Optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika : Studi kasus industri mebel rumahan di Jombang

OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI MEBEL RUMAHAN DI JOMBANG). SKRIPSI. Oleh : NUR KHOFIFAH NIM. 1365009. JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 2018 i.

HALAMAN PENGAJUAN OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI MEBEL RUMAHAN DI JOMBANG). SKRIPSI. Diajukan kepada : Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang Untuk memenuhi Salah Satu Persyaratan dalam Memperoleh Gelar Sarjana Komputer (S.Kom). Oleh : NUR KHOFIFAH NIM. 13650009. JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 2018. ii.

HALAMAN PERSETUJUAN. OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI MEBEL RUMAHAN DI JOMBANG. SKRIPSI. Oleh : NUR KHOFIFAH NIM. 13650009. Telah Diperiksa dan Disetujui untuk Diuji Tanggal, ...................................... Pembimbing I. Pembimbing II. Fachrul Kurniawan, M.MT NIP. 19771020 200912 1 001. M. Imamudin, Lc., MA NIP. 19740602 200901 1 010. Mengetahui, Ketua Jurusan Teknik Informatika Fakultas Sain dan Teknologi UIN Maulana Malik Ibrahm Malang. Dr. Cahyo Crysdian NIP. 19740424 200901 1 008. iii.

HALAMAN PENGESAHAN. OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI MEBEL RUMAHAN DI JOMBANG SKRIPSI. OLEH: NUR KHOFIFAH NIM. 13650009 Telah Dipertahankan Di Depan Dewan Penguji Skripsi Dan Dinyatakan Diterima Sebagai Salah Satu Persyaratan Untuk Memperoleh Gelar Sarjana Komputer (S.Kom) Tanggal: Desember 2018 Susunan Dewan Penguji. :. Tanda Tangan. 1. Penguji Utama. :. Hani Nurhayati, M.T NIP. 19780625 200801 2 006. (. ). 2. Ketua Penguji. :. Dr. Muhammad Faisal, M.T NIP. 19740510 200501 1 007. (. ). 3. Sekretaris Penguji. :. Fachrul Kurniawan, M.MT NIP. 19771020 200912 1 001. (. ). 4. Anggota Penguji. :. M. Imamudin, Lc., MA NIP. 19740602 200901 1 010. (. ). Mengetahui, Ketua Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang. Dr. Cahyo Crysdian NIP. 19740424 200901 1 008. iv.

PERNYATAAN KEASLIAN TULISAN Saya yang bertanda tangan dibawah ini : Nama. : Nur Khofifah. NIM. : 13650009. Fakultas/Jurusan. : Sains dan Teknologi/Teknik Informatika. Judul Penelitian. : Optimasi Perkiraan Bahan Baku Mebel Menggunakan Metode Algoritma Genetika (Studi Kasus: Industri Mebel Rumahan Di Jombang). Menyatakan dengan sebenar-benarnya bahwa hasil penelitian saya tidak terdapat unsur-unsur duplikasi karya penelitian atau karya ilmiah yang pernah dilakukan atau dibuat oleh orang lain, kecuali yang secara tertulis dikutip dalam naskah ini dan dissebutkan dalam sumber kutipan dan daftar pustaka. Apabila ternyata hasil penelitian ini terbukti hasil jiplakan, maka saya bersedia menerima sanksi atas perbuatan tersebut.. Malang, Desember 2018 Yang membuat pernyataan. Nur Khofifah NIM. 13650009. v.

MOTTO BERUSAHA, BELAJAR, BERDOA, BERSYUKUR.. vi.

HALAMAN PERSEMBAHAN “Terima kasih untuk bapak, ibuk, dan keluarga” Serta teman-teman semua Khususnya “UKM Taekwondo UIN Maliki Malang” “Teman seperjuangan” “Teman grup” “Teman-teman sejurusan” Kalian sungguh berharga. Terima kasih untuk seluruh Dosen, dan staff Jurusan Teknik Informatika.. vii.

KATA PENGANTAR Assalamu’alaikum wr. wb. Segala puji bagi Allah tuhan semesta alam, karena atas segala rahmat dah karunia-Nya penulis mampu menyelesaikan skripsi dengan judul “Optimasi Bahan Baku Mebel Menggunakan Metode Algortima Genetika (Studi Kasus: Industri Mebel Rumahan Di Jombang)” dengan baik. Shalwat serta salam selalu tercurah kepada tauladan terbaik Nabi Muhammad SAW yang telah membimbing umatnya dari zaman kebodohan menuju Islam yang rahmatan lil alamiin. Dalam penyelesaia skripsi ini, banyak pihak yang telah memberi baantuan baik secara moril, semangat, maupun materiil. Atas segala bantuan tersebut, penulis ingin menyampaikan doa dan ucapan terima kasih yang sedalamdalamnya kepada: 1. Bapak Fachrul Kurniawan, ST., M.MT. selaku dosen pembimbing I yang telah meluangkan waktu untuk membimbing, mengarahkan, dan memberikan masukan kepada penulis dalam pengerjaan skripsi. 2. Bapak M. Imamuddin, Lc., MA. Selaku dosen pembimbing II yang juga senantiasa memberi masukan dan nasihat dalam penyusunan skripsi ini. 3. Bapak, ibuk serta keluarga yang selalu memberika doa dan dukungan yang sangat luar biasa. 4. Bapak Dr. Cahyo Crysdian, selaku Ketua Jurusan Teknik Informatika Universitasitas Islam Negeri Maulana Malik Ibrahim Malang. 5. Segenap Dosen dan staff Jurusan Teknik Informatika yang telah memberikan bimbingan keilmuan, dan kelancaran dalam proses skripsi.. viii.

6. Teman-teman UKM Taekwondo, Teknik Informatika, serta semua pihak yang telah membantu. Terima kasih banyak. Berbagai kekuranagn dan kesalahan pembaca temukan dalam penulisa skripsi ini, untuk itu penulis menerima segala kritik dan saran dari pembaca. Semoga apa yang menjadi kekurangan dapat disempurnakan oleh peneliti selanjutnya dana semoga dapat memberi manfaat. Amin. Wassalamu’alaikum wr. wb. Malang, Desember 2018. Penulis. ix.

DAFTAR ISI HALAMAN JUDUL................................................................................................ i HALAMAN PENGAJUAN .................................................................................... ii HALAMAN PERSETUJUAN ............................................................................... iii HALAMAN PENGESAHAN ................................................................................ iv PERNYATAAN KEASLIAN TULISAN .............................................................. v MOTTO ................................................................................................................. vi HALAMAN PERSEMBAHAN ........................................................................... vii KATA PENGANTAR ......................................................................................... viii DAFTAR ISI ........................................................................................................... x DAFTAR GAMBAR ............................................................................................ xii DAFTAR TABEL ................................................................................................ xiii ABSTRAK ........................................................................................................... xiv ABSTRACT .......................................................................................................... xv ‫ملخص البحث‬.............................................................................................................. xvi. BAB I ...................................................................................................................... 1 1.1 Latar Belakang ............................................................................................... 1 1.2 Identifikasi Masalah....................................................................................... 4 1.3 Tujuan Penelitian ........................................................................................... 5 1.4 Batasan Penelitian .......................................................................................... 5 1.5 Manfaat Penelitian ......................................................................................... 6 1.6 Sistematika Penulisan .................................................................................... 6 BAB II ..................................................................................................................... 7 2.1 Industri Mebel dan Persediaan Bahan Baku .................................................. 7 2.2 Dasar Optimasi dan Metode-Metode Optimasi ........................................... 18 2.3 Integrasi Optimasi dengan Islam ................................................................. 21 2.4 Algoritma Genetika ..................................................................................... 25 2.4.1 Komponen-Komponen Algoritma Genetika ......................................... 27 2.4.2 Algoritma Genetika untuk Masalah Optimasi ...................................... 36 2.5 Penelitian Terkait ......................................................................................... 37 BAB III ................................................................................................................. 40 3.1 Studi Literatur .............................................................................................. 40 3.2 Analisis Kebutuhan Sistem ......................................................................... 41. x.

3.3 Pengumpulan Data ...................................................................................... 42 3.4 Perancangan Sistem ..................................................................................... 46 3.4.1 Desain Sistem ....................................................................................... 46 3.4.2 Algoritma Genetika .............................................................................. 48 3.5 Desain Hitung Manual................................................................................. 52 3.5.1 Pembangkitan Populasi Awal ............................................................... 52 3.5.2 Crossover .............................................................................................. 53 3.5.3 Mutasi ................................................................................................... 54 3.5.4 Menghitung Nilai Fitness ..................................................................... 55 3.5.5 Seleksi ................................................................................................... 57 BAB IV ................................................................................................................. 59 4.1 Implementasi Interface ................................................................................ 59 4.1.1 Login Page (Halaman Login) ............................................................... 59 4.1.2 Halaman Register (Daftar) .................................................................... 59 4.1.3 Halaman Utama (Beranda) ................................................................... 60 4.1.4 Halaman Analisis .................................................................................. 61 4.2 Pengujian Sistem ......................................................................................... 66 4.2.1 Persiapan Data ...................................................................................... 67 4.2.2 Hasil dan Analisa .................................................................................. 67 4.2.3 Pengujian Ukuran Populasi................................................................... 67 4.2.4 Pengujian Ukuran Crossover dan Mutasi ............................................. 69 4.2.5 Pengujian Data Produksi....................................................................... 71 4.4 Integrasi Islam ............................................................................................. 78 BAB V................................................................................................................... 81 5.1 Kesimpulan .................................................................................................. 81 5.2 Saran ............................................................................................................ 82 DAFTAR PUSTAKA .......................................................................................... 83. xi.

DAFTAR GAMBAR Gambar 2. 1 Siklus Algoritma Genetika ............................................................... 27 Gambar 2. 2 Contoh Seleksi Orang Tua Menggunakan Roulette-Wheel ............. 30 Gambar 2. 3 Contoh Pindah Silang Satu Titik ...................................................... 31 Gambar 2. 4 Contoh Pindah Silang Banyak Titik (lebih dari satu) ...................... 31 Gambar 2. 5 Contoh Pindah Silang Pola Seragam ................................................ 32 Gambar 2. 6 Contoh Mutasi Tingkat Kromosom.................................................. 33 Gambar 2. 7 Contoh Mutasi Tingkat Gen. Semua Bit dalam Satu Gen Berubah . 33 Gambar 2. 8 Contoh Mutasi Tingkat Bit. Hanya Satu Bit yang Berubah ............. 33 Gambar 3. 1 Alur Penelitian.................................................................................. 40 Gambar 3. 2 Desain Sistem ................................................................................... 46 Gambar 3. 3 Desain Kromosom ............................................................................ 48 Gambar 4. 1 Login Page........................................................................................ 59 Gambar 4. 2 Halaman Registrasi .......................................................................... 60 Gambar 4. 3 Notifikasi Berhasil Registrasi .......................................................... 60 Gambar 4. 4 Halaman Utama ................................................................................ 61 Gambar 4. 5 Halaman Tambah Analisis ............................................................... 61 Gambar 4. 6 Tombol Download Format ............................................................... 62 Gambar 4. 7 Format Excel Produk........................................................................ 62 Gambar 4. 8 Halaman List Analisis ...................................................................... 63 Gambar 4. 9 Data Hasil Analisis ........................................................................... 65 Gambar 4. 10 Grafik Hasil Analisis ...................................................................... 65 Gambar 4. 11 Halaman Data Produk .................................................................... 66 Gambar 4. 12 Halaman Tambah Produk ............................................................... 66 Gambar 4. 13 List Uji Ukuran Populasi ................................................................ 68 Gambar 4. 14 Grafik Uji Coba Ukuran Populasi .................................................. 68 Gambar 4. 15 Uji Coba Crossover dan Mutasi ..................................................... 70 Gambar 4. 16 Grafik Hasil Uji Coba Crossover dan Mutasi ................................ 71 Gambar 4. 17 List Uji Produk ............................................................................... 72. xii.

DAFTAR TABEL Tabel 2. 1 Tabel Kelompok Komersial Satu ........................................................... 8 Tabel 2. 2 Tabel Komersial Dua ........................................................................... 12 Tabel 3. 1 Tabel Modal ......................................................................................... 43 Tabel 3. 2 Tabel Kebutuhan Produksi ................................................................... 43 Tabel 3. 3 Tabel Permintaan Pembeli Bulan Januari – Juni 2017 ........................ 44 Tabel 3. 4 Tabel Permintaan Pembeli Bulan Juli – Desember 2017 ..................... 45 Tabel 3. 5 Rentang Pembangkitan Gen ................................................................. 52 Tabel 3. 6 Pembangkitan Populasi Awal .............................................................. 53 Tabel 3. 7 Tabel Hasil Crossover .......................................................................... 54 Tabel 3. 8 Tabel Hasil Mutasi ............................................................................... 55 Tabel 3. 9 Tabel Perhitungan Fitness .................................................................... 57 Tabel 3. 10 Tabel Hasil Seleksi............................................................................. 58 Tabel 4. 1 Hasil Uji Populasi. 68. Tabel 4. 2 Hasil Uji Crossover dan Mutasi. 70. Tabel 4. 3 Hasil Uji Data Permintaan Mebel UD. Sekar Jaya. 73. Tabel 4. 4 Tabel Hasil Optimasi Bulan Januari – Juni 2017. 76. Tabel 4. 5 Tabel Hasil Optimasi Bulan Juli – Agustus 2017. 77. xiii.

ABSTRAK Khofifah, Nur. 2018. Optimasi Perkiraan Bahan Baku Mebel Menggunakan Metode Algoritma Genetika Studi Kasus (Industri Mebel Rumahan di Jombang). Skripsi. Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang. Pembimbing: (I) Fachrul Kurniawan, ST., M.MT., (II) M. Imamuddin, Lc., MA.. Kata Kunci: Optimasi, Bahan Baku, Mebel, Algoritma Genetika Optimasi penentuan besarnya persediaan atau kebutuhan bahan baku merupakan masalah yang penting bagi sebuah perusahaan. Seperti halnya perusahanperusahan yang lain, mebel juga merupakan perusahaan atau industri yang megolah bahan dasar kayu menjadi perabot rumah tangga seperti lemari, meja, kursi, dll.. Bahan baku mebel adalah kayu, dan ketersediaan kayu di pasar cukup tinggi dan tidak selalu ada. Maka mebel perlu menyiasati dengan memerkirakan kebutuhan bahan baku. Dengan sistem persediaan yang baik, mebel akan mendapatkan keuntungan yang optimal. Algoritma Genetika diterapkan dalam optimasi perkiraan bahan baku mebel untuk memberikan keuntungan yang maksimal dengan penghematan biayan persediaan. Algoritma Genetika yang digunakan metode extended intermediet crossover, mutasi, menghitung nilai fitness dan seleksi. Pada penelitian ini terdapat 12 kromosm yang merupakan data produksi mebel dalam kurun waktu 12 bulan. Representasi kromosom yang digunakan adalah discrete decimal encoding. Dan masing-masing kromosom memiliki gen 1-8 yang mana adalah jenis produk. Solusi optimal yang diperoleh dari ukuran populasi sebanyak 100 populasi, kombinasi crossover dan mutasi adalah 0.3 dan 0.3. Dengan nilai fitness teringgi yiatu 0.08.. xiv.

ABSTRACT Khofifah, Nur. 2018. The estimated Optimization of raw material furniture using Genetic Algorithm method case studies (furniture home industry in Jombang). Thesis. Department of computer engineering faculty of science and technology University of Islamic State Maulana Malik Ibrahim Malang. Supervisor: (I) Fachrul Kurniawan, ST., M.MT., (II) M. Imamuddin, Lc., MA.. Key words: Optimization, Raw Materials, Furniture, Genetic Algorithm. For it the importance of doing an approximate optimization of raw materials in the production process. As with the other functions of the company, the furniture is also a company or industry that producing the raw material wood into furniture such as cupboards, tables, chairs, etc. Because of the availability of wood on market is high enough and not always exist, then the furniture need to get around with estimated the needs of raw materials. With a good inventory system, the furniture will be an optimal benefit. Genetic Algorithms applied in approximate optimization of raw material of furniture to provide maximum benefit with saving the cost of investory. Approximate optimization of raw material furniture using the method of intermediate extended crossover, mutation, calculate the value of fitness and selection. In this study there are 12 kromosm which is a furniture production data within 12 months. Chromosome representation used is a serial decimal encoding. And each chromosome has the gene 1-8 which is a type of product. The optimal solution obtained from population size by as much as 100 population, a combination of crossover and mutation are 0.3 and 0.3. With the highest fitness value is 0.08.. xv.

‫ملخص البحث‬ ‫خفيفة ‪ ،‬نور‪ .٨١٠٢ .‬االستفادة المثلى من تقديرات المواد الخام لألثاث باستخدام أساليب الخوارزمية‬ ‫الجينية )دراسة حالة‪ :‬صناعة األثاث المنزلي في جومبانج( ‪.‬أطروحة‪ .‬قسم هندسة المعلوماتية بكلية العلوم‬ ‫والتكنولوجيا بالجامعة اإلسالمية في موالنا مالك إبراهيم ماالنج‪.‬‬ ‫تحت إشراف‪ )٠( :‬فخر الكرنياوان‪ ،‬الماجستير (‪ )٨‬محمد إمام الدين‪ ،‬الماجستير‬. ‫الكلمات البحث‪ :‬التحسين ‪ ،‬المواد الخام ‪ ،‬األثاث ‪ ،‬الخوارزميات الجينية‬ ‫يعتبر تحسين تحديد كمية المخزون أو احتياجات المواد الخام مشكلة مهمة للشركة‪ .‬كما هو الحال مع‬ ‫الشركات األخرى ‪ ،‬األثاث هو أيضا شركة أو صناعة تعالج المواد الخشبية األساسية في األثاث المنزلي‬ ‫مثل الخزائن والطاوالت والكراسي ‪ ...‬الخ‪ .‬المواد الخام لألثاث هي الخشب ‪ ،‬وتوافر الخشب في السوق‬ ‫مرتفع جدا وغير متاح دائما ‪ ،‬لذا يحتاج األثاث لاللتفاف عن طريق تقدير متطلبات المواد الخام‪ .‬مع نظام‬ ‫المخزون الجيد ‪ ،‬سيحصل األثاث على الفوائد المثلى‪ .‬يتم تطبيق الخوارزميات الجينية في تحسين تقدير‬ ‫المواد الخام لألثاث لتوفير أقصى الفوائد من خالل توفير تكاليف المخزون‪ .‬الخوارزمية الوراثية‬ ‫المتوسطة الممتدة ‪ ،‬والطفرة ‪ ،‬وحساب اللياقة البدنية وقيم االختيار‪ .‬في ‪ crossover‬المستخدمة من قبل‬ ‫شهرا‪ .‬تمثيل الكروموسوم‬ ‫هذه الدراسة هناك ‪ ٠٨‬كروموسوم وهي بيانات عن إنتاج األثاث خالل ‪٠٨‬‬ ‫ً‬ ‫المستخدم هو ترميز عشري منفصل‪ .‬ولكل كروموسوم ‪ ٢–٠‬جينات من أنواع المنتجات‪ .‬الحل األمثل الذي‬ ‫تم الحصول عليه من حجم السكان هو ‪ ٠١١‬مجموعة ‪ ،‬ومزيج التبادل والتغير هو ‪ ١٫٠‬و ‪ .١٫٠‬مع أعلى‬ ‫قيمة لياقة ‪.١٫١٢‬‬. ‫‪xvi‬‬.

BAB I PENDAHULUAN. 1.1 Latar Belakang Meningkatnya kebutuhan bahan baku kayu didorong dari tuntutan manusia akan kebutuhan papan itu sendiri. Kayu yang diproduksi merupakan kayu jenis kayu bulat dan kayu gergajian. Adapun kayu bulat adalah semua kayu bulat (gelondongan) yang ditebang atau dipanen yang bisa dijadikan sebagai bahan baku produksi pengolahan kayu hulu (IPKH). Sedangkan kayu gergajian merupakan kayu hasil konservasi kayu bulat dengan menggunakan mesin gergaji, mempunyai bentuk yang teratur dengan sisi-sisi sejajar dan sudut-sudutnya siku dengan ketebalan tidak lebih dari 6 cm dan kadar air tidak lebih dari 18 persen. Kayu gergajian diolah langsung dari kayu bulat. Untuk produksi kayu hutan menurut jenis produksinya selalu naik disetiap tahunnya, seperti kayu bulat pada tahun 2014 sebanyak 44.963.529 m3 menjadi 35.290.288 m3 pada tahun 2015. Kayu lapis pada tahun 2014 sebanyak 3.579.113 m3 menjadi 3.640.631 m3 pada tahun 2015. Dan kayu gergajian pada tahun 2014 sebanyak 1.458.624 m3 menjadi 1.765.080 m3 pada tahun 2015 (Badan Pusat Statistik, 2015). Dari data tersebut menunjukkan bahwa kebutuhan akan kayu memang tinggi. Dibanyak daerah banyak usaha kayu atau disebut dengan mebel. Mebel sendiri sudah menjadi sebuah industri untuk pengolahan bahan baku kayu. Industri mebel biasa memproduksi kayu untuk dijadikan parabot rumah tangga seperti lemari, meja, kursi, jendela, pintu, dan banyak lainnya. Menurut Presiden Joko Widodo ada 3 poin penting dalam industri mebel saat menghadiri peresmian pembukaan Indonesia International Furniture Expo (IFEX) sabtu (11/3/2017) di. 1.

