Penerapan Fuzzy Dan Algoritma Genetika Pada Permasalahan Job Shop Scheduling

Novi Kumalasari, 080513305 (2009) Penerapan Fuzzy Dan Algoritma Genetika Pada Permasalahan Job Shop Scheduling. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (Abstrak)
gdlhub-gdl-s1-2011-kumalasari-15841-abstrak-p.pdf

Download (253kB) | Preview
[img] Text (Full Text)
gdlhub-gdl-s1-2011-kumalasari-13209-kkckkm-p.pdf
Restricted to Registered users only

Download (869kB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Skripsi ini bertujuan untuk menyelesaikan permasalahan job shop scheduling menggunakan fuzzy dan algoritma genetik (Genetic Algorithm atau GA) dengan j job dan m mesin, masing – masing job memiliki beberapa alternatif mesin pemroses dengan waktu yang berbeda pula dengan tujuan meminimalkan penalti. Penalti yang paling minimal berarti bahwa beban job di masing-masing mesin seimbang, distribusi mesin lebih merata sesuai dengan kemampuan mesinnya. Fuzzy digunakan untuk memilih salah satu mesin dari beberapa alternatif mesin pemroses. Input fuzzy berupa MTTF mesin (rata – rata waktu kerusakan mesin). Output fuzzy berupa ranking kemampuan mesin. Berdasarkan output fuzzy itu maka dapat dipilih salah satu mesin dengan kriteria bahwa mesin yang dipilih adalah mesin dengan ranking terbesar. Algoritma genetika merupakan algoritma yang diinspirasikan proses – proses teori evolusi. Proses algoritma genetika untuk persoalan job shop scheduling yang digunakan dalam skripsi ini adalah membangkitkan populasi awal secara acak dengan kode acak sebanyak pop_size, lalu masing – masing individu dievaluasi dan diseleksi elitism, selanjutnya akan dilaksanakan partial schedule exchange crossover dan a job pair exchange mutation dan dibentuk populasi baru. Proses diulangi sampai N generasi yang diinginkan. Data I yang digunakan adalah 4 job dan 3 mesin yang diambil dari Morad, Othman dan Subari dan data II adalah data modifikasi (Wardani, 2006) yang berisi 6 job dan 6 mesin. Data I yang diselesaikan dengan menggunakan program C++ builder parameter-parameter yang digunakan adalah MTTF mesin 0=29, MTTF mesin 1=45,8, MTTF mesin 2= 27,5, pop_size=10, pc=0,6, pm=0,01, maksimum generasi adalah 1 dan 10 diperoleh makespan sebesar 115 pada maksimum generasi 1 dan makespan sebesar 105 pada maksimum generasi 10 dengan minimal penalti yang sama sebesar 100. Data II yang diselesaikan dengan menggunakan C++ builder, parameter-parameter antara lain: MTTF mesin 0=26,9, MTTF mesin 1=18,8, MTTF mesin 2=28,8, MTTF mesin 3=33,2, MTTF mesin 4=17,5, MTTF mesin 5=20, dengan parameter GA yang sama pada data I diperoleh makespan sebesar 70 pada maksimum generasi 1 dan makespan sebesar 68 pada maksimum generasi 10 dengan minimal penalti yang sama sebesar 10.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK MPM 52/10 Kum p
Uncontrolled Keywords: GENETIC ALGORITHMS
Subjects: Q Science > QA Mathematics > QA276-280 Mathematical Analysis
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsEmail
Novi Kumalasari, 080513305UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorEto Wuryanto, Drs.,DEAUNSPECIFIED
ContributorDyah Herawatie, Ir.,M.SiUNSPECIFIED
Depositing User: Tn Septian Eko Budianto
Date Deposited: 08 Mar 2011 12:00
Last Modified: 23 Sep 2016 07:22
URI: http://repository.unair.ac.id/id/eprint/25490
Sosial Share:

Actions (login required)

View Item View Item