PENYELESAIAN JOB SHOP SCHEDULING PROBLEM (JSSP) MENGGUNAKAN HYBRID GENETIC ALGORITHM (GA) DAN PARTICLE SWARM OPTIMIZATION (PSO)

Henry Pradita, 080912089 (2014) PENYELESAIAN JOB SHOP SCHEDULING PROBLEM (JSSP) MENGGUNAKAN HYBRID GENETIC ALGORITHM (GA) DAN PARTICLE SWARM OPTIMIZATION (PSO). Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img]
Preview
Text (ABSTRAK)
gdlhub-gdl-s1-2015-praditahen-35198-6.ABSTRAK.pdf

Download (904kB) | Preview
[img] Text (FULLTEXT)
2015-praditahen-35198-1.FULLTEXT.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Job shop scheduling problem merupakan salah satu masalah penjadwalan yang dapat digambarkan sebagai sekumpulan pekerjaan dan mesin dengan setiap pekerjaan memiliki waktu proses dan urutan pada masing – masing mesin. Pada penulisan skripsi ini bertujuan untuk mendapatkan makespan yang terbaik sebagai solusi dari permasalahan job shop scheduling dengan menggunakan hybrid genetic algorithm (GA) dan particle swarm optimization (PSO). GA merupakan salah satu metode pencarian stokastik yang berdasarkan seleksi alam dan natural genetik. Algoritma PSO merupakan salah satu algoritma yang diadopsi dari perilaku organisme, seperti kawanan burung atau ikan. Hybrid GA dan PSO adalah gabungan dari kedua algoritma dengan cara melakukan proses GA terlebih dahulu kemudian ke proses PSO. Proses algoritma ini dimulai dengan inisialisasi parameter, pembangkitan solusi awal, evaluasi, seleksi roulette wheel, pencarian solusi baru dengan proses crossover dan mutasi, evaluasi, mencari solusi baru, proses ini dilakukan sampai setengah dari maksimum iterasi, kemudian melakukan proses algoritma PSO yaitu membangkitkan velocity, memilih personal best dan global best, mengupdate velocity, mengupdate individu, menghitung makespan tiap individu, mengupdate personal best dan global best, kemudian proses ini dilakukan sampai maksimum iterasi. Data yang digunakan adalah data 3 pekerjaan dengan 3 mesin, data 6 pekerjaan dengan 6 mesin, data 10 pekerjaan dengan 5 mesin, dan data 10 pekerjaan dengan 10 mesin yang diselesaikan dengan bahasa pemrogaman Java Netbeans IDE 7.3. Berdasarkan hasil perhitungan makespan, semakin besar jumlah maksimum iterasi dan jumlah individu, maka semakin baik hasil yang didapatkan.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK. MPM. 58-14 Pra p
Uncontrolled Keywords: GENETIC ALGORITHM; PARTICLE SWARM OPTIMIZATION
Subjects: Q Science > QA Mathematics
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsNIM/NIDN
Henry Pradita, 080912089UNSPECIFIED
Contributors:
ContributionNameNIDN/NIDK/NUP
ContributorAuli Damayanti, S. Si., M.Si.,UNSPECIFIED
ContributorMiswanto, Dr. M.Si.UNSPECIFIED
Depositing User: Mrs Nadia Tsaurah
Date Deposited: 30 Jan 2015 12:00
Last Modified: 06 Jun 2017 16:00
URI: http://repository.unair.ac.id/id/eprint/28514
Sosial Share:

Actions (login required)

View Item View Item