OPTIMASI
MULTI-OBJECTIVE
MENGGUNAKAN NSGA-II
DALAM PENJADWALAN MESIN PRODUKSI
FLOW SHOP
TESIS
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika
FIFIN SONATA 137038026
PROGRAM STUDI S2 TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : Optimasi Multi-objective Menggunakan NSGA-II Dalam Penjadwalan Mesin Produksi Flow Shop
Kategori : Tesis
Nama : Fifin Sonata
Nomor Induk Mahasiswa : 137038026
Program Studi : Teknik Informatika
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Prof. Dr. Tulus, Vor.Dipl.Math., M.Si Prof. Dr. Muhammad Zarlis
Diketahui/disetujui oleh
Program Studi S2 Teknik Informatika Ketua,
PERNYATAAN
OPTIMASI MULTI-OBJECTIVE MENGGUNAKAN NSGA-II
DALAM PENJADWALAN MESIN PRODUKSI FLOW SHOP
TESIS
Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Juli 2015
PERNYATAAN PERSETUJUAN PUBLIKASI
KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini:
Nama : Fifin Sonata
NIM : 137038026
Program Studi : Teknik Informatika Jenis Karya Ilmiah : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty Free Right) atas tesis saya yang berjudul:
OPTIMASI MULTI-OBJECTIVE MENGGUNAKAN NSGA-II DALAM PENJADWALAN MESIN PRODUKSI FLOW SHOP
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.
Demikian penyataan ini dibuat dengan sebenarnya.
Medan, Juli 2015
Telah diuji pada
Tanggal : 3 Juli 2015
PANITIA PENGUJI TESIS
Ketua : Prof. Dr. Muhammad Zarlis
Anggota : 1. Prof. Dr. Tulus, Vor.Dipl.Math., M.Si 2. Prof. Herman Mawengkang
RIWAYAT HIDUP
DATA PRIBADI
Nama Lengkap (berikut gelar) : Fifin Sonata, S.Kom
Tempat dan Tanggal Lahir : Banyuwangi, 24 Desember 1982
Alamat Rumah : Jl. Sejati Pasar V Marendal I – Deli Serdang
Telepon/Fax/HP : 085649796958
E-mail : fifinsonata2012@gmail.com
Instansi Tempat Bekerja : AMIKOM Medan
Alamat Kantor : Jl. Iskandar Muda No.43-49 Medan
DATA PENDIDIKAN
SD : SDN BENCULUK V - Cluring - Banyuwangi TAMAT : tahun 1994 SLTP : SMPN 1 Cluring - Banyuwangi TAMAT : tahun 1997 SLTA : SMUN 2 Genteng - Banyuwangi TAMAT : tahun 2000 S1 : Institut Teknologi Adhi Tama Surabaya TAMAT : tahun 2006
UCAPAN TERIMA KASIH
Alhamdulillahirabbil‟alamiin penulis panjatkan kepada Allah SWT atas hidayah dan petunjuk-NYA, sehingga penulis dapat menyelesaikan laporan tesis dengan judul
“OPTIMASI MULTI-OBJECTIVE MENGGUNAKAN NSGA-II DALAM
PENJADWALAN MESIN PRODUKSI FLOW SHOP ”, yang merupakan salah satu
syarat memperoleh gelar Magister Teknik Informatika pada Program Studi Teknik Informatika, Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Penulis mendapatkan banyak sekali bantuan dari berbagai pihak dalam menyelesaikan laporan tesis ini. Atas berbagai bantuan itu penulis mengucapkan terima kasih yang sebesar-besarnya kepada:
Ayahanda Supriyanto dan Ibunda Hariani yang telah memberikan bimbingan hidup sejak lahir hingga kini dan telah banyak berkorban serta berdo‟a demi kebahagiaan penulis.
Suamiku tercinta Ahmad Khaidir, S.Kom, MT dan anakku tersayang Ahmad Albaihaqie yang telah mendampingi dan memberi semangat pada penulis.
