Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada perusahaan manufaktur, penjadwalan produksi job shop memegang peranan yang penting dalam hal tercapainya kondisi yang mendekati optimal dalam proses produksi. Melalui penelitian ini penulis bermaksud untuk menerapkan algoritma tabu search pada penjadwalan produksi job shop dengan tujuan minimasi penalty awal dari permasalahan yang ada lalu solusi tersebit dijadikan sebagai solusi terbaik. Solusi terbaik tersebut dimaksudkan ke dalam tabu list, setelah itu di proses di iterasi berikutnya sampai mendekati titik optimal. Penelitian ini mempunyai 5 job yang bertotalkan 95 komponen yang akan diproses di 24 mesin.Dari hasil percobaan yang telah dilakukan, dapat disimpulkan bahwa algoritma tabu search mempunyai hasil sejumlah 5732 menit dan apabila dibandingkan dengan solusi awal mengalami penurunan makespan sebesar 6.2 % yang lebih baik pada permasalahan penjadwalan produksi job shop dengan tujuan minimasi penalti keterlambatan.

---

In manufacturing, production scheduling job shop plays an important role in the achievement of near-optimal conditions in the production process. Through this study the author intends to apply the tabu search algorithms on the production job shop scheduling with the goal of minimizing the initial penalty of existing problems and solutions tersebit serve as the best solution. The best solution is intended to the taboo list, after it was processed in the next iteration until near the optimum point. This study has 5 job that bertotalkan 95 components will be processed in 24 machines.

From the results of experiments that have been done, we can conclude that tabu search algorithms have the results of a number of 5732 minutes and when compared with the initial solution makespan decreased by 6.2% better on the production job shop scheduling problem with the objective of minimizing the delay penalty."

"Penelitian ini membahas masalah penjadwalan job shop pada sebuah perusahaan yang memproduksi produk stamping. Permasalahan yang terjadi adalah tingginya angka keterlambatan pemenuhan pesanan atau rendahnya performa on-time delivery. Oleh karena itu, tujuan dari penelitian ini adalah meminimumkan jumlah keterlambatan dari setiap job. Penjadwalan produksi pada sistem produksi job shop merupakan salah satu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk mendapatkan solusi yang optimal untuk masalah ini. Metode penelitian ini menggunakan algoritma tabu search. Tabu search menggunakan tabu list dan iterasi pada solusi tetangga untuk mencegah terjebak pada optimal lokal. Penelitian ini menjadwalkan 21 produk yang terbagi menjadi 208 job yang diproses di 16 mesin dengan spesifikasinya mesin yang berbeda-beda. Model penjadwalan ini menghasilkan jumlah keterlambatan sebesar 23 job yang sebelumnya 96 job, atau dengan kata lain terjadi penurunan jumlah keterlambatan sebesar 76,04 . Selain itu, rata-rata waktu tunggu proses barang setengah jadi juga mengalami penurunan sebesar 29,8

---

This research presents job shop scheduling at a company that produce stamping product. The problem that happened here is high number of tardiness or low on time delivery performance. Therefore, the objective of this research is to minimize number of tardiness. Job shop scheduling is a complex problem so that need appropriated method to produce the optimal solution for this problem. This research using tabu search algorithm method. Tabu search uses tabu list and iterations in neigborhood solution to prevent getting stuck on a local optimum. This research schedules 21 products which divided into 208 jobs which processed on 16 machines with different spesifications. This model produces the output has 23 jobs tardiness which before has 96 jobs, means that number of tardiness reduces of 76,04 . In addtion, average waiting time of work in process also reduces 29,8."

"Proses penjadwalan kuliah merupakan proses yang cukup rumit karena komponen-komponen yang dijadwalkan saling berkaitan dan memiliki kondisi yang berbeda-beda. Biasanya penjadwalan mata kuliah dilakukan secara manual. Namun prosesnya akan memakan waktu yang cukup lama, dan penyesuaian kendala yang cukup sulit. Beberapa metode penyelesaian penjadwalan yang telah digunakan yaitu Algoritma Genetik, Algoritma Tabu Search dan gabungan dari keduanya yaitu Algoritma Hybrid Genetic-Tabu Search. Dalam penelitian ini akan dicari hasil perbandingan Algoritma Tabu Search dan Algoritma Hybrid Genetic-Tabu Search dalam penyelesaian masalah penjadwalan mata kuliah. Data yang digunakan berupa data dummy. Berdasarkan hasil simulasi, Algoritma Hybrid Genetic-Tabu Search memiliki konvergensi menuju solusi optimal lebih cepat dengan memberikan nilai fitness yang lebih baik dibandingkan dengan Algoritma Tabu Search dalam menyelesaikan masalah penjadwalan kuliah.

