OPTIMASI MULTI-OBJECTIVE MENGGUNAKAN NSGA-II DALAM PENJADWALAN MESIN PRODUKSI FLOW SHOP

Transkripsi

1 OPTIMASI MULTI-OBJECTIVE MENGGUNAKAN NSGA-II DALAM PENJADWALAN MESIN PRODUKSI FLOW SHOP TESIS Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika FIFIN SONATA PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015

2 ii PERSETUJUAN Judul Kategori Nama : Optimasi Multi-objective Menggunakan NSGA-II Dalam Penjadwalan Mesin Produksi Flow Shop : Tesis : Fifin Sonata Nomor Induk Mahasiswa : Program Studi Fakultas : Teknik Informatika : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Prof. Dr. Tulus, Vor.Dipl.Math., M.Si Prof. Dr. Muhammad Zarlis Diketahui/disetujui oleh Program Studi S2 Teknik Informatika Ketua, Prof. Dr. Muhammad Zarlis NIP:

3 iii PERNYATAAN OPTIMASI MULTI-OBJECTIVE MENGGUNAKAN NSGA-II DALAM PENJADWALAN MESIN PRODUKSI FLOW SHOP TESIS Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, Juli 2015 Fifin Sonata

4 iv PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini: Nama : Fifin Sonata NIM : Program Studi : Teknik Informatika Jenis Karya Ilmiah : Tesis Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty Free Right) atas tesis saya yang berjudul: OPTIMASI MULTI-OBJECTIVE MENGGUNAKAN NSGA-II DALAM PENJADWALAN MESIN PRODUKSI FLOW SHOP Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non- Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta. Demikian penyataan ini dibuat dengan sebenarnya. Medan, Juli 2015 Fifin Sonata

5 v Telah diuji pada Tanggal : 3 Juli 2015 PANITIA PENGUJI TESIS Ketua : Prof. Dr. Muhammad Zarlis Anggota : 1. Prof. Dr. Tulus, Vor.Dipl.Math., M.Si 2. Prof. Herman Mawengkang 3. Dr. Syahril Efendi, S.Si., M.IT

6 vi RIWAYAT HIDUP DATA PRIBADI Nama Lengkap (berikut gelar) : Fifin Sonata, S.Kom Tempat dan Tanggal Lahir : Banyuwangi, 24 Desember 1982 Alamat Rumah : Jl. Sejati Pasar V Marendal I Deli Serdang Telepon/Fax/HP : fifinsonata2012@gmail.com Instansi Tempat Bekerja : AMIKOM Medan Alamat Kantor : Jl. Iskandar Muda No Medan DATA PENDIDIKAN SD : SDN BENCULUK V - Cluring - Banyuwangi TAMAT : tahun 1994 SLTP : SMPN 1 Cluring - Banyuwangi TAMAT : tahun 1997 SLTA : SMUN 2 Genteng - Banyuwangi TAMAT : tahun 2000 S1 : Institut Teknologi Adhi Tama Surabaya TAMAT : tahun 2006 S2 : Teknik Informatika USU TAMAT : tahun 2015

