PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
|
|
- Sukarno Salim
- 6 tahun lalu
- Tontonan:
Transkripsi
1 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 Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, 2) Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember ABSTRAK Flow shop scheduling termasuk dalam jenis permasalahan penjadwalan. Beberapa mesin tersusun secara seri dan setiap job harus melalui semua mesin dengan urutan yang sama, maka kasus tersebut disebut flow shop. Karena pada kondisi nyata sistem produksi terus berkembang, maka diperlukan penyesuaian agar model sesuai dengan sistem nyata. Sehingga penelitian mengenai permasalahan penjadwalan ini terus berkembang. Model permasalahan yang diselesaikan pada penelitian ini adalah Hybrid Flow Shop Scheduling (HFS) dengan fungsi tujuan majemuk. Metode penyelesaian menggunakan metaheuristik karena HFS merupakan permasalahan kombinatorial dan NP-hard. Particle Swarm Optimization (PSO) merupakan algoritma metaheuristik yang dibuat berdasarkan pada perilaku sekawanan burung. PSO mudah diaplikasikan dan telah dikembangkan untuk menyelesaikan permasalahan dengan fungsi tujuan majemuk. Jadi, pada penelitian ini akan digunakan algoritma Mofidied Particle Swarm Optimization (MPSO) untuk menyelesaikan permasalahan HFS dengan fungsi tujuan majemuk. Keseluruhan fungsi tujuan tersebut dioptimalkan (diminimalkan) secara bersamaan. Kata kunci: hybrid flow shop scheduling, particle swarm optimization, multi objective PENDAHULUAN Penjadwalan produksi untuk n-job yang memiliki m-proses pada lini produksi paralel merupakan permasalahan combinatorial yang tergolong Non Polynomial-hard (NP-hard) problem. Permasalahan tersebut sering terjadi di perusahaan manufaktur saat ini, karena sistem produksi saat ini cenderung menggunakan mass customization yang memiliki variasi produk banyak tetapi urutan proses produksi masih sama. Setiap perusahaan pasti ingin memenuhi permintaan semua jenis produk dengan tepat waktu, sehingga perusahaan menginginkan lead time produksi yang paling pendek dan jumlah keterlambatan sesedikit mungkin dengan batasan ketersediaan dan kemampuan mesin yang ada. Selain itu, perusahaan juga memiliki target untuk mencapai produktivitas yang optimal dengan memaksimalkan utilitas dari mesin. Permasalahan yang disebutkan di atas merupakan satu diantara permasalahan produksi yang biasanya disebut dengan istilah flow shop scheduling problem (setiap job memiliki urutan proses yang sama). Permasalahan penjadwalan flow shop sendiri ada beberapa macam sesuai dengan kondisi dan asumsi yang digunakan. Flow shop scheduling problem yang paling sederhana (model dasar awal) adalah penjadwalan flowshop pada lini produksi tunggal (hanya ada satu mesin untuk setiap satu tahapan operasi). Sedangkan masalah yang sering timbul di perusahaan adalah penjadwalan flowshop pada lini produksi paralel (ada satu A-32-1
2 operasi atau lebih yang memiliki lebih dari satu mesin). Permasalahan tersebut termasuk dalam kategori hybrid flow shop scheduling problem. Tujuan utama penyelesaian model penjadwalan adalah mencari urutan produksi yang optimal. Urutan produksi yang optimal dapat dilihat dari beberapa kriteria performansi, misalnya waktu produksi dan keterlambatan yang minimal, serta utilitas mesin yang maksimal. Jika tercapai tidaknya suatu tujuan dilihat dari beberapa kriteria, maka model permasalahan yang diselesaikan merupakan permasalahan tujuan majemuk ( multi objective). Fungsi tujuan majemuk yang digunakan dalam penyelesaian model pada penelitian ini, yaitu : makespan, total tardiness, dan total machine idle time. Permasalahan flow shop