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

Ukuran: px
Mulai penontonan dengan halaman:

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

Transkripsi

1 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 Telkom Jl. Telekomunikasi No. 1 Bandung dyh@ittelkom.ac.id ABSTRAK PT. EP merupakan perusahaan yang bergerak dalam jasa distribusi produkproduk makanan biskuit dan berlokasi di Jakarta. PT EP menghadapi permasalah distribusi produk dengan banyaknya jumlah titik distribusi dan permintaan produk yang bervariasi. Tanpa adanya konfigurasi jaringan distribusi yang terencana, pendistribusian produk seringkali tertunda dan biaya distribusi menjadi membengkak. Makalah ini bertujuan untuk memodelkan permasalahan distribusi di PT EP dan menghasilkan rancangan konfigurasi jaringan distribusi produk dengan menggunakan metoda Algoritma Genetika. Fungsi tujuan dari model untuk menghasilkan rancangan adalah untuk meminimasi total biaya distribusi. Hasil rancangan berupa: cluster pasar dan kebijakan distribusi produk dari setiap gudang i ke setiap pasar j pada periode t dengan mempertimbangkan total biaya distribusi minimum. Solusi yang diusulkan memberikan penghematan pada total biaya distribusi sebesar 32%. Kata kunci: Konfigurasi Jaringan Distribusi, Algoritma Genetika PENDAHULUAN PT. EP merupakan perusahaan yang bergerak dalam jasa distribusi produkproduk biskuit dari berbagai produsen biskuit. Bagi PT. EP penyampaian produk disaat yang tepat, lokasi yang tepat, dan kepada konsumen yang tepat merupakan tujuan utama dari implementasi sistem distribusi yang efektif untuk dapat bersaing pada bisnis ini. Namun pada kenyataannya untuk mewujudkan sistem distribusi yang tepat memerlukan alokasi biaya yang tidak sedikit, dimana biaya transportasi dalam jaringan distribusi merupakan komponen biaya terbesar dalam total biaya distribusi. Setahun terakhir biaya distribusi PT. EP memberikan kontribusi sebesar 45 persen dari keseluruhan biaya operasional yaitu mencapai 67 juta rupiah yang dikeluarkan rata-rata setiap bulannya. Adapun komposisi dari biaya distribusi PT. EP dapat dilihat pada Gambar 1. Besarnya biaya dipengaruhi jarak dan frekuensi pengantaran antara gudang dengan pasar. Selama ini sistem distribusi yang berjalan dalam pemenuhan permintaan pasar hanya terfokus pada sebuah gudang, sehingga dibutuhkan suatu sistem konfigurasi jaringan distribusi yang mampu memaksimalkan aset yang dimiliki seperti gudang dan armada, dengan tujuan meminimasi biaya distribusi. Konfigurasi jaringan distribusi dimaksudkan sebagai kebijakan perusahaan atas kombinasi dari penugasan pengiriman sejumlah produk dari suatu gudang ke wilayah pasar tertentu dengan pertimbangan minimasi total biaya distribusi.

2 Gambar 1. Komponen Biaya Distribusi PT EP Masalah lain pada sistem distribusi di PT. EP adalah terjadinya penundaan pengiriman jika jumlah produk pesanan dibawah volume pemesanan minimum untuk menutup biaya transportasi yang dibebankan setiap pengantaran. Penundaan pengiriman dapat dihindari jika perusahaan dapat mengoptimumkan konfigurasi jaringan distribusinya. Makalah ini mencoba menjawab kebutuhan atas permasalahan dengan melakukan perancangan pengiriman produk yang tepat dan penerapan sistem distribusi yang efektif menggunakan pendekatan algoritma genetika. Algoritma genetika karena dianggap mampu menyelesaikan permasalahan untuk mencapai hasil mendekati optimal pada sistem yang kompleks. Kelebihan lain dari algoritma genetika antara lain, cepatnya proses pencarian solusi yang optimal dan bersifat fleksibel dengan berbagai faktor yang diinputkan pada algoritma ini jika terdapat perubahan dari parameter input (Gen & Cheng, 1997). Algoritma ini digunakan Yokohama (2002) untuk mengembangkan model untuk persediaan multi-source dan sistem distribusi. Model tersebut fokus pada menentukan target persediaan dan kuantitas tranportasi dengan meminimasi total biaya dari sistem dengan mengkombinasikan metode pencarian lokal random dengan algoritma genetika (Han & Damrowongsiri, 2004). PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PT. EP Model Konseptual dari sistem konfigurasi jaringan distribusi yang diusulkan dapat dilihat pada Gambar 2. Data permintaan historis dari berbagai pasar pada suatu periode penjualan di kelompokkan (clustering), dimaksudkan agar perusahaan dapat mengoptimalkan tujuan lokasi pasar dalam pengiriman produk. Periode penjualan dibutuhkan untuk menentukan pola disribusi dan probalitas permintaan akibat dari sistem penjualan yang tidak ditentukan (uncertainty demand). Rumusan probabilitas dan distribusi permintaan beserta komponen biaya dan model pengiriman selanjutnya dibutuhkan pada penggunaan model matematis dalam optimasi biaya distribusi. Adapun model pengiriman termasuk diantaranya jumlah kargo dan kapasitas kargo. Komponen biaya distribusi diantaranya biaya pengiriman per kargo, biaya pengiriman per unit, biaya penggantian produk, biaya kelebihan produk, dan biaya kekurangan produk. A-36-2