Adikku Anggun Jati Diri yang terus memberikan dukungan moril kepada
penulis.
Bapak Prof. Dr. Muhammad Zarlis selaku pembimbing I tesis yang telah
bersedia meluangkan waktu untuk membimbing dan membagi ilmunya kepada penulis.
Bapak Prof. Dr. Tulus, Vor.Dipl.Math., M.Si selaku pembimbing II tesis yang
telah bersedia meluangkan waktu untuk membimbing dan membagi ilmunya kepada penulis.
Bapak Muhammad Andri Budiman, ST., M.Com.Sc, MEM selaku dosen wali
dan seluruh dosen serta staf di Program Studi Teknik Informatika Fakultas Ilmu Komputer dan Teknologi Informasi USU yang telah memberikan banyak sekali bantuan selama penulis berkuliah.
Seluruh teman KomB-2013 terima kasih atas dukungan dan persahabatan yang
Dan berbagai pihak yang tidak dapat penulis sebutkan satu per satu di sini yang
telah ikut membantu baik secara langsung maupun tidak langsung selama penulisan tugas akhir ini. Semoga Allah SWT membalas semua kebaikan yang telah dilakukan.
Penulis menyadari masih banyak kekurangan yang terdapat pada penyusunan tesis ini. Oleh karena itu penulis menerima setiap masukan dan kritik yang diberikan demi penyempurnaan tesis ini dan berharap semoga tesis ini dapat bermanfaat untuk kita semua.
ABSTRAK
Penjadwalan merupakan suatu kegiatan pengalokasian sumber daya yang terbatas untuk mengerjakan sejumlah pekerjaan. Proses penjadwalan timbul jika terdapat keterbatasan sumber daya yang dimiliki, sehingga diperlukan adanya pengaturan sumber-sumber daya yang ada secara efisien. Adapun tujuan dari penjadwalan produksi umumnya ialah untuk mengoptimalkan dimensi atau objek tertentu. Penjadwalan flow shop adalah salah satu jenis penjadwalan produksi dimana setiap
job akan melalui setiap mesin dengan urutan yang seragam. Optimasi penjadwalan mesin produksi flow shop berkaitan dengan penyusunan penjadwalan mesin yang mempertimbangkan 2 objek yaitu makespan dan total tardiness. Optimasi kedua permasalahan tersebut diatas merupakan optimasi yang bertolak belakang sehingga diperlukan model yang mengintegrasikan permasalahan tersebut dengan optimasi multi-objective A Fast Elitist Non-Dominated Sorting Genetic Algorithm for Multi-Objective Optimazitaion : NSGA-II. Penyelesaian penjadwalan mesin produksi flow shop dengan algoritma NSGA-II untuk membangun jadwal dengan meminimalkan
makespan dan total tardiness. Model yang dikembangkan akan memberikan solusi penjadwalan mesin produksi flow shop yang efisien berupa solusi pareto optimal yang dapat memberikan sekumpulan solusi alternatif bagi pengambil keputusan dalam membuat penjadwalan mesin produksi yang diharapkan. Agar dapat terlihat nilai solusinya maka dilakukan perbandingan dominasi solusi Aggregat Of Function (AOF) dengan solusi NSGA-II. Solusi pareto optimal yang dihasilkan merupakan solusi optimasi multi-objective yang optimal dengan trade-off terhadap seluruh objek, sehingga seluruh solusi pareto optimal sama baiknya.