scheduling termasuk NP-hard problem sehingga penyelesaian terbaik menggunakan metode heuristik (Avriel, 2000). Sudah banyak penelitian yang menggunakan metode metaheuristik untuk menyelesaikan permasalahan penjadwalan flow shop dengan single objective maupun multi objective. Misalnya, penyelesaian hybrid flow shop scheduling dengan metode eksak, heuristik, maupun metaheuristik ( Genetic Algorithm dan Simulated Annealing) ( Ruiz & Vazquez-Rodriguez, 2010). Sehingga model permasalahan penjadwalan diselesaikan dengan menggunakan Particle Swarm Optimization. Particle Swarm Optimization (PSO) telah dikembangkan untuk menyelesaikan permasalahan dengan fungsi majemuk. Algoritma tersebut adalah Multi-Objective Particle Swarm Optimization (MOPSO). PSO dan MOPSO merupakan algoritma metaheuristik yang cocok untuk penyelesaian permasalahan kontinyu, sedangkan permasalahan penjadwalan flowhop adalah permasalahan diskrit. Oleh karena itu, pada penelitian ini menggunakan Modified Particle Swarm Optimization (MPSO) yang lebih sesuai untuk penyelesaian permasalahan diskrit. MPSO juga dapat digunakan untuk menyelesaikan permasalahan dengan fungsi tujuan majemuk. METODE Penelitian ini dilakukan secara garis besar terbagi menjadi dua, yaitu : tahap pengumpulan data dan referensi model dan tahap pengembangan algoritma. Tahap Pengumpulan Data dan Referensi Model Tahap pengumpulan data dan referensi model dilakukan dengan studi literatur terhadap penelitian sebelumnya yang sejenis. Tahap ini dilakukan untuk mencari model dan kasus yang cocok untuk penelitian ini. Data yang digunakan sebagai acuan pada penelitian ini adalah data set hel1 (Heller, 1960). Data set tersebut dimodifikasi sehingga menjadi tiga macam data set yang berbeda, yaitu : 1. Data set flow shop (FS), berukuran 10x10 (10 job 10 stage) dengan jumlah mesin pada setiap stage satu buah. 2. Data set hybrid flow shop 2 (HFS2), berukuran 20x10 (20 job 10 stage) dengan jumlah mesin pada setiap stage dua buah. 3. Data set hybrid flow shop 3 (HFS3), berukuran 30x10 (30 job 10 stage) dengan jumlah mesin pada setiap stage adalah tiga buah. Sedangkan model matematis yang digunakan sebagai acuan adalah model matematis dari penelitian Liao et al (2012). Model dan variabel -variabel yang digunakan adalah sebagai berikut : i : indeks operasi j : indeks job A-32-2
3 k Sij Cij pij dj M xijk yihj : indeks mesin : waktu mulai job j pada operasi i : waktu selesai job j pada operasi i : waktu proses job j pada operasi i : batas waktu penyelesaian job j : bilangan yang sangat besar : variabel biner, 1 jika job j dikerjakan di mesin k pada operasi i dan 0 jika tidak : variabel biner, 1 jika job h dikerjakan sebelum job j pada operas i dan 0 jika tidak ( : : ) (1) = (2) =, 0 (3) = + (1 (4) = +,, (5) = 1,, (6) ( ),, (7),, h,, h (8) 1,, h,, h (9) {0,1},,, (10) {0,1},, h, (11) Persamaan (1) merupakan fungsi tujuan majemuk untuk meminimalkan Z1, Z2, dan Z3 secara bersamaan. Persamaan (2) merupakan fungsi tujuan Z 1 untuk menghitung makespan. Persamaan (3) merupakan fungsi tujuan Z2 untuk menghitung total tardiness. Persamaan (4) merupakan fungsi tujuan Z3 untuk menghitung total machine idle time. Persamaan (5) digunakan untuk menghitung waktu penyelesaian job di tiap operasi. Persamaan (6) untuk memastikan bahwa suatu job pada tiap operasi hanya dikerjakan sekali di satu mesin. Persamaan (7) untuk memastikan pemrosesan job di suatu operasi dimulai setelah pemrosesan job tersebut di operasi sebelumnya telah selesai. Persamaan (8) dan (9) untuk memastikan bahwa tiap mesin hanya bisa memproses satu job dalam waktu bersamaan. Persamaan (11) dan (12) menunjukkan bahwa variabel berbentuk bilangan biner (bernilai 0 atau 1). Tahap Pengembangan Algoritma Tahap pengembangan algoritma dilakukan agar algoritma MPSO yang digunakan bisa digunakan untuk menyelesaikan permasalahan penjadwalan flowshop dengan fungsi tujuan majemuk. Algoritma MPSO untuk penyelesaian permasalahan HFS adalah sebagai berikut : 1. Input data dan parameter (jumlah sampel dan data set) 2. Pembangkitan solusi awal yang berbentuk matriks transisi sebanyak jumlah sampel secara random. 