Hybrid Algoritma Particle Swarm Optimization (PSO) dan Simulated Annealing (SA) untuk Menyelesaikan Flowshop Scheduling

Indah Nur Fadhilah, 081012074 (2014) Hybrid Algoritma Particle Swarm Optimization (PSO) dan Simulated Annealing (SA) untuk Menyelesaikan Flowshop Scheduling. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
gdlhub-gdl-s1-2015-fadhilahin-35079-6.ABSTRAK.pdf

Download (605kB) | Preview
[img] Text (FULLTEXT)
gdlhub-gdl-s1-2015-fadhilahin-35079-1.FULLTEXT.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Flowshop Scheduling didefinisikan sebagai suatu permasalahan untuk mendapatkan solusi optimal yang melibatkan n-job dan m-mesin dalam proses produksinya. Dalam penjadwalan flowshop setiap job diproses dalam setiap mesin dengan urutan yang sama. Tujuan dari flowshop scheduling adalah mendapatkan urutan job yang terbaik atau optimal, sehingga diperoleh total waktu pengerjaan yang minimal. Skripsi ini bertujuan untuk menyelesaikan flowshop scheduling menggunakan hybrid algoritma particle swarm optimization dan simulated annealing. Hybrid Algoritma PSO-SA merupakan algoritma yang menggabungkan antara algoritma PSO dan algoritma SA. Secara umum proses PSO adalah membangkitkan partikel, mencari pibest dan gbest, serta update kecepatan dan posisi. Hybrid algoritma PSO-SA merupakan suatu proses dengan pencarian pibest dan gbest dilakukan berdasarkan aturan SA. Algoritma ini berhenti ketika suhu yang dikehendaki sudah tercapai. Flowshop dengan data 4-job 3-mesin, 20-job 5-mesin, dan 20-job 10-mesin diselesaikan dengan hybrid algoritma PSO-SA menggunakan software Dev C++. Solusi terbaik dari flowshop 4-job 3-mesin adalah 62 satuan waktu dengan parameter S = 10, L = 5, T0 = 100, T = 10, dan α = 0,1. Solusi terbaik dari data flowshop 20-job 5-mesin adalah 1531 satuan waktu dengan parameter S = 10, L = 5, T0 = 100, T = 10, dan α = 0.001. Sedangkan solusi terbaik dari data flowshop 20-job 10-mesin adalah 2430 satuan waktu dengan parameter S = 10, L = 5, T0 = 100, T = 10, dan α = 0,001. Berdasarkan hasil yang diperoleh dari perhitungan semua data menunjukkan bahwa semakin kecil nilai koefisien cooling (α) maka iterasi yang dihasilkan akan semakin banyak sehingga makespan yang dihasilkan cenderung lebih baik.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK. MPM. 37-14 Fad h
Uncontrolled Keywords: PARTICLE SWARM OPTIMIZATION
Subjects: Q Science > QA Mathematics
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsNIM/NIDN
Indah Nur Fadhilah, 081012074UNSPECIFIED
Contributors:
ContributionNameNIDN/NIDK/NUP
ContributorHerry Suprajitno, Dr. M.Si.UNSPECIFIED
ContributorMiswanto, Dr. M.Si.UNSPECIFIED
Depositing User: Mrs Nadia Tsaurah
Date Deposited: 28 Jan 2015 12:00
Last Modified: 29 Aug 2016 03:18
URI: http://repository.unair.ac.id/id/eprint/28493
Sosial Share:

Actions (login required)

View Item View Item