Computer File
Penerapan algoritma genetika dengan multi-step crossover dalam permasalahan penjadwalan job shop dengan n job dan m mesin untuk meminimasi mean tardiness
Salah satu ukuran kualitas pelayanan konsumen adalah ketepatan
pengiriman barang. Keterlambatan pengiriman barang (tardiness) akan
mendatangkan kerugian pada perusahaan. Kerugian ini mungkin saja secara
langsung dapat dirasakan perusahaan seperti adanya biaya tambahan (penalti)
ataupun secara tidak langsung yaitu mengakibatkan kekecewaan konsumen.
Pada penelitian ini dikembangkan algoritma penjadwalan job shop untuk
meminimasi mean tardiness. Algoritma yang dikembangkan adalah algoritma
genetika dengan multi-step crossover (GA-MSX). Operator crossover dan mutasi
digabungkan dengan pencarian tetangga (neighborhood search) untuk
memodifikasi induk secara perlahan sejumlah langkah tertentu. Proses ini
memberikan operator crossover dan mutasi yang lebih baik dan membuat
penjelajahan ruang solusi menjadi lebih efektif.
Algoritma yang telah dikembangkan kemudian diterapkan pada
sejumlah kasus hipotetik dengan karakteristik yang berbeda-beda. Perbedaan ini
terletak pada karakteristik job shop, jumlah mesin paralel, jumlah jenis mesin,
jumlah job, dan kompleksitas permasalahan. Penelitian ini juga melakukan
analisis pengaruh parameter algoritma terhadap performansi algoritma.
Parameter-parameter yang dianalisis adalah probabilitas crossover, probabilitas
mutasi, dan jumlah step. Selain itu, performansi algoritma GA-MSX akan
dibandingkan dengan algoritma-algoritma lain seperti Viral System (VS), Artificial
Immune System (AIS), Bee Colony Optimization (BCO), dan Ant Colony System
(ACS).
Hasil implementasi menunjukkan algoritma GA-MSX dapat
menyelesaikan masalah penjadwalan job shop untuk mem1rnmasi mean
tardiness dengan baik. Pengaruh parameter algoritma GA-MSX dipengaruhi oleh
karakteristik permasalahan yang diselesaikan. Algoritma GA-MSX memberikan
performansi yang lebih baik dibandingkan dengan algoritma VS, BCO, dan ACS.
Algoritma GA-MSX memberikan performansi yang lebih baik dibandingkan
dengan AIS pada kasus kompleks namun justru lebih buruk pada permasalahan
yang lebih sederhana.
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp20389 | DIG - FTI | Skripsi | TI LIB p/10 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain