• Tidak ada hasil yang ditemukan

ABSTRAK. Natalia Dewi Puspita: Skripsi Analisa Perbandingan Algoritma Ant Colony dengan Algoritma Scatter Search Pada Flowshop Scheduling

N/A
N/A
Info
Unduh - Bebas
Protected

Academic year: 2021

Membagikan "ABSTRAK. Natalia Dewi Puspita: Skripsi Analisa Perbandingan Algoritma Ant Colony dengan Algoritma Scatter Search Pada Flowshop Scheduling"

Copied!
9
0
0

Memuat.... (Lihat teks lengkap sekarang)

Unduh sekarang ( 9 Halaman )

Teks penuh

(1)

vi

ABSTRAK

Natalia Dewi Puspita: Skripsi

Analisa Perbandingan Algoritma Ant Colony dengan Algoritma Scatter Search Pada Flowshop Scheduling

Penjadwalan merupakan salah satu bagian dalam perencanaan dan pengendalian produksi. Sistem penjadwalan yang tepat dapat menghasilkan proses produksi yang sesuai dengan jadwal yang ditentukan.

Dalam masalah penjadwalan terdapat berbagai macam algoritma. Salah satunya adalah algoritma ant colony. Dalam jurnal yang ditulis oleh Rajendran terdapat pengembangan terhadap algoritma ini. Pengembangan algoritma tersebut adalah algoritma PACO. Algoritma PACO dan modifikasinya akan dibandingkan dengan algortima scatter search dengan menggunakan 10,15, 20, job dan 10, 15, 20 mesin sedangkan 30, 50 job dengan mesin yang sama akan digunakan untuk perbandingan antara algoritma PACO dan modifikasinya.

Hasil pengujian menunjukkan bahwa makespan yang dihasilkan oleh algoritma scatter search lebih unggul untuk 10 dan 15 job, sedangkan untuk 20 job algoritma PACO lebih unggul. Secara statistik, makespan yang dihasilkan dalam semua permasalahan tidak berbeda secara significant. Modifikasi algoritma PACO melalui metode updating of trail intensities tidak dapat menurunkan makespan yang dihasilkan secara significant.

Kata kunci:

(2)

vii

ABSTRACT

Natalia Dewi Puspita: Theses

Analyzing The Comparison Between Ant Colony Algorithm And Scatter Search Algorithm On Flowshop Scheduling

Scheduling is one of the parts in planning and production control. Correct scheduling system results an effective production system which conform to the determined schedule.

There are many algorithms for scheduling. One of the algorithms is ant colony algorithm. In the Rajendran’s paper, there is a developing of this algorithm that is PACO. PACO and its modification would be compared to scatter search algorithm using 10, 15, 20 job and 10, 15, 20 machine, while 30 and 50 job were used to compare PACO and its modification.

The result test indicated that scatter search algorithm was better than PACO for 10 and 15 job, and the other hand PACO was better than scatter search algorithm for the 20 job. Even though, statistically they were not different significantly. Modified PACO using update trail method could not decrease makespan significantly.

Keyword:

(3)

viii

DAFTAR ISI

HALAMAN JUDUL... i

LEMBAR PENGESAHAN ... ii

UCAPAN TERIMA KASIH... iii

LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH ... v

ABSTRAKvi DAFTAR ISI... viii

DAFTAR TABEL... x

DAFTAR GAMBAR ... xi

DAFTAR RUMUS... xii

DAFTAR LAMPIRAN... xiii

1. PENDAHULUAN... 1 1.1. Latar Belakang ... 1 1.2. Perumusan Masalah ... 2 1.3. Tujuan ... 2 1.4. Batasan Masalah ... 2 1.5. Sistematika Penulisan ... 2 2. TINJAUAN PUSTAKA... 4 2.1. Penjadwalan Produksi ... 4 2.2. Flowshop ... 6

2.3. Algoritma Ant Colony ... 6

2.3.1. Latar Belakang Biologi ... 6

2.3.2. Struktur Yang Umum Dari Algortima Ant Colony ... 7

2.3.3. Parameter Algortima Ant Colony ... 8

2.3.4. Usulan Pertama dari Pengembangan algortima Ant Colony (M-MMAS) ... 9

2.3.5. Usulan Kedua dari Pengembangan algortima Ant Colony (PACO) ... 11

2.4. Algoritma Nawas, Enscore dan Ham (NEH) ... 15

2.5. Uji Mean ... 15

2.6. Standart Deviasi ... 16

3. METODE PENELITIAN... 18

(4)

