OPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA
|
|
- Erlin Susanto
- 6 tahun lalu
- Tontonan:
Transkripsi
1 OPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA Oleh : Moh Khoiron Dosen pembimbing : Dr. Imam Mukhlas S.Si, MT. Drs. Soetrisno M.Ikomp. JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI SEPULUH NOPEMBER 2013
2 Latar belakang
3 Lanjutan Penelitian untuk layouting machine dengan menggunakan GA telah banyak dilakukan sebelumnya, meskipun berbeda-beda dalam objective function-nya, diantaranya adalah yang dilakukan Koopmans dan Beckmann (1957) yang mendefinisikan FLP sebagai masalah untuk mengkonfigurasi fasilitas, sehingga dapat meminimalkan biaya material handling. Pada kajian yang dilakukan oleh Azadivar dan Wang (2000) mendefinisikan bahwa tata FLP adalah penentuan lokasi relatif dan alokasi untuk beberapa fasilitas pada ruangan yang telah diberikan. Lee dan Lee (2002) mendefinisikan bahwa FLP terdiri mengatur n fasilitas dengan ukuran yang berbeda di dalam total ruang yang telah ditentukan, untuk meminimalkan biaya material handling dan total slack area cost. Shayan dan Chittilappilly (2004) mendefinisikan FLP sebagai masalah optimasi yang membuat layout lebih efisien dengan memperhatikan berbagai interaksi antara fasilitas dan sistem material handling saat merancang tata letak.
4 Lanjutan Adib Shururi melakukan penelitian judul Optimisasi Tata Letak Fasilitas Dalam Sistem Manufacturing Cellular Dengan Menggunakan Pendekatan Genetic Algorithm Permasalahan selular manufakturing yang menggunakan pendekatan GA yang dikaji hanya terbatas pada tata letak fasilitas Pendekatan dalam pembentukan sel menggunakan algoritma clustering, kemudian menggunakan GA untuk mengatur tata letak mesin dalam tiap-tiap sel.
5 Rumusan Masalah Permasalahan yang diangkat adalah pengintegrasian antara pembentukan sel, penempatan mesin dan penjadwalan di dalam selular manufaktur menggunakan algoritma genetika
6 Batasan masalah Data yang digunakan adalah data yang diambil dari Tugas Akhir Adib Shururi dengan judul Optimisasi Tata Letak Fasilitas Dalam Sistem Manufacturing Cellular Dengan Menggunakan Pendekatan Genetic Algorithm Tidak memabahas tentang pemilihan material handling Permasalahan yang dikaji hanya di dalams atu department. Asumsi Perubahan demand untuk periode berikutnya bersifat linear. waktu transfer antar satu mesin dengan yang lainnya diabaikan. Penentuan posisi gen yang merepresentasikan posisi mesin didalam software Genetic Layout adalah bahwa setiap mesin memiliki ukuran yang sama. Pick-up and drop-of adalah dari depan-belakang mesin atau jarak terdekat dari mesin satu ke yang lainnya.
7 tujuan Tujuan dari penelitian tugas akhir ini adalah membuat aplikasi untuk mendapatkan makespan yang lebih singkat. manfaat Manfaat dari tugas akhir ini adalah membantu mencari solusi pembentukan sel, layout mesin dan scheduling dalam cellular manufacturing yang baik di suatu perusahaan dengan menggunakan Genetic Algorithm (GA) serta dapat dijadikan sebagai tambahan pustaka untuk penelitian selanjutnya.
8 Tinjauan Pustaka Selular Manufakturing adalah sistem produksi yang mengklasifikasikan parts yang mirip menjadi bagian part families dan mesin yang berkaitan ditempatkan ke dalam sel untuk meningkatkan efektivitas biaya produksi dan fleksibilitas job shop manufaktur.
9 Tinjauan Pustaka Kelebihan Selular Manufakturing Menurunkan waktu set-up Menurunkan work-in-process inventory Menurunkan biaya material handling Menurunkan biaya tenaga kerja langsung dan tidak langsung Peningkatan dalam kualitas Peningkatan dalam aliran material Peningkatan dalam utilitas mesin Peningkatan utilitas space Peningkatan dalam moral kerja
10 Isu Utama dalam Selular Manufakturing Pembentukan Sel Penjadwalan Tata letak sel3 M1 M2 M4 M5 M3
11 sel3 Pembentukan Sel Definisi Pembentukan Sel (PS) adalah pengelompokan part yang didasarkan pada fitur desain atau proses yang serupa menjadi part families dan mesin yang terkait ke dalam sel mesin. sel 2 sel 1
12 M4 M2 M1 M5 M3 Layouting Machine Definisi Group layout (GL) adalah peletakan mesin dalam setiap sel (tata letak intra-sel) dan selsel terhadap satu sama lain (tata letak antarsel). sel 2 sel 1
13 Penjadwalan Definisi Group scheduling (GS) adalah penjadwalan part dalam tiap sel dan hubungannya dengan sel yang lain. sel 2 sel 1
14 Lanjutan Definition of genetic algorithms GA adalah teknik pencarian stokastik menggunakan prinsip-prinsip Darwin yaitu survival of the fittest untuk menemukan solusi terbaik. Lebih tinggi fittestnya maka tinggi pula kemungkinannya untuk bertahan hidup dan begitu juga sebaliknya.
