Optimasi Penjadwalan Flow Shop Menggunakan Algoritma Hybrid Differential Evolution
|
|
- Irwan Jayadi
- 7 tahun lalu
- Tontonan:
Transkripsi
1 R.E.M. (Rekayasa, Ener Manufaktur) Jurnal Vol. 1 No ISSN (print), ISSN (online) Journal Homepae: DOI: Optimasi Penjadwalan Flow Shop Menunakan Aloritma Hybrid Differential Evolution Rudi Nurdiansyah * Teknoloi Industr Universitas Neeri Malan Article history: Received 11/10/2016, Revised 15/11/2016, Accepted 2/12/2016 ABSTRAK Penjadwalan produksi merupakan baian interal di dalam sistem manufaktur. Artikel ini menyelesaikan permasalahan penjadwalan flow shop denan funsi obyektif total flow time. Dalam penjadwalan, minimasi total flow time menhasilkan konsumsi yan stabil terhadap sumber daya, perputaran job yan cepat serta meminimalkan work in process inventory. Permasalahan penjadwalan flow shop terolon pada permasalahan optimasi kombinatorial yan merupakan NP-hard. Saat in penunaan aloritma metaheuristik banyak diunakan untuk memecahkan kasus optimasi kombinatorial, termasuk penjadwalan flow shop. Salah satu yan memiliki performa yan baik adalah Aloritma Differential Evolution. Untuk meninkatkan kualitas solusinya, Aloritma Differential Evolution akan ditambahkan denan prosedur local search. Aloritma pada artikel ini yan dinamakan Hybrid Differential Evolution. Aloritma tersebut diuji menunakan data penjadwalan flow shop yan ada pada OR-Library. Performa Hybrid Differential Evolution akan dibandinkan denan Hybrid GA dan MOACSA. Hasil penujian menunjukkan bahwa Hybrid Differential Evolution memberikan performa yan lebih baik dibandinkan denan aloritma lain. Keywords : Penjadwalan flow shop, total flow time, hybrid differential evolution ABSTRACT Schedulin is an interal part of advanced manufacturin systems. This article solves the flow shop schedulin problem with total flow time objective. In schedulin, total flow time minimization results in stable consumption of resources, rapid turn-around of jobs and work-in-process inventory minimization. Flow shop schedulin problem is combinatorial optimization and NP-hard. Recently, metaheuristics alorithms are widely used to solve combinatorial optimization, includin flow shop schedulin. The one of the alorithms has ood performance is Differential Evolution. To improve the quality of solution, Differential Evolution Alorithm in this article will combine with local search procedure. This alorithm is called Hybrid Differential Evolution. The proposed alorithm is tested with well-known problems in OR-Library. Its solution performance was compared with Hybrid GA and MOACSA. The computational results show that proposed alorithm is better than other methods compared. Keywords : Flow shop schedulin, total flow time, hybrid differential evolution Rudi Nurdiansyah lahir di Sidoarjo, 8 Nopember Menamatkan SD dan SMP di Sidoarjo, sedankan SMA di Surabaya. Melanjutkan studi S1 di Universitas Muhammadiyah Sidoarjo pada Proram Studi Teknik Industri dan lulus tahun Tahun 2009 melanjutkan S2 di Jurusan Teknik Industri Institut Teknoloi Sepuluh Nopember Surabaya denan bidan keahlian Sistem Optimasi Industri. Tahun 2012 mulai menajar di Proram Studi Teknik Industri Universitas Muhammadiyah Sidoarjo. Saat in penulis menjadi dosen di Jurusan Teknoloi Industri Universitas Neeri Malan. PENDAHULUAN Penjadwalan produksi merupakan baian interal di dalam sistem manufaktur [1]. Permasalahan di dalam penjadwalan adalah baaimana menalokasikan mesin produksi untuk melaksanakan serankaian aktivitas penyelesaian job dalam waktu tertentu untuk mencapai suatu tujuan tertentu [2]. *Corespondin author. address: rudi.nurdiansyah.ft@um.ac.id,telp.(+62) Peer reviewed under reponsibility of Universitas Muhammadiyah Sidoarjo Universitas Muhammadiyah Sidoarjo, All riht reserved, This is an open access article under the CC BY license ( 43
2 Penyelesaian job pada kebanyakan sistem manufaktur disusun secara berurutan [3]. Dalam penjadwalan, cara penyusunan job seperti itu disebut flowshop. Permasalahan penjadwalan flowshop memiliki cir job diproses denan urutan yan sama pada palin tidak satu mesin dan satu mesin dapat memproses palin banyak satu job pada satu titik waktu. Tujuan yan inin dicapai dari masalah in umumnya adalah meminimalkan total waktu penyelesaian keseluruhan job atau disebut makespan. Namun bisa jua mempertimbankan tujuan lain seperti total flowtime, total tardiness, total machine idle time dan sebaainya. Kebanyakan studi menenai penjadwalan flowshop fokus pada minimasi makespan [4]. Pada kenyataannya, banyak tujuan lain selain makespan yan bisa dipertimbankan sebaai obyektif seperti total flowtime yan jua merupakan ukuran kinerja yan sanat pentin dalam meminimalkan onkos penjadwalan total. Minimasi total flow time menhasilkan konsumsi yan stabil terhadap sumber daya, perputaran job yan cepat serta meminimalkan work in process inventory [4]. [5] menyelesaikan permasalahan permutasi penjadwalan flow shop denan obyektif total flow time menunakan Hybrid Genetic Alorithm. [6] menyelesaikan permasalahan penjadwalan jua menunakan obyektif minimasi total flow time. Beberapa penelitian lain yan jua menunakan obyektif yan sama antara lain [7],[8],[9] dan [10]. Permasalahan penjadwalan flow shop menjadi problem optimasi kombinatorial seirin denan