ix

3.2. Studi Literatur ... 19

3.3. Menetapkan Algoritma... 19

3.4. Membuat Program... 19

3.5. Verifikasi dan Validasi Program... 19

3.6. Analisa Perbandingan ... 19

3.7. Kesimpulan ... 20

4. RANCANGAN ALGORITMA DAN PROGRAM... 21

4.1. Model Penjadwalan... 21

4.2. Algoritma PACO dan Modifikasinya ... 21

4.2.1. Algoritma PACO... 21

4.2.2. Langkah Algoritma PACO... 22

4.2.3. Modifikasi dari Algoritma PACO... 24

4.3. Contoh Perhitungan Manual ... 24

4.3.1. Algoritma PACO... 24

4.3.2. Modifikasi dari Algoritma PACO... 31

4.4. Verifikasi dan Validasi Program... 33

4.5. Penjelasan Program Secara Singkat ... 37

5. ANALISA ALGORITMA ... 38

5.1. Analisa Perbandingan Algoritma Scatter Search, PACO, dan Modifikasi dari PACO ... 38

5.2. Standar Deviasi ... 46 6. PENUTUP... 48 6.1. Kesimpulan ... 48 6.2. Saran... 48 DAFTAR REFERENSI ... 49 LAMPIRAN... 50

(5)

x

DAFTAR TABEL

2.1. Lingkungan Penjadwalan ... 5

4.1. Waktu Job Disetiap Mesin ... 24

4.2. Perhitungan Makespan Jadwal 2-1 ... 25

4.3. Perhitungan Makespan Jadwal 1-2-4 ... 25

4.4. Perhitungan Makespan Jadwal 1-2-4-5... 26

4.5. Perhitungan Makespan Jadwal 3-1-2-4-5 ... 26

5.1. Perbandingan Makespan Untuk Permasalahan 10 Job 10 Mesin ... 38

5.2. Tabel Rata-rata Makespan Untuk Ketiga Algoritma ... 39

5.3. Pengujian Makespan Untuk Ketiga Algoritma ... 41

5.4. Perbandingan Waktu Komputasi Untuk Permasalahan 10 Job 10 Mesin Pada Algoritma PACO dan Modifikasinya... 42

5.5. Tabel Rata-rata Waktu Komputasi Untuk Algoritma PACO dan Modifikasinya ... 43

5.6. Pengujian Computational Time Untuk Algoritma PACO dan Modifikasinya ... 45

5.7. Makespan Permasalahan 10 Job 10 Mesin Untuk Perhitungan Standart Deviasi ... 46

5.8. Nilai Standart Deviasi Pada Algoritma PACO dan Modifikasi dari Algoritma PACO... 47

(6)

xi

DAFTAR GAMBAR

2.1. Flowchart PACO ... 12

3.1. Flowchart Metode Penelitian... 18

4.1. Flowchart PACO ... 22

4.2. Flowchart Metode Job Index Based Local Search ... 22

4.3. Flowchart Metode Set τik... 23

4.4. Flowchart Metode Updating of Trail Intensities ... 23

4.5. Perhitungan Cij pada program ... 33

4.6. Perhitungan nilai makespan pada program ... 33

4.7. Perhitungan job index based local search pada program... 34

4.8. Perhitungan τik pada program ... 34

4.9. Perhitungan construction of ant sequence pada program ... 35

4.10. Perhitungan pembaharuan intensitas jejak pada algoritma PACO pada program ... 35

4.11. Perhitungan pembaharuan intensitas jejak pada modifikasi dari algoritma PACO pada program... 36

4.12. Perhitungan job index based swap scheme pada program ... 36

4.13. Program untuk Algoritma PACO dan Modifikasinya... 37

5.1. Uji varians untuk permasalahan 10 job 10 mesin pada algoritma scatter search dengan algortima PACO... 40

5.2. Uji varians untuk permasalahan 10 job 10 mesin pada algoritma PACO dengan modifikasi dari algortima PACO... 44

(7)

xii

DAFTAR RUMUS

(2.1) τik pada algoritma M-MMAS... 9

(2.2). Konstruksi dari ant sequence pada algoritma M-MMAS... 9

(2.3). Probabilitas dalam memilih urutan pada algoritma M-MMAS... 10

(2.4). Pembaharuan intensitas jejak pada algoritma M-MMAS ... 11

(2.5). τik pada algoritma PACO ... 13

(2.6). Konstruksi dari ant sequence pada algoritma PACO ... 13

(2.7) Probabilitas dalam memilih urutan pada algoritma PACO ... 13

(2.8). Updating of trail intensities pada algoritma PACO ... 14

(2.9). Updating of trail intensities pada algoritma PACO ... 14

(2.10). Perhitungan total proses pada lagoritma NEH ... 15

(2.11). Distribusi t student... 16

(2.11). Standar deviasi untuk nilai varians yang seragam ... 16

(8)