15 Population size objective function Begin GA Create Initial Population Measure Fitness End GA Flow chart of genetic algorithms yes Terminate? Stopping criteria Measure New Fitness No Select parents by Fitness Generic Recommendation possible Mutation seleksi Crossover Mutation
16 Pengkodean kromosom dan Inisialisasi Populasi Pengkodean kromosom memetakan solusi karakteristik dalam format string kromosom. Setiap kromosom terdiri dari urutan gen tertentu dari alfabet Inisialisasi populasi adalah untuk menghasilkan satu set solusi awal, yang disebut populasi. banyaknya solusi awal yang dimasukkan dalam populasi disebut population size
17 digunakan untuk mengevaluasi dan menentukan apakah suatu kromosom akan bertahan atau tidak, digunakan untuk mereproduksi kromosom baru. Fungsi Fitness
18 SELEKSI Tujuan seleksi adalah untuk memberikan kepada kandidat solusi yang terlayak mempunyai kemungkinan yang lebih besar untuk terpilih menghasilkan keturunan Roulette Wheel adalah metode yang menirukan permainan roulette-wheel dimana individu-individu menempati potongan lingkaran pada roda roulette sesuai dengan nilai fitnessnya
19 Operator GA KAWIN SILANG Operator genetik digunakan untuk untuk melestarikan keragaman genetik atau karasteristik kandidat (solusi) pada suatu populasi MUTASI Kriteria Berhenti
20 Metode penelitian Studi literatur Pengolahan Data dan Implementasi Program Uji coba dan evaluasi Penarikan Kesimpulan
21 Bagaimana GA menyelesaikan permasalaha CMS? Penjadwalan Pembentukan Sel Kromosom Tata letak Berat Posisi Fitness function Min n g [j] j=1
22 Fungsi Kendala memastikan bahwa setiap mesin dan part hanya ditugaskan ke satu sel. mencegah dari menugaskan lebih dari NM mesin untuk setiap sel. kendala ini juga mencegah semua mesin hanya ditugaskan pada hanya pada satu sel. mencegah dari menugaskan satu atau tidak ada part sama sekali ke dalam setiap sel. membatasi bahwa setiap posisi hanya menerima satu mesin menjamin bahwa setiap mesin hanya ditugaskan untuk satu posisi. memastikan bahwa sel yang dipilih oleh salah satu part setidaknya memiliki satu mesin untuk memproses satu operasi dari bagian itu. membebankan bahwa operasi dari setiap part diproses menurut urutan. menjamin bahwa mesin tidak dapat memproses lebih dari satu part pada waktu yang sama.
23 Uji coba program Tampilan GUI Program
24 Data Simulasi Hasil
25 Data yang di ambil dari TA Adib Shururi Hasil
26 Analisa Hasil Pada beberapa kombinasi yang digunakan pada data simulasi, fungsi fitness mulai stagnan (tidak ada kenaikan pada nilai optimum) pada generasi kurang dari 30, sedangkan untuk beberapa kombinasi yang lain, fungsi fitness ini meningkat sampai pada generasi ke-50. Perubahan nilai fitness ini dikarenakan ruang lingkup permasalahan masih pada lingkup yang kecil. Banyaknya sel yang dibentuk adalah 2. Sedangkan untuk data dari penelitian sebelumnya, fungsi fitness masih menanjak pada generasi di atas 70 dengan sel yang dibentuk adalah 3. Pada hasil tersebut menunjukkan bahwa parameter GA berpengaruh pada hasil solusi yang diperoleh. Pada pembangkitan populasi awal, sangat penting untuk menyesuaikan popsize dengan ukuran data pada permasalahan yang akan diselesaikan. Dalam penelitian ini, pada data simulasi dengan ukuran14 x 7, populasi 60 memberikan solusi yang baik, dan 30 generasi sudah memberikan hasil yang baik, sedangkan untuk data dari penelitian sebelumnya dengan ukuran data 14 x 72, pada generasi 80 nilai fitness sudah stagnan, dikombinasikan dengan populasi 40. Jadi, secara umum, kombinansi populasi 40 dan 80 generasi mampu memberikan solusi yang optimum. Penggunaan operator GA sangat berdampak pada solusi yang dihasilkan. Perubahan hasil yang diperoleh dari penggunaan probabilitas mutasi atau tidak memberikan perubahan nilai yang jauh lebih tinggi untuk nilai fitness. Perubahan nilai probabilitas crossover dan mutasi juga memberikan dampak yang berarti pada performa GA. Pada pengujian yang dilakukan pada kedua data tersebut. Probabilitas crossover dan mutasi berturut-turut 0.65, 0.1 memberikan solusi yang optimum untuk data simulasi. Untuk data dari penelitian sebelumnya, kombinasi probabilitas crossover dan probabilitas mutasi berturutturut 0.85, 0.05 memberikan solusi yang optimum. Untuk lebih jelasnya, hasil keseluruhan yang dilakukan pada penelitian ini ditunjukkan pada Tabel Pendekatan cellular manufacturing yang diterapkan dalam penelitian ini, yaitu menggabungkan PS, Gl dan GS, menunjukkan bahwa ketiga masalah tersebut saling berdampak antara satu dengan yang lainnya. Jadi, untuk pengerjaan ketiga permasalahan tersebut perlu dipertimbangkan untuk dikerjakan secara bersamaan agar mendapatkan solusi yang lebih baik.
27 Kesimpulan 1. Algoritma Genetika dapat digunakan untuk menyelesaikan permasalahan CMS dan dapat memberikan beberapa variasi solusi. 2. Penentuan nilai parameter GA berpengaruh pada pencarian solusi dan tergantung dari permasalahan yang diangkat 3. Untuk data simulasi dengan ukuran 7 x 14, nilai parameter GA, yaitu inisialisasi populasi, maksimal generasi, probabilitas crossover dan probabilitas mutasi berturut-turut 60, 30, 0.65 dan 0.1 mampu memberikan hasil yang optimum. 4. Untuk data penelitian sebelumnya dengan ukuran 14 x 72, nilai parameter GA, yaitu inisialisasi populasi, maksimal generasi, probabilitas crossover dan probabilitas mutasi berturut-turut 40, 80, 0.85 dan 0.05 mampu memberikan hasil yang optimum. 5. Terdapat hubungan yang signifikan antara tiap permasalahan di dalam cellular manufacturing, yaitu antara pembentukan sel, GL dan GS. 6. Solusi yang diberikan mampu mengurangi makespan dan memperbaiki keteraturan proses perjalanan produksi tiap part, yaitu diperoleh makespan untuk data simulasi adalah 35.9 dan makespan untuk data yang diambil dari penelitian sebelumnya adalah 78.6.