2. Kemayoran, Jakarta Pusat, "Industri ini menggunakan bahan baku 100% dari Indonesia. Kedua, serap tenaga kerja banyak sekali. Ketiga, ekspor yang menghasilkan devisa. Ini tiga hal penting di industri ini, mebel dan kerajinan. Gede sekali". Seperti di Kabupaten Jombang, tepatnya di Kecamatan Mojowarno, Desa Wringinpitu. Terdapat banyak industri mebel. Para pengusaha mebel umumnya masih. menggunakan. perhitungan. secara. manual. dalam. produksinya.. Kelangsungan proses produksi didalam suatu perusahaan akan dipengaruhi oleh berbagai faktor antara lain: modal, teknologi, persediaan bahan baku, persediaan barang jadi dan tenaga kerja. Sama halnya dengan proses produksi mebel juga terdapat beberapa faktor yang berpengaruh diantaranya: persediaan bahan baku kayu, jenis kayu, banyak pengarjin, permintaan pelanggan dan waktu pengerjaan. Namun dalam menentukan jumlah bahan baku cukup sulit seiring dengan ketersediaan. kayu. bulat. yang. ada. di. pasaran.. Masalah persediaan. (inventory) dianggap sangat penting bagi perusahaan, khususnya dibidang industri dan perdagangan, selain bidang tersebut persediaan juga mempunyai pengaruh pada fungsi bisnis terutama fungsi operasi pemasaran dan keuangan, selain itu persediaan juga merupakan kekayaan perusahaan yang memiliki peranan penting dalam operasi bisnis dalam pabrik (manufacturing) yaitu persediaan bahan baku, bahan pembantu, barang dalam proses, barang jadi dan persediaan suku cadang. Penentuan besarnya persediaan bahan baku merupakan masalah yang penting bagi perusahaan, karena sering kali terjadi kesalahan dalam menentukan besarnya investasi (modal yang tertanam) dalam persediaan maka akan menekan keuntungan perusahaan. Adanya persediaan bahan baku yang terlalu besar.

3. dibandingkan dengan kebutuhan perusahaan akan menambah biaya pemeliharaan dan penyimpanan. Selain itu kelebihan bahan baku akan menyebabkan penyusutan dan kualitas bahan yang tidak dapat dipertahankan, sehingga akan mengurangi keuntungan perusahaan. Demikian pula sebaliknya, persediaan bahan baku yang terlalu kecil dalam perusahaan akan mengakibatkan kemacetan dalam produksi, sehingga perusahaan akan mengalami kerugian yang dikarenakan tidak dapat melayani permintaan pembeli. Maka diperlukan pengendalian persediaan sehingga dapat menekan biaya produksi yang akan timbul atau terjadi. Secara umum dapat dikatakan bahwa tujuan dari pengendalian adalah untuk menekan biaya-biaya operasional seminimal mungkin sehingga akan mengoptimalisasikan kinerja perusahaan. Untuk melaksanakan pengendalian persediaan maka harus diperhatikan berbagai faktor yang terkait dengan persediaan. Dengan begitu perlu adanya suatu sistem yang dapat membantu dalam mengoptimalkan kebutuhan bahan baku kayu yang dibutuhkan untuk proses produksi berikutnya. Optimasi dipilih karena optimasi merupakan proses pencarian sesuatu yang terbaik berdasarkan kriteria, alternatif, dan beberapa kendala-kendala tertentu. Dengan optimasi pada sebuah sistem kita akan bisa berhemat dalam segala hal antara lain energi, waktu, biaya, sumber daya (alam maupun pekerja) dan lain-lain, tanpa mengurangi fungsi sistem tersebut. Salah satu metode yang digunakan untuk optimasi adalah metode Algoritma Genetika (AG). Algoritma Genetika adalah teknik pencarian yang di dalam ilmu komputer untuk menemukan penyelesaian perkiraan untuk optimisasi dan masalah pencarian. Algoritma genetik adalah kelas khusus dari algoritma evolusioner.

4. dengan menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti warisan, mutasi, seleksi alam dan rekombinasi (atau crossover). Algoritma Genetika memiliki kemampuan dalam menyelesaikan berbagai masalah kompleks dalam menghadapi masalah optimasi (Mahmudy, 2013). Menurut Haupt dan Haupt (2004) ada beberapa hal yang termasuk kelebihan dari Algoritma Genetika adalah sebagai berikut: 1) Mengoptimalkan dengan variabel kontinu atau diskrit, 2) Tidak memerlukan informasi deviratif, 3) Bersamaan pencarian dari sebuah sampling yang luas pada permukaan biaya, 4) berkaitan sejumlah besar variabel, 5) Mengoptimalkan permukaan variabel dengan biaya yang sangat kompleks, 6) Memberikan daftar variabel yang optimal, bukan hanya solusi tunggal, 7) Dapat menyandikan variabel sehingga optimasi dilakukan dengan mengkodekan variabel, dan 8) Bekerja dengan data numeric yang dihasilkan, data eksperimen, atau analitis fungsi. Untuk itu metode Algoritma Genetika dipilih untuk aplikasi optimasi perkiraan bahan baku kayu guna didapati hasil yang optimal berdasarkan data persediaan dan data permintaan dari pembeli. Sehingga dapat membantu pengusaha mebel dalam meminimalkan kekurangan bahan pokok kayu dalam setiap produksinya.. 1.2 Identifikasi Masalah Berdasarkan latar belakang di atas, maka dapat diidentifikasi permasalahan yang akan dibahas dalam penelitian ini yaitu: 1. Bagaimana merancang aplikasi yang dapat digunakan untuk optimasi perkiraan bahan baku mebel..

5. 2. Bagaimana menerapkan metode Algoritma Genetika dalam pembuatan aplikasi optimasi perkiraan bahan baku mebel.. 1.3 Tujuan Penelitian Adapun tujuan dilakukannya penelitian sebagai berikut: 1. Membangun. aplikasi. optimasi. perkiraan. bahan. baku. mebel. berdasarkan jumlah permintaan pembeli. 2. Menerapkan metode Algoritma Genetika dalam aplikasi optimasi perkiraan bahan baku mebel untuk perhitungan optimasi bahan baku mebel.. 1.4 Batasan Penelitian Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah dirumuskan, maka diperlukan batasan-batasan dalam pengerjaannya. Berikut batasan-batasan dalam penelitian ini: 1. Data yang digunakan merupakan data yang diperoleh dari pengusaha mebel di Kabupaten Jombang. Khususnya daerah Selorejo, Gayam, dan Wringinpitu di Kecamatan Mojowarno. 2. Data yang digunakan merupakan data permintaan peembeli dari mebel UD. Sekar Jaya. 3. Data yang digunakan terhitung dari bulan Januari 2017 sampai Desember 2017. 4. Data permintaan pembeli antara lain mencakup bangku sekolah, kusen, daun pintu, lemari sekolah, lemari rumah tangga, kursi ruang tamu, meja guru, dan jendela..

6. 5. Bahan baku dan harga yang dihitung menyesuaikan jenis kayu, untuk penelitian ini menggunakan kayu jati.. 1.5 Manfaat Penelitian Hasil dari penelitian ini nantinya diharapkan dapat bermanfaat dalam: 1. Memberikan kemudahan perhitungan untuk pengusaha mebel dalam memperkirakan bahan baku produksi. 2. Membantu mengoptimalkan bahan baku produksi yang dibutuhkan sehingga tidak terjadi kelebihan atau kekurangan bahan baku. 3. Menjadi salah satu referensi untuk penelitian sejenis.. 1.6 Sistematika Penulisan Penulisan proposal ini tersusun dalam 3 (tiga) bab dengan sistematika penulisan sebagai berikut: BAB I PENDAHULUAN Pendahuluan, berisi tentang latar belakang masalah, rumusan masalah, batasan masalah, tujuan, manfaat, dan sistematika penulisan skripsi. BAB II KAJIAN PUSTAKA Kajian pustaka, berisi tentang teori-teori yang melandasi penyusunan skripsi. BAB III METODE PENELITIAN Menganalisan kebutuhan sistem untuk membuat sistem management meliputi identifikasi kebutuhan dalam pembuatan sistem dan langkah-langkah pembuatan sistem. BAB IV IMPLEMENTASI DAN PEMBAHASAN BAB V KESIMPULAN DAN SARAN DAFTAR PUSTAKA.

BAB II TINJAUAN PUSTAKA. 2.1 Industri Mebel dan Persediaan Bahan Baku Industri mebel atau industri furnitur merupakan insdustri yang mengolah dan menggunakan bahan setengah jadi dari kayu, papan, kulit dan bahan baku alami lainnya yang sehingga menjadi produk yang mempunyai nilai tambah dan manfaat lebih tinggi. Produk mebel biasa kita kenal dengan perabot rumah tangga, seperti lemari, meja, kursi, jendela dan sebagainya. Ada beberapa macam mebel yang secara umum kita ketahui, seperti mebel yang hanya menjual produk tetapi tidak memroduksi sendiri, ada yang menjual dan memroduksi sendiri da nada yang sudah berupa prabik atau (manufaktur) yang lebih canggih dalam pengolahan dan produksinya. Kayu yang digunakan untuk mebel adalah kayu gergajian, di mana kayu gergajian merupakan olahan dari kayu bulat (gelondong) yang kemudian digergaji sesuai dengan kebutuhan pembuatan produk. Dalam industri pengolahan kayu dibagi menjadi dua kelompok industri. Yang pertama industri pengolahan kayu hulu, yaitu industri yang mengolah kayu primer atau kayu bulat/log menjadi sortimen kayu. Yang kedua industri pengolahan kayu hilir, yaitu industri yang menghasilkan produk-produk dari kayu seperti pintu, jendela, moulding, dan sejenisnya. Dari pengelompokan tersebut industri mebel masuk ke dalam kelompok industri kayu hilir. Menurut Soerianegara (2002) Indonesia memiliki sekitar 4.000 jenis pohon, yang berpotensi untuk digunakan sebagai kayu bangunan. Akan tetapi hingga saat. 7.