bertambahnya jumlah job dan jumlah mesin [11]. Problem optimasi kombinatorial merupakan NPhard dan pendekatan yan lebih menjadi pilihan dari permasalahan ini adalah teknik solusi yan mendekati optimal menunakan aloritma metaheuristik [12]. Pendekatan metaheuristik seperti Simulated Annealin (SA) [13], Ant Colony Optimization (ACO) [14], Genetic Alorithm (GA) [15], Particle Swarm Optimization (PSO) [16] dan Artificial Immune Systems (AIS) [17] dalam beberapa tahun terakhir banyak diunakan untuk memecahkan permasalahan optimasi kombinatorial karena terbukti memiliki kinerja komputasi yan baik [12]. Salah satu aloritma metaheuristik yan mempunyai reputasi sebaai metoda optimasi lobal optima yan efektif adalah Differential Evolution (DE). DE merupakan aloritma evolusioner yan efektif untuk pemasalahan optimasi kontinyu yan kompleks [18]. Keunulan yan dimiliki oleh DE adalah konsep yan sederhana, implementasi yan mudah serta tinkat konverensi yan cepat [19]. [20] menerapkan DE pada optimasi kombinatorial dan terbukti efektif. Penelitian lain jua menunakan DE untuk menyelesaikan permasalahan optimasi kombinatorial seperti [21] dan [22]. Aloritma DE yan diunakan pada artikel ini akan diimprovisasi denan menambahkan prosedur local search. Tujuannya adalah untuk meninkatkan kualitas solusi dari DE. [23] telah membuktikan bahwa DE denan local search mempunyai performa yan lebih baik dibandin denan classic DE. Beberapa penelitian lain, jua menunakan local search untuk meninkatkan kualitas solusi dari DE, seperti [19], [24] maupun [25]. DE denan penambahan prosedur local search pada penelitian in dinamakan Hybrid DE. Selanjutnya, aloritma tersebut akan diunakan untuk menyelesaikan permasalahan penjadwalan flow shop denan obyektif total flow time. Untuk menetahui performa dari aloritma yan diunakan pada penelitian in serankaian percobaan akan dilakukan denan menunakan data dari [11]. Performa aloritma DE akan dibandinkan denan Hybrid Genetic Alorithm (Hybrid GA) [5] dan Multi-Objective Ant Colony System Alorithm (MOACSA) [4]. Terminoloi dan Formulasi Permasalahan Penjadwalan Flow Shop Permasalahan penjadwalan flow shop memiliki asums sejumlah n job (n = 1,2,3...i) denan urutan yan sama dikerjakan pada serankaian m mesin (m = 1,2,3...j) denan waktu proses t ij. Waktu proses t ij merupakan waktu penyelesaian job ke-i pada mesin ke-j. Matriks penjadwalan flow shop dapat dilihat pada Tabel 1. Tabel 1 Matriks Penjadwalan Flow Shop Jobs Machines j 1 t 11 t 12 t t 1j 2 t 21 t 22 t t 2j 3 t 32 t 32 t t 3j i t i1 t i2 t i3... t ij Notasi yan diunakan adalah : t ij waktu proses job ke-i pada mesin ke-j (i=1,2,...,n), (j=1,2,...,m). n jumlah job yan dijadwalkan m jumlah mesin yan diunakan untuk memproses job {π 1, π 2,..., π n} permutasi job S rankaian urutan sejumlah n job C (π j ) waktu penyelesaian job π i pada mesin j F(S) total flow time Total flow time dihitun denan formula sebaai berikut : (1) 44
3 METODOLOGI Aloritma Differential Evolution (DE) memiliki reputasi yan baik sebaai lobal optimizer yan efektif [26]. DE merupakan aloritma berdasarkan pembankitan populasi. Aloritma yan diunakan untuk menyelesaikan permasalahan penjadwalan flow shop pada penelitian ini adalah Hybrid DE. Pada Hybrid DE, DE akan dikombinasikan denan prosedur local search. Berikut ini adalah lankahlankah Hybrid DE : 1. Inisialisasi Sebelum melakukan inisialisasi populasi vektor variabel, terlebih dahulu menentukan batas atas dan batas bawah. Batas bawah dan batas atas diunakan sebaai lankah awal pembankitan nilai variabel yan dicari. Untuk pembankitan nilai awal variabel enerasi ke-0, variabel ke-j dari vector ke-i direpresentasikan denan notasi sebaai berikut : x j,0 = lb j + rand j(0,1)( ub j lb j ) (2) Bilanan random dibankitkan denan funsi rand, yan terletak antara [0,1]. Indeks j menunjukkan variabel ke-j. Hasil dari inisialisasi akan diberi indeks. Selanjutnya nilai tersebut akan diurutkan menunakan prosedur SPV (smallest position value). Hasil penurutan tersebut akan dijadikan solusi awal permutasi job berdasarkan indeks yan telah diberikan diawal. 2. Mutasi Setelah inisialisas DE melakukan mutasi dan kombinasi terhadap populasi taret untuk menhasilkan populasi percobaan denan ukuran N vektor. Mutasi dilakukan denan cara menambahkan perbedaan dua vektor (yan diambil secara acak) terhadap vektor ketia denan cara : v = x r0, + F(x r1, x r2,) (3) Seperti terlihat pada persamaan di atas bahwa perbedaan dua vektor yan diambil secara acak, diskala terlebih dahulu sebelum ditambahkan ke vektor ketia, x r0,. Faktor skala F (0,1) bernilai riil positif yan berfunsi untuk menendalikan tinkat pertumbuhan populasi. Meskipun tidak terdapat batas atas nilai F, nilai yan efektif adalah antara 0 dan 1. Indeks vektor basis, r0 dapat ditentukan denan berbaai cara. Tetapi disini diasumsikan bahwa indeks r0 ditentukan secara acak. Selain indeks vektor berbeda satu sama lain dan berbeda denan indeks vektor basis maupun vektor taret, indeks difference vector (selisih antara x r1, dan x r2,) jua dipilih sekali per mutasi. 3. Crossover Untuk melenkapi stratei differential mutation, DE melakukan uniform crossover. Setiap vektor taret x, dikawinsilankan (crossover) denan setiap vektor mutan v, sehina membentuk vektor percobaan u denan formulasi : u u j, v j, x j, if ( rand (0,1) Cr, j sebaliknya or j j rand ) (4) Probabilitas crossover, Cr [0,1] adalah nilai yan didefinisikan untuk menendalikan fraksi nilai variabel yan disalin dari vektor mutan. 4. Local Search Pada tahap in akan dilakukan prosedur local search. Prosedur local search yan diunakan adalah insert-based local search. Prosedur dari insert-based local search adalah sebaai berikut [19] : Lankah 1: konversikan individu X i, menjadi permutasi job π i_0 menurut aturan SPV. Lankah 2: pilih secara acak u dan v, dimana u v; π i = Insert (π i_0, u, v). Lankah 3: tetapkan loop=1 Lakukan Pilih secara acak u dan v, dimana u v; π i_1 = Insert (π u, v); jika f (π i_1) < (π i), maka π i = π i_1; loop++; sampai loop < (nx(n-1)) Lankah 4: jika f (π i) < (π i_0), maka π i_0 = π i; Lankah 5: konversikan π i_0 kembali menjadi X i, 5. Seleksi Jika populasi percobaan u, mempunyai funsi tujuan lebih kecil dari funsi tujuan populasi taretnya yaitu x, maka u akan menantikan posisi x dalam populasi pada enerasi berikutnya. Jika sebaliknya, taret akan tetap pada posisinya dalam populasi. (5) 6. Kriteria Pemberhentian Kriteria pemberhentian yan diunakan adalah iterasi maksimal. Aloritma Hybrid DE untuk menyelesaikan permasalahan penjadwalan flow shop Prosedur dari Hybrid DE adalah sebaai berikut : Lankah 1: Masukkan input parameter untuk N, M, F [0,1] dan Cr [0,1]. Tetapkan S = ϕ dan batas bawah (x j,i) = -1, sedankan batas atas (x j,i) = 1, j = 1,...,N. Lankah 2: Inisialisasi populasi. Bankitkan X j,0 = lower(x j,i) + random (0, 1)*(upper(x j,i) lower(x j,i) ), j = 1,...,N for i = 1,...,M. Lankah 3: Konversikan individu X j,i menjadi permutasi job π i berdasarkan aturan 45
4 SPV. Evaluasi setiap individu πi menunakan F(S) s formula. Lankah 4 : Iterasi pertama =1. Lankah 5: Lakukan mutasi and Crossover. Pilih secara acak r0,r1, r2 (1,...,M), dimana r0 r1 r2 i. Hitun V j,i() = X r0,j,,i + F*(X r1,j,i X r2,j,i) Lankah 6: Jika random(0,1) Cr, maka U j,i() = V j,i(). Jika random(0,1) > Cr, maka U j,i() = X j,i() Lankah 7: Aplikasikan insert-based local search Lankah 7.1: Konversi individu U j,i() menjadi permutasi job π i_0 berdasarkan aturan SPV. Lankah 7.2: Pilih secara acak u dan v, dimana u v; π i_1 = Insert (π i_0, u, v). Lankah 7.3: Tetapkan loop=1; Lakukan Pilih secara acak u dan v, dimana u v; π i_2 = Insert (π i_1, u, v); jika f (π i_2)<(π i_1), maka π i_1 = π i_2; loop++; sampai loop < (nx(n-1)) Lankah 7.4: jika f (π i_1) < (π i_0), maka π i_0 = π i_1; Lankah 7.5: konversikan kembali π i_0 menjadi U j,i, Lankah 8: Lakukan seleksi. Jika π i_0 π maka X j,+1 = U j,i(). Jika π i_0 > π maka X j,+1 = X j,i Lankah 9: Update S. Lankah 10: Tetapkan = +1. jika < max, maka kembali ke lankah 5. Lankah 11: Output S dan nilai obyektif total flow time HASIL Performa dari Hybrid DE untuk menyelesaikan permasalahan penjadwalan flow shop denan funsi obyektif total flow time dievaluasi denan melakukan simulasi komputer. Hybrid DE diuji pada kasus penjadwalan flow shop denan data yan diunduh dari OR-Library (diakses pada 27 Juni 2016). Data yan diunakan pada penelitian ini adalah data kasus penjadwalan flow shop denan 20 job denan jumlah mesin bervariasi yaitu 5, 10 dan 20 mesin. Tabel 2 menunjukkan data yan diunakan pada penelitian ini. Tabel 2 Data yan Diunakan Job Mesin Kasus 20 5 ta001, ta002, ta005, ta008, ta ta011, ta014, ta016, ta018, ta ta022, ta024, ta025, ta026, ta028 dijalankan sebanyak 10 kali sehina total 150 kali runnin. Solusi terbaik dipilih dari masin-masin kasus. Untuk menevaluasi performa masinmasin aloritma, diunakan persentase relatif. Formulanya adalah sebaai berikut : (6) PR(S) adalah persentase relatif. F(S) adalah total flow time masin-masin aloritma. Sedankan min F adalah solusi terbaik yan ada pada literatur. Persentase relatif dari masin-masin aloritma dapat dilihat pada Tabel 3. Hasil dari penujian aloritma menunjukkan bahwa performa aloritma Hybrid DE lebih baik daripada Hybrid GA dan MOACSA. Hal ini dapat dilihat dari rata-rata persentase relatif yan lebih kecil dibandin yan lain. Bahkan pada beberapa kasus, performa Hybrid DE lebih kecil dari solusi terbaik yan ada pada literatur, ditandai denan nilai neatif pada persentase relatif. Penambahan prosedur local search menunakan insert-based local search pada aloritma DE terbukti mampu meninkatkan kualitas solusi yan dihasilkan DE. Gambar 1 adalah visualisasi perbandinan performa dari masin-masin aloritma. Tabel 3 Persentase Relatif Masin-masin Aloritma Hybrid Hybrid Kasus n x m MOACSA GA DE ta x 5 0,00 0,96 0,41 ta x 5 0,00 0,00 0,42 ta x 5 0,00 0,38-1,31 ta x 5 0,00 0,00-1,46 ta x 5 0,00 0,00-1,57 ta x 10 0,00 0,00-0,55 ta x 10 0,13 0,00-0,13 ta x 10 1,02 0,44 1,02 ta x 10 0,00 0,00-0,66 ta x 10 0,00 0,60 1,37 ta x 20 0,00 0,00 0,17 ta x 20 0,00 0,05 0,26 ta x 20 0,00 5,89-0,31 ta x 20 0,00 0,00-2,48 ta x 20 0,00 0,00 1,16 Rata-rata 0,10 0,61-0,47 Penujian Hybrid DE dilakukan denan membuat kode proram aloritma pada software Matlab 7.8. Performa dari Hybrid DE dibandinkan denan Hybrid GA [5] dan MOACSA [4]. Setiap penujian 46