28 Daftar Pustaka [1] Purnomo, H., Kusumadewi,S.. Aplikasi Algoritma Genetikav Untuk Penentuan Tata Letak Mesin. Yogyakarta. Universitas Islam Indonesia. [2] Apple, JM. Tata Letak Pabrik dan Pemindahan Bahan. Bandung: ITB [3] Drira, A., Pierreval, H., Hajri-Gabouj, S Facility layout problems: A survey. Annual Reviews in Control, Volume 31, Issue 2, Pages [4] Tarn, K.Y.1991.Genetic algorithms, function optimization,and facility layout design. European Journal of Operational Research, Volume 63, Issue 2, Pages [5] Shururi, A Optimisasi Tata Letak Fasilitas Dalam Sistem manufacturing Cellular Dengan Menggunakan Pendekatan Genetic Algorithm. Tugas Akhir Teknik Industri FTI ITS. [6] Mahdavi, I, Paydar, M.M., Solimampur, M., Heidarzade, A Genetic Algorithm Approach for Solving a Cell Formation Problem in Cellular Manufacturing. Expert Systems with Applications, Volume 36, Issue 3, Part 2, Pages [7] Wu, X., Chu,C.H., Wang, Y., Yan, W A genetic algorithm for cellular manufacturing design and layout. European Journal of Operational Research, Volume 181, Issue 1, Pages [8] Wu, X, Chu, C., Wang, Y., Yue, D.2007.Genetic algorithms for integrating cell formation with machine layout and scheduling. Computers & Industrial Engineering, Volume 53, Issue 2, Pages [9] Muthing, M, Onwubulu, G.C. Integrated Cellular Manufacturing Design And Layout Using Group Genetic Algorithm. HITAL. Toronto. [10 Suyanto Algoritma Genetika dengan Matlab. Andi.
OPTIMISASI PENYELESAIAN PERMASALAHAN CELLULAR MANUFACTURING SYSTEM MENGGUNAKAN PENDEKATAN ALGORITMA GENETIKA
JURNAL SAINS DAN SENI POMITS Vol. 2, No.1, (2013) 2337-3520 (2301-928X Print) 1 OPTIMISASI PENYELESAIAN PERMASALAHAN CELLULAR MANUFACTURING SYSTEM MENGGUNAKAN PENDEKATAN ALGORITMA GENETIKA Moh Khoiron,
Lebih terperinciOPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA GENETIKA
J. Math. and Its Appl. ISSN: 1829-605X Vol. 12, No. 1, Mei 2015, 1-11 OPTIMISASI PEMBENTUKAN SEL DIINTEGRASIKAN DENGAN PENEMPATAN MESIN DAN PENJADWALAN DI DALAM SELULAR MANUFAKTUR MENGGUNAKAN ALGORITMA
Lebih terperinciBAB 6 KESIMPULAN DAN SARAN
BAB 6 KESIMPULAN DAN SARAN 6.1. Kesimpulan Berdasarkan hasil penelitian dan analisis data yang telah dilakukan, maka penulis dapat mengambil kesimpulan sebagai berikut : a. Representasi kromosom yang digunakan
Lebih 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 terperinciGenetic Algorithme. Perbedaan GA
Genetic Algorithme Algoritma ini bekerja dengan sebuah populasi yang terdiri atas individu-individu (kromosom). Individu dilambangkan dengan sebuah nilai kebugaran (fitness) yang akan digunakan untuk mencari
Lebih terperinci2.1 Kajian Tentang Penerapan Sel Manutaktur Untuk Minimasi Jarak 6
DAFTAR ISI IIALAMAN JUDUL i LEMBAR PENGESAHAN DOSEN PEMBIMBING ii LEMBAR PENGESAHAN DOSEN PENGUJI iii LEMBAR PERSEMBAHAN iv HALAMAN MOTTO vi KATA PENGANTAR vii ABSTRAK ix DAFTAR ISI x DAFTAR TABEL xiv
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 terperinciLingkup Metode Optimasi
Algoritma Genetika Lingkup Metode Optimasi Analitik Linier Non Linier Single Variabel Multi Variabel Dgn Kendala Tanpa Kendala Numerik Fibonacci Evolusi Complex Combinasi Intelijen/ Evolusi Fuzzy Logic
Lebih terperinciAPLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN
APLIKASI ALGORITMA GENETIKA UNTUK PENENTUAN TATA LETAK MESIN Hari Purnomo, Sri Kusumadewi Teknik Industri, Teknik Informatika Universitas Islam Indonesia Jl. Kaliurang Km 4,5 Yogyakarta ha_purnomo@fti.uii.ac.id,
Lebih terperinciBAB 3 ANALISIS DAN PERANCANGAN APLIKASI
27 BAB 3 ANALISIS DAN PERANCANGAN APLIKASI 3.1 Analisis Pada subbab ini akan diuraikan tentang analisis kebutuhan untuk menyelesaikan masalah jalur terpendek yang dirancang dengan menggunakan algoritma