8. ini hanya sekitar 400 jenis (10%) yang memiliki nilai ekonomi dan lebih sedikit lagi, 260 jenis, yang telah digolongkan sebagai kayu perdagangan. Berikut ini adalah daftar nama-nama kayu atau kelompok kayu menurut nama perdagangannya, sesuai dengan Lampiran Keputusan Menteri Kehutanan Nomor: 163/Kpts-II/2003 tanggal 26 Mei 2003 tentang Pengelompokan Jenis Kayu Sebagai Dasar Pengenaan Iuran Kehutanan; dengan beberapa penyesuaian. 1. Kelompok Jenis Meranti/Kelompok Komersial Satu Tabel 2. 1 Tabel Kelompok Komersial Satu (Keputusan Menteri Kehutanan, 2003) No.. 1.. 2.. 3.. Nama Perdagangan. Nama Ilmiah. Nama-nama Daerah. Agatis. Agathis spp.. Damar (Jw.), dama (Slw.), damar bindang (Klm.), damar sigi (Smt.). (Ingg.): kauri pine.. Balau. Shorea spp. (misalnya S. materialis Ridl., S. maxwelliana King, S. scrobiculata Burck); Parashorea spp.. Damar laut (Smt.), semantok (Aceh), amperok, anggelam, selangan batu (Klm.). Balau merah. Shorea spp. (mis. S. collina Ridl., S. guiso (Blanco) Bl.). Balau laut, damar laut merah, batu tuyang, putang, lempung abang. Ingg.: red selangan.. 4.. Bangkirai. 5.. Damar. 6.. Durian. Shorea spp. (mis. S. kunstleri King, S. laevis Ridley, S. laevifolia Endert); Hopea spp. (mis. H. celebica Burck, H. semicuneata Sym.) Araucaria spp. (mis. A. cunninghamii D. Don, A. hunsteinii K.Schum.) Durio spp.. Benuas, balau mata kucing, hulo dereh, puguh, jangkang putih, kerangan (Smt.), bubuh (Bk.). Alloa, ningwik, pien (Pap.). Ingg.: araucaria. Durian burung, lahong,.

9. 7.. Gia. 8.. Giam. 9.. Jelutung. 10.. Kapur. 11.. Kapur petanang. 12.. Kenari. 13.. Keruing. 14.. Kulim. 15.. Malapari. 16.. Matoa. 17.. Medang. 18.. Meranti kuning. (terutama Durio carinatus Mast.); Coelostegia spp. Homalium tomentosum (Roxb.) Benth., Homalium foetidum (Roxb.) Benth. Cotylelobium spp. (mis. C. burckii Heim, C. lanceolatum Craib, C. melanoxylon Pierre Dyera spp.. layung, apun, begurah, punggai, durian hantu, enggang Delingsem (Jw.), kayu batu, melunas, kayu kerbau, momala (Slw.). Giam durian, resak bukit tembaga; giam padi, resak daun kecil, resak batu; giam tembaga, resak daun lebar; resak gunung Pulai nasi, pantung gunung, melabuai. Dryobalanops spp. (di antaranya D. Kamper (kayu), kayu oblongifolia Dyer, kayatan, empedu, keladan D. sumatrensis (Gmelin) Kosterm.) Kapur guras (Smt.), kapur Dryobalanops paya (Mly.), kelansau oblongifolia Dyer (Swk.) Canarium spp., Kerantai, ki tuwak, binjau, Dacryodes spp. , asam-asam, kedondong Santiria spp., (kedundung), resung, Trioma spp. bayung, ranggorai, mertukul Dipterocarpus spp. Keruing arong, kekalup; (mis. D. applanatus Lagan sanduk, mara V.Sl., D. baudii keluang; Keruing tempudau; Korth., D. tempurau, merkurang, elongatus Korth. kawang, apitong dll.) Scorodocarpus Kayu bawang hutan (Klm.) borneensis Becc. Pongamia pinnata Malapari (L.) Pierre Pometia spp.; mis. Kasai, taun, kungki, hatobu, P. pinnata Forster kayu sapi (Jw.), tawan & Forster, P. (Mlku.), ihi mendek (Irian ridleyi King Jaya) Sintuk, sintok lancing, ki Cinnamomum spp. teja, ki tuha, ki sereh, selasihan Shorea spp. (di Damar hitam, damar antaranya: S. kalepek; Damar hitam.

10. 19.. 20.. Meranti merah. Meranti putih. 21.. Merawan. 22.. Merbau. 23.. Mersawa. acuminatissima Sym., S. balanocarpoides Sym., S. faguetiana Heim, S. gibbosa Brandis, Shorea scollaris V.Sl.; Shorea spp. (di antaranya: S. johorensis Foxw., S. lepidota BI., S. leprosula Miq., S. ovalis BI., S. palembanica Miq., S. platyclados V.Sl. ex Foxw., S. leptoclados Sym., dll.). Shorea spp. (di antaranya: S. assamica Dyer, S. bracteolata Dyer, S. javanica K. et. Val., S. lamellata Foxw., S. ochracea Sym., S. retinodes V.SI., S. virescens Parijs, S. koordersi Brandis, dll.). Hopea spp. (mis. H. dasyrrachis V.Sl., H. dyeri Heim, H. sangal Korth., dll.) Intsia spp. (terutama I. bijuga O.K., I. palembanica Miq.) Anisoptera spp. (mis. A. laevis. katup; Bangkirai guruk, karamuku; Damar buah, mereng-kuyung; Damar tanduk. Ingg.: yellow seraya.. Majau, meranti merkuyung; Meranti ketrahan; Meranti tembaga, kontoi bayor; Meranti kelungkung; Tengkawang majau; Banio, ketir; Seraya merah, campaga, lempong, kumbang, meranti ketuko, cupang. Ingg.: red seraya, red lauan. Damar mesegar; Bunyau, damar kedontang; Damar mata kucing, damar kaca, damar kucing; Damar tunam, damar pakit; Damar kebaong, baong, bayong, baung, belobungo, kontoi tembaga; Balamsarai, damar mansarai; Damar maja, kontoi sabang; Kikir, udang, udang ulang, damar hutan, anggelam tikus, maharam potong, pongin, awan punuk, mehing (Smt., Kal.); Damar lari-lari, lalari, temungku, tambia putih (Slw.), Damar tenang putih, hili, honi (Mlku.). Ingg.: white meranti. Tekam, tekam rayap; Bangkirai tanduk, emang, amang besi; Cengal, merawan telor; Ngerawan, cengal balau Merbau asam, ipi (NT.), kayu besi (Papua); Ipil, anglai, maharan; Tanduk (Mlku.) Cengal padi, damar kunyit; Masegar (Smt.), ketimpun.

11. Ridl., A. marginata Korth., A. thurifera Bl.). 24.. Nyatoh. 25.. Palapi. 26.. Penjalin. 27.. Perupuk. 28.. Pinang. 29.. Pulai. 30.. Rasamala. 31.. Resak. Palaquium spp., Payena spp., Madhuca spp.. (Klm.), mersawa daun besar; tabok, tahan Suntai, balam, jongkong, hangkang, katingan, mayang batu, bunut, kedang, bakalaung, ketiau, jengkot, kolan. Heritiera (Tarrietia) spp.; mis. H. javanica (Bl.) Kosterm., H. Mengkulang, teraling; simplicifolia Dungun, talutung, lesi-lesi. (Mast.) Kosterm., H. littoralis Ait., H. sylvatica S. Vidal Rempelas, ki jeungkil, ki Celtis spp. endog (Sd.), cengkek (Jw.), pusu (Sumbawa) Lophopetalum spp.; mis. L. javanicum (Zoll.) Turcz., L. Kerupuk (Smt.), pasana multinervium Ridl., (Klm.), mandalaksa (Jw.), L. subobovatum aras King, L. wightianum Arn. Melunak, ki sigeung, ki Pentace spp. sinduk, kelembing Alstonia spp. (di antaranya A. Kayu gabus, rita, gitoh, pneumatophora bintau, basung, pule, pulai Back., A. scholaris miang. Ingg.: white R.Br., A. spatulata cheesewood, milkwood, Bl., A. macrophylla milky pine. Wall., A. spectabilis R.Br.) Altingia excelsa Tulasan (Smt.), mandung Noroña (Min.), mala (Jw.) Vatica spp.; mis. V. maingayi Dyer, V. oblongifolia Damar along, resak putih Hook.f., V. rassak Bl.. 2. Kelompok Jenis Kayu Rimba Campuran/Kelompok Komersial Dua.

12. Tabel 2. 2 Tabel Komersial Dua (Keputusan Menteri Kehutanan, 2003) No.. Nama Perdagangan. Nama Ilmiah. Nama-nama Daerah. Tumu, Lenggadai, Jangkar, Tanjang, Putut, Busing, Mata buaya Balang, Walang, Wadang, 2. Bayur Wayu Octomeles sumatrana Benuang bini (Klm.), 3. Benuang Miq. winuang (Slw.) Adina minutiflora Kayu lobang, Barumbung, 4. Berumbung Val.); Pertusadina Kayu gatal spp. Calophyllum spp.; mis. C. calaba L., C. inophyllum L., C. Bintangor, penaga; 5. Bintangur papuanum Lauterb., Nyamplung; Sulatri; Bunoh, C. pulcherrimum bintangur bunut Wall.ex Choisy, C. soulattri Burm.f. 6. Bipa Pterygota spp. Kayu wipa Serianthes minahassae Merr. & Perry (Syn. Rayango, Merang, 7. Bowoi Albizia minahasae Terangkuse Koord.) Koordersiodendron 8. Bugis Grepau pinnatum Merr. 9. Cenge Mastixia rostrata BI. Cenge, Cingo Duabanga moluccana Benuang laki, Takir, Aras, 10. Duabanga BI. Raju mas Eucalyptus spp.; mis. Kayu putih; Leda, aren E. alba Reinw.ex Bl., 11. Ekaliptus (Mlku.), tampai; Ampupu E. deglupta Bl., E. (Timor), urophylla S.T. Blake 12. Gelam Melaleuca spp. Kayu putih 13. Gempol Nauclea spp. Wosen, Klepu pasir, Anggrit 14. Gopasa Vitex spp. Teraut, Laban Cratoxylum spp.; mis. Gerunggang/Deru C. arborescens (Vahl) Madang baro; Mampat, 15. m Bl., C. cochinchinense butun; kemutul, temau; edat (Lour.) Bl. Anthocephalus spp. Kelampayan (Mly.), laran 16. Jabon (A. chinensis (Lamk.) (Klm.), semama (Amb.). 1. Bakau. Rhizophora spp. dan Bruguiera spp.