Kata kunci : Makespan, Multi-objective, NSGA-II, Penjadwalan Mesin Produksi
MULTI-OBJECTIVE OPTIMIZATION USING NSGA-II IN FLOW SHOP
PRODUCTION MACHINE SCHEDULING
ABSTRACT
Scheduling is an activity to allocate limited resources to finish the jobs. Scheduling process arise if there are limitations on available resources that requiring utilization the available resources efficiently. Generally, the purpose of production scheduling is to optimize specific dimensions or objects. Flow shop scheduling is a type of production scheduling where each job will go through each machine with an uniform sequence. Optimization of the flow shop production machine scheduling related to determine machine scheduling that considers two objects i.e makespan and total tardiness. Both above optimization problem is a contradictory optimization that require a model which integrates these problems with multi-objective optimization A Fast elitist Non-dominated Sorting Genetic Algorithm for Multi-Objective Optimization: NSGA-II. The main purpose of completion the flow shop production machine scheduling with NSGA-II algorithm is to determine schedules that minimizing makespan and total tardiness. The developed model will generate efficient solutions of flow shop production machine scheduling in the form of pareto optimal solutions which provide a set of alternative solutions for decision makers in making expected production machine scheduling. In order to analyze the value of the solution that generated, the dominance comparisons made between Aggregate of Function (AOF) solutions and NSGA-II solutions. Pareto optimal solutions that generated are optimal multi-objective optimization solutions with trade-off for all objects, thereby all pareto optimal solutions are just as good.
DAFTAR ISI
BAB 2 LANDASAN TEORI ... 4
2.1. Penjadwalan dan Penjadwalan Flow shop ... 4
2.2. Multi-objective Optimization (MO) ... 6
BAB 3 METODE PENELITIAN ... 15
3.1. Pengumpulan Data ... 16
3.2. Pemodelan Sistem ... 16
3.3. Tahapan NSGA-II ... 16
3.4. Pengukuran dan Perbandingan Optimasi Menggunakan NSGA-II 18 BAB 4 HASIL PENELITIAN DAN PEMBAHASAN ... 19
4.1. Model Matematis ... 19
4.2. Implementasi Tahapan NSGA-II ... 20
4.3 Hasil Penelitian ... 22
4.4. Perbandingan AOF dan NSGA-II ... 33
BAB 5 KESIMPULAN DAN SARAN ... 36
5.1. Kesimpulan ... 36
DAFTAR TABEL
Hal
Tabel 3.1 Tabel Data Penjadwalan Mesin Produksi ... 16
Tabel 4.1 Hasil Penelitian AOF Instance I_150_30... 23
Tabel 4.2 Hasil Penelitian AOF Instance I_250_50... 23
Tabel 4.3 Hasil Penelitian AOF Instance I_350_30... 24
Tabel 4.4 Hasil Penelitian AOF Instance I_350_50... 24
Tabel 4.5 Hasil Penelitian AOF Instance I_50_50... 24
Tabel 4.6 Hasil Uji Normalitas AOF ... 25
Tabel 4.7 Hasil Uji Homogenitas AOF ... 26
Tabel 4.8 Hasil Uji ANOVA AOF ... 27
Tabel 4.9 Parameter Algoritma Genetika untuk AOF ... 29
Tabel 4.10 Hasil Penelitian Estimasi Hypervolume NSGA-II... 31
Tabel 4.11 Hasil Uji Normalitas Estimasi Hypervolume NSGA-II ... 31
Tabel 4.12 Parameter NSGA-II ... 32
Tabel 4.13 Populasi NSGA-II pada generasi ke-1000 ... 33
Tabel 4.14 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_150_30 ... 34
Tabel 4.15 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_250_50 ... 34
Tabel 4.16 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_350_30 ... 34
Tabel 4.17 Perbandingan dominasi Solusi AOF dengan Solusi NSGA-II untuk Instance I_350_50 ... 35
DAFTAR GAMBAR
Hal
Gambar 2.1 Populasi yang dihasilkan pada setiap Generasi EO (Deb, 2011) ... 8
Gambar 2.2 Skema prosedur Multi-objective Optimization (Deb, 2011) ... 10
Gambar 2.3 Perhitungan Crowding-Distance (Deb,2011) ... 12
Gambar 2.4 Prosedur NSGA-II (Deb,2011) ... 14
Gambar 3.1 Diagram Alir Rancangan Penelitian ... 15
Gambar 3.2 Diagram Alir Umum NSGA-II ... 17
Gambar 4.1 Populasi pada Algoritma Genetika untuk Makespan dan Total Tardiness ... 30