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T
PENERAPAN ALGORITMA GENETIKA PADA PERENCANAAN LINTASAN KENDARAAN Achmad Hidayatno Darjat Hendry H L T Abstrak : Algoritma genetika adalah algoritma pencarian heuristik yang didasarkan atas mekanisme evolusi
Lebih terperinciPENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA
LOGO PENENTUAN KOMBINASI OPTIMUM JUMLAH, BERAT, DAN WAKTU TAMBAT KAPAL DI PT (PERSERO) PELABUHAN INDONESIA III GRESIK MENGGUNAKAN ALGORITMA GENETIKA Oleh : Aris Saputro 1206100714 Pembimbing : Dr. M. Isa
Lebih terperinciOPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK
OPTIMASI PENJADWALAN KEGIATAN BELAJAR MENGAJAR DENGAN ALGORITMA GENETIK Usulan Skripsi S-1 Jurusan Matematika Diajukan oleh 1. Novandry Widyastuti M0105013 2. Astika Ratnawati M0105025 3. Rahma Nur Cahyani
Lebih terperinciKeywords Algoritma, Genetika, Penjadwalan I. PENDAHULUAN
Optimasi Penjadwalan Mata Kuliah Dengan Algoritma Genetika Andysah Putera Utama Siahaan Universitas Pembangunan Pancabudi Jl. Gatot Subroto Km. 4,5, Medan, Sumatra Utara, Indonesia andiesiahaan@gmail.com
Lebih terperinciAnalisis Operator Crossover pada Permasalahan Permainan Puzzle
Analisis Operator Crossover pada Permasalahan Permainan Puzzle Kun Siwi Trilestari [1], Ade Andri Hendriadi [2] Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Singaperbanga Karawang
Lebih 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 terperinciOptimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika
Optimasi Multi Travelling Salesman Problem (M-TSP) Menggunakan Algoritma Genetika Wayan Firdaus Mahmudy (wayanfm@ub.ac.id) Program Studi Ilmu Komputer, Universitas Brawijaya, Malang, Indonesia Abstrak.
Lebih terperinciPENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP)
PENERAPAN ALGORITMA GENETIKA PADA PENYELESAIAN TRAVELLING SALESMAN PROBLEM (TSP) Mohamad Subchan STMIK Muhammadiyah Banten e-mail: moh.subhan@gmail.com ABSTRAK: Permasalahan pencarian rute terpendek dapat
Lebih terperincikomputasi dan memori yang rendah), mampu memecahkan permasalahan dengan area fasilitas yang sama atau tidak sama (equal and unequal area), dan
BAB 1 PENDAHULUAN 1.1. Latar Belakang Permasalahan tata letak fasilitas merupakan salah satu area penting dalam merancang sistem produksi sekaligus merupakan kunci untuk meningkatkan produktivitas pabrik.
Lebih terperinciDAFTAR ISI BAB I PENDAHULUAN Latar Belakang Masalah Rumusan Masalah Batasan Masalah Tujuan Penelitian...
DAFTAR ISI Halaman Judul... Lembar Pengesahan Pembirnbing... Lembar Pengesahan Penguji... Halaman Persembahan... Halaman Motto... Kata Pengantar... Daftar Isi... Daftar Gambar... Daftar Tabel... Abstrak...
Lebih terperinciPendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner
Vol. 7, 2, 108-117, Januari 2011 Pendekatan Algoritma Genetika pada Peminimalan Fungsi Ackley menggunakan Representasi Biner Jusmawati Massalesse Abstrak Tulisan ini dimaksudkan untuk memperlihatkan proses
Lebih 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 terperinciPENGGUNAAN ALGORITMA GENETIKA PADA PENJADWALAN PRODUKSI DI PT DNP INDONESIA PULO GADUNG
PENGGUNAAN ALGORITMA GENETIKA PADA PENJADWALAN PRODUKSI DI PT DNP INDONESIA PULO GADUNG Suriadi AS, Ulil Hamida, N. Anna Irvani STMI Jakarta, Kementerian Perindustrian RI ABSTRAK Permasalahan yang terjadi
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 terperinciPERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN
PERFORMANCE ALGORITMA GENETIKA (GA) PADA PENJADWALAN MATA PELAJARAN Eva Desiana, M.Kom Pascasarjana Teknik Informatika Universitas Sumatera Utara, SMP Negeri 5 Pematangsianta Jl. Universitas Medan, Jl.