3. Pembentukan rute berdasarkan nilai probabilitas di dalam matriks transisi. 4. Pengecekan konstrain dan perhitungan nilai fitness (makespan, total tardiness, dan total machine idle time). 5. Pencarian non-dominated solution (NDS) dan pembaharuan matriks NDS (archive). 6. Penentuan Gbest dengan crowding distance dan Pbest dengan order ranking. 7. Pembaharuan nilai kecepatan. A-32-3
4 = + ( ) + ( ) 8. Pembaharuan nilai probabilitas di dalam matriks transisi. = + 9. Pengecekan apakah kriteria pemberhentian telah terpenuhi. Jika telah terpenuhi maka iterasi dihentikan dan jika belum terpenuhi maka ulangi lagi dari nomor Hasil akhir adalah set solusi (archive) yang berisi beberapa solusi non-dominated. HASIL DAN PEMBAHASAN Eksperimen dilakukan untuk mengetahui performansi algoritma dalam menyelesaikan permasalahan. Hasil eksperimen akan benar jika algoritma yang digunakan telah valid. Untuk mengetahui apakah algoritma sudah valid, maka dilakukan validasi terlebih dahulu. Proses validasi dilakukan dengan membandingkan solusi dari algoritma MPSO dengan solusi dari proses enumerasi. Proses enumerasi mampu menghasilkan solusi optimal dalam waktu singkat untuk permasalahan sederhana. Sehingga digunakan contoh permasalahan sederhana (4 job 4 stage) sehingga solusi dari algoritma MPSO dapat dibandingkan dengan solusi optimal. Tabel 1 Perbandingan hasil enumerasi dan MPSO metode urutan solusi makespan total tardiness Eksak (enumerasi) Metaheuristik (MPSO) total machine idle time Penyelesaian dengan algoritma MPSO menghasilkan set solusi yang sama persis dengan set solusi optimal hasil enumerasi. Sehingga algoritma MPSO dikatakan valid karena mampu menghasilkan solusi yang optimal sama dengan hasil enumerasi. Karena algoritma MPSO telah valid, maka algoritma tersebut dapat digunakan untuk menyelesaikan permasalahan penjadwalan flowshop. Sehingga dapat dilakukan eksperimen untuk menyelesaikan ukuran permasalahan yang lebih besar. Eksperimen dilakukan beberapa kali replikasi karena dalam algoritma metaheuristik terdapat bilangan random sehingga performansi algoritma tersebut tidak dapat dilihat hanya dari satu kali replikasi. Parameter yang digunakan, yaitu : jumlah populasi (n) sebanyak 100, maksimum iterasi (itmax) sebanyak 200, c 1 sebesar 0.3, c2 sebesar 0.7, dan ukuran archive maksimum adalah 10% persen dari jumlah populasi. A-32-4
5 Tabel 2 Hasil eksperimen NNDS Konvergensi divergensi Waktu FS HFS HFS Pada Tabel 2, dapat diketahui performansi algoritma dalam menyelesaikan beberapa data set permasalahan. Nilai yang berada dalam tabel merupakan nilai rata-rata dari beberapa replikasi yang dilakukan. NNDS (Number of Non-Dominated Solution) adalah jumlah solusi tidak terdominasi yang dihasilkan. Semakin banyak NNDS, maka performansi algoritma semakin baik. Konvergensi menunjukkan tingkat kedekatan (jarak) solusi yang ditemukan dengan solusi optimalnya. Semakin kecil konvergensi, maka solusi yang dtemukan semakin mendekati solusi optimal. Divergensi menunjukkan tingkat persebaran solusi yang ditemukan. Semakin kecil divergensi, maka antar solusi yang ditemukan memiliki kualitas yang tidak jauh berbeda (merata). Sedangkan waktu