5 Gambar 1 Perbandinan Performa 3 Aloritma KESIMPULAN Kasus penjadwalan flow shop banyak diteliti oleh para peneliti. Artikel ini menyelesaikan permasalahan penjadwalan flow shop menunakan Hydrid DE. Hybrid DE adalah aloritma DE yan ditambahkan prosedur local search dalam pencarian solusi optimalnya. Hasil penujian Hybrid DE menunjukkan hasil persentase relatif yan lebih baik dari aloritma Hybrid GA maupun MOACSA. Dapat disimpulkan bahwa penambahan prosedur local search pada DE terbukti mampu meninkatkan kualitas solusi dari DE. Ke depannya, aloritma yan diusulkan pada penelitian ini dapat diunakan untuk memecahkan kasus penjadwalan lain seperti hybrid flow shop, nowait flow shop maupun jos shop. Selain itu, aloritma tersebut jua bisa diuji menunakan funsi obyektif yan lain seperti makespan, total tardiness ataupun total machine idle time. REFERENSI [1] Davendra D, Zelinka I, Bialic-Davendra M, Senkerik R, Jasek R. Discrete self-oranisin miratin alorithm for flow-shop schedulin with no-wait makespan. Math Comput Model 57: [2] Pinedo, M.L.: Schedulin: theory, alorithms, and systems. Spriner [3] Javadi B, Saidi-Mehrabad M, Haji A, Mahdavi I, Jolai F, MahvadiAmiri N. No-wait flow shop schedulin usin fuzzy multiobjective linear prorammin. J Franklin Inst 345: , [4] Yamahan, B. and Yenisey, M. M. A multiobjective ant colony system alorithm for flow shop schedulin problem. Expert Systems with Applications, Vol. 37 No. 2, pp [5] Yi Zhan, Xiaopin L Qian Wan. Hybrid enetic alorithm for permutation flowshop schedulin problems with total flowtime minimization. European Journal of Operational Research Vol pp [6] Gao, K. Z., Pan, Q. K., & L J. Q. Discrete harmony search alorithm for the no-wait flow shop schedulin problem with total flow time criterion. The International Journal of Advanced Manufacturin Technoloy, 56(5-8), [7] Framinan, J.M., Leisten, R., Ruiz-Usano, R.,. Comparison of heuristics for flowtime minimisation in permutation flowshops. Computers and Operations Research 32, [8] Azizolu M, Cakmark E, Kondakci S. A flexible flowshop problem with total flow time minimization. Eur J Oper Res 132: [9] Salmas N., Loendran, R., & Skandar M. R. Total flow time minimization in a flowshop sequence-dependent roup schedulin problem. Computers & Operations Research, 37(1), [10] Jarbou B., Eddaly, M., & Siarry, P. An estimation of distribution alorithm for minimizin the total flowtime in permutation flowshop schedulin problems. Computers & Operations Research, 36(9), [11] Taillard, E. Benchmarks for basic schedulin problems, european journal of operational research Vol. 64 No.2 pp [12] Yamahan, B. dan Yenisey, M. M. Ant Colony Optimization for Multi-Objective Flow Shop Schedulin Problem, Computers & Industrial Enineerin, Vol. 54, No. 3, hal [13] Ishibuch H., Misak S. dan Tanaka, H., Modified Simulated Annealin Alorithms for The Flow Shop Sequencin Problem, European Journal of Operational Research, Vol. 81, No. 2, hal [14] Riyanto, O.A.W., & Santosa, B. ACO-LS Alorithm for Solvin No-wait Flow Shop Schedulin Problem. Intellience in the Era of Bi Data. Vol. 516 p [15] Kordohl B., Jmal M., Saadallah, S., dan Liouene, N., Multi-Objective Schedulin of Flow Shop Problems in Finishin Factories usin Genetic Alorithm, Journal or Textile an Apparel, Technoloy and Manaement, Vol. 6, No. 3, hal [16] Lian, Z., Gu, X. dan Jiao, B. A Similar Particle Swarm Optimization Alorithm for Permutation Flow Shop Schedulin to 47
6 Minimize Makespan, Applied Mathematics and Computation, Vol. 175, hal [17] Gao, H. dan Liu, X. Improved Artificial Immune Alorithm and Its Applications on Permutation Flow Shop Sequencin Problems, Information Technoloy Journal, Vol. 6, No. 6, hal [18] Storn, R. dan Price, K. Differential Evolution - A Simple and Efficient Heuristic for Global Optimization Over Continuous Space, Journal of Global Optimization, Vol. 11, hal [19] Qian, B., Wan, L., Hu, R., Wan, W. L., Huan, D. X., and Wan, X. A Hybrid differential evolution method for permutation flow-shop schedulin, The International Journal of Advanced Manufacturin Technoloy, Vol. 38 No.7-8 pp [20] Tasetiren, M.F, Lian, Y.C, Sevkl M, Gencyilmaz, G, Differential Evolution for Permutation Flowshop Sequencin Problem with Makespan Criterion, Dept. of Manaement, Fatih University, Istambul- Turkey [21] Pan, Q.K., Tasetiren, M.F. dan Lian, Y.C. A Discrete Differential Evolution Alorithm for The Permutation Flowshop Schedulin Problem, Computers & Industrial Enineerin, Vol. 55, hal [22] Minyon, L. dan Erbao, C. An Improved Differential Evolution Alorithm for Vehicle Routin Problem with Simultaneous Pickups and Deliveries and Time Windows, Enineerin Applications of Artificial Intellience, Vol. 23, hal [23] Noman, N. dan Iba H. Acceleratin Differential Evolution Usin an Adaptive Local Search, IEEE Transactions on Evolutionary Computation, Vol. 12, No [24] Sauer, J.G. dan Coelho, L. Discrete Differential Evolution with Local Search to Solve the Travelin Salesman Problem: Fundamentals and Case Studies, IEEE International Conference on Cybernetic Intellient Systems, London, hal [25] Zamuda, A., Brest, J., Boskovic, B. dan Zumer, V. Differential Evolution with Selfadaptation and Local Search for Constrained Multiobjective Optimization, IEEE Conress on Evolutionary Computation, Trondheim, hal [26] Santosa, B. dan Willy, P. Metoda Metaheuristik : Konsep dan Implementas Guna Widya, Surabaya
PENGEMBANGAN 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 terperinciALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP BANYAK MESIN DENGAN MULTI OBYEKTIF
ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENJADWALAN FLOW SHOP BANYAK MESIN NGAN MULTI OBYEKTIF Steanus Eko Wiratno 1, Rudi Nurdiansyah 2, dan Budi Santosa 3 Teknik Industri, Fakultas Teknologi Industri,
Lebih 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 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 terperinciPenyelesaian Vehicle Routing Problem with Time Windows (VRPTW) dengan Modified Differential Evolution Algorithm
Penyelesaian Vehicle Routin Problem with Time Windows (VRPTW) denan Modified Differential Evolution Alorithm Heri Awalul Ilhamsah 1 1 Jurusan Teknik IndustriUniversitas Trunojoyo Madura E-mail: hilhamsah@yahoo.com
Lebih terperinciBAB II LANDASAN TEORI. Pada bab ini akan dibahas mengenai konsep dasar masalah. penjadwalan kuliah, algoritma memetika serta komponen algoritma
BAB II LANDASAN TEORI Pada bab ini akan dibahas menenai konsep dasar masalah penjadwalan kuliah, aloritma memetika serta komponen aloritma memetika. Aoritma memetika diilhami dari proses evolusi makhluk
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 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 terperinciPENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION
PENYELESAIAN PERMASALAHAN TRAVELLING SALESMAN PROBLEM MENGGUNAKAN ALGORITMA DIFFERENTIAL EVOLUTION Heri Awalul Ilhamsah Jurusan Teknik Industri Universitas Trunojoyo Email: hilhamsah@gmail.com ABSTRAK
Lebih 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 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 terperinciTesis Algoritma Differential Evolution - Variable Neighborhood Search untuk Minimasi Makespa
Tesis Algoritma Differential Evolution -Variable Neighborhood Search untuk Minimasi Makespan dan Maximum Lateness Pada Penjadwalan Job Hybrid Flowshop with Job-sequence Dependent Setup-time Oleh: Ong Andre
Lebih terperinciPENGEMBANGAN ALGORITMA SIMULATED ANNEALING PADA PERMASALAHAN HYBRID FLOWSHOP SCHEDULING UNTUK MINIMASI MAKESPAN DAN TOTAL TARDINESS
PENGEMBANGAN ALGORITMA SIMULATED ANNEALING PADA PERMASALAHAN HYBRID FLOWSHOP SCHEDULING UNTUK MINIMASI MAKESPAN DAN TOTAL TARDINESS Ainur Rofiq, Budi Santosa Jurusan Teknik Industri Institut Teknologi
Lebih 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 terperinciModel Penjadwalan Pekerjaan pada Zero-buffer Flowshop Tipe (1) dengan Kriteria Minimasi Total Waktu Tinggal Aktual
Performa (004) Vol. 3, No.: 49-54 Model Penjadwalan Pekerjaan pada Zero-buffer Flowshop Tipe (1) dengan Kriteria Minimasi Total Waktu Tinggal Aktual Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas
Lebih terperinciProsiding Seminar Nasional Manajemen Teknologi XIV Program Studi MMT-ITS, Surabaya 23 Juli 2011
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION UNTUK PENYELESAIAN PERMASALAHAN VEHICLE ROUTING PROBLEM SIMULTANEOUS DELIVERIES PICK-UP WITH TIME WINDOWS (VRPSDPTW) Heri Awalul, Budi Santosa, Stefanus Eko
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 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 Algoritme Genetika Pada Kasus Optimasi Penentuan Bibit dan Pemerataan Subsidi pupuk (Studi Kasus: Desa Pandansari, Kabupaten Kediri)
Jurnal Penembanan Teknoloi Informasi dan Ilmu Komputer eissn: 2548964X Vol. 2, No. 5, Mei 2018, hlm. 18031812 http://jptiik.ub.ac.id Penerapan Aloritme Genetika Pada Kasus Optimasi Penentuan Bibit dan
Lebih terperinciPenyelesaian Penjadwalan Flexible Job Shop Problem Menggunakan Real Coded Genetic Algorithm
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: 2548-964X Vol. 1, No. 1, Januari 2017, hlm 57-62 http://j-ptiik.ub.ac.id Penyelesaian Penjadwalan Flexible Job Shop Problem Menggunakan
Lebih terperinciIMPLEMENTASI SELF-ADAPTIVE DIFFERENTIAL EVOLUTION WITH NEIGHBORHOOD SEARCH (SANSDE) UNTUK OPTIMASI SISTEM POMPA AIR
IMPLEMENTASI SELF-ADAPTIVE DIFFERENTIAL EVOLUTION WITH NEIGHBORHOOD SEARCH (SANSDE) UNTUK OPTIMASI SISTEM POMPA AIR Isnani Pramusinto 1 1 Jurusan Teknik Informatika, Fakultas Teknologi Industri,Universitas
Lebih terperinciPenerapan Algoritma Differential Evolution untuk Penyelesaian Permasalahan Vehicle Routing Problem with Delivery and Pick-up
JURNAL TEKNIK ITS Vol. 1, (Sept, 2012) ISSN: 2301-9271 A-391 Penerapan Algoritma Differential Evolution untuk Penyelesaian Permasalahan Vehicle Routing Problem with Delivery and Pick-up Ika Ayu Fajarwati
Lebih terperinciHYBRID K-MEANS DAN PARTICLE SWARM OPTIMIZATION UNTUK CLUSTERING NASABAH KREDIT
Jurnal Teknoloi Informasi dan Ilmu Komputer (JTIIK) p-issn: 2355-7699 Vol. 4, No. 2, Juni 2017, hlm. 104-110 e-issn: 2528-6579 HYBRID K-MEANS DAN PARTICLE SWARM OPTIMIZATION UNTUK CLUSTERING NASABAH KREDIT
Lebih terperinciPerbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak Fasilitas
Jurnal Teknik Industri, Vol. 12, No. 2, Desember 2010, 119-124 ISSN 1411-2485 Perbandingan Kombinasi Genetic Algorithm Simulated Annealing dengan Particle Swarm Optimization pada Permasalahan Tata Letak
Lebih terperinciModel Penjadwalan Pekerjaan pada Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual
Performa (00) Vol. 1, No.1: 0-5 Model Penjadwalan Pekerjaan pada Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual Yuniaristanto Jurusan Teknik Industri, Universitas Sebelas Maret, Surakarta
Lebih 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 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 terperinciKata kunci: job shop scheduling, CODEQ,
PENERAPAN ALGORITMA CODEQ UNTUK MENYELESAIKAN PERMASALAHAN JOB SHOP SCHEDULING Mohammad Bisyrul Jawwad, Yudha Prasetyawan, Budi Santosa Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember (ITS)
Lebih terperinciPENERAPAN ALGORITMA CODEQ UNTUK MENYELESAIKAN PERMASALAHAN JOB SHOP SCHEDULING
PENERAPAN ALGORITMA CODEQ UNTUK MENYELESAIKAN PERMASALAHAN JOB SHOP SCHEDULING Dosen Pembimbing: 1. Yudha Prasetyawan, S.T. M.Eng 2. Ir. Budi Santosa, M.S., Ph.D. Oleh: M Bisyrul Jawwad 2507100069 Pendahuluan
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 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 terperinciOPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA
OPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA Oleh : Moh Khoiron 1209 100 705 Dosen pembimbing : Dr. Imam
Lebih terperinciPERBANDINGAN KINERJA ALGORITMA GENETIKA DAN SIMULATED ANNEALING UNTUK MASALAH MULTIPLE OBJECTIVE PADA PENJADWALAN FLOWSHOP
JURNAL TEKNIK INDUSTRI VOL. 4, NO. 1, JUNI 2002: 26-35 PERBANDINGAN KINERJA ALGORITMA GENETIKA DAN SIMULATED ANNEALING UNTUK MASALAH MULTIPLE OBJECTIVE PADA PENJADWALAN FLOWSHOP I Gede Agus Widyadana Dosen
Lebih terperinciPENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM
PENGGUNAAN METODE CODEQ UNTUK MENYELESAIKAN PERMASALAHAN CAPACITATED VEHICLE ROUTING PROBLEM Dosen Pembimbing: Ir. Budi Santosa, M.Sc., Ph.D Y Giri N (2503 100 061) Latar Belakang Metode CODEQ merupakan
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 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 terperinciPenyelesaian {0,1}-Knapsack Problem dengan Algoritma Soccer League Competition
Penyelesaian {0,1}-Knapsack Problem dengan Algoritma Soccer League Competition Muji Prasetyo Iryanto, Sri Mardiyati Departemen Matematika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Indonesia,
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 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 terperinciPENJADWALAN FLOW SHOP DENGAN PENERAPAN CROSS ENTROPY-GENETIC ALGORITHM (CEGA) UNTUK MEMINIMASI MAKESPAN
PENJADWALAN FLOW SHOP DENGAN PENERAPAN CROSS ENTROPY-GENETIC ALGORITHM (CEGA) UNTUK MEMINIMASI MAKESPAN Hasan Bashori 1, Pratikto 2, Sugiono 3 1,2,3 Universitas Brawijaya, Fakultas Teknik Mesin, Malang
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 terperinciPENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH
Penjadwalan Operasional Pembangkit Berbasis Algoritma Genetik (Dwi Ana dkk) PENJADWALAN OPERASIONAL PEMBANGKIT BERBASIS ALGORITMA GENETIK PADA SISTEM PEMBANGKIT SUMATERA BAGIAN TENGAH Rahmanul Ikhsan 1,
Lebih terperinciPenjadwalan Pekerjaan pada No-Wait Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual Menggunakan Algoritma Genetik
Performa (2003) Vol. 2, No1: 24-30 Penjadwalan Pekerjaan pada No-Wait Flowshop dengan Kriteria Minimasi Total Waktu Tinggal Aktual Menggunakan Algoritma Genetik Urip Sarwo Sambodo, Yuniaristanto dan Cucuk
Lebih terperinciOPTIMASI NURSE SCHEDULING PROBLEM
OPTIMASI NURSE SCHEDULING PROBLEM Disusun Oleh Aditya Pratama H (2510100111) Pembimbing Prof. Ir. Budi Santosa, M.S., Ph.D Pendahuluan Latar Belakang Perumusan Masalah Batasan & Asumsi Penjadwalan Proses
Lebih 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 PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA
OPTIMASI PENJADWALAN CERDAS MENGGUNAKAN ALGORITMA MEMETIKA Muhammad Arief Nugroho 1, Galih Hermawan, S.Kom., M.T. 2 1, 2 Universitas Komputer Indonesia Jl. Dipatiukur No. 112-116, Bandung 40132 E-mail
Lebih terperinciAnalisis dan Implementasi Algoritma Differential Evolution Pada Jaringan Syaraf Tiruan Studi Kasus Prediksi Masa Studi Mahasiswa
Analisis dan Implementasi Aloritma Differential Evolution Pada Jarinan Syaraf Tiruan Studi Kasus Prediksi Masa Studi Mahasiswa Fahrudin Julianto 1, Jondri MSi 2, Rita Rismala ST.,MT 3 Fakultas Informatika
Lebih terperinciPENDEKATAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PENJADWALAN FLOW SHOP
PENDEKATAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PENJADWALAN FLOW SHOP Dian Setiya Widodo 1*, Purnomo Budi Santoso 2, Eko Siswanto 3 1,2,3 Universitas Brawijaya, Fakultas
Lebih terperinciPENJADWALAN FLOW SHOP DENGAN PENDEKATAN CROSS ENTROPY-GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PEMBUATAN RODA GIGI
PENJADWALAN FLOW SHOP DENGAN PENDEKATAN CROSS ENTROPY-GENETIC ALGORITHM UNTUK MENURUNKAN MAKESPAN PADA PEMBUATAN RODA GIGI Dian Setiya Widodo, Mario Sarisky Dwi Ellianto Politeknik 17 Agustus 1945 Surabaya
Lebih 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 terperinciMODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM
Journal Industrial Servicess Vol. 3 No. 2 Maret 2018 MODEL PREDIKSI PRODUCTION DELAY DALAM PROSES PRODUKSI STRIP MILL DENGAN METODE ADAPTIVE NEURO- FUZZY INFERENCE SYSTEM Yusraini Muharni Jurusan Teknik
Lebih terperinciJurusan Teknik Industri Itenas No.1 Vol.03 Jurnal Online Institut Teknologi Nasional Januari 2015
Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.1 Vol.03 Jurnal Online Institut Teknologi Nasional Januari 2015 ALGORITMA PENJADWALAN NO-WAIT SHOP MENGGUNAKAN GREEDY RANDOMIZED ADAPTIVE