3 Gambar 2. Model Konseptual Rancangan Solusi Model matematis memformulasikan fungsi tujuan dengan menggunakan metode algoritma genetika. Untuk pencarian solusi yang optimum dengan metode algoritma genetika dibutuhkan parameter algoritma genetika. Parameter itu antara lain jumlah gen, generasi maksimum,serta ukuran populasi yang akan digunakan pada prosedur inisialisasi. Sedangkan probabilitas mutasi dan pindah silang, masing-masing dibutuhkan untuk tahap pindah silang dan mutasi pada iterasi pencarian solusi terbaik dengan metode algoritma genetika. Biaya distribusi yang teroptimasi hasil pencarian algoritma genetika dan berdasarkan fungsi matematis beserta komponen parameter didalamnya memberikan solusi berupa sejumlah alokasi unit produk yang akan didistribusikan dari setiap gudang ke setiap cluster pasar. Kemudian pemilihan alternatif solusi dipertimbangkan dengan besarnya efisiensi biaya distribusi jika utilitas kargo berubah dan nilai utilisasi gudang terbaik. Pengelompokan Lokasi Pasar Tujuan dari pengelompokan sejumlah lokasi pasar ini ke dalam beberapa kelompok yang mempunyai karakteristik tertentu dan dapat dibedakan satu sama lainnya adalah untuk fungsi analisis dan interpretasi lebih lanjut sesuai dengan tujuan penelitian dan pengolahan data yang dilakukan, yaitu berkaitan dengan kemudahan dalam pendistribusian produk dan kesamaan kebijakan perwilayah terhadap beberapa variabel biaya. Keseluruhan pasar sejumlah 72 satu titik dikelompokkan ( clustering) menggunakan teknik analisa cluster dengan metode hirarki-divisive, yaitu splinter average distance method. Dari proses pengelomkpokkan didapatkan 12 cluster dengan sejumlah titik pasar yang beragam disetiap clusternya (Gambar 3). A-36-3

4 Gambar 3. Peta Cluster Pasar Optimasi Sistem Distribusi Produk Dengan Metode Algoritma Genetika Optimalisasi dilakukan untuk menentukan sejumlah produk dari suatu gudang ke suatu wilayah/cluster pasar. Suatu wilayah/cluster pasar dapat menerima pasokan produk dari sebuah atau lebih dari gudang yang dimiliki. Tujuannya adalah mendapatkan alokasi jumlah unit produk yang didistribusikan dari setiap gudang ke setiap cluster pasar dengan ketentuan total biaya distribusi minimum pada rantai pasok ini. Total biaya distribusi yang menjadi fungsi fitness pada pencarian ini terdiri dari biaya persediaan pada cluster/pasar dan biaya operasional distribusi itu sendiri. Data unit permintaan untuk setiap cluster yang bersifat probabilistik menjadi masukan utama pada model distribusi ini. Selanjutnya dilakukan parameterisasi ongkosongkos yang berkontribusi pada total ongkos distribusi, yaitu ongkos kelebihan stok, ongkos kekuarangan stok, ongkos penggantian, dan ongkos pengiriman. Kapasitas kargo dan permintaan disetiap cluster menjadi batasan dalam mencapai fungsi tujuan meminimasi total ongkos distribusi. Setiap kali mendistribusikan produknya, perusahaan akan mengeluarkan biaya untuk masing-masing kargo, diantaranya biaya bahan bakar, uang makan supir dan kondektur, dan retribusi parkir. Biaya distribusi per kargo dari gudang i ke pasar j dalam periode t dinyatakan sebagai ( ). Terkait dengan sistem pendistribusian produk yang dimiliki oleh perusahaan disetiap gudang memiliki kargo dengan kapasitas spesifik, dimana Qi menyatakan jumlah maksimum unit yang dapat dimuat pada setiap kargo. Kemudian dibutuhkan biaya pengiriman per unit (shipping) ( ) dari setiap gudang i ke setiap pasar j. Serta variabel ( ) yaitu harga setiap produk pada gudang i selama periode t. Sedangkan biaya persediaan ( ) pada masing-masing pasar pada periode t yang juga turut diperhitungkan dalam total biaya distribusi tersebut diatas. A-36-4

5 Pada perhitungan ( ) membutuhkan biaya kelebihan produk, biaya kekurangan produk, serta biaya penggantian produk dan juga melibatkan fungsi distribusi data historis permintaan produk pada setiap pasar. Gambar 5. Skema Algoritma Genetika Optimasi Biaya Distribusi PT. EP Proses komputasi ini menggunakan metode algoritma genetika yang diimplementasikan dengan bahasa pemrograman Matlab. Skema Algoritma Genetika Optimasi Biaya Distribusi PT. EP dapat dilihat pada Gambar 4. Input utama diantaranya jumlah gen sebanyak 5 buah pada setiap variabel serta terdapat 24 variabel, ukuran populasi sebesar 80 pada 200 generasi maksimum, serta probabilitas mutasi dan pindah silang masing-masing sebesar 0.01 dan Output dari pencarian random ini adalah nilai minimum sebesar dengan nilai fitness terbaik Fitness maksimum dicapai setelah generasi ke 99. Setelah melakukan pencarian dalam 80 populasi pada 200 kali iterasi (generasi), didapatkan se jumlah alokasi produk dari A-36-5

