MARINA RATNASARI, 081012114 (2016) ALGORITMA CAT SWARM OPTIMIZATION (CSO) UNTUK MENYELESAIKAN PERMUTATION FLOWSHOP SCHEDULING PROBLEM (PFSP. Skripsi thesis, UNIVERSITAS AIRLANGGA.

Preview	Text (HALAMAN DEPAN) HALAMAN DEPAN.pdf Download (740kB) | Preview
	Text (BAB I PENDAHULUAN) 13 BAB I PENDAHULUAN.pdf Restricted to Registered users only Download (492kB) | Request a copy
	Text (BAB II TINJAUAN PUSTAKA) 14 BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only Download (726kB) | Request a copy
	Text (BAB III METODE PENELITIAN) 15 BAB III METODE PENELITIAN.pdf Restricted to Registered users only Download (621kB) | Request a copy
	Text (BAB IV PEMBAHASAN) 16 BAB IV PEMBAHASAN.pdf Restricted to Registered users only Download (873kB) | Request a copy
	Text (BAB V KESIMPULAN DAN SARAN) 17 BAB V KESIMPULAN DAN SARAN.pdf Restricted to Registered users only Download (557kB) | Request a copy
	Text (DAFTAR PUSTAKA) 18 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (457kB) | Request a copy
	Text (LAMPIRAN) 19 LAMPIRAN.pdf Restricted to Registered users only Download (889kB) | Request a copy

Abstract

Penjadwalan permutation flowshop didefinisikan sebagai permasalahan untuk mendapatkan solusi optimal yang melibatkan n job dan m mesin dalam proses produksinya. Dalam penjadwalan permutation flowshop setiap job diproses dalam setiap mesin dengan urutan yang sama. Oleh karena itu, tujuan dari penulisan skripsi ini adalah menyelesaikan Permutation Flowshop Scheduling Problem dengan algoritma Cat Swarm Optimization. Algoritma Cat Swarm Optimization (CSO) merupakan salah satu metode heuristic yang dibangun berdasarkan pengamatan perilaku sekumpulan keluarga kucing, dan terdiri atas dua sub mode yang menstimulasi kebiasaan dari kucing. Berdasarkan eksperimen pada jurnal otentiknya, hasil menunjukkan bahwa CSO lebih superior dibandingkan PSO. Algoritma ini pertama kali dikembangkan oleh Tsu Chuan Chu dan Pe We Tsai tahun 2007 di Taiwan. Proses dari algoritma ini dimulai dengan inisialisasi parameter, membentuk populasi awal kucing, menghitung nilai objektif, menghitung nilai fitness, menentukan Self Position Considering (SPC), menentukan flag untuk setiap kucing, memproses setiap kucing sesuai dengan benderanya, dan menentukan global best, proses ini terus berlanjut sampai iterasi maksimum dipenuhi. Data yang digunakan adalah data 5-job dengan 4-mesin, data 13-job dengan 4-mesin dan data 20-job dengan 10-mesin serta diselesaikan dengan bahasa pemrograman C++, menggunakan software Borland C++. Makespan minimim untuk data 5-job dengan 4-mesin adalah 76 satuan, untuk data 13-job dengan 4-mesin adalah 7166 satuan waktu dan untuk data 20-job dengan 10-mesin adalah 142 satuan waktu.

Actions (login required)

View Item