Lebih terperinciPenyelesaian Permasalahan Penjadwalan Aktivitas Proyek dengan Batasan Sumber Daya Menggunakan Metode Cross Entropy
Penyelesaian Permasalahan Penjadwalan Aktivitas Proyek dengan Batasan Sumber Daya Menggunakan Metode Cross Entropy Problem Solving on The Resource Constrains Project Scheduling Problem (RCPSP) Using Cross
Lebih terperinciPerformansi Algoritma CODEQ dalam Penyelesaian Vehicle Routing Problem
Jurnal Teknik Industri, Vol. 16, No. 1, Juni 2014, 51-56 ISSN 1411-2485 print / ISSN 2087-7439 online DOI: 10.9744/jti.16.1.51-56 Performansi Algoritma CODEQ dalam Penyelesaian Vehicle Routing Problem
Lebih terperinciALGORITMA MODIFIED SIMULATED ANNEALING UNTUK MENYELESAIKAN AIRPORT GATE ASSIGNMENT PROBLEM STUDI KASUS BANDARA SOEKARNO-HATTA
1 ALGORITMA MODIFIED SIMULATED ANNEALING UNTUK MENYELESAIKAN AIRPORT GATE ASSIGNMENT PROBLEM STUDI KASUS BANDARA SOEKARNO-HATTA Siti Dwi Rahmawati, Prof. Ir. Budi Santosa, M.S., Ph.D Jurusan Teknik Industri,
Lebih terperinciBAB 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 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 terperinciOPTIMASI MULTI TRAVELLING SALESMAN PROBLEM (M-TSP) UNTUK DISTRIBUSI PRODUK PADA HOME INDUSTRI TEKSTIL DENGAN ALGORITMA GENETIKA
OPTIMASI MULTI TRAVELLING SALESMAN PROBLEM (M-TSP) UNTUK DISTRIBUSI PRODUK PADA HOME INDUSTRI TEKSTIL DENGAN ALGORITMA GENETIKA Agung Mustika Rizki, Wayan Firdaus Mahmudy, Gusti Eka Yuliastuti Program
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Penjadwalan dan Penjadwalan Flow shop Menurut Kumar (2011), jadwal merupakan rencana sistematis yang umumnya menceritakan hal-hal yang akan dikerjakan. Menurut Pinedo (2005),
Lebih terperinciAlgoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP)
SEMINAR NASIONAL MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 2015 T 6 Algoritma Genetika Ganda (AGG) untuk Capacitated Vehicle Routing Problem (CVRP) Daryono Budi Utomo, Mohammad Isa Irawan, Muhammad Luthfi
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 terperinciProsiding Seminar Nasional Manajemen Teknologi XX Program Studi MMT-ITS, Surabaya 1 Februari 2014
PENGEMBANGAN ALGORITMA DIFFERENTIAL EVOLUTION (DE) UNTUK MENYELESAIKAN PERMASALAHAN TATA LETAK FASILITAS DENGAN LUAS AREA BERBEDA (UNEQUAL AREA FACILITY LAYOUT PROBLEM) M. Bisyrul Jawwad 1), Budi Santosa
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 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 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 III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian Pembangunan perangkat lunak dalam tugas akhir ini menggunakan seperangkat komputer dengan spesifikasi sebagai berikut :
Lebih terperinciAlgoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem
JURNAL SAINS DAN SENI ITS Vol. 4, No.2, (2015) 2337-3520 (2301-928X Print) A-19 Algoritma Genetika Ganda untuk Capacitated Vehicle Routing Problem Muhammad Luthfi Shahab dan Mohammad Isa Irawan Matematika,
Lebih terperinciPENGEMBANGAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENYELESAIKAN CAPACITATED LOCATION- ROUTING PROBLEM
PENGEMBANGAN ALGORITMA CROSS ENTROPY- GENETIC ALGORITHM UNTUK MENYELESAIKAN CAPACITATED LOCATION- ROUTING PROBLEM M. Firdias Aulia Baskoro W. 1, *), Budi Santosa 2), Yudha Prasetyawan 3) 1) Pasca Sarjana
Lebih terperinciReka integra ISSN: Jurusan Teknik Industri Itenas No. 02 Vol. 02 Junal Online Institut Teknologi Nasional September 2013
Reka integra ISSN:2338-5081 Jurusan Teknik Industri Itenas No. 02 Vol. 02 Junal Online Institut Teknologi Nasional September 2013 Algoritma Penjadwalan Job Shop Alternatif Routing Menggunakan Greedy Randomized
Lebih terperinciPENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia)
PENERAPAN EVOLUTIONARY ALGORITHM PADA PENJADWALAN PRODUKSI (Studi Kasus di PT Brother Silver Product Indonesia) I Gede Agus Widyadana Dosen Fakultas Teknologi Industri, Jurusan Teknik Industri Universitas
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 terperinciMINIMASI WAKTU PENGERJAAN PRODUK MELANIE SLEIGH CHANGING TABLE MELALUI PENDEKATAN SIMULASI DAN TABU SEARCH
MINIMASI WAKTU PENGERJAAN PRODUK MELANIE SLEIGH CHANGING TABLE MELALUI PENDEKATAN SIMULASI DAN TABU SEARCH Natalia Sofyan, Meifani, dan I Gede Agus W. Laboratorium Optimasi dan Simulasi, Jurusan Teknik
Lebih terperinciPenerapan Algoritma Genetika dalam Job Shop Scheduling Problem
Penerapan Algoritma Genetika dalam Job Shop Scheduling Problem Haris Sriwindono Program Studi Ilmu Komputer Universitas Sanata Dharma Paingan, Maguwoharjo, Depok Sleman Yogyakarta, Telp. 0274-883037 haris@staff.usd.ac.id
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 terperinciLina Gozali, Lamto Widodo, Wendy. Fakultas Teknik Program Studi Teknik Industri Universitas Tarumanagara Jakarta. Abstrak
Jurnal Teknik dan Ilmu Komputer USULAN PENJADWALAN JOB DENGAN METODE CAMPBELL, DUDEK AND SMITH (CDS) DAN METODE NAWAZ, ENSCORE AND HAM (NEH) UNTUK MEMINIMASI MAKESPAN PROSES STAMPING PART ISUZU DI LINE
Lebih terperinciPENJADWALAN FLOWSHOP MENGGUNAKAN ALGORITMA NAWAZ ENSCORE HAM
PENJADWALAN FLOWSHOP MENGGUNAKAN ALGORITMA NAWAZ ENSCORE HAM Ilyas Masudin 1, Dana Marsetya Utama 2 dan Febrianto Susastro 3 Abstract: This article attempts to schedule flow shop production using Nawaz