6 gudang A dan gudang B ke masing-masing 12 cluster diantaranya dengan urutan gudang dan cluster yang telah ditentukan. Hasil optimasi distribusi yang dihasilkan setelah pengujian ke-empat dapat dilihat pada Tabel 1. Tabel 1. Hasil Optimasi Distribusi Gudang CLUSTER ANALISIS Dengan metode algoritma genetika solusi didapatkan dari sekumpulan nilai solusi yang ter-generasi untuk setiap iterasi dengan acuan nilai fitness terbaik pada setiap penghitungan generasinya. Penggunaan ukuran populasi, probabilitas silang, serta probabilitas mutasi dengan nilai 80, 0.45, dan 0.01 dimaksudkan untuk didapatkan sekumpulan solusi dengan acuan nilai fitness yang dihasilkan pada setiap generasinya. Sehingga, kelima pengujian yang didapatkan menghasilkan nilai fitness terbaik dengan jangkauan nilai yang sama yaitu sebesar Begitu juga halnya dengan nilai minimum fungsi obyektif pada kelima pengujian berkisar pada nilai , ,11. Kedua hal tersebut menunjukkan bahwa kelima pengujian telah mencapai titik maksimum pencarian solusi dengan nilai optimum yang sama, meskipun total produk dan total total biaya distribusi yang didapat cukup beragam. Dengan demikian kelima hasil pengujian memiliki validitas yang kuat sebagai output optimasi menggunakan algoritma genetika. Alternatif terbaik adalah hasil pengujian yang memiliki jumlah produk yang sangat mendekati sistem eksisting, yaitu hasil pengujian 1, 3, dan 4 dengan prosentase 78%, 83% serta 95% dibanding total produk eksisting. Sedangkan alternatif yang tepat untuk utilisasi kargo, adalah pengujian ketiga dan keempat dengan efisiensi pada utilisasi terrendah kargo sebesar 22% dan 11% untuk biaya per unitnya. Optimasi pemanfaatan gudang pengujian keempat lebih besar, 72% untuk pemanfaatan gudang Sunter dan 69% untuk pemanfaatan gudang Asemka. Untuk itu, penelitian ini memilih pengujian keempat sebagai alternatif solusi terbaik dari permasalahan yang dihadapi perusahaan. Sistem distribusi pengujian ke-empat terpilih menjadi solusi optimum dengan jumlah alokasi produk unit dengan efisiensi 32% untuk total biaya distribusinya. Dan pengujian terpilih ini akan menjadi solusi dengan optimasi global terkait utilitas fasilitas yang dimiliki perusahaan. Utilitas kedua gudang sama besarnya pada 72% dan 69%, serta pengujian keempat ini masih memberikan efisiensi 11% pada nilai 30% utilisasi armada yang dimiliki perusahaan. Pola distribusi produk pengujian keempat dapat dilihat pada Gambar 5. A-36-6

7 KESIMPULAN Gambar 5. Pola Distribusi Produk Pengujian Keempat 1. Keseluruhan pasar yang dilayani perusahaan sebanyak 72 titik dapat dikelompokkan menjadi 12 cluster pasar, diantaranya Jakarta Timur, Jakarta Pusat, Jakarta Selatan, Jakarta Utara-1, Jakarta Utara-2, Tangerang, Jakarta Barat-1, Jakarta Barat-2, Jakarta Barat-3, Jakarta Barat-4, Jakarta Barat-5, Jakarta Barat-6. Dengan clustering, perusahaan dapat mengenali karakteristik pasar yang dilayaninya. 2. Sistem distribusi produk yang sebaiknya diterapkan oleh perusahaan untuk satu periode penjualan adalah sebesar berasal dari gudang Asemka, serta berasal dari gudang Sunter dengan efisiensi biaya distribusi sebesar 32 persen dari total biaya distribusi yang dimiliki perusahaan. 3. Gudang Sunter menangani lebih banyak cluster dibandingkan gudang Asemka dengan perbandingan 5:2 untuk pendistribusian tunggal pada keseluruhan 12 cluster. Maka perusahaan selayaknya lebih fokus pada safety stock melakukan perbaikan pelayanan (service level)dan sistem distribusi pada gudang Sunter. DAFTAR PUSTAKA Gen, M., & Cheng, R. (1997). Genetic Algorithms And Engineering Design. United States Of America: John Wiley and Sons. Han, C., & Damrowongsiri, M. (Maret 2004). Stochastic Modeling of a Two -Echelon Multiple Sourcing Supply Chain System with Genetic Algorithm. Proceeding Florida Atlantic University, Florida-USA. Yokoyama, M. (2002). Integrataed optimization of inventory -distribution systems by random local search and genetic algorithm. Dalam Computer & Industrial Engineering (hal ). A-36-7

III. METODOLOGI PENELITIAN

III. METODOLOGI PENELITIAN A. KERANGKA PEMIKIRAN III. METODOLOGI PENELITIAN Produksi bunga krisan yang mengalami peningkatan dari tahun ke tahun memberikan kontribusi yang positif kepada petani dalam peningkatan kesejahteraan mereka.

Lebih terperinci

USULAN RANCANGAN RUTE TRANSPORTASI MULTI TRIP

USULAN RANCANGAN RUTE TRANSPORTASI MULTI TRIP USULAN RANCANGAN RUTE TRANSPORTASI MULTI TRIP UNTUK MEMINIMASI BIAYA TRANSPORTASI DENGAN HETEROGENEOUS FLEET DAN TIME WINDOW MENGGUNAKAN METODE ALGORITMA GENETIKA DI PT.XYZ Muhammad Zuhdi Aiman Anka 1,

Lebih terperinci

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

Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm Jurnal Telematika, vol.9 no.1, Institut Teknologi Harapan Bangsa, Bandung ISSN: 1858-251 Penjadwalan Job Shop pada Empat Mesin Identik dengan Menggunakan Metode Shortest Processing Time dan Genetic Algorithm

Lebih terperinci

Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem

Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Penerapan Adaptive Genetic Algorithm dengan Fuzzy Logic Controller pada Capacitated Vehicle Routing Problem Tri Kusnandi Fazarudin 1, Rasyid Kurniawan 2, Mahmud Dwi Sulistiyo 3 1,2 Prodi S1 Teknik Informatika,

