industri, Universitas Esa Unggul, Jakarta Jalan Arjuna Utara
Lebih terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
Lebih terperinciBAB 2 LANDASAN TEORI
15 BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Pengertian Dasar Penjadwalan Produksi Secara umum, penjadwalan merupakan suatu proses dalam perencanaan dan pengendalian produksi yang merencanakan produksi
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 terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
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 terperinciPenjadwalan dan Penentuan Rute Kendaraan pada Industri Bahan Kimia Menggunakan Kombinasi Algoritma Genetika dan Algoritma Pencarian Tabu
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2012) 1-7 1 Penjadwalan dan Penentuan Rute Kendaraan pada Industri Bahan Kimia Menggunakan Kombinasi Genetika dan Pencarian Tabu Maya Sagita Walalangi, Arif Djunaidy
Lebih terperinciPENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN
PENEMPATAN MAHASISWA PESERTA MATA KULIAH UMUM DENGAN ALGORITMA GENETIK DI UNIVERSITAS KATOLIK PARAHYANGAN Nico Saputro dan Guntur Setia Negara Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciPenjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut
BAB I PENDAHULUAN A. Latar Belakang Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut terlaksana dengan optimal.
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Pengertian dan Ruang Lingkup Sistem Produksi Pada sub bab ini akan dibahas mengenai pengertian sistem produksi dari beberapa teori yang sudah ada, serta ruang lingkup sistem produksi
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciPEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 3 No. 1 Hal. 98 106 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PEMAMPATAN MATRIKS JARANG DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL YOSI PUTRI, NARWEN
Lebih terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Alternatif Pemecahan Masalah Open Shop Schedulling dengan Pendekatan Algoritma Genetik dan Heuristik Mochammad Zuliansyah 1),
Lebih terperinciALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Achmad Basuki Politeknik Elektronika Negeri Surabaya PENS-ITS Surabaya 2003 Algoritma Genetika Algoritma
Lebih terperinciPEMAKAIAN ALGORITMA GENETIK UNTUK PENJADWALAN JOB SHOP DINAMIS NON DETERMINISTIK
PEMAKAIAN ALGORITMA GENETIK UNTUK PENJADWALAN JOB SHOP DINAMIS (Nico Saputro, et al.) PEMAKAIAN ALGORITMA GENETIK UNTUK PENJADWALAN JOB SHOP DINAMIS NON DETERMINISTIK Nico Saputro, Yento Jurusan Ilmu Komputer
Lebih terperinciBAB I PENDAHULUAN. Persaingan bisnis yang semakin kompetitif membuat perusahaan
BAB I PENDAHULUAN 1.1. Latar Belakang Persaingan bisnis yang semakin kompetitif membuat perusahaan manufaktur tidak hanya memperhatikan kualitas produk, tetapi juga ketepatan waktu produk sampai ke tangan
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
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 terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciSIDANG TUGAS AKHIR PENERAPAN METODE INTEGER PROGRAMMING PADA PENJADWALAN PRODUKSI MAKE TO ORDER DENGAN MESIN PARALEL
SIDANG TUGAS AKHIR PENERAPAN METODE INTEGER PROGRAMMING PADA PENJADWALAN PRODUKSI MAKE TO ORDER DENGAN MESIN PARALEL (Studi Kasus: Bengkel Umum Unit III, PT. Gudang Garam,Tbk.) Dosen Pembimbing: Prof.
Lebih terperinciPENYELESAIAN MASALAH JOB SHOP MENGGUNAKAN ALGORITMA GENETIKA
Satriyo Adhy, Kushartantya PENYELESAIAN MASALAH JOB SHOP MENGGUNAKAN ALGORITMA GENETIKA Satriyo Adhy dan Kushartantya Teknik Informatika Universitas Diponegoro Semarang satriyo@undip.ac.id, kushartantya@undip.ac.id
Lebih terperinciAlgoritma Evolusi Optimasi Masalah Kombinatorial
Algoritma Evolusi Optimasi Masalah Kombinatorial Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Travelling Salesman Problem (TSP) 2. Flow-Shop Scheduling Problem (FSP) 3. Two-Stage Assembly
Lebih terperinciOPTIMASI PENATAAN SILINDER DALAM KONTAINER DENGAN ALGORITMA GENETIKA
OPTIMASI PENATAAN SILINDER DALAM KONTAINER DENGAN ALGORITMA GENETIKA Novita Wulan Sari 1, Yuliana Setyowati 2, S.Kom, M.Kom, Ira Prasetyaningrum 2, S. Si, M.T 1 Mahasiswa, 2 Dosen Pembimbing Politeknik
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
Lebih terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih 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 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 terperinciPENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro 1206100714 Pembimbing : Dr. M. Isa
Lebih terperinci