---

The course scheduling process is a fairly complicated process because the components scheduled are related and have different conditions. Usually the scheduling of courses is done manually. But the process will take a long time, and the adjustment of obstacles is quite difficult. Several scheduling settlement methods that have been used are Genetic Algorithm, Tabu Search Algorithm and a combination of the two, Hybrid Genetic-Tabu Search Algorithm. In this study, the results of the comparison of Tabu Search Algorithm and Hybrid Genetic-Tabu Search Algorithm in solving the problem of scheduling courses. The data used in simulation is dummy data. Based on the simulation results, Hybrid Genetic-Tabu Search Algorithm has convergence to an optimal solution faster by providing better fitness values compared to Tabu Search Algorithm in solving university course scheduling problems."

"Penelitian ini akan membahas masalah penjadwalan Job shop (Job shop scheduling problem). Kerumitan pada masalah penjadwalan job shop disebabkan karena pada proses setiap komponen memiliki aliran yang berbeda sehingga dibutuhkan penjadwalan untuk menentukan urutan pengerjaan setiap komponen. Karena kompleksnya masalah penjadwalan produksi, maka solusi penyelesaian terhadap masalah ini dilakukan dengan menggunakan pendekatan heuristik yaitu metode algoritma tabu search. Algoritma tabu search, yaitu suatu pendekatan heuristik dalam pencarian solusi berdasarkan pada metode optimasi, dimana algoritma ini menggunakan daftar tabu dan iterasi lokal untuk mencegah terjebak pada local optimal hingga tercapainya solusi mendekati terbaik. Pada model jobshop penelitian ini terdapat 5 job dengan 98 komponen yang di kerjakan di 8 mesin. Fungsi tujuan dari permasalahan ini ialah meminimalkan total waktu pengerjaan seluruh job. Hasil penjadwalan produksi yang diperoleh melalui algoritma tabu search setelah 20 iterasi menghasilkan minimal makespan seluruh job sebesar 197.50 jam. Jadi, jika dibandingkan dengan jadwal produksi yang lama, maka terjadi penurunan makespan yaitu sebesar 53,87 %.

---

This research will present Job shop scheduling problem. The complexity of the job shop scheduling problem is caused the process of each component having different flow process. that it takes to determine sequencing of processing for each component in the scheduling. Due to the complex problem of production scheduling, then the solution to the problem of settlement is done by using a heuristic approach to taboo search algorithm method. Taboo search algorithm, which is a heuristic search approach based on the solution methods of optimization, where this algorithm uses a local list of taboo and iterations to prevent getting stuck on a local optimum to the achievement of a solution approach the best. In this model there are 5 jobs with 98 components that are in working on the 8 machines. The purpose of this function is to minimize the problems of the total cost of makespan. Production scheduling results obtained through taboo search algorithm after 200 iterations produces minimal makespan whole job of 197.5 hours. So, when compared to the long production schedule, then decline the makespan of 53.87%."

"ABSTRAKPatient Assignment Problem merupakan suatu masalah penugasan untuk memasangkanpasien ke perawat pada pelayanan home care service. Solusi yang ingin didapatkanadalah pasangan yang tepat antara perawat dan pasien dengan tingkat ketakseimbanganbeban kerja perawat yang minimum. Skripsi ini membahas penggunaan algoritma tabusearch pada patient assignment problem.Penentuan solusi awal pada skripsi inimenggunakan metode random. Metode tabu search menggunakan dua strategi penting,yaitu strategi intensifikasi dan diversifikasi. Pada strategi intensifikasi akan dilakukanpencarian pada suatu daerah sehingga solusi yang terbaik di daerah ini ditemukan,sedangkan strategi diversifikasi merupakan mekanisme yang mencoba keluar darioptimal lokal dan melakukan pencarian ke daerah- daerah yang yang sebelumnya belumpernah/ jarang dikunjungi. Tujuannya digunakan strategi ini adalah untuk mendapatkankemungkinan nilai fungsi tujuan yang lebih baik.

---

ABSTRACTPatient assignment problem is an assignment problem to pair a number of patients to anumber of nurses in a home care service. The solution is a pair of nurse and patient withminimum unbalanced workload on the nurse. This final paper discuss is about tabusearch algorithm used on the patient assignment problem. The initial solution is usinggenerated random method. Tabu search method uses two important strategies calledintensification and diversification. In intensification strategy, the search of the bestsolution are focused in a certain area, while diversification focuses on the areas thatrarely or never visited before. In the aim of these strategies is to obtain a better solution."

"GMF Power Service merupakan unit bisnis non-aviasi yang menangani perbaikan turbin gas industri, khususnya work center part repair menangani perbaikan komponen-komponen penyusun turbin gas tersebut. Kegiatan perbaikan di work center part repair tergolong sebagai tipe job shop dinamis, dimana setiap komponen memerlukan alur penanganan yang berbeda-beda dan order konsumen datang dengan waktu yang berbeda pula. Penelitian ini dilakukan untuk memperoleh suatu penjadwalan kegiatan kerja yang optimal dengan menggunakan metode metaheuristik yaitu algoritma Tabu Search. Fungsi tujuan yang ingin dicapai adalah meminimumkan total biaya penalti akibat keterlambatan penyelesaian order. Keterlambatan didefinisikan sebagai selisih positif antara waktu tenggat (due date) dan waktu penyelesaian order.Dengan menggunakan bantuan bahasa pemrograman DEPLHI, diperoleh penjadwalan kegiatan kerja optimal dengan total waktu penyelesaian (makespan) seluruh job sebesar 4640 jam, jumlah keterlambatan 4 job, dan total pinalti sebesar Rp 12.515. Dari hasil optimasi ini, total biaya penalti yang dihasilkan berkurang 49,53 % dari total biaya penalti solusi awal.