adalah lama waktu yang diperlukan oleh algoritma untuk mencari solusi terbaik yang dapat ditemukan. Dari tabel 2, dapat diliat bahwa algoritma MPSO menghasilkan solusi paling baik pada permasalahan HFS2 karena memiliki NNDS paling banyak dan konvergensi paling kecil. Tetapi, memiliki nilai divergensi yang paling besar. Nilai divergensi paling kecil pada permasalahan FS. Sedangkan waktu komputasi akan bertambah sesuai dengan pertambahan ukuran permasalahan. Semakin besar dimensi permasalahan, maka semakin lama pula waktu komputasi yang diperlukan. KESIMPULAN DAN SARAN Kesimpulan dari hasil penelitian ini adalah sebagai berikut: 1. Algoritma Modified Particle Swarm Optimization (MPSO) telah berhasil dikembangkan untuk menyelesaikan permasalahan penjadwalan Hybrid Flow Shop (HFS). 2. NNDS terbaik dihasilkan pada penyelesaian permasalahan HFS2 dengan rata-rata 56,4 solusi. 3. Konvergensi terbaik dihasilkan pada penyelesaian permasalahan HFS2 yaitu : 19, Konvergensi terbaik dihasilkan pada penyelesaian permasalahan FS yaitu : 5, Waktu komputasi dipengaruhi oleh ukuran permasalahan yang diselesaikan, sehingga semakin besar ukuran permasalahan maka waktu komputasi yang diperlukan semakin lama. 6. MPSO memiliki kelebihan untuk menghasilkan set solusi dengan NNDS yang besar dan konvergensi yang kecil, tetapi memiliki kelemahan dari sisi divergensi yang masih besar. Untuk memperbaiki hasil penelitian ini, maka sarannya adalah: 1. Menerapkan algoritma MPSO pada permasalahan penjadwalan lain untuk mengetahui performansinya secara lebih jauh. 2. Mengembangkan algoritma MPSO agar kualitas pada sisi divergensi bisa lebih dan waktu komputasi menjadi lebih cepat. A-32-5
6 DAFTAR PUSTAKA Avriel, M., Penn, M., & Shpirer, N. (2000), "Container ship stowage problem : complexity and connection to the coloring of circle graphs", Discrete Applied Mathematics, Volume 103, Issues 1 3, Pages Heller, J. (1960), Some numerical experiments for an MxJ flow shop and its decisiontheoretical aspects, Operations Research 8, Liao, C. J., Tjandradjaja, E., & Cung, T. (2012), " An approach using particle swarm optimization and bottleneck heuristic to solve hybrid flow shop scheduling problem", Applied Soft Computing, Volume 12, Issue 6, Pages Ruiz, R., & Vazquez-Rodriguez, J.A. (2010), "The hybrid flow shop scheduling problem", European Journal of Operational Research, Volume 205, Issue 1, Pages A-32-6
TUGAS 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 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 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 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 terperinciTEKNIK 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 terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Vehicle Routing Problem Vehicle Routing Problem merupakan permasalahan distribusi yang mencari serangkaian rute untuk sejumlah kendaraan dengan kapasitas tertentu
Lebih terperinciALGORITMA MODIFIED SIMULATED ANNEALING UNTUK MENYELESAIKAN AIRPORT GATE ASSIGNMENT PROBLEM STUDI KASUS BANDARA SOEKARNO-HATTA
1 ALGORITMA MODIFIED SIMULATED ANNEALING UNTUK MENYELESAIKAN AIRPORT GATE ASSIGNMENT PROBLEM STUDI KASUS BANDARA SOEKARNO-HATTA Siti Dwi Rahmawati, Prof. Ir. Budi Santosa, M.S., Ph.D Jurusan Teknik Industri,
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 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 terperinciAlgoritma Modified Simulated Annealing untuk Menyelesaikan Airport Gate Assignment Problem (Studi Kasus Bandara Soekarno-Hatta)
Disusun Oleh : Siti Dwi Rahmawati NRP 2510100144 Pembimbing : Prof. Ir. Budi Santosa, M.S., Ph.D NIP 19690512 199402 1001 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH
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 terperinciADLN - PERPUSTAKAAN UNIVERSITAS AIRLANGGA BAB I PENDAHULUAN. manufaktur yang bergerak dibidang pembuatan spring bed yang berlokasi di kota
BAB I PENDAHULUAN 1.1 Latar Belakang PT. Bella Agung Citra Mandiri Sidoarjo merupakan perusahaan manufaktur yang bergerak dibidang pembuatan spring bed yang berlokasi di kota Sidoarjo dan memiliki cabang
Lebih terperinciLOGO PENGEMBANGAN METODE HYBRID TABU SEARCH-CROSS ENTROPY UNTUK PENJADWALAN FLOWSHOP
LOGO PENGEMBANGAN METODE HYBRID TABU SEARCH-CROSS ENTROPY UNTUK PENJADWALAN FLOWSHOP Oleh : Muhammad Fahmi L. 2506 100 080 Pembimbing : Ir. Budi Santosa, M.Sc., Ph.D Ko-Pembimbing : Stefanus Eko Wiratno,
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 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 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 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 terperinciOLEH : RULI ASTRI ANDRIANI ( ) Jurusan Teknik Industri Fakultas Teknologi Industri Institut Teknologi Sepuluh Nopember Surabaya
PENJADWALAN FLOWSHOP UNTUK MEMINIMASI LOGOTOTAL TARDINESS DENGAN URUTAN JOB YANG SAMA DAN/ATAU BERBEDA DAN MEMPERHATIKAN KETIDAKTERSEDIAAN PADA MASING-MASING MESIN OLEH : RULI ASTRI ANDRIANI (2506 100
Lebih 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 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 terperinciPENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK
PENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK Hanafi Agam 1, Arna Fariza 2, Ira Prasetyaningrum 2 Mahasiswa Jurusan Teknik Informatika 1, Dosen Pembimbing 2 Politeknik
Lebih terperinciPENGEMBANGAN ALGORITMA VIRAL SYSTEMS UNTUK MASALAH PENJADWALAN HYBRID FLOW SHOP UNTUK MEMINIMASI MAKESPAN
PENGEMBANGAN ALGORITMA VIRAL SYSTEMS UNTUK MASALAH PENJADWALAN HYBRID FLOW SHOP UNTUK MEMINIMASI MAKESPAN Hotna Marina Sitorus, Cynthia Juwono, Kevin P. Dwikaragus Jurusan Teknik Industri, Universitas
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 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 terperinciLina Gozali, Lamto Widodo, Wendy Program Studi Teknik Industri Fakultas Teknik Universitas Tarumanagara Jl. S Parman no.1, Jakarta
1 2 USULAN PENJADWALAN JOB DENGAN METODE CAMPBELL, DUDEK AND SMITH (CDS) DAN METODE NAWAZ, ENSCORE AND HAM (NEH) UNTUK MEMINIMASI MAKESPAN PROSES STAMPING PART ISUZU DI LINE B PT. XYZ Lina Gozali, Lamto
Lebih terperinciBAB 2 LANDASAN TEORI
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 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 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 terperinciMODIFIKASI ALGORITMA SYMBIOTIC ORGANISMS SEARCH UNTUK TRAVELING SALESMAN PROBLEM
MODIFIKASI ALGORITMA SYMBIOTIC ORGANISMS SEARCH UNTUK TRAVELING SALESMAN PROBLEM Muhammad Isnaini Hadiyul Umam 1), Budi Santosa 2), dan Nurhadi Siswanto 3) 1) Program Magister Teknik Industri, Institut
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 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 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 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 terperinciPENJADWALAN PRODUKSI UNTUK MEMINIMALKAN TOTAL WAKTU PENYELESAIAN PEKERJAAN DENGAN MENGGUNAKAN ALGORITMA TABU SEARCH PADA INDUSTRI FARMASI DI INDONESIA
PENJADWALAN PRODUKSI UNTUK MEMINIMALKAN TOTAL WAKTU PENYELESAIAN PEKERJAAN DENGAN MENGGUNAKAN ALGORITMA TABU SEARCH PADA INDUSTRI FARMASI DI INDONESIA Fatwa Dewi Widyani 1, Inaki Maulida Hakim 2 1. Departemen
Lebih terperinciOPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM
OPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM Aditya Permana 1, Mahmud Dwi Sulistiyo 2, Gia Septiana Wulandari 3 1,2,3 Prodi S1 Teknik Informatika,
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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Optimalisasi Optimalisasi merupakan suatu proses untuk mengoptimalkan suatu solusi agar ditemukannya solusi terbaik dari sekumpulan alternatif solusi yang ada dengan menggunakan
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 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 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 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 terperinciIMPLEMENTASI METODE HEURISTIK DAN SIMULASI UNTUK MENYEIMBANGKAN LINI PERAKITAN LAMPU
IMPLEMENTASI METODE HEURISTIK DAN SIMULASI UNTUK MENYEIMBANGKAN LINI PERAKITAN LAMPU Septian Andrew Susanto 1) dan Nurhadi Siswanto 2) 1) Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, Surabaya,
Lebih terperinciPerbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak Fasilitas
Jurnal Teknik Industri, Vol. 12, No. 2, Desember 2010, 119-124 ISSN 1411-2485 Perbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak
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 terperinciPENERAPAN MULTI OBJECTIVE GENETIC ALGORITHM (MOGA) PADA PENJADWALAN DYNAMIC-MULTI OBJECTIVE DAN SEQUENCE DEPENDENT SETUP TIMES COMPOUND FLOW SHOP
Prosiding Seminar Nasional Manaemen Teknologi XII PENERAPAN MULTI OBJECTIVE GENETIC ALGORITHM (MOGA) PADA PENJADWALAN DYNAMIC-MULTI OBJECTIVE DAN SEQUENCE DEPENDENT SETUP TIMES COMPOUND FLOW SHOP DI PT.X
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Definisi Umum Penjadwalan Produksi Untuk mengatur suatu sistem produksi agar dapat berjalan dengan baik, diperlukan adanya pengambilan keputusan yang tepat
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 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 terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK PT Putro Dasa Kusumo adalah perusahaan yang bergerak dalam industri yang memproduksi sabun kebutuhan rumah tangga. Jenis produk yang dimiliki perusahaan saat ini terdapat 5 jenis, yaitu sabun cuci
Lebih terperinciAnalisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem
Analisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem Adidtya Perdana Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No. 70 C Medan adid.dana@gmail.com Abstrak
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 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 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 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 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. 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 terperinciManual Penggunaan Algoritma Tabu Search untuk Mengoptimasikan Penjadwalan Job Shop
Manual Penggunaan Algoritma Tabu Search untuk Mengoptimasikan Penjadwalan Job Shop Akhmad Hidayatno Armand Omar Moeis Komarudin Zulkarnain Aziiz Sutrisno Laboratorium Rekayasa, Simulasi dan Pemodelan Sistem
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Penyelesaian permasalahan dalam penjadwalan dapat dilakukan dengan mengkaji kompleksitas penjadwalan. Menurut Pinedo (2002), kompleksitas dalam penjadwalan terbagi menjadi mesin
Lebih 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 terperinciPERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY
PERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY Niken A. Savitri, I Nyoman Pujawan, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Pada dasarnya setiap perusahaan mempunyai tujuan yang sama yaitu mendapat keuntungan yang sebesar-besarnya dengan mengeluarkan biaya produksi seminimum mungkin.