Lebih terperinciAPLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI SKRIPSI
Prosiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 APLIKASI ALGORITMA GENETIKA DALAM PENENTUAN DOSEN PEMBIMBING SEMINAR HASIL PENELITIAN DAN DOSEN PENGUJI
Lebih terperinciImplementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah
Implementasi Algoritma Genetika dalam Pembuatan Jadwal Kuliah Leonard Tambunan AMIK Mitra Gama Jl. Kayangan No. 99, Duri-Riau e-mail : leo.itcom@gmail.com Abstrak Pada saat ini proses penjadwalan kuliah
Lebih terperinciM. Ainul Yaqin 1,Totok Lisbiantoro 2, Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang
OPTIMASI PENJADWALAN PERKULIAHAN JURUSAN TEKNIK INFORMATIKA UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG MENGGUNAKAN ALGORITMA GENETIKA DENGAN METODE SELEKSI RANK M. Ainul Yaqin 1,Totok Lisbiantoro
Lebih terperinciTugas Mata Kuliah E-Bisnis REVIEW TESIS
Tugas Mata Kuliah E-Bisnis REVIEW TESIS Desain Algoritma Genetika Untuk Optimasi Penjadwalan Produksi Meuble Kayu Studi Kasus Pada PT. Sinar Bakti Utama (oleh Fransiska Sidharta dibawah bimbingan Prof.Kudang
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY
PENERAPAN ALGORITMA GENETIKA UNTUK MENYELESAIKAN PERMASALAHAN PENJADWALAN DOSEN DENGAN FUZZY Arief Kelik Nugroho Fakultas Teknik, Universitas PGR Yogyakarta e-mail : ariefkeliknugroho@gmail.com Abstrak
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 terperinciAlgoritma Evolusi Dasar-Dasar Algoritma Genetika
Algoritma Evolusi Dasar-Dasar Algoritma Genetika Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Pengantar 2. Struktur Algoritma Genetika 3. Studi Kasus: Maksimasi Fungsi Sederhana 4. Studi
Lebih terperinciSistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama)
Sistem Penjadwalan Outsourcing Menggunakan Algoritma Genetika (Studi Kasus : PT. Syarikatama) Ari Janata 1, Elin Haerani 2 1,2 Teknik Informatika, UIN Sultan Syarif Kasim Riau Jl. H.R. Soebrantas no. 155
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 terperinciPERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI
PERANCANGAN TATA LETAK FASILITAS BAGIAN PRODUKSI MENGGUNAKAN METODE ALGORITMA GENETIK DI PT. PUTRA SEJAHTERA MANDIRI TUGAS SARJANA Diajukan Untuk Memenuhi Sebagian Dari Syarat-Syarat Memperoleh Gelar Sarjana
Lebih terperinciSIMULASI A TRIA MESI DALAM PE GOLAHA PERTA IA DE GA METODE JOB SHOP SCHEDULLI G PROBLEM
Prosiding Seminar Nasional SPMIPA 2006 SIMULASI A TRIA MESI DALAM PE GOLAHA PERTA IA DE GA METODE JOB SHOP SCHEDULLI G PROBLEM Satriyo Adhy, Edy Suharto Program Studi Ilmu Komputer Jurusan Matematika Fakultas
Lebih terperinciAplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP)
JTRISTE, Vol.1, No.2, Oktober 2014, pp. 50~57 ISSN: 2355-3677 Aplikasi Algoritma Genetika Untuk Menyelesaikan Travelling Salesman Problem (TSP) STMIK Handayani Makassar najirah_stmikh@yahoo.com Abstrak
Lebih terperinciOptimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar
Optimasi Kendali Distribusi Tegangan pada Sistem Tenaga Listrik dengan Pembangkit Tersebar Soni Irawan Jatmika 2210 105 052 Pembimbing : 1. Prof. Dr. Ir. Adi Soeprijanto, MT. 2. Heri Suryoatmojo, ST. MT.
Lebih terperinciBAB II TINJAUAN PUSTAKA. Khowarizmi. Algoritma didasarkan pada prinsiup-prinsip Matematika, yang
BAB II TINJAUAN PUSTAKA A. ALGORITMA Algoritma adalah metode langkah demi langkah pemecahan dari suatu masalah. Kata algoritma berasal dari matematikawan Arab ke sembilan, Al- Khowarizmi. Algoritma didasarkan
Lebih terperinciPENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA
PENYELESAIAN KNAPSACK PROBLEM MENGGUNAKAN ALGORITMA GENETIKA Kartina Diah KW1), Mardhiah Fadhli2), Charly Sutanto3) 1,2) Jurusan Teknik Komputer Politeknik Caltex Riau Pekanbaru Jl. Umban Sari No.1 Rumbai-Pekanbaru-Riau
Lebih terperinciABSTRAK. Laporan Tugas Akhir. Universitas Kristen Maranatha
ABSTRAK PT. Kerta Laksana adalah perusahaan manufaktur yang bergerak di bidang pembuatan mesin, dimana pesanan pada perusahaan ini bersifat Job Order. Dalam menjadwalkan pesanan yang diterima, perusahaan
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 terperinciALGORITMA GENETIK PADA MASALAH TATA LETAK MESIN DENGAN PENGKODEAN KROMOSOM UNTUK UKURAN MESIN YANG BERBEDA-BEDA
Jurnal Computech & Bisnis, Vol. 5, No. 2, Desember 2011, 81-88 ISSN Algoritma 1978-9629 Genetik Pada Masalah Tata Letak Mesin...(Nelly Indriani W) ALGORITMA GENETIK PADA MASALAH TATA LETAK MESIN DENGAN
Lebih terperinciMEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB
MEMBANGUN TOOLBOX ALGORITMA EVOLUSI FUZZY UNTUK MATLAB Syafiul Muzid 1, Sri Kusumadewi 2 1 Sekolah Pascasarjana Magister Ilmu Komputer, Universitas Gadjah Mada, Yogyakarta e-mail: aakzid@yahoo.com 2 Jurusan
Lebih terperinciKNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA
LAPORAN TUGAS BESAR ARTIFICIAL INTELLEGENCE KNAPSACK PROBLEM DENGAN ALGORITMA GENETIKA Disusun Oleh : Bayu Kusumo Hapsoro (113050220) Barkah Nur Anita (113050228) Radityo Basith (113050252) Ilmi Hayyu
Lebih terperinciBAB III. Metode Penelitian
BAB III Metode Penelitian 3.1 Diagram Alir Penelitian Secara umum diagram alir algoritma genetika dalam penelitian ini terlihat pada Gambar 3.1. pada Algoritma genetik memberikan suatu pilihan bagi penentuan
Lebih terperinciALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 5, No. 03(2016), hal 265 274. ALGORITMA GENETIKA PADA PEMROGRAMAN LINEAR DAN NONLINEAR Abdul Azis, Bayu Prihandono, Ilhamsyah INTISARI Optimasi
Lebih 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 terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK Perusahaan X merupakan salah satu perusahaan manufaktur yang memproduksi berbagai macam produk berbahan baku besi dan stainless steel. Produk yang dihasilkan seperti cabinet, trolley, pagar, tangki
Lebih terperinciTEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA. Oleh Dian Sari Reski 1, Asrul Sani 2, Norma Muhtar 3 ABSTRACT
TEKNIK PENJADWALAN KULIAH MENGGUNAKAN METODE ALGORITMA GENETIKA Oleh Dian Sari Reski, Asrul Sani 2, Norma Muhtar 3 ABSTRACT Scheduling problem is one type of allocating resources problem that exist to
Lebih terperinciBAB I PENDAHULUAN. telah diadopsi untuk mengurangi getaran pada gedung-gedung tinggi dan struktur
BAB I PENDAHULUAN 1.1 Latar Belakang Tuned mass damper (TMD) telah banyak digunakan untuk mengendalikan getaran dalam sistem teknik mesin. Dalam beberapa tahun terakhir teori TMD telah diadopsi untuk mengurangi
Lebih terperinciBAB III METODE PENELITIAN. Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika
BAB III METODE PENELITIAN 3.1. Waktu dan Tempat Penelitian Penelitian dilakukan dilingkungan Jurusan Ilmu Komputer Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lampung. Waktu penelitian dilaksanakan
Lebih terperinciOptimasi Penjadwalan Ujian Menggunakan Algoritma Genetika
Optimasi Penjadwalan Ujian Menggunakan Algoritma Genetika Nia Kurnia Mawaddah Wayan Firdaus Mahmudy, (wayanfm@ub.ac.id) Jurusan Matematika, FMIPA Universitas Brawijaya, Malang 65145 Abstrak Penjadwalan
Lebih terperinciPENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN ALGORITMA GENETIKA DI PT PERTANI (PERSERO) CABANG D.I. YOGYAKARTA
PENJADWALAN PRODUKSI MENGGUNAKAN PENDEKATAN ALGORITMA GENETIKA DI PT PERTANI (PERSERO) CABANG D.I. YOGYAKARTA Alex Alfandianto, Yohanes Anton Nugroho, Widya Setiafindari Program Studi Teknik Industri Universitas
Lebih terperinciBAB 2 LANDASAN TEORI
7 BAB 2 LANDASAN TEORI 2.1 Penjadwalan Perkuliahan Penjadwalan memiliki pengertian durasi dari waktu kerja yang dibutuhkan untuk melakukan serangkaian untuk melakukan aktivitas kerja[10]. Penjadwalan juga
Lebih terperinciPeramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika
Peramalan Kebutuhan Beban Sistem Tenaga Listrik Menggunakan Algoritma Genetika M. Syafrizal, Luh Kesuma Wardhani, M. Irsyad Jurusan Teknik Informatika - Universitas Islam Negeri Sultan Syarif Kasim Riau
Lebih terperinciPENGARUH ELISTM DALAM PENYELESAIAN PERMASALAHAN PENJADWALAN MESIN DENGAN MENGGUNAKAN ALGORITMA BEREVOLUSI
PENGARUH ELISTM DALAM PENYELESAIAN PERMASALAHAN PENJADWALAN MESIN DENGAN MENGGUNAKAN ALGORITMA BEREVOLUSI Sri Yulianti, Nurmaulidar, dan Taufiq Abdul Gani Jurusan Matematika, FMIPA Center for Computational
Lebih terperinciPerancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali)
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Perancangan Sistem Penjadwalan Asisten Dosen Menggunakan Algoritma Genetika (Studi Kasus: STIKOM Bali) I Made Budi Adnyana
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK PT. Press Metal Indo Jaya merupakan salah satu perusahaan besar yang memproduksi produk teknologi dengan bahan utama logam, terutama spare part motor. Berdasarkan pengamatan yang dilakukan di perusahaan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pada awal diciptakan, komputer hanya difungsikan sebagai alat hitung saja. Namun seiring dengan perkembangan zaman, maka peran komputer semakin mendominasi kehidupan.
Lebih terperinciOPTIMASI PREVENTIVE MAINTENANCE
OPTIMASI PREVENTIVE MAINTENANCE PADA SHIPPING PUMP DENGAN GENETIC ALGORITHM DI JOINT OPERATING BODY PERTAMINA PETROCHINA EAST JAVA (JOB P-PEJ) SOKO TUBAN Ahmad Asrori NRP. 2410100004 Pembimbing I, Dr.