13. 17. Jambu-jambu 18. Kapas-kapasan. A.Rich ex Walp. dan A. macrophyllus (Roxb.) Havil.) Syzygium spp. Exbucklandia populnea R. Brown. Ingg.: cadamba.. Kelat, Ki tembaga, Jambu Hapas-hapas, Tapa-tapa, Leman Rengas sumpung, Merpauh, Bagel mirah Papung, Kelam, Sentul Coco, Kacemcem leuweung Kepuh, Kalupat, Lomes Kepayang, merpayang (Smt.) Hampas, impas, tualang ayam Kananga. 19. Kayu kereta. Swintonia spp.. 20. Kecapi 21. Kedondong Hutan 22. Kelumpang Kembang 23. semangkok. Sandoricum spp. Spondias spp. Sterculia spp. Scaphium macropodum J. B. Koompassia malaccensis Maing. Cananga sp. Dialium spp.; mis. D. indum L., D. platysepalum Baker, Kayu lilin; Maranji D. procerum (v.Steen.) Stey Kalumpit, Klumprit, Terminalia spp. Jelawai, Jaha Timonius spp. Seranai, Temirit, Kayu reen Mastixiodendron spp. Kundur, Modjiu, Raimagago Metrosideros spp. dan Lompopaito, Nani, Langera Xanthostemon spp. Macaranga spp. Merkubung, Mara, Benua Litsea firma Hook f.; Manggah, Huru kacang, Dehaasia spp. Keleban, Wuru, Kunyit Mezzetia parviflora Becc.; Xylopia spp.; Mahabai, Hakai rawang, Alphonsea spp.; Empunyit, Jangkang, Kandelia candel Banitan, Pisang-pisang Druce Darah-darah, Tangkalak, Myristica spp., Knema Au-au, Ki mokla, Kumpang, spp. Kayu luo, Huru Xanthophyllum spp. Lilin, Ki endog, Segi landak Dactylocladus Jongkong, merebung stenostachys Oliv. Vernonia arborea Merambung, sembung. 24. Kempas 25. Kenanga. 26. Keranji. 27. Ketapang 28. Ketimunan 29. Lancat 30. Lara 31. Mahang 32. Medang. 33. Mempisang. 34. Mendarahan 35. Menjalin 36. Mentibu 37. Merambung.

14. 38. Punak 39. Puspa 40. Rengas 41. Saninten 42. Sengon 43. Sepat. 44. Sesendok. 45. Simpur 46. Surian 47. Tembesu 48. Tempinis. Han. Tetramerista glabra Miq. Schima spp.; terutama S. wallichii Korth. Gluta aptera (King) Ding Hou Castanopsis argentea A. DC. Paraserianthes falcataria (L) Nielsen Berrya cordofolia Roxb. Endospermum spp.; mis. E. diadenum (Miq.) Airy Shaw, E. moluccanum (T & B) Kurz, E. peltatum Merr. Dillenia spp.; mis. D. grandifolia Wall., D. obovata Hoogl., D. pentagyna Roxb. Toona sureni Merr. Fagraea spp.; mis. F. fragrans Roxb., F. sororia J.J. Sm. Sloetia elongata Kds.. 49. Tepis. Polyalthia glauca Boerl.. 50. Tenggayun. Parartocarpus spp.. 51. Terap. Artocarpus spp.. 52. Terentang. 53. Terentang ayam 54. T u s a m. Kayu malaka (Smt.), cerega (Klm.) Seru (Jw.), simartolu (Smt.), madang gatal (Klm.) Rengas tembaga, Rangas Sarangan (Jw.), ki hiur (Sd.), kalimorot Jeungjing, Tawa kase, Sika (Maluku) Waru gunung, Kalong Sendok-sendok, kayu labuh (Smt.), kayu bulan (Mly.), garung (Klm.); Kayu raja (Mlku.). Sempur, segel, janti, dongi Suren, kalantas Tomasu (Smt.), kulaki (Slw.), malbira, ki tandu Damuli, Kayu besi Banitan, Pemelesian, Kayu tinyang, Kayu bulan, Banet, Kayu kalet Buku ongko, Pejatai, Purut bulu Cempedak, Kulur, Tara, Teureup. Campnosperma spp.; mis. C. auriculatum (Bl.) Hook.f., C. Tumbus (Smt.), pauh lebi brevipetiolatum Volkens, dll. Pauhan, Antumbus, Buchanania spp. Talantang Pinus spp. Pinus, Damar batu, Uyam.

15. 55. Utup. Aromadendron sp.. Utup. Menurut Freddy Rangkuty (2004) persediaan merupakan suatu aktiva yang meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu periode usaha tertentu, atau persediaan barang-barang yang masih dalam pengerjaan atau proses produksi, ataupun persediaan bahan baku yang menunggu penggunaannya dalam suatu proses produksi. Persediaan memiliki beberapa tujuan di dalam suatu operasi perusahaan, menurut Barry Render dan Jay Haizer (2001) tujuan-tujuan persediaan dijelaskan sebagai berikut: 1. Untuk memberikan suatu stok barang agar dapat memenuhi permintaan dari konsumen. 2. Untuk memasangkan produksi dengan distribusi. 3. Untuk mengambil keuntungan dari potongan jumlah, karena pembelian dalam jumlah besar dapat secara, substansial menurunkan biaya produk. 4. Untuk kelakukan hedging terhadap inflasi dan perubahan harga. 5. Untuk menghindari dari kekurangan stok, yang dapat terjadi dikarena oleh cuaca, kekurangan pasokan, masalah mute atau pengiriman yang tidak tepat. 6. Untuk menjaga kegiatan produksi dapat berjalan dengan baik. Dilihat dari fungsi persediaan itu sendiri, menurut Sofjan Assauri (2004), jenis-jenis persedian dibagi sebagai berikut: a. Batch Stock (Lot Size Inventory).

16. Yaitu persediaan yang diadakan karena membeli atau membuat bahanbahan atau barang-barang dalam jumlah besar daripada jumlah yang dibutuhkan saat itu. b. Fluctuation Stock Yaitu persediaan yang diadakan untuk mengahadapi fluktuasi permintaan konsumen yang tidak dapat diramalkan. c. Anticipation Stock Yaitu persediaan yang diadakan untuk menghadapai fluktuasi permintaan yang dapat diramalkan, berdasarkan pola musiman yang terdapat dalam satu tahun dan untuk menghadapi penggunaan atau penjualan permintaan yang meningkat. Menurut Pardede (2005) biaya-biaya persediaan (inventory costs) adalah segala biaya yang timbul sebagai akibat dari diadakannya persediaan. Dalam hal ini perlu diperhatikan bahwa didalam perencanaan dan pengendalian persediaan, tidak semua biaya harus dipertimbangkan melainkan hanya biaya-biaya yang jumlahnya berubah dengan perubahan waktu atau titik pemesanan serta jumlah pesanan. Apabila terdapat biaya yang harus dibayar untuk pengadaan persediaan, tetapi jumlahnya tidak dipengaruhi oleh aturan kerja (waktu pemesanan dan jumlah pesanan) maka biaya tersebut harus diabaikan dalam perhitungan. Untuk meminimalkan modal atau biaya produksi perlu dilakukan suatu pengendalian persediaan. Pengendalian adalah suatu tindakan agar aktifitas dilakukan dengan sebaik-baiknya sesuai dengan rencana yang telah ditetapkan. Suatu kegiatan memperkirakan kebutuhan persediaan bahan baku, baik secara kulitatif maupun kuantitatif. Agar perusahaan dapat beroperasi seperti yang.

17. direncanakan, jadi singkatnya bahwa arti dari perencanaan dan pengendalian persediaan bahan baku, persediaan bahan setengah jadi dan persediaan barang jadi. Secara keseluruhan diartikan sebagai upaya menentukan besarnya tingkat perseiaan dan mengendalikannya dengan efisien dan efektif. Salah satu tujuan dari pengendalian persediaan adalah meminimalkan biayabiaya yang timbul akibat dari adanya persediaan tersebut. Adapun biaya-biaya tersebut adalah: a. Holding cost, adalah biaya yang ditimbulkan oleh penyimpanan persediaan dalam gudang pada periode waktu tertentu, termasuk pula di dalamnya biaya asuransi, penyusutan, bunga dan lain-lainnya. b. Ordering/Setup cost. Ordering cost adalah biaya yang ditimbulkan oleh adanya kegiatan pemesanan persediaan dalam sekali pesan, misal: formulir,. supplies,. proses. pemesanan. dan. administrasi;. selama. bahan/barang belum tersedia untuk diproses lebih lanjut. Sementara setup cost adalah biaya untuk mempersiapkan mesin atau proses produksi untuk membuat suatu pesanan atau biaya-biaya yang dibutuhkan untuk melakukan penyesuaian pada saat bahan/barang diproses. Secara prinsip, setup. cost adalah order. cost pada. saat. bahan. telah/sedang. diproses. Pada banyak kasus, setup cost sangat berkorelasi dengan setup time (setup time dapat dieliminasi dengan inovasi mesin dan perbaikan standard bahan baku). c. Stock out cost, adalah kerugian akibat demand tidak terpenuhi pada periode tertentu, seperti: kehilangan penjualan, kehilangan pelanggan, biaya.

18. pemesan-an khusus, adanya selisih harga, terganggunya operasi, dan tambahan pengeluaran kegiatan manajerial. Secara umum model-model pengandalian persediaan adalah: a. Model Pengendalian Deterministik Model yang menganggap semua parameter telah diketahui dengan pasti. Yang termasuk ke dalam model deterministic adalah EOQ (economic order quantity), POQ (production oerder quantity), quantity discount, ELS (economic lot size), dan back oerder inventory. b. Model Pengendalian Probabilistik Metode yang digunakan untuk pengendaliaan probabilistic adalah sistem Q dan sistem P. Sistem Q (continuous riview method) memecahkan persoalan persediaan probabilistik dengan memandang bahwa posisi barang yang tersedia di gudang sama dengan posisi persediaan barang pada sistem determistik dengan menambahkan cadangan pengaman (Safety Stock). Sistem P (periodic riview method) adalah suatu sistem pengendalian persediaan yang jarak waktu antar dua pesanan adalah tetap. Persediaan pengaman dalam sistem ini tidak hanya dibutuhkan untuk meredam fluktuasi permintaan selama lead time, tetapi juga untuk seluruh konsumsi persediaan.. 2.2 Dasar Optimasi dan Metode-Metode Optimasi Optimasi adalah salah satu disiplin ilmu dalam matematika yang fokus untuk mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi, peluang, maupun pencarian nilai lainnya dalam berbagai kasus. Optimasi juga dapat diartikan sebagai suatu bentuk mengoptimalkan sesuatu hal yang sudah ada,.

