PENERAPAN SIMULATED ANNEALING UNTUK MEMPERBAIKI KONVERGENSI PREMATUR PADA ALGORITMA GENETIKA DALAM PENJADWALAN PRODUKSI

Sya’bana, Archan Habib (2022) PENERAPAN SIMULATED ANNEALING UNTUK MEMPERBAIKI KONVERGENSI PREMATUR PADA ALGORITMA GENETIKA DALAM PENJADWALAN PRODUKSI. Diploma thesis, UPN "Veteran" Yogyakarta.

	Text skripsi full.pdf Restricted to Repository staff only Download (5MB)
Preview	Text abstrak.pdf Download (1MB) | Preview
Preview	Text abstrak.pdf Download (1MB) | Preview
Preview	Text cover.pdf Download (1MB) | Preview
Preview	Text daftar isi.pdf Download (1MB) | Preview
Preview	Text daftar pustaka.pdf Download (1MB) | Preview

Abstract

Didalam perindustrian, perencanaan yang baik tentu diperlukan pada saat proses
produksi, dengan tujuan agar dapat menghasilkan keuntungan yang tinggi tanpa mengurangi
kualitas produk dan efisiensi sumber daya. Perencanaan produksi biasanya melibatkan
pengurutan proses produksi atau pengerjaan produk secara keseluruhan pada beberapa mesin
yang tersedia. Flowshop Scheduling Problem (FSP) sendiri adalah permasalahan penjadwalan
produksi dengan kondisi dimana setiap pekerjaan harus diproses tepat satu kali pada setiap
mesin, dengan urutan mesin yang dilalui setiap pekerjaan harus sama. Hampir semua masalah
yang dihadapi oleh industri dengan tipe produksi flowshop adalah masalah penjadwalan
produksi, terutama dalam menentukan urutan pekerjaan yang harus dilakukan secara efisien.
Kegagalan dalam mengatur urutan pekerjaan akan mengakibatkan keterlambatan penyelesaian
pekerjaan, kegunaan mesin yang rendah dan biaya produksi yang. Salah satu upaya agar
tercapainya penjadwalan yang optimal adalah dengan meminimalkan total waktu penyelesaian
serangkaian pekerjaan (makespan).
Banyak algoritma yang dikembangkan untuk menyelesaikan permasalahan
penjadwalan produksi. Dari beberapa penelitian yang sudah dilakukan terlihat bahwa tiap
algoritma memiliki keunggulan dan kelemahan masing-masing, dari beberapa algoritma
tersebut Algoritma Genetika dapat menghasilkan solusi yang optimal/mendekati optimal dalam
waktu yang cepat, Akan tetapi Algoritma Genetika memiliki kelemahan, yaitu dalam kerjanya
Algoritma Genetika dapat mengalami konvergensi prematur atau lokal optimum, maka
perlunya dilakukan teknik optimasi untuk mengatasi persamahalan tersebut. Pada penelitian ini
akan menggunakan algoritma Simulated Annealing yang akan digunakan untuk mengatasi
permaslahan Algoritma Genetika dari lokal optimum/konvergensi prematur , Algoritma
Genetika digunakan untuk mencari solusi yang optimal atau mendekati optimal pada ruang
solusi yang ada (explorasi), dan kemudian Simulated Annealing digunakan untuk mencari
solusi yang lebih baik berdasarkan solusi yang telah didapatkan di Algoritma Genetika.
Pada penelitian ini, pengujian akan dilakukan sebenyak 20 kali pada Algoritma
Genetika sederhana dan Hybrid Algoritma Genetika dan Simulated Annealing dimana
kemudian akan dilkaukan perbandingan dari nilai fitness yang dihasilkan Hybrid Algoritma
Genetika dan Simulated Annealin dengan algoritma genetika sederhana. Hasil pengujian yang
telah dilakukan menunjukkan nilai fitness terbaik yang dihasilkan oleh hybrid algoritma
genetika dan simulated annealing adalah 14926 dan nilai fitness terbaik yang dihasilkan
algoritma genetika sederhana adalah 15102.5, kemudian rata-rata nilai fitness yang dihasilkan
hybrid algoritma genetika dan simulated annealing adalah 14949.5 dan rata-rata nilai fitness
dari algoritma genetika sederhana adalah 15257.16. Berdasarkan peerbandingan tersebut
terlihat bahwa metode Hybrid Algoritma Genetika dan Simulated Annealing lebih unggul
karena dapat menghasilkan nilai fitness yang lebih baik dari pada Algoritma Genetika
sederhana, maka dapat dilihat dengan dilakukannya Hybrid dengan Simulated Annealing pada
Algoritma Genetika, kinerja dari algoritma genetika dapat meningkat, karena peran dari
simulated annealing dalam mencari solusi yang lebih baik (eksploitasi) pada individu-individu
yang terdapat di Algoritma Genetika.

Kata kunci : Penjadwalan Flowshop, Algoritma Gentika, Simulated Annealing,
Konvergensi Prematur

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	enjadwalan Flowshop, Algoritma Gentika, Simulated Annealing, Konvergensi Prematur
Subjek:	Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	15 Feb 2022 06:49
Last Modified:	15 Feb 2022 06:49
URI:	http://eprints.upnyk.ac.id/id/eprint/28383

Actions (login required)

View Item