7 vii UCAPAN TERIMA KASIH Alhamdulillahirabbil alamiin penulis panjatkan kepada Allah SWT atas hidayah dan petunjuk-nya, sehingga penulis dapat menyelesaikan laporan tesis dengan judul OPTIMASI MULTI-OBJECTIVE MENGGUNAKAN NSGA-II DALAM PENJADWALAN MESIN PRODUKSI FLOW SHOP, yang merupakan salah satu syarat memperoleh gelar Magister Teknik Informatika pada Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara. Penulis mendapatkan banyak sekali bantuan dari berbagai pihak dalam menyelesaikan laporan tesis ini. Atas berbagai bantuan itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada: Ayahanda Supriyanto dan Ibunda Hariani yang telah memberikan bimbingan hidup sejak lahir hingga kini dan telah banyak berkorban serta berdo a demi kebahagiaan penulis. Suamiku tercinta Ahmad Khaidir, S.Kom, MT dan anakku tersayang Ahmad Albaihaqie yang telah mendampingi dan memberi semangat pada penulis. Adikku Anggun Jati Diri yang terus memberikan dukungan moril kepada penulis. Bapak Prof. Dr. Muhammad Zarlis selaku pembimbing I tesis yang telah bersedia meluangkan waktu untuk membimbing dan membagi ilmunya kepada penulis. Bapak Prof. Dr. Tulus, Vor.Dipl.Math., M.Si selaku pembimbing II tesis yang telah bersedia meluangkan waktu untuk membimbing dan membagi ilmunya kepada penulis. Bapak Muhammad Andri Budiman, ST., M.Com.Sc, MEM selaku dosen wali dan seluruh dosen serta staf di Program Studi Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi USU yang telah memberikan banyak sekali bantuan selama penulis berkuliah. Seluruh teman KomB-2013 terima kasih atas dukungan dan persahabatan yang telah diberikan. Semoga tali silaturrahmi kita tidak terputus.

8 viii Dan berbagai pihak yang tidak dapat penulis sebutkan satu per satu di sini yang telah ikut membantu baik secara langsung maupun tidak langsung selama penulisan tugas akhir ini. Semoga Allah SWT membalas semua kebaikan yang telah dilakukan. Penulis menyadari masih banyak kekurangan yang terdapat pada penyusunan tesis ini. Oleh karena itu penulis menerima setiap masukan dan kritik yang diberikan demi penyempurnaan tesis ini dan berharap semoga tesis ini dapat bermanfaat untuk kita semua. Medan, Juli 2015 Penulis

9 ix ABSTRAK Penjadwalan merupakan suatu kegiatan pengalokasian sumber daya yang terbatas untuk mengerjakan sejumlah pekerjaan. Proses penjadwalan timbul jika terdapat keterbatasan sumber daya yang dimiliki, sehingga diperlukan adanya pengaturan sumber-sumber daya yang ada secara efisien. Adapun tujuan dari penjadwalan produksi umumnya ialah untuk mengoptimalkan dimensi atau objek tertentu. Penjadwalan flow shop adalah salah satu jenis penjadwalan produksi dimana setiap job akan melalui setiap mesin dengan urutan yang seragam. Optimasi penjadwalan mesin produksi flow shop berkaitan dengan penyusunan penjadwalan mesin yang mempertimbangkan 2 objek yaitu makespan dan total tardiness. Optimasi kedua permasalahan tersebut diatas merupakan optimasi yang bertolak belakang sehingga diperlukan model yang mengintegrasikan permasalahan tersebut dengan optimasi multi-objective A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi- Objective Optimazitaion : NSGA-II. Penyelesaian penjadwalan mesin produksi flow shop dengan algoritma NSGA-II untuk membangun jadwal dengan meminimalkan makespan dan total tardiness. Model yang dikembangkan akan memberikan solusi penjadwalan mesin produksi flow shop yang efisien berupa solusi pareto optimal yang dapat memberikan sekumpulan solusi alternatif bagi pengambil keputusan dalam membuat penjadwalan mesin produksi yang diharapkan. Agar dapat terlihat nilai solusinya maka dilakukan perbandingan dominasi solusi Aggregat Of Function (AOF) dengan solusi NSGA-II. Solusi pareto optimal yang dihasilkan merupakan solusi optimasi multi-objective yang optimal dengan trade-off terhadap seluruh objek, sehingga seluruh solusi pareto optimal sama baiknya. Kata kunci : Makespan, Multi-objective, NSGA-II, Penjadwalan Mesin Produksi Flow Shop, Total tardiness

10 x MULTI-OBJECTIVE OPTIMIZATION USING NSGA-II IN FLOW SHOP PRODUCTION MACHINE SCHEDULING ABSTRACT Scheduling is an activity to allocate limited resources to finish the jobs. Scheduling process arise if there are limitations on available resources that requiring utilization the available resources efficiently. Generally, the purpose of production scheduling is to optimize specific dimensions or objects. Flow shop scheduling is a type of production scheduling where each job will go through each machine with an uniform sequence. Optimization of the flow shop production machine scheduling related to determine machine scheduling that considers two objects i.e makespan and total tardiness. Both above optimization problem is a contradictory optimization that require a model which integrates these problems with multi-objective optimization A Fast elitist Non-dominated Sorting Genetic Algorithm for Multi-Objective Optimization: NSGA-II. The main purpose of completion the flow shop production machine scheduling with NSGA-II algorithm is to determine schedules that minimizing makespan and total tardiness. The developed model will generate efficient solutions of flow shop production machine scheduling in the form of pareto optimal solutions which provide a set of alternative solutions for decision makers in making expected production machine scheduling. In order to analyze the value of the solution that generated, the dominance comparisons made between Aggregate of Function (AOF) solutions and NSGA-II solutions. Pareto optimal solutions that generated are optimal multi-objective optimization solutions with trade-off for all objects, thereby all pareto optimal solutions are just as good. Keywords : Flow Shop Production Scheduling Engine, Makespan, Multiobjective, NSGA-II, Total tardiness

11 xi DAFTAR ISI Hal. RIWAYAT HIDUP... vi UCAPAN TERIMA KASIH... vii ABSTRAK... ix ABSTRACT... x DAFTAR ISI... xi DAFTAR TABEL... xiii DAFTAR GAMBAR... xiv BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian... 3 BAB 2 LANDASAN TEORI Penjadwalan dan Penjadwalan Flow shop Multi-objective Optimization (MO)... 6 BAB 3 METODE PENELITIAN Pengumpulan Data Pemodelan Sistem Tahapan NSGA-II Pengukuran dan Perbandingan Optimasi Menggunakan NSGA-II 18 BAB 4 HASIL PENELITIAN DAN PEMBAHASAN Model Matematis Implementasi Tahapan NSGA-II Hasil Penelitian Perbandingan AOF dan NSGA-II BAB 5 KESIMPULAN DAN SARAN Kesimpulan Saran... 36

12 xii DAFTAR PUSTAKA LAMPIRAN LAMPIRAN

13 xiii DAFTAR TABEL Hal Tabel 3.1 Tabel Data Penjadwalan Mesin Produksi Tabel 4.1 Hasil Penelitian AOF Instance I_150_ Tabel 4.2 Hasil Penelitian AOF Instance I_250_ Tabel 4.3 Hasil Penelitian AOF Instance I_350_ Tabel 4.4 Hasil Penelitian AOF Instance I_350_ Tabel 4.5 Hasil Penelitian AOF Instance I_50_ Tabel 4.6 Hasil Uji Normalitas AOF Tabel 4.7 Hasil Uji Homogenitas AOF Tabel 4.8 Hasil Uji ANOVA AOF Tabel 4.9 Parameter Algoritma Genetika untuk AOF Tabel 4.10 Hasil Penelitian Estimasi Hypervolume NSGA-II Tabel 4.11 Hasil Uji Normalitas Estimasi Hypervolume NSGA-II Tabel 4.12 Parameter NSGA-II Tabel 4.13 Populasi NSGA-II pada generasi ke Tabel 4.14 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_150_ Tabel 4.15 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_250_ Tabel 4.16 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_350_ Tabel 4.17 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_350_ Tabel 4.18 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_50_

14 xiv DAFTAR GAMBAR Hal Gambar 2.1 Populasi yang dihasilkan pada setiap Generasi EO (Deb, 2011)... 8 Gambar 2.2 Skema prosedur Multi-objective Optimization (Deb, 2011) Gambar 2.3 Perhitungan Crowding-Distance (Deb,2011) Gambar 2.4 Prosedur NSGA-II (Deb,2011) Gambar 3.1 Diagram Alir Rancangan Penelitian Gambar 3.2 Diagram Alir Umum NSGA-II Gambar 4.1 Populasi pada Algoritma Genetika untuk Makespan dan Total Tardiness Gambar 4.2 Populasi pada NSGA-II untuk Makespan dan Total Tardiness... 32