19. ataupun merancang dan membuat sesusatu secara optimal (nilai efektif yang dapat dicapai). Optimasi dalam matematika dasar sering dikaitkan dalam pencarian nilai yang tertinggi atau nilai yang terendah bahkan niali yang terbaik dari suatu persamaan yang dibentuk dari kendala-kendala yang ditentukan. Optimasi sangat berguna dihampir semua bidang dalam rangka melakukan usaha secara efektif dan efisien untuk mencapai target hasil yang diinginkan. Tentunya hal ini sangat sesuai dengan prisnsip ekonomi yang menekan pengeluaran untuk menghasilkan output atau hasil yang maksimal. Pada kasus produksi barang, optimasi bahan baku akan memberikan pengaruh besar terhadap keuntungan perusahaan. Optimasi bahan baku berpengaruh pada sektor finansial karena dapat memperkirakan pembelanjaan bahan baku, meminimalkan biaya produksi maupun biaya transportasi, serta persediaan barang. Langkah-langkah optimasi secara umum adalah sebagai berikut: 1. Mengidentifikasi masalah 2. Memilih tujuan 3. Mendefinisi sistem 4. Kontruksi simulasi, simplikasi, dan verfikasi 5. Membuat fungsi tujuan dan kendala 6. Menyelesaikan degan metode pendekatan Beberapa contoh kasus optimasi diantaranya adalah TSP (traveling salesmen problem), MST (minimum spanning tree), dan knapsack problem. Untuk menyeselesaikan kasus-kasus tersebut dibutuhkan teknik optimasi dalam algoritmanya. Algortima tersebut harus bisa memilih salah satu solusi terbaik dari sejumlah solusi pemecahan masalah yang ada. Metode-metode yang dapat.

20. digunakan untuk menyelesaikan kasus optimasi diantaranya metode Brute Force, Greddy, Dinamic Programming, dan Monte Carlo. Setiap metode memiliki sifat dan ciri yang berbeda-beda misalnya metode Brute Force memiliki sifat optimal akan tetapi lama dalam waktu running, Greddy memiliki sifat cepat tapi kurang optimal, Dinamic Programming memiliki sifat optimal dan cukup cepat dalam running, sedangkan Monte Carlo memiliki sifat mendekati optimal dan cepat. Algoritma optimasi dibagi menjadi dua jenis, yaitu optimasi pendekatan deterministic dan optimasi pendekatan probabilistic. Yang termasuk ke dalam optimasi deterministic adalah State Space Search, Dynamic Programming, dan Branc and Bound. Sedangkan algoritma yang termasuk optimasi probabilistic adalah algoritma Monte Carlo dan Evolutionary Computation. Evolutionary Computation adalah abstraksi dari teori evolusi biologis yang digunakan untuk membuat prosedur atau metodologi optimasi. Dasar dari algoritma ini yaitu bagaiman proses evolusi dapat terjadi pada mahluk hidup. Yang menganggap bahwa hasil setiap evolusi itu menjadi lebih baik dan optimal. Yang termasuk ke dalam algoritma Evolutionary Computation daintaranya adalah swarn intellegnce. Algoritma ini didasarkan dari kecerdasan kelompok. Dengan semakin banyak anggota kelompok dan terkumpulnya kecerdasan-kecerdasan individual maka akan menyebabkan kecerdasan kelompok yang luar biasa. Beberapa yang termasuk ke dalam algoritma swarm intelligent diantaranya Particel Swarm Optimization, Ant Colony Optimization, dan Artificial Bee Colony Optimization. Selanjutnya Evoutionary Algorithm (EAs) adalah algoritma-algoritma yang mengimplementasikan abstraksi Evolutionary Computation. Algoritma ini.

21. terinspirasi dari suatu mekanisme dalam ilmu biologi tentang mutasi, pindah silang (crossover), seleksi alam, dan kelangsungan hidup. Dan yang termasuk kedalam agoritma ini adalah Genetic Algorithm (GA).. 2.3 Integrasi Optimasi dengan Islam Islam senantiasa mengajarkan untuk tidak berlebih-lebihan dalam segala hal. Islam membawa manusia untuk berlaku adil dan tak melampaui batas. Karena segala sesuatu yang melampaui batas itu buruk. Allah Swt. berfirman dalam surat Al Isra ayat 27:. َ َٰ ‫ينَّ َو َكانَ َّٱلش ۡي‬ ََّّ٧٢َّ‫ورا‬ َُّ ‫ط‬ َِّ ‫ينَّ َكانُ ٓواَّْ ِإ ۡخ َٰ َونَ َّٱلش َٰيَ ِط‬ ََّ ‫ِإنََّّ ۡٱل ُمبَذ ِِر‬ ٗ ُ‫نَّ ِل َر ِب َِّهۦَّ َكف‬ “Sesungguhnya pemboros-pemboros itu adalah saudara-saudara syaitan dan syaitan itu adalah sangat ingkar kepada Tuhannya” (QS. Al Isra/17:27). Surat di atas menjelaskan bahwa Allah melarang berlebih-lebihan dalam berinfak, dan menyuruh melakukannya secara seimbang/pertengahan. Dengan (perintah untuk) menjauhi tindakan mubadzir dan berlebih-lebihan. Yakni, dalam hal itu mereka menjadi orang yang serupa dengan syaitan. Ibnu Mas’ud mengatakan: “Tabdzir ialah infak yang tidak pada tempatnya.” Demikian pula yang dikemukakan oleh Ibnu ‘Abbas (Ibnu Katsir, 2003). Sama halnya dengan proses optimasi yang memiliki maksud mengoptimalkan sesuatu guna mencapai hasil yang menguntungkan dan yang terbaik. Dalam proses produksi suatu perusahaan mengharuskan mendapati bahan baku, biaya, dan waktu yang paling optimal. Artinya, untuk proses produksi, bahan baku tidak boleh berlebihan ataupun kurang. Sehingga inventori perusahaan tidak sampai terjadi penimbunan bahan baku atau kurang bahan baku. Bahan baku juga harus dipilih dan dipilah agar hasil produksi memiliki mutu yang bagus dan terbaik. Dan.

22. kita sebagai muslim yang berakal hendaknya memilih sesuatu hal yang paling baik. Allah Swt. berfirman dalam surat Az Zumar ayat 18:. ٓ ٓ َّ‫ٱللُ َّ َوأ ُ ْو َٰلَئِ َك َّ ُه ۡم‬ َّ َّ ‫ِين َّ َهدَ َٰى ُه ُم‬ ََّ ‫سنَ ٓهَّۥُ َّأ ُ ْو َٰ َلئِ َك َّٱلذ‬ ََّ ‫ِين َّ َي ۡستَ ِمعُونَ َّ ۡٱلقَ ۡو‬ ََّ ‫ٱلذ‬ َ ‫ل َّفَ َيت ِبعُونَ َّأ َ ۡح‬ ََّّ٨١َّ‫ب‬ َِّ َ‫أ ُ ْولُواَّْ ۡٱۡل َ ۡل َٰب‬ “Yang mendengarkan perkataan lalu mengikuti apa yang paling baik di antaranya. Mereka itulah orang-orang yang telah diberi Allah petunjuk dan mereka itulah orang-orang yang mempunyai akal” (QS. Az Zumar/39:18). Dalam ayat di atas yang dimaksud “Mereka itulah orang-orang yang telah diberi Allah petunjuk”, yaitu orang-orang yang telah diberi petunjuk oleh Allah di dunia dan di akhirat. Mereka adalah yang mempunyai akal sehat dan fitrah yang lurus (Ibnu Katsir, 2003). Jelas kita sebagai mahluk Allah yang telah diberikan kesitimewaan berupa akal, hendaklah kita menjadi manusia yang tidak berbuat rusak terhadap sesama, dan terlebih bumi tempat kita tinggal. Bukankah, orang yang berakal itu ialah orang yang bisa membedakan yang baik dan yang buruk. Untuk itu hendaklah kita tidak serta-merta merusak Bumi ini. Seperti halnya penebangan liar dan ilegal, yang dapat mengakibatkan banyak bencana. Khususnya bencana alam seperti yang sering kita jumpai, tanah longsor, banjir, dan lain-lain. Dalam keseharian manusia hendaklah selalu menggunakan akalnya dalam menjaga dan melestarikan lingkungan. Terlebih lagi kita masuk di mana planet bumi mengalami pemanasan global (global warming). Peristiwa pemanasan global adalah meningkatnya suhu rata-rata atmosfer, laut, dan daratan bumi. Salah satu penyebab terjadinya hal ini karena aktivitas manusia. Aktivitas-aktivitas itu menyebabkan efek rumah kaca yang berlebihan sehingga berdampak buruk bagi.

23. bumi. Di sini sebagai umat manusia, khususnya muslim yang berakal sehat dan mempunyai fitrah kita sangat dianjurkan untuk menjaga kelangsungan dan kelestarian bumi. Allah juga telah menunjukkan kekuasaan-Nya dengan mendatangkan bencana alam, yang tidak lain merupakan akibat dari kemunkaran sikap manusia. Dari bencana-bencana itu, hendaknya kita semakin sadar dan peduli dengan apa kita perbuat dan dampaknya dikemudian hari. Di zaman secanggih dan modern seperti sekarang dengan berkembangnya ilmu pengetahuan, manusia sudah mempunyai cara atau pencegahan dalam hal-hal yang sekiranya merugikan seperti di atas. Misal, dalam industri mebel dan jual beli kayu. Pemerintah sudah menyediakan badan atau lembaga seperti Perhutani untuk menyediakan berbagai jenis kayu. Sehingga kayu-kayu yang diperjualbelikan melalui proses penebangan yang legal dan resmi. Kayu-kayu tersebut memiliki surat izin tersendiri. Dan untuk menanggulangi kayu yang telah ditebang tersebut, maka Perhutani juga melakukan tanam pohon kembali atau lebih dikenal dengan reboisasi. Sama seperti kita menanam padi di sawah, padi yang sudah siap untuk dipanen kita panen, yang selanjutnya kita tanami lagi sawah dengan padi atau dengan tanaman lainnya. Dalam Islam juga banyak anjuran untuk kita melestarikan alam. Para ahli ilmu dan ulama mengatakan sedekah jariyah memiliki berbagai bentuk dan cara. Seperti membangun tempat shalat berupa masjid atau musholla, membangun jalan, membangun jembatan, menanam tumbuhan baik berupa pohon, biji-bijian, atau tanaman pangan dan lain-lain. Seperti dalam hadis Rasulullah SAW., bersabda:.