Lebih terperinciPENYELESAIAN MASALAH JOB SHOP MENGGUNAKAN ALGORITMA GENETIKA
Satriyo Adhy, Kushartantya PENYELESAIAN MASALAH JOB SHOP MENGGUNAKAN ALGORITMA GENETIKA Satriyo Adhy dan Kushartantya Teknik Informatika Universitas Diponegoro Semarang satriyo@undip.ac.id, kushartantya@undip.ac.id
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 terperinciALGORITMA GENETIKA. Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning
ALGORITMA GENETIKA Suatu Alternatif Penyelesaian Permasalahan Searching, Optimasi dan Machine Learning Disusun oleh: Achmad Basuki Politeknik Elektronika Negeri Surabaya, PENS ITS Surabaya 2003 Algoritma
Lebih terperinciBAB 2 LANDASAN TEORI
36 BAB 2 LANDASAN TEORI 2.1 Pengurutan Pekerjaan (Job Sequencing) 2.1.1 Deskripsi Umum Dalam industri manufaktur, tujuan penjadwalan ialah untuk meminimasikan waktu dan biaya produksi, dengan cara mengatur
Lebih terperinciAPLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
APLIKASI UNTUK PREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN ALGORITMA GENETIKA, STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS Hafid Hazaki 1, Joko Lianto Buliali 2, Anny Yuniarti 2
Lebih terperinciPRESENTASI TUGAS AKHIR CF 1380 PENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN
PRESENTASI TUGAS AKHIR CF 1380 PENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN Penyusun Tugas Akhir : Fachrudin Afandi (NRP : 5204.100.017) Dosen Pembimbing
Lebih terperinciA. ADHA. Program Studi Teknik Sipil, Fakultas Teknik,Universitas Islam Riau, Pekanbaru, Indonesia Corresponding author:
Institut Teknologi Padang, 27 Juli 217 ISBN: 978-62-757-6-7 http://eproceeding.itp.ac.id/index.php/spi217 Optimasi Bentuk Struktur dan Penampang pada Struktur Rangka Baja Terhadap Kendala Kehandalan Material
Lebih terperinciBAB III PENERAPAN ALGORITMA MEMETIKA DAN GRASP DALAM MENYELESAIKAN PFSP
BAB III PENERAPAN ALGORITMA MEMETIKA DAN GRASP DALAM MENYELESAIKAN PFSP Prosedur AM dan GRASP dalam menyelesaikan PFSP dapat digambarkan oleh flowchart berikut: NEH GRASP SOLUSI NEH SOLUSI ELIT MEMETIKA
Lebih terperinciBAB 2 DASAR TEORI. 2.1 Teka-Teki Silang
BAB 2 DASAR TEORI 2.1 Teka-Teki Silang Teka-teki silang atau disingkat TTS adalah suatu permainan yang mengharuskan penggunanya untuk mengisi ruang-ruang kosong dengan huruf-huruf yang membentuk sebuah
Lebih terperinciPENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC)
PENERAPAN ALGORITMA GENETIKA DALAM PENYELESAIAN TRAVELLING SALESMAN PROBLEM WITH PRECEDENCE CONSTRAINTS (TSPPC) Yayun Hardianti 1, Purwanto 2 Universitas Negeri Malang E-mail: yayunimoet@gmail.com ABSTRAK:
Lebih terperinciAlgoritma Evolusi Real-Coded GA (RCGA)
Algoritma Evolusi Real-Coded GA (RCGA) Imam Cholissodin imam.cholissodin@gmail.com Pokok Bahasan 1. Siklus RCGA 2. Alternatif Operator Reproduksi pada Pengkodean Real 3. Alternatif Operator Seleksi 4.
Lebih terperinci2 TINJAUAN PUSTAKA. 2.1 Peringkasan Teks
4 2 TINJAUAN PUSTAKA 2.1 Peringkasan Teks Peringkasan teks adalah proses pemampatan teks sumber ke dalam versi lebih pendek namun tetap mempertahankan informasi yang terkandung didalamnya (Barzilay & Elhadad
Lebih terperinciGenerator Jadwal Perkuliahan Menggunakan Algoritma Genetika
Generator Jadwal Perkuliahan Menggunakan Algoritma Genetika Zainal Akbar 1), Muh. Fajri Raharjo 2), Eddy Tungadi 3) CAIR, Politeknik Negeri Ujung Pandang Jl. Perintis Kemerdekaan km. 10, Tamalanrea Makassar,
Lebih terperinciBAB 1 PENDAHULUAN. 1 Randy L Haupt & Sue Ellen Haupt, Practical Genetic Algorithms second edition, Wiley Interscience,2004.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Seseorang salesman tentu akan sangat kesulitan jika harus mengunjungi semua kota sendirian, oleh karena itu dibutuhkan beberapa orang salesman untuk membagi
Lebih terperinciOPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK
Seminar Nasional Aplikasi Teknologi Informasi 2008 (SNATI 2008) ISSN 1907-5022 OPTIMASI QUERY DATABASE MENGGUNAKAN ALGORITMA GENETIK Manahan Siallagan, Mira Kania Sabariah, Malanita Sontya Jurusan Teknik
Lebih terperinciBab II Konsep Algoritma Genetik
Bab II Konsep Algoritma Genetik II. Algoritma Genetik Metoda algoritma genetik adalah salah satu teknik optimasi global yang diinspirasikan oleh proses seleksi alam untuk menghasilkan individu atau solusi
Lebih terperinciOptimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi
Optimasi Metode Fuzzy Dengan Algoritma Genetika Pada Kontrol Motor Induksi Rahman Aulia Universitas Sumatera Utara Pasca sarjana Fakultas Ilmu Komputer Medan, Indonesia Rahmanaulia50@gmail.com Abstract
Lebih terperinciOPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN
OPTIMISASI PENEMPATAN TURBIN ANGIN DI AREA LAHAN ANGIN MENGGUNAKAN ALGORITMA GENETIKA Azimatul Khulaifah 2209 105 040 Bidang Studi Sistem Tenaga Jurusan Teknik Elektro FTI ITS Dosen Pembimbing : Dosen
Lebih terperinciOPTIMASI PENATAAN SILINDER DALAM KONTAINER DENGAN ALGORITMA GENETIKA
OPTIMASI PENATAAN SILINDER DALAM KONTAINER DENGAN ALGORITMA GENETIKA Novita Wulan Sari 1, Yuliana Setyowati 2, S.Kom, M.Kom, Ira Prasetyaningrum 2, S. Si, M.T 1 Mahasiswa, 2 Dosen Pembimbing Politeknik
Lebih terperinciABSTRAK. Universitas Kristen Maranatha