Lebih terperinci

Bab II Konsep Algoritma Genetik

Bab 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 terperinci

Keywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN

Keywords 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 terperinci

USULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING

USULAN 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 terperinci

Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing

Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Optimasi Fungsi Tanpa Kendala Menggunakan Algoritma Genetika Dengan Kromosom Biner dan Perbaikan Kromosom Hill-Climbing Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas

Lebih terperinci

BAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu

BAB I PENDAHULUAN. sejumlah aktivitas kuliah dan batasan mata kuliah ke dalam slot ruang dan waktu 18 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Penjadwalan merupakan kegiatan administrasi utama di berbagai institusi. Masalah penjadwalan merupakan masalah penugasan sejumlah kegiatan dalam periode

Lebih terperinci

Crossover Probability = 0.5 Mutation Probability = 0.1 Stall Generation = 5

Crossover 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 terperinci

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

BAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya, BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi

Lebih terperinci

Optimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika

Optimasi 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 terperinci

BAB I PENDAHULUAN Latar Belakang

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

Lebih terperinci

Perencanaan Inventori Bahan Baku SPM dengan Model P Back Order

Perencanaan Inventori Bahan Baku SPM dengan Model P Back Order Jurnal Teknik Industri, Vol.1, No.4, Desember 2013, pp.304-308 ISSN 2302-495X Perencanaan Inventori Bahan Baku SPM dengan Model P Back Order Edi Junaedi 1, Lely Herlina 2, Evi Febianti 3 1, 2, 3 Jurusan

Lebih terperinci

PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP)

PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Abstrak PENERAPAN ALGORITMA GENETIKA PADA PERSOALAN PEDAGANG KELILING (TSP) Aulia Fitrah 1, Achmad Zaky 2, Fitrasani 3 Program Studi Informatika, Sekolah Teknik Elektro dan Informatika, Institut Teknologi

Lebih terperinci

Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner

Pendekatan 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 terperinci

Perencanaan Inventori Bahan Baku SPM Dengan Model P Back Order

Perencanaan Inventori Bahan Baku SPM Dengan Model P Back Order Perencanaan Inventori Bahan Baku SPM Dengan Model P Back Order Edi Junaedi 1, Lely Herlina 2, Evi Febianti 3 1, 2, 3 Jurusan Teknik Industri Universitas Sultan Ageng Tirtayasa edi_junaedist@yahoo.com 1,

Lebih terperinci

PENDAHULUAN. Latar Belakang

PENDAHULUAN. Latar Belakang Latar Belakang PENDAHULUAN Pada saat sekarang ini, setiap perusahaan yang ingin tetap bertahan dalam persaingan dengan perusahaan lainnya, harus bisa membuat semua lini proses bisnis perusahaan tersebut

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Setiap perusahaan tidak dapat lepas dari persoalan transportasi, baik untuk pengadaan bahan baku ataupun dalam mengalokasikan barang jadinya. Salah satu metode yang

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Sekumpulan fasilitas, pasokan bahan baku, konsumen, produk dan metode yang digunakan untuk mengontrol penyimpanan produk, pembelian, dan pendistribusian disebut

Lebih terperinci

PENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP

PENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP PENERAPAN ALGORITMA GENETIKA UNTUK PERMASALAHAN OPTIMASI DISTRIBUSI BARANG DUA TAHAP Riska Sulistiyorini ), Wayan Firdaus Mahmudy ), Program Studi Teknik Informatika Program Teknologi Informasi dan Ilmu

Lebih terperinci

BAB I PENDAHULUAN Latar Belakang Masalah

BAB I PENDAHULUAN Latar Belakang Masalah BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Semakin berkembangnya dunia industri menuntut industri-industri yang ada baik yang bergerak di bidang manufaktur maupun jasa berlomba lomba untuk tetap bertahan

Lebih terperinci

A. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:

A. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author: Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material

Lebih terperinci

Perusahaan BIS adalah sebuah perusahaan yang menghasilkan dan mendistribusikan cat. Saat ini perusahaan BIS, punya 8 pabrik manufaktur terletak di

Perusahaan BIS adalah sebuah perusahaan yang menghasilkan dan mendistribusikan cat. Saat ini perusahaan BIS, punya 8 pabrik manufaktur terletak di Hendy Simbolon Perusahaan BIS adalah sebuah perusahaan yang menghasilkan dan mendistribusikan cat. Saat ini perusahaan BIS, punya 8 pabrik manufaktur terletak di kota Atlanta dan Denver. Melayani kurang

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Fuzzy Local Binary Pattern (FLBP) Fuzzifikasi pada pendekatan LBP meliputi transformasi variabel input menjadi variabel fuzzy, berdasarkan pada sekumpulan fuzzy rule. Dalam

Lebih terperinci

PERBAIKAN SISTEM PERSEDIAAN GUDANG KARPET MENGGUNAKAN ECONOMIC ORDER INTERVAL PROBABILISTIC MODEL

PERBAIKAN SISTEM PERSEDIAAN GUDANG KARPET MENGGUNAKAN ECONOMIC ORDER INTERVAL PROBABILISTIC MODEL PERBAIKAN SISTEM PERSEDIAAN GUDANG KARPET MENGGUNAKAN ECONOMIC ORDER INTERVAL PROBABILISTIC MODEL Indri Hapsari, Dermanto Ang Teknik Industri Universitas Surabaya Jl. Raya Kalirungkut, 60293, Surabaya

Lebih terperinci

PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA

PENENTUAN 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

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

Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.