24. ُ ُ ْ‫أ‬،‫ي‬،‫ز ْرعًا ف‬، ‫ر ُع‬، ‫ ْز‬،‫ ْر ًسا أَ ْو ي‬،‫ ْغ ِر ُس غ‬، ‫ما ِم ْن ُم ْس ِ ٍِل ي‬، ، ‫ ِ ٌةَمي‬،‫سان أَ ْو ب‬، ْ ‫ط ْْي أَ ْو إن‬، ‫ُك ِمنْ ُه‬ ِ ،‫ ق‬،‫صد‬، ‫ َُل ِب ِه‬، ‫ن‬، ‫َك‬، ‫إ اَّل‬ ِ “Tak ada seorang muslim yang menanam pohon atau tanaman, lalu burung memakannya atau manusia atau hewan, kecuali ia akan mendapatkan sedekah karenanya” (HR. Bukhori dan Muslim). Hadis di atas menjelaskan bahwa, jika ada seorang muslim yang menanam pohon atau tanaman, kemudian apa yang ditanam tadi dimakan manusia atau hewan sekalipun, sudah termasuk bentuk sedekah. Dan manusia yang menanam akan mendapat pahala sedekah darinya. Hal ini menunjukkan bahwa Allah adalah sebaik-baiknya Dzat. Allah mengantinya dengan pahala sebagai balasannya. Hal tersebut kalau kita umpamakan dalam kehidupan dapat berupa petani yang bercocok tanam, bahkan kegiatan seperti reboisasi. Reboisasi atau menanam kembali juga dapat kita kategorikan ke dalam hadis di atas. Reboisasi merupakan upaya dan usaha kita dalam menjaga, melestarikan lingkungan dan untuk invenstasi di masa depan. Tak heran Islam memerintahkan umatnya untuk memanfaatkan tanah dan menanaminya sebagaimana disabdakan oleh Rasulullah SAW.,. ْْ َ، ْْ َ، ْْ،‫ا ف‬،َ‫س‬، ‫ ْغ ِر‬، ‫ح اَّت ي‬، ‫م‬، ‫ ُقو‬، ‫َّل ي‬، ‫ع َأ ْن‬، ‫طا‬، ‫ت‬، ‫ا ْن ْإس‬،‫ََل ف‬، ‫ ِس‬،‫ح ِد ُ ُْك ف‬، ‫َ ِد َأ‬، ‫و ِب‬، ُ ،‫إلساع‬ ‫م ْت‬، ‫ا‬،‫إ ْن ق‬ ‫ا‬ ِ ِ “Jika hari kiamat telah tegak, sedang ditangan seorang diantara kalian terdapat bibit pohon korma; jika ia mampu untuk tidak berdiri sampai ia menanamnya, maka lakukanlah” (HR. Ahmad). Hadis di atas juga sudah jelas bahwa menanam pohon, biji dan lainnya merupakan amal saleh dan bentuk kepedulian kita untuk bumi. Sebagai manusia dan muslim yang berakal hendaknya memperhatikan hal-hal yang demikian. Sudah banyak kampanye-kampanye atau gerakan tentang One Man One Tree.

25. artinya satu orang menanam (paling sedikit) satu pohon. Gerakan semacam ini dicanangkan oleh Presiden Susilo Bambang Yudhoyono di Hari Penanaman Pohon Nasional, 28 November 2008. Diperkuat dengan Keppres RI Nomor 24 Tahun 2008 tentang Hari Menanam Pohon Nasional. Dalam hal ini proses optimasi memiliki esensi yang sama, yaitu dengan mengoptimalkan kebutuhan bahan baku yakni kayu dengan sebaik-baiknya. Tentu sesuai dengan aturan-aturan yang telah ada. Melalui optimasi ini diharapkan agar dikemudian hari dapat memberikan rekomendasi perkiraan bahan baku. Sehingga bisa menjadi salah satu tolak ukur dipasar global kayu.. 2.4 Algoritma Genetika Algoritma Genetika (AG) pertama kali dikembangkan oleh John Holland pada tahun 1970-an di New York, Amerika Serikat. John Holland beserta muridmurid dan teman kerjanya berhasil membuat buku berjudul "Adaption in Natural and Artificial Systems" pada tahun 1975. Melalui sebuah penelitian dan dipopulerkan oleh salah satu muridnya, David Goldberg (1989) yang mendefenisikan algoritma genetik ini sebagai metode algoritma pencarian berdasarkan pada mekanisme seleksi alam dan genetik alam. Algoritma Genetika adalah simulasi dari proses evolusi Darwin dan operasi genetika atas kromosom. (Kusumadewi, 2010). Sehingga, Algoritma Genetika termasuk ke dalam kelompok metode Evolutionary Algorithm. Menurut Suyanto (2011), Algoritma Genetika adalah algoritma pencarian yang didasarkan pada mekanisme seleksi alamiah dan genetika alamiah. Pada awalnya, AG memang digunakan sebagai algoritma pencarian parameter-.

26. parameter optimal. Tetapi, dalam perkembangannya, AG dapat diaplikasikan dalam berbagai masalah lain, seperti learning, peramalan, pemrograman otomatis, dan sebagainya. Pada bidang soft computing, AG banyak digunakan untuk mendapatkan nilai-nilai parameter yang optimal pada JST (jaringan syaraf tiruan) dan system fuzzy. Terdapat dua istilah biologi yang sudah tidak asing lagi didengar dalam teori evolusi. Berikut pembahasan mengenai kedua istilah tersebut. 1. Seleksi Alamiah Secara sederhana diilustrasikan dalam kasus populasi jerapah. Pada suatu kondisi dimana jumlah makanan sangat terbatas dan berada di tempat yang tinggi, maka jerapah berleher panjang akan hidup, karena dapat menjangkau makanan dan jerapah berleher pendek akan mati. Dalam hal ini, jerapah berleher panjang dikatakan sebagai individu yang unggul atau memiliki kualitas tinggi sehingga lolos dari proses seleksi alamiah. 2. Genetika Alamiah Sebuah mekanisme yang sangat rumit, dijelaskan dalam bidang ilmu biologi sebagi sekumpulan individu yang sama (yang disebut spesies) hidup, bereproduksi, dan mati dalam suatu area yang disebut dengan populasi. Proses seleksi alamiah ini melibatkan proses dasar yang menjadi perhatian utama. Dalam AG prosedur pencarian hanya didasarkan pada nilai fungsi tujuan, tidak ada pemakaian gradient atau teknik kalkulus..

27. Berikut adalah siklus Algoritma Genetika:. Gambar 2. 1 Siklus Algoritma Genetika 2.4.1 Komponen-Komponen Algoritma Genetika AG terdiri dari delapan komponen yaitu: sekema pengkodean, nilai fitness, seleksi orang tua, pindah silang (crossover), mutasi, etilisme (untuk AG berjenis generational replacement), penggantian populasi, dan kriteria penghentian. 1. Skema Pengkodean Skema pengkodean atau inisialisasi merupakan proses awal yang harus dilakukan untuk menciptakan individu-individu secara acak. Individu atau populasi tersebut memiliki susunan gen (kromosom) yang mewakili solusi dari permasalahan yang akan dipecahkan (Mahmudy, 2013). Berbeda dengan teori genetika di dunia nyata yang mempresentasikan gen sebagai deretan bases A, C, T, dan G, AG mempresentasikan gen (buatan) secara umum, sebagai bilangan real, decimal atau biner, yaitu: . Real-number encoding. Pada skema ini, nilai gen berada dalam interval [0, R], dimana R adalah bilangan real positif dan biasanya R=1..

28. . Discrete decimal encoding. Pada skema ini, setipa gen bisa berupa deretan bilangan bulat dalam interval [0, 9].. . Binary encoding. Setaip gen bisa berupa deretan nilai 0 atau 1.. 2. Pembentukan Populasi Awal AG adalah algoritma heuristik yang bekerja pada populasi, yaitu kumpulan kromosm atau solusi yang akan diperbaharui pada setiap generasinya. Maka tahap pertama adalah pembentukan populasi awal yang berisi kumpulan kromosom sebanyak ukuran populasi atau popsize. Pembentukan populasi awal biasanya dilakukan secara acak. Namun dalam perkembangannya, pembentukan populasi awal dapat dilakukan dengan berbagai cara menjadi lebih cepat konvergen ke solusi optimal.. Misalnya menggunakan metode NEH yang. selanjutnya diteruskan metode Local Search. 3. Nilai Fitness Pada evolusi di dunia nyata, individu bernilai fitness tinggi akan bertahan hidup. Sedangkan individu bernilai fitness rendah akan mati. Pada AG, suatu individu dievaluasi berdasarkan suatu fungsi tertentu sebagai ukuran nilai fitness-nya. Pada masalah optimasi, jika solusi yang dicari adalah memaksimalkan sebuah fungsi h (masalah maksimasi), maka nilai fitness yang digunkan adalah nilai dari fungsi h tersebut, yakni f = h (dimana f adalah niali fitness). Tetapi jika masalahnya dalah meminimalkan fungsi h (masalah minimasi), maka fungsi h tidak bisa digunakan secara langsung. Hal ini disebabkan AG.

29. menggunakan suatu aturan bahwa individu yang memiliki nilai fitness lebih tinggi akan memiliki kemampuan bertahan hidup lebih tinggi dibandingkan individu yang berniali fitness rendah. Oleh karena itu, nilai fitness untuk masalah minimasi adalah f = 1/h, yang artinya semakin kecil nilai h semakin besar nilai f. tetapi fungsi ini akan bermasalah jika h bisa bernilai o, yang megakibatkan f bisa bernilai tak hingga. Untuk mengatasi masalah tersebut, h perlu ditambah dengan sebuah bilangan yang dianggap sangat kecil, sehingga formula fungsi fitness-nya menjadi. , dimana a adalah. bilangan yang dianggap sangat kecil dan bervariasi sesuai dengan masalah yang akan diselesaikan. 4. Seleksi Orang Tua Proses pemilihan dua individu sebagai orang tua biasanya dilakukan secara proposional berdasarkan nilai-nilai fitness-nya. Slah satu metode seleksi yang umum digunakan adalah roulette-wheel. Sesuai dengan namanya, metode ini umum digunakan roulette-wheel dimana masing-masing individu menempati potongan lingkaran pada roda roulette secara proposional sesuai dengan nilai fitness-nya. Dapat dilihat pada halaman selanjutnya..