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 terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Dalam beberapa tahun terakhir ini, peranan algoritma genetika terutama untuk masalah optimisasi, berkembang dengan pesat. Masalah optimisasi ini beraneka ragam tergantung dari bidangnya. Dalam
Lebih terperinciOPTIMASI PENJADWALAN PRODUKSI MELALUI PENERAPAN ALGORITMA DIFFERENTIAL EVOLUTION DI PT PAN PANEL PALEMBANG
OPTIMASI PENJADWALAN PRODUKSI MELALUI PENERAPAN ALGORITMA DIFFERENTIAL EVOLUTION DI PT PAN PANEL PALEMBANG Yohanes Dicka Pratama 1, Achmad Alfian 2 1,2) Jurusan Teknik Industri, Sekolah Tinggi Teknik Musi
Lebih terperinci1. BAB I PENDAHULUAN. 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang Secara umum sistem tenaga listrik terdiri dari pusat pembangkit, saluran transmisi dan pusat beban. Perkembangan beban sistem saat ini sudah tidak sesuai dengan
Lebih terperinciReka Integra ISSN: Jurusan Teknik Industri Itenas No.02 Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014
Reka Integra ISSN: 2338-5081 Jurusan Teknik Industri Itenas No.02 Vol. 02 Jurnal Online Institut Teknologi Nasional Oktober 2014 Algoritma Penjadwalan Job Shop Kelompok Mesin Homogen dan Heterogen Menggunakan
Lebih terperinciMODIFIKASI ALGORITMA SYMBIOTIC ORGANISMS SEARCH UNTUK TRAVELING SALESMAN PROBLEM
MODIFIKASI ALGORITMA SYMBIOTIC ORGANISMS SEARCH UNTUK TRAVELING SALESMAN PROBLEM Muhammad Isnaini Hadiyul Umam 1), Budi Santosa 2), dan Nurhadi Siswanto 3) 1) Program Magister Teknik Industri, Institut
Lebih terperinciAlgoritma Modified Simulated Annealing untuk Menyelesaikan Airport Gate Assignment Problem (Studi Kasus Bandara Soekarno-Hatta)
Disusun Oleh : Siti Dwi Rahmawati NRP 2510100144 Pembimbing : Prof. Ir. Budi Santosa, M.S., Ph.D NIP 19690512 199402 1001 JURUSAN TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI INSTITUT TEKNOLOGI SEPULUH
Lebih 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 terperinciPENERAPAN KOMBINASI ALGORITMA GEOMETRIC DIFFERENTIAL EVOLUTION DAN SISTEM FUZZY DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) TUGAS AKHIR
PENERAPAN KOMBINASI ALGORITMA GEOMETRIC DIFFERENTIAL EVOLUTION DAN SISTEM FUZZY DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) TUGAS AKHIR Diajukan sebagai salah satu syarat untuk memperoleh gelar
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 terperinciProsiding Seminar Nasional Manajemen Teknologi XV Program Studi MMT-ITS, Surabaya 4 Pebruari 2012
HIBRIDASI ALGORITMA BIOGEOGRAPHY BASED OPTIMIZATION DENGAN DIFFERENTIAL EVOLUTION DAN PARTICLE SWARM OPTIMIZATION (PBBO) PADA FUNGSI UNIMODAL DAN MULTIMODAL Suci Ariani., Budi Santosa, dan Stefanus Eko
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 terperinciPENJADWALAN FLOWSHOP DENGAN MENGGUNAKAN SIMULATED ANNEALING
PENJADWALAN FLOWSHOP DENGAN MENGGUNAKAN SIMULATED ANNEALING Muhammad Firdaus, Ilyas Masudin, Dana Marsetya Utama Jurusan Teknik Industri - Universitas Muhammadiyah Malang masudin@umm.ac.id ABSTRACT This
Lebih terperinciBAB I PENDAHULUAN. Penjadwalan produksi flow shop merupakan kegiatan perencanaan
BAB I PENDAHULUAN 1.1 Latar Belakang Penjadwalan produksi flow shop merupakan kegiatan perencanaan produksi yang terdapat pada perusahaan manufaktur. Penjadwalan produksi melibatkan n job dan m mesin dalam
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 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 terperinciMETODE MAX MIN VOGEL S APPROXIMATION METHOD UNTUK MENEMUKAN BIAYA MINIMAL PADA PERMASALAHAN TRANSPORTASI
METODE MAX MIN VOGEL S APPROXIMATION METHOD UNTUK MENEMUKAN BIAYA MINIMAL PADA PERMASALAHAN TRANSPORTASI Bilqis Amaliah 1), Agri Krisdanto 2), dan Astris Dyah Perwita 3) 1,2,3) Teknik Informatika, Fakultas
Lebih terperinciProsiding Seminar Nasional Matematika dan Pendidikan Matematika ISBN: Tuban, 24 Mei 2014
Prosiding Seminar Nasional Matematika dan Pendidikan Matematika PENCARIAN PROPORSI PENAMBAHAN BEKATUL PADA MO- CORIN YANG BAIK DIKONSUMSI OLEH PENDERITA KOLES- TEROL DENGAN MENGGUNAKAN ALGORITMA GENETIK
Lebih terperinciPENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM
PENERAPAN ALGORITMA HARMONY SEARCH DALAM PENYELESAIAN RESOURCE-CONSTRAINED PROJECT SCHEDULING PROBLEM Peneliti Dosen Pembimbing : Achmad Setiawan NRP. 2506100136 : Ir. Budi Santosa, M.Sc., Ph.D NIP. 132
Lebih 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 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 terperinciAnalisa Pengaruh Gerak Makan Dan Putaran Spindel Terhadap Keausan Pahat Pada Proses Bubut Konvensional
R E.M. (Rekayasa Energi Manufaktur) Jurnal "" # $ $ % & %" % ' " () http://dx.doi.org/0.2070/r.e.m.v2i.842 Analisa Pengaruh Gerak Makan Dan Putaran Spindel Terhadap Keausan Pahat Pada Proses Bubut Konvensional
Lebih terperinciPREDIKSI TIME SERIES TINGKAT INFLASI INDONESIA MENGGUNAKAN EVOLUTION STRATEGIES
PREDIKSI TIME SERIES TINGKAT INFLASI INDONESIA MENGGUNAKAN EVOLUTION STRATEGIES Universitas Telkom Jl.Telekomunikasi No. 1, Terusan Buah Batu, Bandung ritaris@telkomuniversity.ac.id Abstrak Prediksi tingkat
Lebih terperinciDesain Pengaturan Level pada Coupled Tank Process dengan Menggunakan Metode Model Predictive Control
JURNAL TEKNIK ITS Vol. 6, No., (05) ISSN: 337-3539 (30-97 Print) F 4 Desain Penaturan Level pada Coupled Tank Process denan Menunakan Metode Model Predictive Control Evira Dyah Puspitarini, Rushdianto
Lebih terperinci