---

GMF Power Service is a unit business that repair non-aircraft industrial turbine gas, especially Part Repair work center handle the repairig of gas turbine’s components. All those repairing activities classified as dynamic job shop type, where each component requires the different repairing process route and the customer orders arrive with a different time. This study was conducted to obtain an optimal work scheduling using metaheuristic method, namely Tabu Search algorithm. The objective function is to minimize the total cost of penalty due to the lateness of orders completion. Lateness defined as the positive difference between due date and order completion time.

Using DELPHI programming language, the optimum solution of work activities scheduling generate optimal total completion time (makespan) of all jobs by 4640 hours, 4 number of lateness jobs, and total penalty cost Rp 12.515. From the optimum scheduling, the company can save 49.53% total penalty cost compared to the initial solution."

"Proses pembuatan jadwal kuliah merupakan kegiatan yang panjang, membosankan, serta membutuhkan waktu dan pemikiran yang cukup besar jika dilakukan secara manual. Penyelesaian masalah penjadwalan kuliah secara otomatis dengan bantuan komputer dapat mengurangi waktu dan tenaga dalam membuat jadwal kuliah dan memperkecil terjadinya kesalahan yang disebabkan human error.Genetic algorithm (GA) merupakan salah satu algoritma local search yang bekerja dengan memori yang kecil dan sering kali dapat menemukan solusi yang masuk akal dalam state space yang sangat besar yang tidak bisa ditemukan oleh algoritma yang sistematik sehingga cocok digunakan untuk menyelesaikan masalah penjadwalan kuliah. Penjadwalan kuliah adalah masalah yang multiobjective karena banyak aspek yang menentukan baik buruknya suatu jadwal kuliah. Oleh karena itu, pada tugas akhir ini digunakan algoritma multiobjective SPEA2.Dalam tugas akhir ini, masalah penjadwalan kuliah dimodelkan sebagai constraint satisfaction problem, lalu diselesaikan dengan GA. Terdapat hard constraint dan soft constraint dalam penjadwalan kuliah. Setiap constraint dianggap sebagai satu fungsi objektif yang mempengarui nilai fitness individu. Pada eksperimen yang dilakukan, digunakan variasi: 1) ukuran test case: kecil, sedang, besar gasal, besar genap, 2) algoritma multiobjective: SPEA2 dan aggregation based, 3) 4 representasi chromosome, 4) GA parameter: populasi, archive size, crossover type, dan mutation rate, 5) constraint aktif.Dari hasil eksperimen, GA dapat menyelesaikan penjadwalan kuliah dengan baik karena pada hampir semua test case yang dicobakan, GA dapat menghasilkan jadwal yang memenuhi semua constraint yang ada. Selain itu, mengenai parameter GA untuk masalah penjadwalan kuliah dapat disimpulkan: algoritma multiobjective SPEA2 lebih baik dari aggregation based, populasi semakin besar semakin baik, archive size yang ideal adalah 50% dari jumlah populasi, mutation rate sangat tergantung dari panjang genome.

---

The process of creating a university timetable is a long and tedious work that needs much time and energy if it is done manually. Solving university timetabling problem automatically with a computer not only can reduce time and energy but also prevent human error.Genetic algorithm (GA) is one of local search algorithm that requires little memory and can often find a reasonable solution in a very big state space search which can not be found by systematic search algorithms. Therefore, it is useful for solving timetabling problem. Timetable scheduling is a multiobjective problem because there are many aspects that determine whether a schedule is good or bad. Because of that, in this research, multiobjective algorithm SPEA2 is used.In this reasearch, timetabling problem is represented as a constraint satisfaction problem, then solved with GA. There are hard constraints and soft constraints in university timetabling problem. Each constraint is considered as an objective function that affect fitness value of an individual. In the experiment conducted, the variation used are: 1) test case size: small, medium, large odd, large even, 2) multiobjective algorithm: SPEA2 and aggregation based, 3) four different chromosome representations, 4) GA parameters: population, archive size, crossover type, and mutation rate, 5) active constraints.From the results of the experiment, GA can successfully solve timetabling problems because in almost all the test cases tried, GA can generate schedules that satisfy all the constraints. In addition, conclusions about the GA parameters for the timetabling problem are: multiobjective algorithm SPEA2 is better than aggregation based, the greater the population the better, the ideal archive size is 50% of the population, mutation rate is highly dependent on the length of the genome."