30. String S1 S2 S3 S4 S5 S6 S7 S8 S9 Jumlah. Nilai Fitness 0.6 0.2 0.6 0.2 0.8 0.2 0.2 0.2 0.2 3.3. Gambar 2. 2 Contoh Seleksi Orang Tua Menggunakan RouletteWheel Individu S5 bernilai fitness paling besar menempati seperempat lingkaran roda roulette. Dengan demikian, S5 memiliki peluang sebesar 0.25 untuk terpilih sebagai orang tua. 5. Pindah Silang Pada proses pindah silang (crossover) terjadi kombinasi pewarisan gen-gen dari induknya, gen-gen dari kedua induk dapat bercampur sehingga dihasilkan susunan kromosom yang baru. Dari proses tersebut akan dihasilkan variasi genetik. Dengan suatu skema tertentu, dua individu dipilih sebagai orang tua. Setelah didapatkan dua individu orang tua, selanjutnya ditentukan titik pindah silang secara acak. Jika diasumsikan L adalah panjang kromosom, maka titik pindah silang berada antara 1 sampai L-1. Kemudian beberapa bagian dari dua kromosom ditukar pada titik pindah silang yang dipilih. Titik pindah silang adalah titik terjadinya pertukaran gen antar dua individu.

31. orang tua. Pertukaran tersebut akan mengahsilkan dua individu anak. Terdapat tiga skema pindah silang yang biasa digunakan, yaitu: . Pindah silang satu titik (single-point crossover) Pindah silang ini merupakan skema pindah silang yang paling sederhana. Titik pindah silang hanya satu dengan posisi yang dibangkitkan secara acak.. Gambar 2. 3 Contoh Pindah Silang Satu Titik . Pindah silang banyak titik (multi-point crossover) Pada suatu masalah tertentu dimana suatu individu terdiri dari sangat banyak gen (misalkan 1000 gen), mungkin akan memerlukan lebih dari satu titik pindah silang. Banyaknya titik pindah silang ini mempengaruhi pola pertukaran gen-gen antar individu orang tua.. Gambar 2. 4 Contoh Pindah Silang Banyak Titik (lebih dari satu) Dalam contoh ini terdapat dua titik pindah silang yang dibangkitkan secara acak..

32. . Pindah silang pola seragam (uniform crossover) Dengan operasi pindah silang pola seragam maka komposisi gen-gen tertentu pada suatu individu dapat dipertahankan. Hal ini akan memudahkan proses pencarian solusi.. Gambar 2. 5 Contoh Pindah Silang Pola Seragam Dalam contoh ini pindah silang dilakukan berdasrkan suatu pola tertentu. Pindah silang dilakukan jika pola berniali 0. 6. Mutasi Mutasi diperlukan mengembalikan informasi bit yang hilang akibat crossover. Mutasi diterapkan dengan probabilitas yang sangat kecil. Jika mutasi dilakukan terlalu sering, maka akan mengahsilkan individu yang lemah karena konsfigurasi gen pada individu yang unggul akan dirusak. Berdasarkan bagian yang termutasi, proses mutasi dapat dibedakan atas tiga bagian: . Mutasi pada tingkat kromosom: semua gen dalam kromosom berubah..

33. Gambar 2. 6 Contoh Mutasi Tingkat Kromosom Semua gen dalam kromosom berubah. Pada contoh di atas, gen tang tadinya bernilai 0 berubah menjadi 1 dan gen yang tadinya bernilai 1 berubah menjadi 0. . Mutasi pada tingkat gen: semua bit dalam satu gen akan berubah. Misal gen 2 yang mengalami mutasi.. Gambar 2. 7 Contoh Mutasi Tingkat Gen. Semua Bit dalam Satu Gen Berubah . Mutasi pada tingkat: hanya satu bit yang berubah.. Gambar 2. 8 Contoh Mutasi Tingkat Bit. Hanya Satu Bit yang Berubah Prosedur mutasi sangat sederhana. Untuk semua gen yang ada, jika bilangan random yang dibangkitkan kurang dari probabilitas mutasi (pmut) yang ditentukan maka ubah gen tersebut menjadi nilai kebalikannya (dalam binary encoding, 0 diubah 1, dan 1 diubah 0). biasanya pmut sebesar ini berarti mutasi hanya terjadi sekitar satu gen saja. Nilai pmut yang besar akan tidak menguntungkan cenderung merusak kromosom yang sudah bagus..

34. 7. Elitisme Karena seleksi dilakukan secara acak, maka tidak ada jaminan bahwa individu berbilai fitness tertinggi akan selalu terpilih. Kalaupun individu bernilai fitness tertinggi terpilih, mungkin saja individu tersebut akan rusak karena proses pindah silang. Untuk menjaga agar individu bernilai fitness tertinggi tidak hilang selama evolusi, perlu dibuat satu atau dua kopinya. Prosedur ini dikenal sebagai elitisme. Prosedur hanya digunakan pada AG berjenis generational replacement. 8. Pengganti Populasi Pada AG berjenis generational replacement, N individu pada suatu generasi digantikan sekaligus oleh N individu baru hasil pindah silang dan mutasi. Untuk mempertahankan individu terbaik, diperlukan skema elitism seperti dijelaskan di atas. Prosedur yang dapat digunakan pada skema penggantian populasi pada AG berjenis steady-state: . Selalu mengganti individu yang memiliki nilai fitness terkecil.. . Selalu mengganti individu yang paling tua.. . Membandingkan anak dengan kedua orang tua. Apabila anak memiliki nilai fitnass yang lebih baik daripada salah satu atau kedua orang tua, maka anak menggantikan orang tua yang memiliki nilai fitness terendah. Skema ini dapat menjaga keanekaragaman. yang. lebih. baik. disbanding. skema. sebelumnya. Dengan mengganti orang tua yang memiliki.

35. Hamming Distance (beda bit) yang lebih sedikit, penggantian tersebut. dapat. diharapkan. tidak. cepat. menghilangkan. keragaman. 9. Kriteria Penghentian Terdapat berbagai macam kriteria penghentian yang bisa digunakan, tiga diantaranya adalah: 1. Memberikan batasan jumlah iterasi. Apabila batas iterasi tersebut dicapai, iterasi dihentikan dan laporkan individu bernilai fitness tertinggi sebagai solusi terbaik. 2. Memberikan batasan waktu proses AG. Kriteria ini digunakan pada system-sistem waktu nyata (real time system), dimana solusi harus ditemukan paling lama, misalkan ~ menit. Dengan demikian, AG bisa dihentikan ketika proses sudah berlangsung selama hampir 3 menit. 3. Menghitung kegagalan penggantian anggota populasi yang terjadi secara berurutan sampai jumlah tertentu. Misalkan, setelah 100 iterasi tidak ada penggantian individu dalam populasi karena individu anak yang dihasilkan selalu memiliki niali fitness yang lebih rendah daripada orangtuanya. Dalam kondisi seperti ini, kita bisa menghentikan itersasi. Secara sederhana, algoritma umum dari Algoritma Genetika ini dapat dirumuskan menjadi beberapa langkah, yaitu: 1. Membentuk suatu populasi individual dengan keadaan acak..

36. 2. Mengevaluasi kecocokan setiap individual keadaan dengan hasil yang diinginkan. 3. Memilih individual dengan kecocokan yang tertinggi. 4. Bereproduksi, mengadakan pindah silang antar individual terpilih diselingi mutasi. 5. Mengulangi langkah 2 - 4 sampai ditemukan individual dengan hasil yang diinginkan. 2.4.2 Algoritma Genetika untuk Masalah Optimasi Ketika kita mendapatkan suatu masalah optimasi yang dapat dikonversi menjadi sebuah fungsi, maka kita dapat dengan mudah menyelesaikan masalahmasalah tersebut menggunakan AG. Misalkan kita ingin memaksimalkan keuntungan penjualan dua buah produk. Kedua produk harus diproduksi antara 3 sampai 10 buah. Produk ke-1 menghasilkan keuntungan sebesar 3 satuan, sedangkan produk ke-2 menghasilkan kerugian 2 satuan. Meskipun menghasilkan kerugian, produk ke-2 harus tetap diproduksi agar produk ke-1 tetap laku di pasaran. Berapa jumlah produk ke-1 dan ke-2 yang harus diproduksi untuk mendapatakan keuntungan maksimum? Permasalahan tersebut dapat dituliskan sebagai sebuah fungsi h berikut:. dimana bagaimana menemukan. Sehingga, masalah yang ingin diselesaikan adalah dan. yang membuat fungsi h menjadi maksimum?. Pada interval tersebut, fungsi h mencapai maksimum, yakni bernilai 24, pada saat dan.

37. Langkah pertama yang harus dilakukan adalah mengkonversi suatu solusi menjadi sebuah individu (satu individu mneyatakan satu solusi). Untuk mencari nilai dari variabel. dan. perlu mengkodekan kedua variabel tersebut menjadi. sebuah individu. Ada banyak cara untuk mempresentasikan solusi ke dalam suatu individu sebagai berikut: . Pertama, bisa memandang setiap variabel sebagai satu gen, sehingga menghasilkan satu individu dengan satu kromosom yang berisi dua gen dan masing-masing gen berisi satu nilai (bilangan real, desimal, atau biner) atau lebih.. . Kedua, adalah dengan memandang setiap variabel sebagai satu kromosom, sehingga kita mendapat satu individu yang memiliki dua kromosom dan masing-masing kromosom berisi sejumlah gen.. Misalkan menggunakan cara kedua, pada skema real number encoding, setiap individu memiliki dua kromosom yang setiap kromosom berisi satu gen yang dikodekan dalam satu bilangan real. Pada skema descrete decimal encoding, setiap individu memiliki dua kromosom yang masing-masing kromosom memiliki dua gen yang dikodekan sebagai dua bilangan bualat dalam interval [0,9]. Sedangakan pada skema binary encoding, setiap individu memiliki dua kromosom yang masing-masing kromosom berisi 10 gen yang dikodekan sebagai bilangan biner.. 2.5 Penelitian Terkait Algoritma genetika sudah banyak diaplikasikan dan dikembangkan dalam berbagai penelitian. Seperti dalam penelitian Fan-Hsun Tseng dan Xiaofei Wang.