xiii

DAFTAR LAMPIRAN

1. Data Makespan Permasalahan 10 Job... 50

2. Data Makespan Permasalahan 15 Job... 51

3. Data Makespan Permasalahan 20 Job... 53

4. Data Makespan Permasalahan 30 Job... 55

5. Data Makespan Permasalahan 50 Job... 57

6. Data Waktu Komputasi Permasalahan 10 Job ... 59

7. Data Waktu Komputasi Permasalahan 15 Job ... 61

8. Data Waktu Komputasi Permasalahan 20 Job ... 63

9. Data Waktu Komputasi Permasalahan 30 Job ... 65

10. Data Waktu Komputasi Permasalahan 50 Job ... 67

11. Uji Varians dan Uji Mean pada Permasalahan 10 Job 10 Mesin ... 69

12. Uji Varians dan Uji Mean pada Permasalahan 10 Job 15 Mesin ... 72

13. Uji Varians dan Uji Mean pada Permasalahan 10 Job 20 Mesin ... 76

14. Uji Varians dan Uji Mean pada Permasalahan 15 Job 10 Mesin ... 80

15. Uji Varians dan Uji Mean pada Permasalahan 15 Job 15 Mesin ... 83

16. Uji Varians dan Uji Mean pada Permasalahan 15 Job 20 Mesin ... 86

17. Uji Varians dan Uji Mean pada Permasalahan 20 Job 10 Mesin ... 89

18. Uji Varians dan Uji Mean pada Permasalahan 20 Job 15 Mesin ... 92

19. Uji Varians dan Uji Mean pada Permasalahan 20 Job 20 Mesin ... 95

20. Uji Varians dan Uji Mean pada Permasalahan 30 Job 10 Mesin ... 98

21. Uji Varians dan Uji Mean pada Permasalahan 30 Job 15 Mesin ... 100

(9)

xiv

23. Uji Varians dan Uji Mean pada Permasalahan 50 Job 10 Mesin ... 104 24. Uji Varians dan Uji Mean pada Permasalahan 50 Job 15 Mesin ... 106 25. Uji Varians dan Uji Mean pada Permasalahan 50 Job 20 Mesin ... 108 26. Data Makespan Permasalahan 10 Job Untuk Perhitungan Standar

Deviasi ... 110 27. Data Makespan Permasalahan 15 Job Untuk Perhitungan Standar

Deviasi ... 111 28. Data Makespan Permasalahan 20 Job Untuk Perhitungan Standar

Deviasi ... 113 29. Data Makespan Permasalahan 30 Job Untuk Perhitungan Standar

Deviasi ... 115 30. Data Makespan Permasalahan 50 Job Untuk Perhitungan Standar

Referensi

Unduh sekarang ( PDF - 9 Halaman - 122.46 KB )

Dokumen terkait

APLIKASI PEMBELAJARAN DAN NILAI BERBASIS WEB PADA SMP YSP PUSRI PALEMBANG - eprints3

Pada bab ini menjelaskan tentang tinjauan Instansi dan landasan teori yang menjelaskan tentang teori umum yang berkaitan dengan judul, teori program yang berkaitan dengan

Perbandingan Pemilihan Komponen Pengasutan Motor Induksi Tiga Fasa antara Sistem Pengasutan Langsung ke Jala-Jala (DOL Starting) dengan Sistem Pengasutan Bintang Segitiga (Y-Δ Starting)

Tujuan dari penelitian ini adalah mengaplikasikan perangkat lunak LV Motor Starter Solution Guide untuk menentukan komponen-komponen yang dibutuhkan jika motor

BAB I PENDAHULUAN 1.1 Latar Belakang - BAB I Arief

Dengan adanya website ini, maka para pelanggan tidak harus datang ke. kantor pusat untuk melakukan pemesanan dan tidak khawatir atas promosi

RESUME HASIL PENILIKAN KE-2 PENILAIAN KINERJA PHPL PT GUNUNG GAJAH ABADI

Verifier 3.5.1. Ketersedian prosedur pengelolaan flora yang dilindungi mengacu pada peraturan perundangan yang berlaku. Baik PT Gunung Gajah Abadi telah memiliki SOP

FAKTOR-FAKTOR YANG MEMPENGARUHI KEJADIAN GAKY PADA ANAK USIA SEKOLAH DASAR DI KECAMATAN KENDAL KABUPATEN NGAWI. Wahyu Hariyanti.

Hasil penelitian menunjukkan bahwa kejadian GAKY pada anak usia sekolah dasar dipengaruhi oleh faktor eksternal individu (keluarga). Kejadian GAKY memiliki hubungan

guaranteeing Indonesia s infrastructure

Penjaminan yang diberikan PT PII secara khusus disiapkan untuk mendukung komitmen terkait kewajiban finansial dari Penanggung Jawab Proyek Kerjasama (PJPK) dalam

BAB 3 METODE PENELITIAN

a. Bagian pertama mencakup identitas responden dan penarikan kesimpulan dilakukan dengan melihat jumlah persentase jawaban. Hasil pengolahan data kemudian disajikan dalam

HUBUNGAN PARTISIPASI PENYUSUNAN ANGGARAN DENGAN KINERJA PENGELOLAAN KEUANGAN DAERAH: KEPUASAN KERJA DAN MOTIVASI SEBAGAI VARIABEL PEMODERASI

Hasil pengujian hipotesis kedua dalam panelitian ini konsisten dengan hasil penelitian yang dilakukan Baron (2003) dalam Wulandari (2011), yang menunjukkan bahwa

Image