Lebih terperinci

Lingkup Metode Optimasi

Lingkup 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 terperinci

BAB 1. PENDAHULUAN. 1.1 Latar Belakang

BAB 1. PENDAHULUAN. 1.1 Latar Belakang BAB 1. PENDAHULUAN 1.1 Latar Belakang Sejalan dengan tuntutan persaingan bisnis, banyak perusahaan menyadari bahwa keunggulan teknologi dan produk yang dihasilkan semata tidak lagi dapat diandalkan menjadi

Lebih terperinci

Seminar Nasional Aplikasi Teknologi Informasi 2004 Yogyakarta, 19 Juni 2004

Seminar 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 terperinci

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang

Lebih terperinci

PENERAPAN 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 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 terperinci

PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN

PERFORMANCE 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 terperinci

Pembentukan Rute Distribusi Menggunakan Algoritma Clarke & Wright Savings dan Algoritma Sequential Insertion *

Pembentukan Rute Distribusi Menggunakan Algoritma Clarke & Wright Savings dan Algoritma Sequential Insertion * Reka Integra ISSN: 2338-508 Jurusan Teknik Industri Itenas No.02 Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 204 Pembentukan Distribusi Menggunakan Algoritma Clarke & Wright Savings dan Algoritma

Lebih terperinci

DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA

DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA DETEKSI MAHASISWA BERPRESTASI DAN BERMASALAH DENGAN METODE K- MEANS KLASTERING YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA Akmal Hidayat 1) & Entin Martiana 2) 1) Teknik Elektro Politeknik Bengkalis Jl.

Lebih terperinci

ISSN VOL. 12, NO. 2, OKTOBER 2011

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

Lebih terperinci

PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA

PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau

Lebih terperinci

Optimasi Penyusunan Paket Suku Cadang Pada PT. XYZ Menggunakan Metode Algoritma Genetik

Optimasi Penyusunan Paket Suku Cadang Pada PT. XYZ Menggunakan Metode Algoritma Genetik Optimasi Penyusunan Paket Suku Cadang Pada PT. XYZ Menggunakan Metode Algoritma Genetik Ridzky Utomo 1,, Pratya Poeri S 2, Mira Rahayu 3 Program Studi Teknik Industri, Fakultas Rekayasa Industri,Institut

Lebih terperinci

KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA

KNAPSACK 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 terperinci

Bab I Pendahuluan I.1 Latar Belakang

Bab I Pendahuluan I.1 Latar Belakang Bab I Pendahuluan I.1 Latar Belakang PT. Dirgantara Indonesia (Persero) adalah salah satu perusahaan yang bergerak di bidang industri pesawat terbang. Saat ini PT. Dirgantara Indonesia memproduksi pesawat

Lebih terperinci

IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM

IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,

Lebih terperinci

OPTIMASI PENYUSUNAN BOX KOMPONEN PROGRAM SPIRIT DI DALAM CONTAINER UNTUK MEMINIMASI SPACE KOSONG MENGGUNAKAN METODE ALGORITMA GENETIKA

OPTIMASI PENYUSUNAN BOX KOMPONEN PROGRAM SPIRIT DI DALAM CONTAINER UNTUK MEMINIMASI SPACE KOSONG MENGGUNAKAN METODE ALGORITMA GENETIKA ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 2890 OPTIMASI PENYUSUNAN BOX KOMPONEN PROGRAM SPIRIT DI DALAM CONTAINER UNTUK MEMINIMASI SPACE KOSONG MENGGUNAKAN METODE ALGORITMA

Lebih terperinci

PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM

PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:

Lebih terperinci

BAB I PENDAHULUAN 1.1. Latar Belakang

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

Lebih terperinci

BAB II TINJAUAN PUSTAKA

BAB II TINJAUAN PUSTAKA BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Pustaka (Samuel, Toni & Willi 2005) dalam penelitian yang berjudul Penerapan Algoritma Genetika untuk Traveling Salesman Problem Dengan Menggunakan Metode Order Crossover

Lebih terperinci

Mega Orina Fitri Dosen Jurusan Ilmu Perpustakaan UIN Imam Bonjol Padang ABSTRAK

Mega Orina Fitri Dosen Jurusan Ilmu Perpustakaan UIN Imam Bonjol Padang   ABSTRAK OPTIMASI PENGANGKUTAN PETI KEMAS DALAM PENYELESAIAN KNAPSACK BERDASARKAN PERBANDINGAN ALGORITMA GENETIKA DAN ALGORITMA GREEDY Mega Orina Fitri Dosen Jurusan Ilmu Perpustakaan UIN Imam Bonjol Padang Email

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang BAB I PENDAHULUAN 1.1 Latar Belakang Banyaknya perusahaan di dunia industri saat ini menuntut setiap perusahaan untuk terus berusaha mencari cara terbaik agar memiliki daya saing yang lebih tinggi daripada

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang 1 BAB I PENDAHULUAN 1.1 Latar Belakang Pembentukan kelas belajar merupakan kegiatan rutin yang dilakukan oleh setiap sekolah pada setiap tahun ajaran baru. Pembentukan kelas biasanya dilakukan dengan membagi

Lebih terperinci

Analisis Operator Crossover pada Permasalahan Permainan Puzzle

Analisis 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 terperinci

BAB I PENDAHULUAN. yang dikemukakan oleh George Dantzig pada tahun Linear Programming (LP) adalah perencanaan aktivitas-aktivitas untuk

BAB I PENDAHULUAN. yang dikemukakan oleh George Dantzig pada tahun Linear Programming (LP) adalah perencanaan aktivitas-aktivitas untuk BAB I PENDAHULUAN 1.1 Latar Belakang Program Linear adalah suatu alat yang digunakan untuk menyelesaikan masalah optimasi suatu model linear dengan keterbatasan-keterbatasan sumber daya yang tersedia.