Lebih 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 terperinciPENGEMBANGAN ALGORITMA BEE SWARM OPTIMIZATION UNTUK PENYELESAIAN CONTAINER STOWAGE PROBLEM
PENGEMBANGAN ALGORITMA BEE SWARM OPTIMIZATION UNTUK PENYELESAIAN CONTAINER STOWAGE PROBLEM Fiqihesa Putamawa dan Budi Santosa Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS) Surabaya
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 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 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 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 terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Pengertian Penjadwalan Penjadwalan adalah aktivitas perencanaan untuk menentukan kapan dan di mana setiap operasi sebagai bagian dari pekerjaan secara keseluruhan harus dilakukan
Lebih 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 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 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 terperinciPENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN
PENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN Moh.Husen, Ilyas Masudin, Dana Marsetiya Utama Jurusan Teknik Industri - Universitas Muhammadiyah Malang Muhammad.husen12@yahoo.com
Lebih terperinciPERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK
Jurnal POROS TEKNIK, Volume 6, No. 2, Desember 2014 : 55-10 PERBANDINGAN ALGORITMA PARTICLE SWARM OPTIMIZATION DAN REGRESI PADA PERAMALAN WAKTU BEBAN PUNCAK Nurmahaludin (1) (1) Staff Pengajar Jurusan
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 terperinciPERBANDINGAN KINERJA ALGORITMA GENETIKA DAN SIMULATED ANNEALING UNTUK MASALAH MULTIPLE OBJECTIVE PADA PENJADWALAN FLOWSHOP
JURNAL TEKNIK INDUSTRI VOL. 4, NO. 1, JUNI 2002: 26-35 PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN SIMULATED ANNEALING UNTUK MASALAH MULTIPLE OBJECTIVE PADA PENJADWALAN FLOWSHOP I Gede Agus Widyadana Dosen
Lebih terperinciBAB I PENDAHULUAN. Penjadwalan produksi merupakan ketepatan suatu perusahaan dalam
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan produksi merupakan ketepatan suatu perusahaan dalam mengasilkan produk yang telah disepakati sesuai dengan kesepakatan. Penjadwalan produksi sangat erat
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 terperinciMENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION
MENEMUKAN AKAR PERSAMAAN POLINOMIAL MENGGUNAKAN PARTICLE SWARM OPTIMIZATION Oei,EdwinWicaksonoDarmawan, Suyanto Edward Antonius, Ir., M.Sc, Program Studi Teknik Informatika Universitas Katolik Soegijapranata
Lebih 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 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 terperinciKONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN
Jurnal Teknik dan Ilmu Komputer KONSEP ALGORITMA GENETIK BINER UNTUK OPTIMASI PERENCANAAN JADWAL KEGIATAN PERKULIAHAN (Binary Genetic Algorithm Concept to Optimize Course Timetabling) Iwan Aang Soenandi
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 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 terperinciBAB 2 LANDASAN TEORI
22 BAB 2 LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Definisi penjadwalan Secara umum, penjadwalan merupakan proses dalam perencanaan dan pengendalian produksi yang digunakan untuk merencanakan produksi
Lebih terperinciBAB 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 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 terperinciSeminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004
Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004 Penyelesaian Masalah Penugasan dengan Algoritma Genetika Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri,
Lebih 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 terperinciJurusan Teknik Industri Itenas No.03 Vol.03 Jurnal Online Institut Teknologi Nasional Juli Dzakiy Sulaiman, Emsosfi Zaini, Arnindya Driyar M.
Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.03 Vol.03 Jurnal Online Institut Teknologi Nasional Juli 2015 JADWAL PRODUKSI PRODUKCOMBINATION DOUBLE WINDLASS MENGGUNAKAN PENDEKATAN SHIFTING
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 terperinciBAB 1 PENDAHULUAN. penyelesaian masalah yang memiliki peranan penting dalam industri. yang terbatas terhadap pekerjaan yang berlebihan (Pinedo, 1992).
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Penjadwalan (scheduling) dan sequencing merupakan suatu bentuk dari penyelesaian masalah yang memiliki peranan penting dalam industri manufaktur dan jasa. Penjadwalan
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 terperinciPRESENTASI TUGAS AKHIR CF 1380
PRESENTASI TUGAS AKHIR CF 1380 IMPLEMENTASI ALGORITMA OPTIMASI BEE COLONY UNTUK PENJADWALAN JOB SHOP (Kata kunci: Optimasi Bee Colony, Penjadwalan Job Shop) Penyusun Tugas Akhir : Nafiuna Hidayatus Saidah
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 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 terperinciMODEL SISTEM PERENCANAAN PRODUKSI TERINTEGRASI DI INDUSTRI PERCETAKAN
MODEL SISTEM PERENCANAAN PRODUKSI TERINTEGRASI DI INDUSTRI PERCETAKAN Antono Adhi Program Studi Teknik Industri Universitas Stikubank, Semarang, Jawa Tengah, Indonesia antonoadhi@yahoo.com Abstract Production
Lebih terperinciDynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization
JURNAL TEKNIK POMITS Vol. 3, No. 1, (2014) ISSN: 2337-3539 (2301-9271 Print) B-24 Dynamic Optimal Power Flow dengan kurva biaya pembangkitan tidak mulus menggunakan Particle Swarm Optimization Afif Nur
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinci