PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
|
|
- Teguh Susman
- 6 tahun lalu
- Tontonan:
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
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 terperinciUSULAN 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 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 terperinciPenerapan 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 terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciUSULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING
USULAN PENERAPAN PENJADWALAN DENGAN MENGGUNAKAN METODE ALGORITMA GENETIKA DI PD BLESSING Santoso 1*, Eldad Dufan Sopater Subito 2 1,2 Jurusan Teknik Industri, Fakultas Teknik, Universitas Kristen Maranatha
Lebih terperinciOptimasi 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 terperinciBAB 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 terperinciCrossover Probability = 0.5 Mutation Probability = 0.1 Stall Generation = 5
oleh pengguna sistem adalah node awal dan node tujuan pengguna. Lingkungan Pengembangan Sistem Implementasi Algoritme Genetika dalam bentuk web client menggunakan bahasa pemrograman PHP dan DBMS MySQL.
Lebih terperinciBAB I PENDAHULUAN. lebih efektif dan efisien karena akan melewati rute yang minimal jaraknya,
BAB I PENDAHULUAN A. Latar Belakang Distribusi merupakan proses penyaluran produk dari produsen sampai ke tangan masyarakat atau konsumen. Kemudahan konsumen dalam mendapatkan produk yang diinginkan menjadi
Lebih terperinciOptimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika
Optimasi Persediaan Multi-item Fuzzy EOQ Di PT UWBM dengan Algoritma Genetika Disusun Oleh : Ainy Mahmudah 1307 100 002 Pembimbing I Pembimbing II : Dr. Irhamah, S.Si., M.Si : Dra. Sri Mumpuni R, M.Si
Lebih terperinciBAB 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 terperinciPerencanaan 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 terperinciPENERAPAN 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 terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih terperinciPerencanaan 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 terperinciPENDAHULUAN. 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 terperinciBAB 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 terperinciBAB 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 terperinciPENERAPAN 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 terperinciBAB 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 terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciPerusahaan 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 terperinciBAB 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 terperinciPERBAIKAN 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 terperinciPENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro 1206100714 Pembimbing : Dr. M. Isa
Lebih terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciBAB 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 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 terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Konsep Umum Optimasi Optimasi merupakan suatu cara untuk menghasilkan suatu bentuk struktur yang aman dalam segi perencanaan dan menghasilkan struktur yang
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciPembentukan 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 terperinciDETEKSI 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 terperinciISSN 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 terperinciPENYELESAIAN 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 terperinciOptimasi 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 terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBab 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 terperinciIMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM
IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENCARIAN RUTE PALING OPTIMUM Anies Hannawati, Thiang, Eleazar Fakultas Teknologi Industri, Jurusan Teknik Elektro, Universitas Kristen Petra Jl. Siwalankerto 121-131,
Lebih terperinciOPTIMASI 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 terperinciPEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM
PEMANFAATAN ALGORITMA FUZZY EVOLUSI UNTUK PENYELESAIAN KASUS TRAVELLING SALESMAN PROBLEM Syafiul Muzid Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia, Yogyakarta E-mail:
Lebih terperinciBAB 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 terperinciBAB 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 terperinciMega 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 terperinciBAB 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 terperinciBAB 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 terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih terperinciBAB 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 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 terperinciRancang 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 terperinciBAB 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 terperinciBab IV Simulasi dan Pembahasan
Bab IV Simulasi dan Pembahasan IV.1 Gambaran Umum Simulasi Untuk menganalisis program pemodelan network flow analysis yang telah dirancang maka perlu dilakukan simulasi program tersebut. Dalam penelitian
Lebih 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 terperinciSimulasi 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 terperinciPENENTUAN 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 terperinciBAB 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 terperinciPENYELESAIAN 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 terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih terperinciAplikasi 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 terperinciGenetic 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 terperinciOptimasi 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 terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciBAB 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 terperinciDenny 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 terperinciPERAMALAN 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 terperinciImplementasi 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 terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciBAB 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 terperinciPENGENDALIAN 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 terperinciPENYELESAIAN 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 terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciLEMBAR 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 terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciBAB 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 terperinciPerancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika
Perancangan Dan Pembuatan Aplikasi Rekomendasi Jadwal Perkuliahan Pada Institut Informatika Indonesia Memanfaatkan Algoritma Genetika Hermawan Andika, S.Kom., M.Kom. Jurusan Teknik Informatika Institut
Lebih terperinciIMPLEMENTASI 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 terperinciPENERAPAN 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 terperinciProgram 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 terperinciSUPPLY 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 terperinciABSTRAK. 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 terperinciUKURAN 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 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 terperinciPERANCANGAN 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 terperinciOptimasi Multiple Travelling Salesman Problem Pada Pendistribusian Air Minum Menggunakan Algoritme Genetika (Studi Kasus: UD.
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 9, Juni 2017, hlm. 849-858 http://j-ptiik.ub.ac.id Optimasi Multiple Travelling Salesman Problem Pada Pendistribusian
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciMODEL 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 terperinciLAPORAN 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 terperinciOPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI PENDUGAAN PARAMETER DALAM ANALISIS STRESS DAN STRAIN TERHADAP MATERIAL MENGGUNAKAN ALGORITMA GENETIKA Mike Susmikanti Pusat Pengembangan Informatika Nuklir, Badan Tenaga Nuklir Nasional Kawasan
Lebih terperinciBAB 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 terperinciBlending 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 terperinciAnalisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2)
Analisis Aplikasi Algoritma Genetika Untuk Pencarian Nilai Fungsi Maksimum Djunaedi Kosasih 1) Rinaldo 2) Abstrak Algoritma genetika yang pertama kali diperkenalkan secara terpisah oleh Holland dan De
Lebih terperinciPERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI
PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana
Lebih terperinciBAB 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 terperinciBAB 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