PRESENTASI TUGAS AKHIR CF 1380
|
|
- Deddy Kusuma
- 6 tahun lalu
- Tontonan:
Transkripsi
1 PRESENTASI TUGAS AKHIR CF 1380 IMPLEMENTASI ALGORITMA OPTIMASI BEE COLONY UNTUK PENJADWALAN JOB SHOP (Kata kunci: Optimasi Bee Colony, Penjadwalan Job Shop) Penyusun Tugas Akhir : Nafiuna Hidayatus Saidah (NRP : ) Dosen Pembimbing : Mahendrawathi Er, Ph.D Rully Soelaiman, S.Kom, M.Kom. 1
2 .:LATAR BELAKANG G (1):. Pemahaman mengenai konsep penjadwalan sangat penting bagi manajemen perusahaan. Dengan konsep penjadwalan, para pelaksana perusahaan mengetahui kapan waktu harus memulai suatu pekerjaan dan kapan waktu mengakhirinya. Penjadwalan yang baik akan memberikan dampak positif, yaitu rendahnya biaya operasi dan waktu pengiriman, yang akhirnya dapat meningkatkan kepuasan pelanggan. Sehingga tujuan dari penjadwalan seperti yang telah diungkapkan oleh Rejendran dan Holthaus (1999) yaitu untuk meminimalkan (memaksimalkan) ukuran atau beberapa ukuran dalam pelaksanaannya agar dapat tercapai. 2
3 .:LATAR BELAKANG G (2):. Penjadwalan job shop dapat digolongkan sebagai masalah optimasi kombinasi yang sulit dan memiliki tingkat kompleksitas yang cukup tinggi Metode heuristik merupakan solusi alternatif yang dapat digunakan untuk menangani kompleksitas dari masalah penjadwalan khususnya penjadwalan job shop Pada paper yang ditulis oleh Chin Soon Chong, Malcolm Yoke Hean Low, Appa Iyer Sivakumar, dan Kheng Leng Gay (2006) memberikan alternatif penyelesaian persoalan ini menggunakan Algoritma Bee Colony. 3
4 .:TUJUAN TUJUAN:. Tujuan dari tugas akhir ini adalah : Membangun suatu program yang dapat menyelesaikan permasalahan penjadwalan job shop. Menentukan kapan suatu operasi harus diproses pada mesin yang ada sehingga pendapatkan waktu penyelesaian paling minimum. Membandingkan hasil penerapan Algoritma Bee Colony dengan PSO. 4
5 .: Manfaat :. Memberikan kemudahan bagi pihak manajemen perusahaan dalam melakukan penjadwalan pada perusahaan mereka melalui aplikasi yang dihasilkan. 5
6 .:PERMASALAHAN PERMASALAHAN:. Permasalahan yang diangkat dalam tugas akhir ini adalah : Bagaimana permasalahan penjadwalan job shop dapat dimodelkan secara matematis? Bagaimana melakukan optimasi menggunakan metode algoritma bee colony dalam menyelesaikan permasalahan penjadwalan job shop? Bagaimana penyelesaian optimasi bee colony dibanding dengan algoritma optimasi lainnya dalam menghasilkan solusi? 6
7 .:Batasan Masalah :. 1. Beberapa permasalahan penjadwalan di ambil dari data yang direferensikan oleh paper karya Chin Soon Chong,dkk (2006). 2. Tujuan dalam permasalahan ini adalah untuk meminimumkan total waktu penyelesaian (makespan). 3. Metode yang digunakan dalam tugas akhir ini merupakan algoritma bee colony 4. Perangkat lunak ini dibangun dengan menggunakan bahasa pemrograman Matlab. 5. Solusi yang didapatkan akan dibandingkan dengan solusi hasil PSO. 7
8 Pada bagian pembahasan ini meliputi dua bagian, yaitu: Persoalan penjadwalan job shop Algoritma Bee Colony.:PEMBAHASAN:. 8
9 Pembahasan uji coba ini terdiri dari 2 bagian, yaitu: Data Uji Coba Analisis Hasil Uji Coba Skenario yang digunakan : perubahan jumlah lebah perubahan konfigurasi parameter.:uji Coba dan Analisis:. Mean : ( (56-55)/55*100% + ( )/593 *100% + ( )/1032*100% )/3= 9.67% 9
10 .:Kesimpulan:. Penjadwalan job shop dapat dimodelkan secara matematis dengan memenuhi aturan dan batasan yang berlaku sesuai pengertian secara luas mengenai penjadwalan job shop. Metode optimasi bee colony dapat digunakan sebagai alternatif untuk menyelesaiakan permasalahan penjadwalan job shop. Jika dibandingkan dengan algoritma PSO, metode optimasi bee colony ini tidak menyelesaikan permasalahan penjadwalan job shop dengan lebih baik. Karena nilai makespan yang dihasilkan secara keseluruhan proses uji coba terhadap data yang digunakan tidak berhasil mencapai makespan yang paling minimal, sesuai dengan nilai makespan terbaik yang didapatkan oleh Pratama (2009). Untuk mendapat hasil makespan yang semakin minimal (optimal), penambahan jumlah lebah dalam satu koloninya perlu dilakukan. Hal ini terjadi karena semakin banyak jumlah lebah dalam satu koloninya, maka ruang solusi yang akan didapatkanpun menjadi semakin luas. 10
11 .:Kesimpulan:. Pemilihan nilai alpha dan beta sangat berpengaruh dalam menyelesaikan permasalahan penjadwalan job shop khususnya dalam menentukan solusi makespan yang dihasilkan. Semakin besar ukuran permasalahan penjadwalan job shop yang diselesaikan, maka waktu komputasi yang dibutuhkan untuk mendapatkan solusi optimalnya akan menjadi semakin tinggi. 11
12 .:Saran:. Untuk menghasilkan solusi makespan yang lebih optimal, khususnya dalam menangani data-data dengan ukuran yang cukup besar, maka algoritma optimasi bee colony masih membutuhkan modifikasi. Peningkatan kualitas solusi makespan dapat dilakukan dengan menggabungkan algoritma optimasi bee colony dengan algoritma yang mempunyai kelebihan dalam hal heuristik pencarian lokal seperti Tabu Search. 12
13 .:Daftar Pustaka(1):. Chong, Low, Sivakumar, and Gay, A Bee Colony Optimization Algorithm To Job Shop Scheduling. Proceeding of the 2006 Winter Simulation Conference. Butt, Norman Bee Colonies Applied To Multiprocessor Sxcheduling. Borlange Sweeden: Dalarna University. Jain. A. S. and Meeran. S., Deterministic job shop scheduling: past, present and future. European Journal of Operational Research, Vol. 113, No. 2 (1999), pp Nahmias, Steven & Production and Operastions Analysis, Second Edition. Sydney: Santa Clara University. Maharesi Retno, Perbandingan Antara Pendekatan Branch And Bound Dan Pemrograman Linear : Dengan Sebuah Contoh Kasus Optimasi. Jakarta: Universitas Gunadharma. Panggabean, Henry Pantas, Penjadwalan Job Shop Statik Dengan Algoritma Simulated Annealing. 13