Lebih terperinci

PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X)

PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) PENJADWALAN MESIN BERTIPE JOB SHOP UNTUK MEMINIMALKAN MAKESPAN DENGAN METODE ALGORITMA GENETIKA (STUDI KASUS PT X) Ria Krisnanti 1, Andi Sudiarso 2 1 Jurusan Teknik Mesin dan Industri, Fakultas Teknik,

Lebih terperinci

Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika

Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Rancang Bangun Robot PANTILT: Pendeteksian Posisi Kepala Manusia Menggunakan Algoritma Genetika Ferman Hakiki 1, Indra Adji Sulistijono 2 1 Jurusan Teknik Elektornika, Politeknik Elekronika Negeri Surabaya

Lebih terperinci

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN I-1 BAB I PENDAHULUAN 1.1. Latar Belakang Semakin ketatnya persaingan di dunia industri saat ini, menuntut perusahaan untuk dapat memuaskan konsumen dalam berbagai sisi mulai dari kualitas produk hingga pelayanan

Lebih terperinci

Bab IV Simulasi dan Pembahasan

Bab IV Simulasi dan Pembahasan Bab IV Simulasi dan Pembahasan IV.1 Gambaran Umum Simulasi Untuk menganalisis program pemodelan network flow analysis yang telah dirancang maka perlu dilakukan simulasi program tersebut. Dalam penelitian

Lebih terperinci

BAB III METODOLOGI PENELITIAN

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

Lebih terperinci

Simulasi Coverage Pada Wireless Sensor Network dengan Menggunakan Algoritma Genetika Pareto

Simulasi Coverage Pada Wireless Sensor Network dengan Menggunakan Algoritma Genetika Pareto Simulasi Coverage Pada Wireless Sensor Network dengan Menggunakan Algoritma Genetika Pareto Umi Fitria P, Tri Budi Santoso, Prima Kristalina Jurusan Telekomunikasi, Politeknik Elektronika Negeri Surabaya

Lebih terperinci

PENENTUAN KEBIJAKAN ORDER PRODUK SKINCARE DAN PLASTER DENGAN PENDEKATAN VENDOR MANAGED INVENTORY (Studi Kasus: PT Beiersdorf Indonesia)

PENENTUAN KEBIJAKAN ORDER PRODUK SKINCARE DAN PLASTER DENGAN PENDEKATAN VENDOR MANAGED INVENTORY (Studi Kasus: PT Beiersdorf Indonesia) PENENTUAN KEBIJAKAN ORDER PRODUK SKINCARE DAN PLASTER DENGAN PENDEKATAN VENDOR MANAGED INVENTORY (Studi Kasus: PT Beiersdorf Indonesia) DETERMINATION ORDER POLICY SKINCARE AND PLASTER PRODUCT VENDOR MANAGED

Lebih terperinci

BAB 6 KESIMPULAN DAN SARAN

BAB 6 KESIMPULAN DAN SARAN BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan Berdasarkan hasil penelitian dan analisis data yang telah dilakukan, maka penulis dapat mengambil kesimpulan sebagai berikut : a. Representasi kromosom yang digunakan

Lebih terperinci

PENYELESAIAN VEHICLE ROUTING PROBLEM UNTUK MINIMASI TOTAL BIAYA TRANSPORTASI PADA PT XYZ DENGAN METODE ALGORITMA GENETIKA

PENYELESAIAN VEHICLE ROUTING PROBLEM UNTUK MINIMASI TOTAL BIAYA TRANSPORTASI PADA PT XYZ DENGAN METODE ALGORITMA GENETIKA ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 2566 PENYELESAIAN VEHICLE ROUTING PROBLEM UNTUK MINIMASI TOTAL BIAYA TRANSPORTASI PADA PT XYZ DENGAN METODE ALGORITMA GENETIKA

Lebih terperinci

BAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur

BAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi

Lebih terperinci

ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR

ALGORITMA 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 terperinci

Aplikasi Algoritma Genetika Untuk Merancang Fungsi Keanggotaan Pada Kendali Logika Fuzzy

Aplikasi Algoritma Genetika Untuk Merancang Fungsi Keanggotaan Pada Kendali Logika Fuzzy Aplikasi Algoritma Genetika Untuk Merancang Fungsi Keanggotaan Pada Kendali Logika Fuzzy Hendry Setiawan, Thiang, Hany Ferdinando Jurusan Teknik Elektro, Universitas Kristen Petra Siwalankerto 121-131,

Lebih terperinci

Genetic Algorithme. Perbedaan GA

Genetic Algorithme. Perbedaan GA Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari

Lebih terperinci

Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir

Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir IJCCS, Vol.6, No.1, January 2012, pp. 101~110 ISSN: 1978-1520 101 Optimasi Cluster Pada Fuzzy C-Means Menggunakan Algoritma Genetika Untuk Menentukan Nilai Akhir Putri Elfa Mas`udia* 1, Retantyo Wardoyo

Lebih terperinci

Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)

Aplikasi 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 terperinci

BAB I PENDAHULUAN. logistik sudah digunakan untuk mengatasi berbagai jenis kebutuhan manusia dan

BAB I PENDAHULUAN. logistik sudah digunakan untuk mengatasi berbagai jenis kebutuhan manusia dan BAB I PENDAHULUAN 1.1. Latar Belakang Logistik bukanlah hal yang baru di dunia industri. Sepanjang sejarah logistik sudah digunakan untuk mengatasi berbagai jenis kebutuhan manusia dan mengirimkannya ke