ABSTRAK PT. Kerta Laksana merupakan perusahaan yang bergerak di bidang manufaktur mesin. Sistem produksi yang diterapkan perusahaan ialah job shop karena perusahaan ini memproduksi banyak variasi mesin
Lebih terperinciBAB III PEMBAHASAN. menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian
BAB III PEMBAHASAN Dalam bab ini akan dibahas mengenai pembentukan portofolio optimum menggunakan model Fuzzy Mean Absolute Deviation (FMAD) dan penyelesaian model Fuzzy Mean Absolute Deviation (FMAD)
Lebih terperinciBAB 2 LANDASAN TEORI. 2.1 Algoritma Genetika
6 BAB 2 LANDASAN TEORI 2.1 Algoritma Genetika Algoritma genetika merupakan metode pencarian yang disesuaikan dengan proses genetika dari organisme-organisme biologi yang berdasarkan pada teori evolusi
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA 2.1 Algoritma Genetika Algoritma genetika merupakan algoritma pencarian heuristik ysng didasarkan atas mekanisme seleksi alami dan genetika alami (Suyanto, 2014). Adapun konsep dasar
Lebih terperinciPERANCANGAN ULANG TATA LETAK FASILITAS DENGAN PENDEKATAN CELLULAR MANUFACTURING SYSTEM (STUDI KASUS DI PT. MALANG INDAH)
PERANCANGAN ULANG TATA LETAK ASILITAS DENGAN PENDEKATAN CELLULAR MANUACTURING SYSTEM (STUDI KASUS DI PT. MALANG INDAH) RE-DESIGNING O ACILITY LAYOUT WITH CELLULAR MANUACTURING SYSTEM APPROACH (CASE STUDY
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 Edisi... Volume..., Bulan 20.. ISSN :
Jurnal Ilmiah Komputer dan Informatika (KOMPUTA) 45 IMPLEMENTASI ALGORITMA GENETIKA UNTUK PENJADWALAN MATA PELAJARAN DI SMAN 1 CIWIDEY Rismayanti 1, Tati Harihayati 2 Teknik Informatika Universitas Komputer
Lebih terperinci1. Pendahuluan 1.1. Latar Belakang
1. Pendahuluan 1.1. Latar Belakang Perkembangan teknologi informasi yang begitu pesat sekarang ini memberikan dampak yang besar terhadap kinerja manusia khususnya dalam bekerja. Segala sesuatu yang dahulu
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Konsep Dasar Sistem dan Informasi 2.1.1 Sistem Menurut Sutabri (2004), bahwa sistem adalah sekelompok unsur yang erat hubungannya satu dengan yang lainnya berfungsi untuk mencapai
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka. Penelitian serupa mengenai penjadwalan matakuliah pernah dilakukan oleh penelliti yang sebelumnya dengan metode yang berbeda-neda. Berikut
Lebih terperinciPenjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam. penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut
BAB I PENDAHULUAN A. Latar Belakang Penjadwalan kegiatan merupakan pekerjaan yang tidak mudah, karena dalam penyusunannya memerlukan perencanaan yang matang agar kegiatan tersebut terlaksana dengan optimal.
Lebih terperinciPERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA
PERANCANGAN APLIKASI PENJADWALAN TRAVELING SALESMAN PROBLEM DENGAN ALGORITMA GENETIKA Hendy Tannady; Andrew Verrayo Limas Industrial Engineering Department, Faculty of Engineering, Binus University Jl.
Lebih terperinciPembimbing I : Wiwik Anggraeni, S.Si, M.Kom Pembimbing II : Amalia Utamima, S.Kom, MBA KHAIRIL JUHDI SIREGAR
Pembimbing I : Wiwik Anggraeni, S.Si, M.Kom Pembimbing II : Amalia Utamima, S.Kom, MBA KHAIRIL JUHDI SIREGAR 5209100710 Optimasi Penjadwalan Proyek Menggunakan Metode Algoritma Genetika Abstrak Penjadwalan
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 terperinciOPTIMASI PENYUSUNAN BOX KOMPONEN PROGRAM SPIRIT DI DALAM CONTAINER UNTUK MEMINIMASI SPACE KOSONG MENGGUNAKAN METODE ALGORITMA GENETIKA
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 2890 OPTIMASI PENYUSUNAN BOX KOMPONEN PROGRAM SPIRIT DI DALAM CONTAINER UNTUK MEMINIMASI SPACE KOSONG MENGGUNAKAN METODE ALGORITMA
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI OPTIMASI PENYUSUNAN IKLAN GAMBAR DENGAN ALGORITMA GENETIKA ABSTRAK
PERANCANGAN DAN PEMBUATAN APLIKASI OPTIMASI PENYUSUNAN IKLAN GAMBAR DENGAN ALGORITMA GENETIKA Leo Willyanto Santoso*, Johan Saputra**, dan Rolly Intan*** *, **, ***Jurusan Teknik Informatika FTI Universitas
Lebih terperinciPENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL
Jurnal Matematika UNAND Vol. 2 No. 2 Hal. 1 9 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND PENCOCOKAN KATA SECARA ACAK DENGAN METODE ALGORITMA GENETIKA MENGGUNAKAN PROGRAM PASCAL MULIA AFRIANI KARTIKA
Lebih terperinciPENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION
PENERAPAN ALGORITMA GENETIKA UNTUK TRAVELING SALESMAN PROBLEM DENGAN MENGGUNAKAN METODE ORDER CROSSOVER DAN INSERTION MUTATION Samuel Lukas 1, Toni Anwar 1, Willi Yuliani 2 1) Dosen Teknik Informatika,
Lebih terperinciPenjadwalan Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS
JURNAL TEKNIK POMITS Vol. 2, No. 1, (2013) ISSN: 2337-3539 (2301-9271 Print) A-127 Mata Kuliah Menggunakan Algoritma Genetika di Jurusan Sistem Informasi ITS Wiga Ayu Puspaningrum, Arif Djunaidy, dan Retno
Lebih terperinciUniversitas Kristen Maranatha
ABSTRAK PT Sinar Terang Logamjaya merupakan salah satu perusahaan yang memproduksi sparepart motor yang berbahan utama logam. Perusahaan menerapkan layout lantai produksi berupa layout by process. oleh
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 terperinci