14 .:Daftar Pustaka(2):. Nismah Evaluasi Perilaku Antara Lebah Pekerja Apis Cerana Javana FABR Untuk Menginformasikan Sumber Makanan. Indonesia: Institut teknologi Bandung Henry P. Panggabean Penjadwalan Job Shop Statik Dengan Algoritma Tabu Search. Integral, vol 10 no 1 Sha, D.Y, & Hsu, C.Y., A hybrid Particle Swarm Optimization for Job Shop scheduling problem. Computers & Industrial Engineering 51 (2006) : Pervaiz Ahmed, Reza Tavakkoli Moghaddam, Fariborz Jolai & Farzaneh Vaziri, Solving stochastic job shop scheduling problems by a hybrid method. UK : University of Wolverhampton. Pinedo L Michael, Scheduling:Theory, Algorithms, and Systems. USA : NewYork University. Pratama Hinsa Adi, Optimasi Permasalahan Penjadwalan Job Shop Dengan Menggunakan Metode Particle Swarm Optimization Yang Dimodifikasi. Surabaya : Institut Teknologi Sepuluh Nopember. 14
15 TERIMA KASIH 15
16 .:Penjadwalan Job Shop:. Permasalahan penjadwalan job shop merupakan suatu permasalahan untuk menentukan urutan operasi yang dilakukan dalam mesin yang ada dengan tujuan meminimumkan waktu proses total yang dibutuhkan. Contoh suatu persoalan JSP dalam dunia nyata adalah penjadwalan kegiatan di sekolah/universitas, penjadwalan perjalanan kereta api, penjadwalan penerbangan pesawat terbang,dsb. 16
17 .:Definisi Penjadwalan Job Shop:. Terdapat m-mesin yang harus memproses n-job secara tuntas. Terdapat serangkaian operasi dari sebuah job. Tiap operasi yang ada sudah ditetapkan akan diproses dimesin tertentu. Setiap operasi memiliki waktu pemrosesan yang telah ditetapkan sebelumnya. Mempunyai tujuan membuat sebuah jadwal yang memiliki waktu penyelesaian seluruh job (makespan) yang paling minimum. 17
18 .:Karakteristik Penjadwalan Job Shop:. Setiap job terdiri dari satu rantai urutan operasi mengikuti rute yang telah ditentukan Pada waktu tertentu, setiap job hanya dapat diproses ke dalam satu mesin tertentu. Begitu juga sebaliknya, pada waktu tertentu setiap mesin hanya dapat memproses satu job tertentu Setiap job tidak boleh diproses ke dalam mesin yang sama sebanyak 2 kali atau lebih Tidak diijinkan adanya overlap waktu pemrosesan pada operasi-operasi yang ada dalam mesin yang sama Permasalahan penjadwalan job shop merupakan permasalahan optimisasi kombinatorial yang kompleks (np-hard) Bentuk permasalahan penjadwalan model job shop dapat digambarkan ke dalam bentuk disjungtive graph. 18
19 .:Kombinatorial:. Masalah optimasi kombinatorik berhubungan dengan penentuan kombinasi optimum dari sejumlah alternatif kombinasi dari sekumpulan obyek. Masalah job shop dengan m mesin n job akan menghasilkan (n!) m buah kemungkinan solusi atau jadwal Menurut Panggabean (2002), waktu komputasi untuk mencari solusi optimal dari permasalahan yang tergolong permasalahan kombinatorial akan meningkat secara exponensial seiring dengan membesarnya nilai parameter masalah (jumlah mesin dan jumlah job). Permasalahan kombinatorial cocok diselesaikan dengan teknik heuristik. 19
20 .:Permodelan Penjadwalan Job Shop:. Fungsi tujuan : Meminimalkan t (akhir) (1) Batasan : t i(j+1) t ij τ ij... (O ij,o i(j+1) ) A i (2) t ij t kl τ kl atau t kl t ij τ ij. (O ij, O kl ) E x (3) t ij, t kl 0.. (O ij,o kl ) A i, A k (4) Variabel keputusan : t ij, t kl... (O ij,o kl ) A i, A k (5) Keterangan : t = waktu mulai operasi t ij = waktu mulai operasi j pada job i ij = waktu proses operasi j pada job i τ 20
21 .:Fungsi Tujuan:. Fungsi Tujuan = Meminimumkan (Makespan) Meminimumkan ( t finish(akhir) t 0 ) Meminimumkan (t finish(akhir) 0 ) Meminimumkan (t finish(akhir) ) Meminimumkan (t finish(akhir) ) = Meminimumkan ( t (akhir) ) 21
22 .:Fungsi Batasan 2:. τ t i(j+1) t ij ij.. (O ij,o i(j+1) ) A i (2) Waktu mulai operasi 1 job 2 Waktu mulai operasi 2 job 2 Selang waktu = waktu proses operasi 1 job 2 Operasi 1 Job 1 Operasi 2 Job 1 Waktu mulai operasi 3 job 5 Waktu mulai operasi 4 job 5 Waktu mulai op1job1 waktu mulai op2 Job1 Selang waktu > waktu proses operasi 1 job 2 Selang waktu < waktu proses operasi 1 Job 1 22
23 .:Fungsi Batasan 3:. τ τ t ij t kl kl atau t kl t ij ij. (O ij, O kl ) E x Waktu mulai operasi 2 job 5 waktu mulai operasi 3 job 1 Selang waktu = waktu proses operasi pertama Waktu proses operasi 1 job 1 Waktu mulai operasi 1 job 1 waktu mulai operasi 2 job 2 Selang waktu > waktu proses operasi 1 job 1 Operasi 1 Job 1 Operasi 2 job 2 Waktu mulai operasi 1 job 1 waktu mulai operasi 2 job 2 Selang waktu < waktu proses operasi 1 job 1 23
24 .:Representasi Graph:. O O 11 O 12 O 13 O 21 O 22 * O 23 Kumpulan conjungtive arch secara langsung digunakan untuk merepresentasikan batasan presedensi untuk setiap job. O 31 conjungtive arch O 32 O 33 disjungtive arch Kumpulan disjungtive arch digunakan untuk merepresentasikan batasan kapasitas untuk memastikan bahwa tidak ada dua proses operasi dengan mesin yang sama dapat di eksekusi secara simultan. 24
25 .:Gantt Chart:. Hasil akhir dari jadwal yang sudah terbentuk, selanjutnya akan diinterpretasikan dalam bentuk gantt chart Mesin 1 Op2 Job 1 Op2 Job 2 Op2 Job 3 Mesin 2 Op1 Job1 Op1 Job 3 Op3 Job 2 Mesin 3 Op1 Job 2 Op3 Job 1 Op2 Job 3 25
26 .:Heuristik:. Algoritma Heuristik adalah algortima yang mencari nilai optimal dari bagian atau irisan suatu permasalahan utama lalu melakukan proses penyempurnaan sehingga mencapai solusi tebaik yang diinginkan, tapi tidak menjamin perolehan jadwal yang benar-benar optimal. Dengan metode heuristik dapat dihasilkan solusi baik yang mendekati solusi optimal. Selain itu waktu komputasi yang dibutuhkan oleh metode heuristik ini lebih singkat. 26
27 .:Sekilas Cara Kerja Lebah:. SCOUT : Menemukan sumber makanan baru Menari (Waggle Dance) RECRUITS : Mengikuti Tarian Mencari Makanan (Nectar Eksploration/Forage) 27
28 .:Algoritma Bee Colony:. Mulai Permasalahan penjadwalan job shop Input parameter Apakah ada pilihan jalan node Y Forage berdasar preffered path Best solution makespan = ~ N Y Jadwal Aktif Save best solution jadwal aktif & best solution makespannya Berhenti Y Apakah lebah sudah dijalankan semuanya? N Apakah lebah saat ini adalah lebah pertama? N Apakah makespan yang dihasilkan lebih bagus dari best solution? Y N Random selected dance Waggle Dance Ploting jadwal dengan sistem random 28
29 .:Parameter Input:. Nmax l Alpha_rating diijinkan Alpha Beta A = jumlah maksimum iterasi yang diijinkan = jumlah lebah dalam satu koloni = nilai pembobotan / rating pada pilihan path yang = bobot untuk arch fitness = bobot untuk heuristik distance = faktor skala untuk durasi tarian 29
30 .:Ploting Jadwal: Mulai Data masukan berupa matriks mesin pemroses dan waktu proses tiap operasi Apakah masih ada operasi yang belum masuk dalam jadwal aktif? Jadwal aktif Pilih random operasi pada urutan awal daftar operasi dari tiap jobnya Berhenti Masukkan Operasi yang terpilih ke dalam jadwal aktif Hapus operasi yang telah terpilih, majukan operasi selanjutnya pada posisi pertama 30
31 .:Jadwal Aktif:. Menurut Pinedo (2008) sebuah jadwal, layak disebut jadwal aktif jika tidak ada perubahan apapun sehingga beberapa operasi diselesaikan secepatnya dan tidak ada operasi lain yang diselesaikan kemudian. 31
32 .:Algoritma Forage:. Mulai Data masukan berupa matriks mesin pemroses dan waktu proses tiap operasi Apakah masih ada operasi yang belum masuk dalam jadwal aktif? Jadwal aktif Pilih random operasi pada urutan awal daftar operasi dari tiap jobnya Berhenti Penghitungan arch fitness Perhitungan probability Masukkan operasi yang terpilih ke dalam jadwal aktif Hapus operasi yang telah terpilih, majukan operasi selanjutnya pada posisi pertama 32
33 .:Arch Fitness:. α ρ ij = 1 m k - m α Dihitung untuk semua kemungkinan path yang bisa dikunjungi α = nilai yang diberikan pada node yang ada pada preffered path k = jumlah node yang diijinkan m = jumlah preffered path, m =1 atau m = 0 A B C 33
34 .:Probability:. ρ ij d ij P ij (t) = [ ρ ( t) ] ij j allowed _ nodes α 1. d [ ρ ( t) ] ij ij α 1. d = arch fitness antara node i dan node j = jarak heuristic antara node i dan node j β ij β Heuristik distance = waktu proses dari operasi P ij α β = kemungkinan percabangan dari node i dan node j = pembobot untuk arc fitness = mengontrol signifikan level untuk heuristic distance 34
35 .:Algoritma Waggle Dance:. Mulai Perhitungan profitability Penghitungan durasi dance Pengecekan nilai ri ri, Pf, D Berhenti 35
36 Pf i = Pf colony = 1 i C max 1 n 1 j n j= 1 Cmax.:Profitability:. kualitas nektar yang dikoleksi oleh lebah i C i max = makespan dari jadwal yang digenerate oleh lebah f i. n = jumlah waggle dance yang dilakukan dalam waktu t Cj max = makespan dari jadwal yang digenerate oleh lebah f j yang menunjukkan waggle dance. 36
37 .:Durasi Dance:. D= A. d i = A. Pf i Pf colony A = faktor skala waggle dance di = perbandingan profitability individu terhadap koloninya 37
38 .:Probability Selected Dance:. lebah lebih menyukai mengobservasi secara random dan mengikuti waggle dance dalam dance floor jika profitability rating rendah ketika dibandingkan dengan profitability koloninya Profitability Rating r i Dalam kasus ekstrim, dimana r i adalah nol, maka lebah akan memelihara path-nya sendiri. Pf i < 0.9Pf colony Pf colony Pf i < 0.95Pf colony Pf colony Pf i < 1.15Pf colony Pf colony Pf i 0.00 Tabel di adaptasi dari Nakrani dan Tovey (2004) 38
39 .:Bee Colony vs Ant Colony:. Penghitungan probabilitas pemilihan node : P ij (t) = [ ρ ( t) ] ij j allowed _ nodes α 1. d [ ρ ( t) ] ij ij α β 1. d ij β ρ ij d ij = arch fitness antara node i dan node j = jarak heuristic antara node i dan node j Perhitungan pembaharuan jejak semut : τ baru ij = ρ τ lama ij Δτ ij P ij = kemungkinan percabangan dari node i dan node j Waggle Dance Sumber : Algoritma Semut pada Penjadwalan Job Shop, zukhri (2004) 39
40 .:Data Uji Coba:. Data masukan diambil dari data yang direkomendasikan oleh paper yang di ambil dari website OR-Library dengan alamat /jeb/orlib/files/jobshop1.txt Data matriks 6x6 (ftp06) Data matriks 10x5 (la05) Data matriks 15x10 (la23) 40
41 .:Analisis Hasil Uji Coba Data ftp06 (6x6):. konfigurasi Jumlah lebah parameter diubah-ubah diubah-ubah dari 6, 50, dari 75, dan 100 (0.9;1;1),(0.001;1;1),(0.001;10;1), konfigurasi parameter apha_rating, dan alpha (0.001;1;10) dan beta adalah (0.001;1;1) jumlah lebah 100 Berdasar konfigurasi jumlah lebah parameter Konfigurasi parameter alpha_rating, Waktu komputasi alpha yang Perubahan dan beta ini Penambahan konfigurasi jumlah lebah akan berpengaruh dibutuhkan semakin terhadap meningkat parameter solusi membuat ini solusi tidak yang dihasilkan makespan seiring dengan yang bertambahnya berpengaruh dihasilkan. menjadi semakin cukup mendekati berarti Semakin jumlah lebah terhadap kecil nilai alpha_rating optimal waktu yang sebenarnya komputasi maka untuk membuat menghasilkan solusi solusi semakin minimum. makespannya. Pada kasus data ini, nilai beta yang lebih besar dari nilai alpha akan membuat nilai makespan semakin minimum. 41
42 .:Analisis Hasil Uji Coba Data la05 (10x5):. konfigurasi parameter diubah-ubah dari Jumlah lebah diubah-ubah dari 10, 50, 75, dan 100 (0.9;1;1),(0.001;1;1),(0.001;10;1), dan (0.001;1;10) Konfigurasi parameter apha_rating, alpha dan beta adalah (0.001;1;1) jumlah lebah 100 Penambahan Pada kasus data jumlah ini, lebah konfigurasi Perubahan Waktu komputasi konfigurasi yang pada kasus alpha_rating, data ini tidak alpha banyak dan beta parameter dibutuhkan ini semakin tidak naik seiring berpengaruh tidak banyak terhadap berpengaruh berpengaruh dengan pertambahan cukup berarti jumlah hasil, karena terhadap hasil solusi yang yang didapatkan dihasilkan. terhadap lebah waktu komputasi selalu Hal ini optimal. terbukti hari hasil yang untuk menghasilkan solusi di dapatkan selalu optimal. makespan-nya. Berdasar Berdasar konfigurasi jumlah parameter lebah 42
43 .:Analisis Hasil Uji Coba Data la23 (15x10):. konfigurasi parameter diubah-ubah dari Jumlah lebah diubah-ubah dari 15, 50, 75, dan 100 (0.9;1;1),(0.001;1;1),(0.001;10;1), dan (0.001;1;10) konfigurasi parameter apha_rating, alpha dan beta adalah (0.001;1;1) jumlah lebah 100 Penambahan jumlah lebah Waktu Konfigurasi membuat komputasi solusi parameter makespan yang dibutuhkan alpha_rating, semakin mendekati semakin alpha dan tinggi nilai beta ini sebanding berpengaruh Perubahan optimal. dengan konfigurasi terhadap pertambahan solusi jumlah makespan parameter Meski pada lebah yang ini tidak saatdihasilkan. jumlah lebah Pada berpengaruh 75 sudah kasusmendapat data cukup ini, berarti makespan makespan paling terhadap yang paling minimum waktu minimum. di komputasi dapatkan ketika untuk Hal ininilai menghasilkan disebabkan alpha lebih solusi kasus besar yang dibanding makespannya. digunakannilai menggunakan beta. ukuran yang cukup besar, sehingga memiliki banyak kombinasi jadwal. Berdasar Berdasar konfigurasi jumlah parameter lebah 43
IMPLEMENTASI ALGORITMA OPTIMASI BEE COLONY UNTUK PENJADWALAN JOB SHOP
IMPLEMENTASI ALGORITMA OPTIMASI BEE COLONY UNTUK PENJADWALAN JOB SHOP Nafiuna Hidayatus Saidah, Mahendrawathi Er, Ph.D., Rully Soelaiman M.Kom. Jurusan Sistem Informasi, Institut Teknologi Sepuluh Nopember,
Lebih terperinciAPLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY
APLIKASI TRAVELLING SALESMAN PROBLEM DENGAN METODE ARTIFICIAL BEE COLONY Andri 1, Suyandi 2, WinWin 3 STMIK Mikroskil Jl. Thamrin No. 122, 124, 140 Medan 20212 andri@mikroskil.ac.id 1, suyandiz@gmail.com
Lebih terperinciPENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION
PENYELESAIAN PERMASALAHAN MULTI-OBJECTIVE HYBRID FLOW SHOP SCHEDULING DENGAN ALGORITMA MODIFIED PARTICLE SWARM OPTIMIZATION Fiqihesa Putamawa 1), Budi Santosa 2) dan Nurhadi Siswanto 3) 1) Program Pascasarjana
Lebih terperinciALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP
Media Informatika, Vol. 2, No. 2, Desember 2004, 75-81 ISSN: 0854-4743 ALGORITMA SEMUT PADA PENJADWALAN PRODUKSI JOBSHOP Zainudin Zukhri, Shidiq Alhakim Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciBAB II TINJAUAN PUSTAKA. Job shop scheduling problem (JSSP) adalah permasalahan optimasi
BAB II TINJAUAN PUSTAKA 2.1 Job Shop Scheduling Problem (JSSP) Job shop scheduling problem (JSSP) adalah permasalahan optimasi kombinatorial. Misalkan terdapat n buah job atau pekerjaan, yaitu J 1, J 2,,
Lebih terperinciIMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS)
IMPLEMENTASI ALOKASI JADWAL MATA PELAJARAN SMU MENGGUNAKAN ALGORITMA KOLONI SEMUT (AKS) Devie Rosa Anamisa, S.Kom, M.Kom Jurusan D3 Teknik Multimedia Dan Jaringan-Fakultas Teknik Universitas Trunojoyo
Lebih terperinciPENJADWALAN PROSES PRODUKSI MENGGUNAKAN ANT COLONY ALGORITHM
PENJADWALAN PROSES PRODUKSI MENGGUNAKAN ANT COLONY ALGORITHM Dedy Kurniadi 1), Sam Farisa Chaerul Haviana 2) 1,2 Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Sultan Agung
Lebih terperinciBAB IV ANALISIS MASALAH
BAB IV ANALISIS MASALAH 4.1 Tampilan Program Persoalan TSP yang dibahas pada tugas akhir ini memiliki kompleksitas atau ruang solusi yang jauh lebih besar dari TSP biasa yakni TSP asimetris dan simetris.
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM ( TSP ) DENGAN MENGGUNAKAN ARTIFICIAL BEE COLONY
PENYELESAIAN TRAVELLING SALESMAN PROBLEM ( TSP ) DENGAN MENGGUNAKAN ARTIFICIAL BEE COLONY Rendra Firman Pratama, Purwanto, dan Mohammad Yasin e-mail: Ren_mr07@yahoo.com Universitas Negeri Malang ABSTRAK:
Lebih terperinciPENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM
PENJADWALAN TRUK PADA SISTEM CROSS DOCKING DENGAN PENYIMPANAN SEMENTARA DENGAN ALGORITMA HYBRID CROSS ENTROPY GENETIC ALGORITHM PENELITI : Pristi Dwi Puspitasari 2507 100 003 DOSEN PEMBIMBING : Ir. Budi
Lebih terperinciPENERAPAN ALGORITMA ANT COLONY PADA PENJADWALAN PRODUKSI
PENERAPAN ALGORITMA ANT COLONY PADA PENJADWALAN PRODUKSI Nurul Imamah, S.Si 1, Dr.Imam Mukhlas, S.Si, MT 2 Jurusan Matematika, Fakultas Matematika dan Ilmu Pengetahuan, Institut Teknologi Sepuluh Nopember
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pembangunan daerah perkotaan atau city development memiliki beberapa aspek penting salah satunya adalah logistik perkotaan atau city logistics. Alasan mengapa city
Lebih terperinciSWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION. Taufan Mahardhika 1
SWARM GENETIC ALGORITHM, SUATU HIBRIDA DARI ALGORITMA GENETIKA DAN PARTICLE SWARM OPTIMIZATION Taufan Mahardhika 1 1 Prodi S1 Kimia, Sekolah Tinggi Analis Bakti Asih 1 taufansensei@yahoo.com Abstrak Swarm
Lebih terperinciANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN
ANALISIS ALGORITMA SEMUT UNTUK PEMECAHAN MASALAH PENUGASAN Zainudin Zukhri Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia Kampus Terpadu UII Jl Kaliurang Km 14.5 Yogyakarta
Lebih terperinciPENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK
PENERAPAN METODE SIMULATED ANNEALING UNTUK PENJADWALAN JOB SHOP PADA MESIN PABRIK Hanafi Agam 1, Arna Fariza 2, Ira Prasetyaningrum 2 Mahasiswa Jurusan Teknik Informatika 1, Dosen Pembimbing 2 Politeknik
Lebih terperinciBAB I PENDAHULUAN. Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah
BAB I PENDAHULUAN I.1. Latar Belakang Traveling Salesman Problem (TSP) dikenal sebagai salah satu masalah optimasi yang banyak menarik perhatian para peneliti sejak beberapa dekade terdahulu. Pada mulanya,
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
12 BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah penjadwalan secara umum adalah aktifitas penugasan yang berhubungan dengan sejumlah kendala, sejumlah kejadian yang dapat terjadi pada suatu periode waktu
Lebih terperinciVEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT
VEHICLE ROUTING PROBLEM UNTUK DISTRIBUSI BARANG MENGGUNAKAN ALGORITMA SEMUT Agung Hadhiatma 1*, Alexander Purbo 2* 1,2 Program Studi Informatika, Fakultas Sains dan Teknologi, Universitas Sanata Dharma
Lebih terperinciSISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG
SISTEM ALOKASI PENYIMPANAN BARANG PADA GUDANG Achmad Hambali Jurusan Teknik Informatika PENS-ITS Kampus PENS-ITS Keputih Sukolilo Surabaya 60 Telp (+6)3-59780, 596, Fax. (+6)3-596 Email : lo7thdrag@ymail.co.id
Lebih terperinciTUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan
SIDANG TUGAS AKHIR Pengembangan Algoritma Simulated Annealing pada Permasalahan Hybrid Flowshop Scheduling untuk Minimasi Makespan dan Total Tardiness Peneliti Pembimbing : Ainur Rofiq : Prof. Ir. Budi
Lebih terperinciABSTRAK. Job shop scheduling problem merupakan salah satu masalah. penjadwalan yang memiliki kendala urutan pemrosesan tugas.
ABSTRAK Job shop scheduling problem merupakan salah satu masalah penjadwalan yang memiliki kendala urutan pemrosesan tugas. Pada skripsi ini, metode yang akan digunakan untuk menyelesaikan job shop scheduling
Lebih terperinciLOGO PENGEMBANGAN METODE HYBRID TABU SEARCH-CROSS ENTROPY UNTUK PENJADWALAN FLOWSHOP
LOGO PENGEMBANGAN METODE HYBRID TABU SEARCH-CROSS ENTROPY UNTUK PENJADWALAN FLOWSHOP Oleh : Muhammad Fahmi L. 2506 100 080 Pembimbing : Ir. Budi Santosa, M.Sc., Ph.D Ko-Pembimbing : Stefanus Eko Wiratno,
Lebih terperinciPERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY
PERENCANAAN SUMBER DAYA PADA PROYEK DENGAN MENGGUNAKAN METODE ANT COLONY Niken A. Savitri, I Nyoman Pujawan, Budi Santosa Jurusan Teknik Industri, Fakultas Teknologi Industri Institut Teknologi Sepuluh
Lebih terperinciTEKNIK Vol. V, No. 2 PERBANDINGAN PERFORMANSI ALGORITMA CROSS ENTROPY (CE) DINAMIKA DAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) PADA
53 PERBANDINGAN PERFORMANSI ALGORITMA CROSS ENTROPY (CE) DINAMIKA DAN ALGORITMA PARTICLE SWARM OPTIMIZATION (PSO) PADA TEKNIK Vol. V, No. 2 PENYELESAIAN PERMASALAHAN FLOWSHOP SCHEDULING Dosen Fakultas
Lebih terperinciDOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara P. ( )
Sidang Tugas Akhir September 2009 Implementasi Metode Ant Colony Optimization untuk Pemilihan Fitur pada Kategorisasi Dokumen Teks DOSEN PEMBIMBING Chastine Fatichah, S.Kom, M.Kom MAHASISWA Yudis Anggara
Lebih terperinciIMPLEMENTASI ALGORITMA CAT SWARM OPTIMIZATION DALAM MENYELESAIKAN JOB SHOP SCHEDULING PROBLEM (JSSP)
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 90-97 ISSN: 2303-1751 IMPLEMENTASI ALGORITMA CAT SWARM OPTIMIZATION DALAM MENYELESAIKAN JOB SHOP SCHEDULING PROBLEM (JSSP) I Wayan Radika Apriana 1, Ni
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Traveling Salesperson Problem selanjutnya dalam tulisan ini disingkat menjadi TSP, digambarkan sebagai seorang penjual yang harus melewati sejumlah kota selama perjalanannya,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada umumnya beragam model penjadwalan telah dikembangkan seperti program matematis dengan berbagai teknik diantaranya Wardoyo (2003) menggunakan logika Fuzzy, yakni suatu cara untuk
Lebih terperinciDesain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System
Desain Rute Terpendek untuk Distribusi Koran Dengan Algoritma Ant Colony System Jan Alif Kreshna, Satria Perdana Arifin, ST, MTI., Rika Perdana Sari, ST, M.Eng. Politeknik Caltex Riau Jl. Umbansari 1 Rumbai,
Lebih terperinciPERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP)
PERANCANGAN KONFIGURASI JARINGAN DISTRIBUSI PRODUK BISKUIT MENGGUNAKAN METODE ALGORITMA GENETIKA (Studi Kasus: PT. EP) Rezki Susan Ardyati dan Dida D. Damayanti Program Studi Teknik Industri Institut Teknologi
Lebih terperinciIMPLEMENTASI ALGORITMA LEBAH UNTUK PENCARIAN JALUR TERPENDEK DENGAN MEMPERTIMBANGKAN HEURISTIK
IMPLEMENTASI ALGORITMA LEBAH UNTUK PENCARIAN JALUR TERPENDEK DENGAN MEMPERTIMBANGKAN HEURISTIK Dian Nurdiana ABSTRAK Rekomendasi jalur yang optimum sangatlah dibutuhkan oleh para pemudik. Hal ini disebabkan
Lebih terperinciMatematika dan Statistika
ISSN 1411-6669 MAJALAH ILMIAH Matematika dan Statistika DITERBITKAN OLEH: JURUSAN MATEMATIKA FMIPA UNIVERSITAS JEMBER Majalah Ilmiah Matematika dan Statistika APLIKASI ALGORITMA SEMUT DAN ALGORITMA CHEAPEST
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 terperinciBAB 1 PENDAHULUAN. dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Komputer merupakan salah satu alat bantu untuk menyelesaikan masalah. Untuk dapat menyelesaikan masalah maka perlu dirumuskan terlebih dahulu langkahlangkah
Lebih terperinciBAB 2 TINJAUAN PUSTAKA DAN DASAR TEORI
BAB TINJAUAN PUSTAKA DAN DASAR TEORI.1. Penelitian Terdahulu Archetti et al. (009) menggunakan sebuah metode eksak yaitu branch-and-price scheme dan dua metode metaheuristics yaitu algoritma Variable Neighborhood
Lebih terperinciLANDASAN TEORI. Bab Konsep Dasar Graf. Definisi Graf
Bab 2 LANDASAN TEORI 2.1. Konsep Dasar Graf Definisi Graf Suatu graf G terdiri atas himpunan yang tidak kosong dari elemen elemen yang disebut titik atau simpul (vertex), dan suatu daftar pasangan vertex
Lebih terperinciPENERAPAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM
PENERAPAN ALGORITMA HYBRID CROSS ENTROPY-GENETIC ALGORITHM DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM Nur Rahmawati 1), Budi Santosa 2) 1) Jurusan Teknik Industri, Institut Teknologi
Lebih terperinciANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP)
Buletin Ilmiah Math. Stat. dan Terapannya (Bimaster) Volume 04, No. 3 (2015), hal 201 210. ANALISIS ALGORITMA ANT SYSTEM (AS) PADA KASUS TRAVELLING SALESMAN PROBLEM (TSP) Cindy Cipta Sari, Bayu Prihandono,
Lebih terperinciOPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM
OPTIMASI GENETIC ALGORITHM DENGAN SIMULATED ANNEALING UNTUK MULTIPLE DEPOT CAPACITATED VEHICLE ROUTING PROBLEM Aditya Permana 1, Mahmud Dwi Sulistiyo 2, Gia Septiana Wulandari 3 1,2,3 Prodi S1 Teknik Informatika,
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN ALGORITMA BRANCH AND BOUND
PENYEESAIAN TRAVEING SAESMAN PROBEM DENGAN AGORITMA BRANCH AND BOND Yogo Dwi Prasetyo Pendidikan Matematika, niversitas Asahan e-mail: abdullah.prasetyo@gmail.com Abstract The shortest route search by
Lebih terperinciBAB I PENDAHULUAN. yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan
BAB I PENDAHULUAN 1.1. Latar Belakang Penjadwalan adalah pengurutan pengerjaan produk secara menyeluruh yang dikerjakan pada beberapa buah mesin (Rosnani Ginting, 2009). Pekerjaan yang akan diselesaikan
Lebih terperinciUsulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti
Prosiding Seminar Nasional Teknoin 2012 ISBN No. 978-979-96964-3-9 Usulan Rute Distribusi Tabung Gas Menggunakan Algoritma Ant Colony Systems di PT. Limas Raga Inti Fifi Herni Mustofa 1), Hari Adianto
Lebih terperinciPENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER
JMA, VOL. 9, NO.1, JULI 2010, 43-48 43 PENJADWALAN MATA KULIAH DENGAN MEMECAH PERTEMUAN BERDASAR PEMROGRAMAN LINEAR INTEGER PRAPTO TRI SUPRIYO Departemen Matematika Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciArtikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing.
Artikel Ilmiah oleh Siti Hasanah ini telah diperiksa dan disetujui oleh pembimbing. Malang, 1 Agustus 2013 Pembimbing Dra. Sapti Wahyuningsih,M.Si NIP 1962121 1198812 2 001 Penulis Siti Hasanah NIP 309312426746
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang
1 BAB I PENDAHULUAN 1.1 Latar Belakang Listrik pada abad ini sudah merupakan kebutuhan primer yang tidak bisa tergantikan. Karena pentingnya listrik ini, sistem yang menyuplai dan mengalirkan listrik ini
Lebih terperinciAlgoritma Penjadwalan Job Shop Alternatif Routing Menggunakan Variable Neighborhood Descent With Fixed Threshold Untuk Minimisasi Makespan *
Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.04 Vol.01 Jurnal Online Institut Teknologi Nasional April 2014 Algoritma Penjadwalan Job Shop Alternatif Routing Menggunakan Variable Neighborhood
Lebih terperinciOptimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut
E-journal Teknik Elektro dan Komputer (tahun), ISSN : 20-8402 7 Optimasi pada Rute Truk Peti Kemas dengan Algoritma Optimasi Koloni Semut Feisy D. Kambey feisy.kambey@yahoo.co.id Abstrak Perdagangan global
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Pada awalnya komputer hanya digunakan untuk alat hitung saja tetapi seiring dengan perkembangan teknologi, komputer diharapkan mampu melakukan semua yang dapat
Lebih terperinciIMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS
IMPLEMENTASI METODE ANT COLONY OPTIMIZATION UNTUK PEMILIHAN FITUR PADA KATEGORISASI DOKUMEN TEKS Yudis Anggara Putra Chastine Fatichah Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Pendahuluan
BAB 1 PENDAHULUAN 1.1 Pendahuluan Seiring dengan berkembangnya ilmu pengetahuan, penyelesaian suatu masalah dapat ditangani oleh suatu algoritma. Jenis masalah dapat berkisar dari masalah yang mudah sampai
Lebih terperinci1 BAB I PENDAHULUAN. 1.1 Latar Belakang dan Permasalahan
1 BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Fokus dalam bidang teknologi saat ini tidak hanya berada pada proses pengembangan yang disesuaikan dengan permasalahan yang dapat membantu manusia
Lebih terperinciOPTIMASI PENJADWALAN PENGERJAAN SOFTWARE PADA SOFTWARE HOUSE DENGAN FLOW-SHOP PROBLEM MENGGUNAKAN ARTIFICIAL BEE COLONY
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 3, No. 4, Desember 2016, hlm. 259-264 e-issn: 2528-6579 OPTIMASI PENJADWALAN PENGERJAAN SOFTWARE PADA SOFTWARE HOUSE DENGAN FLOW-SHOP
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 terperinciAmalia Utami¹, Suyanto², Retno Novi Dayawati³. ¹Teknik Informatika, Fakultas Teknik Informatika, Universitas Telkom
ALGORITMA BEE COLONY OPTIMIZATION PADA TRAVELING SALESMAN PROBLEM MENGGUNAKAN METODE FREQUENCY BASED PRUNING SYSTEM DAN FIXED RADIUS NEAR NEIGHBOUR 2-OPT Amalia Utami¹, Suyanto², Retno Novi Dayawati³ ¹Teknik
Lebih terperinciReka Integra ISSN: JurusanTeknik Industri Itenas No. 01 Vol. 02 Junal Online Institut Teknologi Nasional Januari 2014
Reka Integra ISSN:2338-5081 JurusanTeknik Industri Itenas No. 01 Vol. 02 Junal Online Institut Teknologi Nasional Januari 2014 Algoritma PenjadwalanJob Shop Kelompok Mesin ParalelMenggunakanGreedy Randomized
Lebih terperinciPENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN ABSTRAK
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP MULTI OBYEKTIF DENGAN BANYAK MESIN Rudi Nurdiansyah Jurusan Teknik Industri, Fakultas Teknologi Industri, Institut Teknologi Sepuluh
Lebih terperinciDosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah
Artificial Immune System untuk Penyelesaian Vehicle Routing Problem with Time Windows Dosen Pembimbing : Ir. Budi Santosa, M.S., Ph.D Oleh : Sas Wahid Hamzah 2507100054 Pendahuluan Pendahuluan Fungsi Objektif
Lebih terperinciPENJADWALAN 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 terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Teori graf 2.1.1 Defenisi graf Graf G adalah pasangan {,} dengan adalah himpunan terhingga yang tidak kosong dari objek-objek yang disebut titik (vertex) dan adalah himpunan pasangan
Lebih terperinciANT COLONY OPTIMIZATION
ANT COLONY OPTIMIZATION WIDHAPRASA EKAMATRA WALIPRANA - 13508080 Program Studi Teknik Informatika, Institut Teknologi Bandung Jl. Ganesha 10, Bandung e-mail: w3w_stay@yahoo.com ABSTRAK The Ant Colony Optimization
Lebih terperinciANALISIS PENYELESAIAN MASALAH PENJADWALAN KULIAH MENGGUNAKAN TEKNIK PEWARNAAN GRAPH DENGAN ALGORITMA KOLONI LEBAH
ANALISIS PENYELESAIAN MASALAH PENJADWALAN KULIAH MENGGUNAKAN TEKNIK PEWARNAAN GRAPH DENGAN ALGORITMA KOLONI LEBAH Heni Rachmawati 1,2 I Ketut Edy Purnama 1 Mauridhi Hery Purnomo 1 Bidang Keahlian Telematika,
Lebih terperinciPerbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek
Perbandingan Algoritma Dijkstra Dan Algoritma Ant Colony Dalam Penentuan Jalur Terpendek Finsa Ferdifiansyah NIM 0710630014 Jurusan Teknik Elektro Konsentrasi Rekayasa Komputer Fakultas Teknik Universitas
Lebih terperinciOPTIMASI PART TYPE SELECTION AND MACHINE LOADING PROBLEMS PADA FMS MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION
OPTIMASI PART TYPE SELECTION AND MACHINE LOADING PROBLEMS PADA FMS MENGGUNAKAN METODE PARTICLE SWARM OPTIMIZATION Wayan Firdaus Mahmudy Program Studi Ilmu Komputer, Program Teknologi Informasi dan Ilmu
Lebih terperinciPERBANDINGAN ALGORITMA ANT COLONY
PERBANDINGAN ALGORITMA ANT COLONY DAN PARTICLE SWARM OPTIMIZATION YANG DIMODIFIKASI PADA PENJADWALAN JOB SHOP (Studi Kasus Pembuatan Spring Bed di PT HASINDO) SKRIPSI Oleh Dyah Rusmining Astuti NIM 071810101079
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam kehidupan sehari hari, selalu dilakukan perjalanan dari satu titik atau lokasi ke lokasi yang lain dengan mempertimbangkan efisiensi waktu dan biaya sehingga
Lebih terperinciMODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER
MODEL PENYELESAIAN JOB SHOP SCHEDULING PROBLEM MENGGUNAKAN METODE LOCAL SEARCH ALGORITHM DENGAN CROSS OVER Amiluddin Zahri Dosen Universtas Bina Darma Jalan Ahmad Yani No.3 Palembang Sur-el: amiluddin@binadarma.ac.id
Lebih terperinciPenjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat
Petunjuk Sitasi: Putawara, R., Aribowo, W., & Ma'ruf, A. (2017). Penjadwalan Job Shop Fleksibel dengan Mempertimbangkan Saat Siap dan Saat Tenggat. Prosiding SNTI dan SATELIT 2017 (pp. E41-47). Malang:
Lebih terperinciPENERAPAN ALGORITMA TABU SEARCH DALAM PENJADWALAN JOB SHOP
MAKARA, TEKNOLOGI, VOL. 7, NO. 3, DESEMBER 2003 PENERAPAN ALGORITMA TABU SEARCH DALAM PENJADWALAN JOB SHOP Betrianis dan Putu Teguh Aryawan Departemen Teknik Industri, Fakultas Teknik, Universitas Indonesia,
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK P.T. Gistex Textile Division adalah sebuah perusahaan yang bergerak dibidang textile yang mengolah polyester (bahan baku) menjadi kain. Perusahaan memproduksi barang sesuai dengan pesanan konsumen
Lebih terperinciPenerapan Algoritma Consultant-Guided Search dalam Masalah Penjadwalan Job Shop untuk Meminimasi Makespan
Penerapan Algoritma Consultant-Guided Search dalam Masalah Penjadwalan Job Shop untuk Meminimasi Makespan Hotna Marina Sitorus 1, Cynthia P. Juwono 2, Yogi Purnawan 3 1,2,3) Fakultas Teknologi Industri,
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Dalam setiap hari, masyarakat tidak akan luput dari kegiatan distribusi barang. Dari rakyat kecil sampai pada perusahaan besar sangat memperhatikan masalah distribusi
Lebih terperinciI PENDAHULUAN II LANDASAN TEORI
1 I PENDAHULUAN 1.1 Latar Belakang Salah satu tujuan dari industri atau perusahaan adalah menciptakan laba yang maksimal. Salah satu bentuk usahanya adalah dengan memaksimumkan hasil produksi atau meminimumkan
Lebih terperinciMETODE KOLONI SEMUT PADA DOMAIN KONTINU UNTUK OPTIMISASI PENJADWALAN EKONOMIS UNIT PEMBANGKIT PLTG DI PLTGU PT INDONESIA POWER TAMBAK LOROK
METODE KOLONI SEMUT PADA DOMAIN KONTINU UNTUK OPTIMISASI PENJADWALAN EKONOMIS UNIT PEMBANGKIT PLTG DI PLTGU PT INDONESIA POWER TAMBAK LOROK Ivan Darren Alber *), Hermawan, and Susatyo Handoko Departemen
Lebih terperinciPenerapan Bee Colony Optimization Algorithm untuk Penentuan Rute Terpendek (Studi Kasus : Objek Wisata Daerah Istimewa Yogyakarta)
IJCCS, Vol.7, No.1, January 2013, pp. 65~76 ISSN: 1978-1520 65 Penerapan Bee Colony Optimization Algorithm untuk Penentuan Rute Terpendek (Studi Kasus : Objek Wisata Daerah Istimewa Yogkarta) Danuri* 1,
Lebih terperinciTABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA ANT COLONY UNTUK PENJADWALAN FLOWSHOP
Jurnal Teknik Industri, Vol. 11, o. 2, Desember 2009, pp. 188-194 ISS 1411-2485 TABU SEARCH SEBAGAI LOCAL SEARCH PADA ALGORITMA AT COLO UTUK PEJADWALA FLOWSHOP Iwan Halim Sahputra, Tanti Octavia, Agus
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1. Penelitian Terdahulu Penelitian dilakukan dengan meninjau penelitianpenelitian terdahulu yang berkaitan. Tinjauan pustaka akan mengetahui faktor-faktor yang perlu diperhatikan
Lebih terperinciPenyelesaian Permasalahan Optimasi Global Menggunakan AlgoritmaKoloni Lebah Buatan
Penyelesaian Permasalahan Optimasi Global Menggunakan AlgoritmaKoloni Lebah Buatan Nursyiva Irsalinda Program Studi MatematikaUniversitas Ahmad Dahlan Kampus III: Jalan Prof. Dr. Soepomo, Janturan, Umbulharjo,
Lebih terperinciBAB II LANDASAN TEORI. 2.1 Penjadwalan Definisi Penjadwalan Kegiatan Belajar Mengajar
BAB II LANDASAN TEORI 2.1 Penjadwalan 2.1.1 Definisi Penjadwalan Kegiatan Belajar Mengajar Penjadwalan terkait pada aktivitas dalam hal untuk membuat sebuah jadwal. Sebuah jadwal adalah sebuah tabel dari
Lebih terperinciPENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN
PENJADWALAN JOB SHOP STATIK DENGAN METODE SIMULATED ANNEALING UNTUK MEMINIMASI WAKTU MAKESPAN Moh.Husen, Ilyas Masudin, Dana Marsetiya Utama Jurusan Teknik Industri - Universitas Muhammadiyah Malang Muhammad.husen12@yahoo.com
Lebih terperinciPENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH
Buletin Ilmiah Mat. Stat. Dan Terapannya (Bimaster) Volume 04, No. 1 (2015), hal 17 24. PENYELESAIAN TRAVELLING SALESMAN PROBLEM DENGAN METODE TABU SEARCH Fatmawati, Bayu Prihandono, Evi Noviani INTISARI
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Teori Graf 2.1.1 Defenisi Graf Graf G didefenisikan sebagai pasangan himpunan (V,E), ditulis dengan notasi G = (V,E), yang dalam hal ini V adalah himpunan tidak kosong dari simpul-simpul
Lebih terperinciBAB 3 METODOLOGI PENELITIAN 3.1. Penelitian Awal Identifikasi Masalah Perumusan Masalah
ABSTRAK CV. Bina Rubber adalah perusahaan yang bergerak dalam pembuatan sparepart mesin berbahan dasar karet. Perusahaan merasakan bahwa sistem produksi yang ada saat ini tidak terlalu baik, dan masih
Lebih terperinciImproved Particle Swarm Optimization untuk Menyelesaikan Permasalahan Part Type Selection dan Machine Loading pada Flexible Manufacturing System (FMS)
Improved Particle Swarm Optimization untuk Menyelesaikan Permasalahan Part Type Selection dan Machine Loading pada Flexible Manufacturing System (FMS) Wayan Firdaus Mahmudy Program Teknologi Informasi
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM
PERBANDINGAN KINERJA ALGORITMA GENETIK DAN ALGORITMA BRANCH AND BOUND PADA TRAVELLING SALESMAN PROBLEM Nico Saputro dan Suryandi Wijaya Jurusan Ilmu Komputer Universitas Katolik Parahyangan nico@home.unpar.ac.id
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Travelling Salesman Problem (TSP) Travelling Salesmen Problem (TSP) termasuk ke dalam kelas NP hard yang pada umumnya menggunakan pendekatan heuristik untuk mencari solusinya.
Lebih terperinciAnalisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem
Analisis Komparasi Genetic Algorithm dan Firefly Algorithm pada Permasalahan Bin Packing Problem Adidtya Perdana Sekolah Tinggi Teknik Harapan Medan Jl. H.M. Jhoni No. 70 C Medan adid.dana@gmail.com Abstrak
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Salah satu permasalahan optimasi kombinatorial yang terkenal dan sering dibahas adalah traveling salesman problem. Sejak diperkenalkan oleh William Rowan Hamilton
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 terperinciANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU
ANALISIS ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH UNTUK OPTIMASI PEMOTONGAN BAHAN BAKU Warih Maharani Fakultas Teknik Informatika, Institut Teknologi Telkom Jl. Telekomunikasi No.1
Lebih terperinciKOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP)
KOMBINASI ALGORITMA DIFFERENTIAL EVOLUTION DENGAN ITERATED GREEDY UNTUK PERMASALAHAN TRAVELING SALESMAN PROBLEM (TSP) Ong Andre Wahju Riyanto * ABSTRAKSI Penelitian ini ditujukan untuk memperbaiki kelemahan
Lebih terperinciALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI
ALGORITMA PENJADWALAN PRODUKSI PADA LINGKUNGAN MESIN JOB SHOP DENGAN MINIMALISASI RATAAN WAKTU TUNGGU OPERASI Gamma/13502058 Abstraksi. Pada makalah ini dijelaskan mengenai pengembangan algoritma untuk
Lebih terperinciAlgoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia. Andhika Eko Prasetyo
Algoritma Cross Entropy Untuk Optimalisasi Penjadwalan Pertandingan Kompetisi Liga Super Indonesia Andhika Eko Prasetyo Latar Belakang 1. Struktur dari Kompetisi Liga Super. 2. Geografis Indonesia yang
Lebih terperinciBAB II TINJAUAN PUSTAKA
6 BAB II TINJAUAN PUSTAKA Pada bagian pada bagian ini akan diuraikan tentang tinjauan pustaka dan landaran teori yang sesuai dengan ACO dan AG. 2.1 Algoritma Ant Colony Optimization Secara umum pencarian
Lebih terperinciOPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM. Arif Rahman
OPTIMASI DAN HEURISTIK DALAM PENDEKATAN SISTEM Arif Rahman INDUSTRIAL ENGINEERING..is concerned with the design, improvement, and installation of integrated systems of men, materials, information, energy,
Lebih terperinciBAB 4 PENGUJUAN MODEL DAN ANALISIS. Untuk keperluan pengujian model dan program komputer yang telah
7 BAB PENGUJUAN MODEL DAN ANALISIS Untuk keperluan pengujian model dan program komputer yang telah dikembangkan dilakukan pengumpulan data sebagai berikut : 1. Pengujian model dalam masalah job shop dengan
Lebih terperinciIMPLEMENTASI METODE HEURISTIK DAN SIMULASI UNTUK MENYEIMBANGKAN LINI PERAKITAN LAMPU
IMPLEMENTASI METODE HEURISTIK DAN SIMULASI UNTUK MENYEIMBANGKAN LINI PERAKITAN LAMPU Septian Andrew Susanto 1) dan Nurhadi Siswanto 2) 1) Jurusan Teknik Industri, Institut Teknologi Sepuluh Nopember, Surabaya,
Lebih terperinciSTUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING SALESMAN PROBLEM
Jurnal Computech & Bisnis, Vol. 3, No. 1, Juni 2009, 30-36 ISSN Studi 1978-9629 Komparatif Algoritma Ant...(Bambang Siswoyo & Andrianto) STUDI KOMPARATIF ALGORITMA ANT DAN ALGORITMA GENETIK PADA TRAVELLING
Lebih terperinciPENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY. Budi Triandi
Budi, Penemuan Jalur Terpendek Dengan 73 PENEMUAN JALUR TERPENDEK DENGAN ALGORITMA ANT COLONY Budi Triandi Dosen Teknik Informatika STMIK Potensi Utama STMIK Potensi Utama, Jl.K.L Yos Sudarso Km 6,5 No.3-A
Lebih terperinciImplementasi Metode Pairwise Comparison pada Uji Kinerja Varian Metode Kecerdasan Buatan pada Penyelesaian Masalah TSP
JURNAL TEKNIK POMITS Vol. 2, No. 1, (201) ISSN: 2337-3539 (2301-9271 Print) 1 Implementasi Metode Pairwise Comparison pada Uji Kinerja Varian Metode Kecerdasan Buatan pada Penyelesaian Masalah TSP Muhammad
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 terperinci