ALGORITMA GENETIKA Teori dan Aplikasinya untuk Bisnis dan Industri

(1)

(2)

ALGORITMA

G,ENETIKA

Teori dan Aplikasinya untuk Bisnis dan Industri

Yandra Arkeman

Kudang Boro Seminar

(3)

I

ALGORITMA GENETlKA

Teori dan Aplikasinya untuk Bisnis dan Industri

Yandra Arkeman

Kudang Bara Seminar

Hendra Gunawan

Korektor Bahasa : Hans Baihaqi Desainer Sampul & _{Tata Letak} _{: Sani Etyarsah}

Sumber gambar cover : sepocikopi.com

PT Penerbit IPB Press

Kampus IPB Taman Kencana Bogor Cetakan Pertama: September 2012

Hak cipta dilindungi oleh undang-undang

Dilarang memperbanyak buku ini tanpa izin tertulis dari Penerbit

(4)

Daftar lsi

KATA PENGANTAR ... v

DAFT AR lSI ... Vll BAB 1 PENDAHULUAN: STATE OF THE ART OF INTELLIGENT SYSTEMS ... . 1.1 Sis tern Pakar (Expert System) ... 2

1.2 LogikaFuzzy(Fuzzy L ogic) ... 4

1.3

J

aringan SarafTiruan (Artificial N eural N etwork) ... 6

1.4 Algoritrna genetika (Genetic Algorithms) ... 9 BAB 2 ALGORITMA GENETIKA 13

2.1 Kelahiran Algoritrna Genetika ... ... .. 2.2 Konsep Dasar Algoritrna Genetika ... .. 2.3 Representasi Krornosorn ... .... .... ... .. 2.4 Fungsi Fitness dan Fungsi Tujuan .. .. ... . 2.5 Seleksi Krornosorn ... .. ... .. . 2.6 Operator-operator Algoritrna genetika ... . 2.6.1 Penyilangan ... .... ... .. 2.6.2 Mutasi

2.7 Comoh Ilustrasi Algoritrna genetika Sederhana ... ... ... ..

BAB 3 CONTOH KASUS MASALAH OPTIMASI ... .. 3.1 Kasus 1: Optirnasi Fungsi Sederhana f(x)=x2 ... .. . 3.2 Kasus 2: Optirnasi Fungsi Sulit-l ... .. 3.3 Kasus 3: Optirnasi Fungsi Sulit-2 .. .... ... ..

(5)

AlGORITMA GENETIKA

Teor; dan Aplikasillya uniuk Bisnis dan Includri

BAB 4 BAGAIMANA ALGORITMA GENETIKA BEKERJA? 57

4.1 Teori Schemata ... ... 57

4.2. Analisis Matematis Teori Schemata ... .... ... ... 59

4.2.l. Pengaruh Proses Seleksi terhadap Schemata ... 59

4.2.2. Pengaruh Proses Penyilangan terhadap Schemata ... 61

4.2.3. Pengaruh Proses Mutasi terhadap Schemata ... 63

BAB 5 APLIKASI ALGORITMA GENETIKA UNTUK PENJADW ALAN FLOW-SHOP BIDANG AGROINDUSTRI ... 67

5.1 Permasalahan ... 67

5.2 Formulasi Permasalahan ... 69

5.3 Representasi Kromosom ... 70

5.4 Fungsi Tujuan (FungsiFitness) ... 71

5.5 Penyilangan dan Mutasi ... 72

5.6 Comoh Penerapan Algoritma Genetika ... 73

5.6.1 Kasus 1: 4 job - 2 mesin ... 73

5.6.2 Kasus 2: 8 job - 3 mesin ... .. ... ... 84

5.7 Kesimpulan ... 94

BAB 6 APLIKASI ALGORITMA GENETIKA PADA OPTIMASI PENJADWALAN PRODUKSI MEUBEL KAYU ... 97

6.1 Pendekatan Masalah Penjadwalan dan Represemasi Masalah Formulasi ... 98

6.2 Represemasi Kromosom ... .. .. ... 100

6.3 Penggunaan Operator Genetika ... 102

6.4 Penetapan Fungsi Fitness ... 103

6.5 Penetapan Parameter Genetika ... ... 103

6.6 Pemodelan Matematika Penjadwalan ... 104

6.7 Implememasi Penjadwalan dengan Algoritma Genetika ... 107

(6)

AlGORITMA GENETIKA

Teor; dan Aplikasinya un/uk Bisll;s dOll Indusfr;