Lebih terperinci

Denny Hermawanto

Denny Hermawanto Algoritma Genetika dan Contoh Aplikasinya Denny Hermawanto d_3_nny@yahoo.com http://dennyhermawanto.webhop.org Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan

Lebih terperinci

PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio

PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH. Iqbal Dwihanandrio ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6447 PERAMALAN HARGA EMAS MENGGUNAKAN ALGORTIMA MEMETIKA DENGAN PENCARIAN LOCAL TABU SEARCH Iqbal Dwihanandrio S1 Teknik Informatika

Lebih terperinci

Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah

Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah

Lebih terperinci

Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika

Generator 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 terperinci

TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT

TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to

Lebih terperinci

BAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10:

BAB III PERANCANGAN. Gambar 3.1 di bawah ini mengilustrasikan jalur pada TSP kurva terbuka jika jumlah node ada 10: BAB III PERANCANGAN Pada bagian perancangan ini akan dipaparkan mengenai bagaimana mencari solusi pada persoalan pencarian rute terpendek dari n buah node dengan menggunakan algoritma genetika (AG). Dari

Lebih terperinci

PENGENDALIAN PERSEDIAAN BARANG DENGAN DEMAND DAN LEAD TIME YANG BERSIFAT PROBABILISTIK DI UD. SUMBER NIAGA

PENGENDALIAN PERSEDIAAN BARANG DENGAN DEMAND DAN LEAD TIME YANG BERSIFAT PROBABILISTIK DI UD. SUMBER NIAGA Oktavianus: PENGENDALIAN PERSEDIAAN BARANG DENGAN DEMAND DAN LEAD TIME... PENGENDALIAN PERSEDIAAN BARANG DENGAN DEMAND DAN LEAD TIME YANG BERSIFAT PROBABILISTIK DI UD. SUMBER NIAGA Ferry Oktavianus ),

Lebih terperinci

PENYELESAIAN VEHICLE ROUTING PROBLEM UNTUK MINIMASI TOTAL BIAYA TRANSPORTASI PADA PT XYZ DENGAN METODE ALGORITMA GENETIKA

PENYELESAIAN VEHICLE ROUTING PROBLEM UNTUK MINIMASI TOTAL BIAYA TRANSPORTASI PADA PT XYZ DENGAN METODE ALGORITMA GENETIKA PENYELESAIAN VEHICLE ROUTING PROBLEM UNTUK MINIMASI TOTAL BIAYA TRANSPORTASI PADA PT XYZ DENGAN METODE ALGORITMA GENETIKA Astri Desiana 1, AriYanuar Ridwan 2, Rio Aurachman 3 1, 2, 3 Program Studi Teknik

Lebih terperinci

Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika

Optimasi 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 terperinci

LEMBAR PENGESAHAN PERNYATAAN BEBAS PLAGIARISME KATA PENGANTAR UCAPAN TERIMA KASIH ABSTRAK DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR BAB I PENDAHULUAN

LEMBAR PENGESAHAN PERNYATAAN BEBAS PLAGIARISME KATA PENGANTAR UCAPAN TERIMA KASIH ABSTRAK DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR BAB I PENDAHULUAN DAFTAR ISI LEMBAR PENGESAHAN PERNYATAAN BEBAS PLAGIARISME KATA PENGANTAR... i UCAPAN TERIMA KASIH... ii ABSTRAK... iii DAFTAR ISI... v DAFTAR TABEL... vii DAFTAR GAMBAR... viii BAB I PENDAHULUAN... 1 A.

Lebih terperinci

BAB 3 ANALISIS DAN PERANCANGAN APLIKASI

BAB 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 terperinci

Algoritma Evolusi Dasar-Dasar Algoritma Genetika

Algoritma Evolusi Dasar-Dasar Algoritma Genetika Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi

Lebih terperinci

BAB I PENDAHULUAN 1.1 Latar Belakang

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

Lebih terperinci

Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika

Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut

Lebih terperinci

IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG

IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG IMPLEMENTASI ALGORITMA GENETIKA DALAM OPTIMASI JALUR PENDISTRIBUSIAN KERAMIK PADA PT. CHANG JUI FANG Adnan Buyung Nasution 1 1,2 Sistem Infomasi, Tehnik dan Ilmu Komputer, Universitas Potensi Utama 3 Universitas

Lebih terperinci

PENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA

PENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA PENERAPAN ALGORITMA GENETIKA UNTUK MENENTUKAN BIAYA MINIMAL DISTRIBUSI BARANG TIGA TAHAP PT. SEMEN TONASA Andi Baharuddin 1, Aidawayati Rangkuti 2, Armin Lawi 3 Program Studi Matematika, Jurusan Matematika,

Lebih terperinci

Program Studi Sistem Informasi Fakultas Rekayasa Industri, Telkom University 1

Program Studi Sistem Informasi Fakultas Rekayasa Industri, Telkom University 1 PERENCANAAN KEBIJAKAN PERSEDIAAN OBAT DENGAN MENGGUNAKAN METODE PROBABILISTIK CONTINUOUS REVIEW (S,S) SYSTEM PADA BAGIAN INSTALASI FARMASI RUMAH SAKIT AMC 1 Destaria Madya Verawaty, 2 Dida Diah Damayanti,

Lebih terperinci

SUPPLY CHAIN MANAGEMENT

SUPPLY CHAIN MANAGEMENT SUPPLY CHAIN MANAGEMENT Disusun Oleh: Puput Resno Aji Nugroho (09.11.2819) 09-S1TI-04 PROGRAM STUDI TEKNIK INFORMATIKA SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER (STMIK) AMIKOM YOGYAKARTA Jalan

Lebih terperinci

ABSTRAK. Kata Kunci : distribusi, bullwhip effect, pemusatan informasi. Universitas Kristen Maranatha

ABSTRAK. Kata Kunci : distribusi, bullwhip effect, pemusatan informasi. Universitas Kristen Maranatha ABSTRAK PT X adalah perusahaan yang memproduksi unit motor. Persediaan di jalur distribusi PT X memiliki nilai yang besar. Hal tersebut menjadi masalah karena jika PT X memiliki banyak penyimpanan, biaya

Lebih terperinci

UKURAN LOT PRODUKSI DAN BUFFER STOCK PEMASOK UNTUK MERESPON PERMINTAAN PROBABILISTIK

UKURAN LOT PRODUKSI DAN BUFFER STOCK PEMASOK UNTUK MERESPON PERMINTAAN PROBABILISTIK UKURAN LOT PRODUKSI DAN BUFFER STOCK PEMASOK UNTUK MERESPON PERMINTAAN PROBABILISTIK Hari Prasetyo Staf Pengajar Teknik Industri Universitas Muhammadiyah Surakarta harpras2@yahoo.com ABSTRAK Dalam sebuah

Lebih terperinci

BAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI

BAB 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 terperinci

PERANCANGAN TATALETAK GUDANG DENGAN METODA DEDICATED STORAGE LOCATION POLICY (Studi Kasus : PT. X)

PERANCANGAN TATALETAK GUDANG DENGAN METODA DEDICATED STORAGE LOCATION POLICY (Studi Kasus : PT. X) PERANCANGAN TATALETAK GUDANG DENGAN METODA DEDICATED STORAGE LOCATION POLICY (Studi Kasus : PT. X) Reinny Patrisina 1, Indawati 2 1) Studio Tata Letak Fasilitas Pabrik Jurusan Teknik Industri Fakultas

Lebih terperinci

Optimasi Multiple Travelling Salesman Problem Pada Pendistribusian Air Minum Menggunakan Algoritme Genetika (Studi Kasus: UD.

Optimasi Multiple Travelling Salesman Problem Pada Pendistribusian Air Minum Menggunakan Algoritme Genetika (Studi Kasus: UD. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 849-858 http://j-ptiik.ub.ac.id Optimasi Multiple Travelling Salesman Problem Pada Pendistribusian

Lebih terperinci

MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB

MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan

Lebih terperinci

MODEL PROGRAM STOKASTIK DALAM TRANSPORTASI DAN LOGISTIK

MODEL PROGRAM STOKASTIK DALAM TRANSPORTASI DAN LOGISTIK MODEL PROGRAM STOKASTIK DALAM TRANSPORTASI DAN LOGISTIK Chairunisah Abstrak Problema transportasi dan logistik dikarakteristikkan dengan proses informasi yang sangat dinamis, seperti : pesanan konsumen

Lebih terperinci

LAPORAN AKHIR PENGEMBANGAN MODEL VENDOR MANAGED INVENTORY DENGAN BANYAK RETAILER YANG MEMPERTIMBANGKAN KETIDAKPASTIAN LEAD TIMES

LAPORAN AKHIR PENGEMBANGAN MODEL VENDOR MANAGED INVENTORY DENGAN BANYAK RETAILER YANG MEMPERTIMBANGKAN KETIDAKPASTIAN LEAD TIMES Perjanjian No. III/LPPM/2017-01/19-P LAPORAN AKHIR PENGEMBANGAN MODEL VENDOR MANAGED INVENTORY DENGAN BANYAK RETAILER YANG MEMPERTIMBANGKAN KETIDAKPASTIAN LEAD TIMES Disusun oleh: Y.M. Kinley Aritonang,

Lebih terperinci

OPTIMASI 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 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 terperinci

BAB 1. PENDAHULUAN. Permasalahan pendistribusian barang oleh depot ke konsumen merupakan

BAB 1. PENDAHULUAN. Permasalahan pendistribusian barang oleh depot ke konsumen merupakan BAB 1. PENDAHULUAN 1.1 Latar Belakang Permasalahan pendistribusian barang oleh depot ke konsumen merupakan komponen penting dalam sistem pelayanan depot suatu perusahaan, proses tersebut dapat terjadi

Lebih terperinci

Blending Agregat Menggunakan Algoritma Genetika

Blending Agregat Menggunakan Algoritma Genetika JURNAL TEKNIK ITS Vol. 1, No. 1, (Sept. 212) ISSN: 231-9271 D-113 Blending Menggunakan Algoritma Genetika Yeni Rochsianawati, PujoAji dan Januarti Jaya Ekaputri Jurusan Teknik Sipil, Fakultas Teknik Sipil

Lebih terperinci

Analisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2)

Analisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2) Analisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2) Abstrak Algoritma genetika yang pertama kali diperkenalkan secara terpisah oleh Holland dan De

Lebih terperinci

PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI

PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana

Lebih terperinci

BAB III PROGRAM MODEL PROBABILISTIK Q

BAB III PROGRAM MODEL PROBABILISTIK Q BAB III PROGRAM MODEL PROBABILISTIK Q 3.1 Karakteristik Model Q Karakteristik kebijakan persediaan model Q ditandai oleh dua hal mendasar sebagai berikut: 1. Besarnya ukuran pemesanan selalu tetap untuk

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Persediaan pada Supply Chain Persediaan adalah bahan atau barang yang disimpan yang akan digunakan untuk memenuhi tujuan tertentu, misalnya untuk proses produksi atau perakitan,

Lebih terperinci