BAB 7 APLIKASI ALGORITMA GENETIKA DALAM SISTEM

PENJADWALAN BIDANG AGROINDUSTRI ... III 7. 1 Latar Belakang ... III

7.2 Formulasi Masalah ... 113

7.3 Pengembangan Sistem ... 114

7.3.1 Kasus 1: Penjadwalan job shop kasus 3 job-2 mesin ... 115

7.3.2 Kasus 2: Penjadwalan job shop kasus 3 job-3 mesin ... 128

7.3.3 Kasus 3: Penjadwalan job shop kasus 5 job-12 mesin ... 136

7.4 . Kesimpulan ... 146

BAB 8 APLIKASI ALGORITMA GENETIKA DALAM SISTEM PENUNJANG KEPUTUSAN CERDAS BIDANG AGROINDUSTRI ... 149

8.1 Latar Belakang ... 149

8.2 Formulasi Masalah ... .. ... ... 150

8.3 Pengembangan Sistem ... 151

8.3.1 Model Peramalan ... 152

8.3.2 Model Rencana Tanam ... 152

8.3.3 Model Perencanaan Agregat ... :... 153

8.3.4 Model MateriaL R equirement Planning (MRP) ... 156

8.3.5 Model Manajemen Inventory Kemasan ... 158

8.3.6 Model Rute Pengiriman ... 158

8.4 Kesimpulan ... 162

BAB 9 BERMAIN-MAIN DENGAN ALGORITMA GENETIKA ... 163

9.1 Permainan Optimasi Fungsi Sulit ... 163

9.1.1 Variasi Peluang Penyilangan

(Pc)

...

166

9.1.2 VariasiPeluangMutasi (Pm) ... 167

9.1.3 VariasiJumlah Populasi (PopSize) ... 168

9.1.4 VariasiSeedRandomNumber ... 169

9.2 Sekilas TentangRandom Number ... ... 170

(7)

ALGORITMA GENETIKA

Teori dan Ap/ikosinya untuk Bisnis dall Indus;ri

BAB 10 PENUTUP ... 173 10. 1 Peluang-peluang Inovasi Algoritma Gene tika

dalam Bisnis dan Industri ... 173 10.2 Tokoh-tokohAlgoritmaGenetika ... 176

DAFTARPUSTAKA ... 185

LAMPIRAN 191

PROFIL PENULIS ... 203

(8)

Bah

1

Pendahuluan:

State

Of The

Art Of

Intelligent Systems

Salah satu cabang ilmu komputer

(computer sdence)

yang

berkembang sangat pesat dewasa ini adalah

artjfjdal jntelljgence

(AI)

atau kecerdasan buatan. Sejak kelahirannya sampai saat ini, cabang

ilmu baru ini sudah banyak ditekuni oleh para ilmuwan, peneliti, dan

praktisi. Selain itu, hasilnya pun telah banyak diterapkan secara

komersil di berbagai bidang kehidupan. Sebagai contoh, pada alat-alat

komersil seperti mesin cuci, kamera,

AC,

kulkas, kini sudah diberi label

"pintar" atau

jntelJjgent

yang menandakan alat tersebut sudah

mengadopsi teknologi pintar, yang membuat konsumen semakin

nyaman dan mudah dalam pengoperasiannya. Untuk selanjutnya,

peralatan-peralatan pintar semacam ini akan semakin banyak lagi kalau

ditambahkan lagi dengan bidang ilmu dan teknologi maju lainnya,

seperti lengan robot otomatis di

space-shuttle

yang dibuat NASA dan

robot yang dipakai untuk ekspedisi di planet Mars. Selain itu, AI banyak

pula digunakan di dalam bisnis dan industri untuk membantu manajer

dalam proses pengambilan keputusan

(dedsjon makjng).

Alat bantu

(tool)

untuk para manajer ini sering disebut

fntelJjgent Dedsjon Support

Systems

(IDSS) atau

fntelJjgent Busjness Systems

(IBS).

Dengan

menggunakan alat bantu yang "cerdas", tentu saja keputusan yang

diambil oleh manajer akan lebih akurat dan lebih cepat dibandingkan

dengan alat-alat atau metode-metode konvensional yang sudah pernah

ada sebelumnya.

Usaha manusia untuk membuat mesin pintar

(jntelJjgent

(9)

ALGORITMA GENETIKA

Teori dan Api;kasinya untuk Sisnis dan Indus!r;

yaitu pada saat komputer diciptakan dan mulai digunakan secara luas di

banyak kehidupan manusia. Pada saat itu, timbul keinginan manusia

untuk mengubah komputer dari yang hanya sekedar alat pengolah data

(data processjng)

menjadi pengolah informasi

(jnformaNon processjng).

Kemampuan mengolah informasi inilah yang dipercaya sebagai salah

satu kemampuan manusia yang perlu ditiru oleh komputer sehingga

komputer tidak hanya sekedar dapat berhitung

(to compute)

tetapi juga

dapat "berpikir"

(to thjnk)

dan membuat keputusan-keputusan sulit

layaknya manusia pada umumnya atau para ahli

(experts/ speda]jsts)

pada khususnya.

Teknik dalam AI telah banyak dikembangkan dalam berbagai

bidang, teknik yang biasa dikembangkan yaitu :(1) Sistem Pakar

(Expert

'"

systems),

(2)

Fuzzy

ｌｯｧｪｾ＠

(3) Jaringan Saraf Tiruan

(Artjfjdal Neural

Networks),

dan (4) Algoritma Genetika

(Genetjc Algorjthms).

Sebelum

membahas secara mendalam tentang Algoritma genetika yang menjadi

topik buku ini, keempat teknik AI terse but akan diuraikan secara singkat