Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini mempresentasikan algoritma differential evolution pada permasalahan job shop dengan fungsi tujuan meminimumkan makespan. Representasi populasi individu diperoleh dari bilangan acak. Bilangan acak tersebut menjadi acuan aturan smallest position value yang akan digunakan untuk mengkonversikan nilai posisi kontinyu bagi permutasi job, yang kemudian diterjemahkan menjadi job repetition vector. Penjadwalan dihasilkan dengan menggunakan prosedur job repetition vector. Metode ini diaplikasikan menggunakan data sekunder penelitian seseorang di PT X. Metode tersebut selanjutnya akan dibandingkan dengan metode lain pada permasalahan job shop.

---

This skripsi presents a differential evolution algorithm for job shop scheduling problem with makespan criterion. The individual representation of the problem is based on random keys. The random key representations develops smallest position value rule in order to convert the continuous position values to the discrete job permutations. The schedules are constructed using job repetition vector procedure. The approach is tested on a standard instance taken from the literature which uses data from PT X. The approach is then compared with other approaches."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi merupakan suatu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk mendapatkan solusi yang optimal untuk masalah ini. Metode penelitian yang digunakan adalah salah satu dari metode meta-heuristik, yaitu algoritma differential evolution (DE). Prinsip algoritma DE sesuai dengan analogi evolusi biologi, yaitu terdiri dari proses inisialisasi populasi, proses mutasi, proses pindah silang, dan proses seleksi. Algoritma ini memiliki beberapa keunggulan, yaitu konsepnya sederhana, mudah diaplikasikan, cepat dalam menghasilkan solusi, dan tangguh. Fungsi tujuan dari permasalahan ini ialah meminimumkan total biaya keterlambatan seluruh job. Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan total biaya keterlambatan seluruh job sebesar 28395 menit, sedangkan jadwal perusahaan menghasilkan 33190 menit. Jadi, usulan jadwal menghasilkan penurunan total biaya keterlambatan sebesar 14,45% dibandingkan jadwal perusahaan. Selain itu; jumlah job yang terlambat, total keterlambatan, dan total waktu penyelesaian seluruh job juga mengalami penurunan; yaitu secara berurutan sebesar 11,11%; 11,47%; dan 0,1%.

---

This research presents job shop scheduling at a company. This system yields large amount of different products with some different manufacture processes. Production scheduling is a complex problem so that appropriated method to produces the optimal solution of it is needed. Method of this research is one of metaheuristic algorithms, differential evolution (DE) algorithm. The principle of DE algorithm is based on analogy of biological evolution that consists of population initiation process, mutation process, crossover process, and selection process. This algorithm has some strengths because of its simply structure, ease to use, speed, and robustness. The objective function in this problem is to minimize total of tardiness costs of all jobs. The schedule that is obtained from differential evolution algorithm produces total of tardiness costs of 28395 minutes, meanwhile the schedule of company produces 33190 minutes. Thus, new schedule produces reduction of total of tardiness costs about 14.45% compared with schedule of company. Moreover, the number of tardy jobs, total of tardiness, and makespan also show reduction about 11.11%, 11.47%, and 0.1% respectively."

"Penelitian ini membahas permasalahan suatu perusahaan kontraktor tambang dalam menentukan jumlah dan biaya alat training yang harus dikeluarkan untuk melaksanakan kegiatan training operator. Untuk memperoleh solusi optimal pada permasalahan ini diperlukan suatu sistem penjadwalan training operator dengan metode yang tepat. Metode yang digunakan dalam penelitian ini adalah algoritma Differential Evolution (DE). DE membantu penelitian yang memiliki fungsi tujuan meminimumkan total biaya pembelian alat training ini untuk memperoleh solusi yang optimal. Solusi yang dihasilkan memberikan penurunan jumlah alat yang dibeli sebesar 36,7% yaitu 19 alat dari 30 alat dengan biaya yang juga mengalami penurunan sebesar 69,6% yaitu $3.702.163,20 dibandingkan dengan penjadwalan yang dilakukan perusahaan.

---

This research discusses a mining contractor company's problem in determining the amount and cost of purchasing training equipment that must be issued to conduct the operator training. Getting the optimal problem solution require a right method of operator training scheduling system.

The method used in this research that has the objective function to minimize the total of the purchasing training equipment cost is Differential Evolution (DE) algorithm. DE assist it to obtain the optimal solution.

The solution reduce 36.7% amount of equipment purchased from 30 to 19 equipment and 69.6% equipment purchasing cost as much as $3,702,163.20 compared to the company scheduling result."

"Semakin meningkatnya pengguna telepon seluler di Indonesia berakibat pada munculnya berbagai operator baru. Hal ini tentu juga berdampak pada semakin banyaknya Base Transceiver Station (BTS) yang dipasang pada menara yang harus diletakkan di berbagai tempat guna memenuhi kebutuhan pengguna telepon seluler agar dapat menggunakan jasa telepon seluler dimanapun mereka berada. Hal ini mendorong para operator untuk membangun banyak menara sehingga letaknya terkesan tidak tertata dan tidak teratur sehingga dikeluarkanlah suatu peraturan pemerintah baru yang mengharuskan bahwa satu menara telekomunikasi harus digunakan oleh lebih dari satu operator untuk mengatasi permasalahan ini. Hal ini pun telah mendorong munculnya perusahaanperusahaan yang menyediakan jasa penyewaan BTS yang diantaranya adalah PT SK. Penelitian ini bertujuan untuk menentukan titik-titik optimum dari peletakan BTS pada Kabupaten Purwakarta dimana titik-titik tersebut digunakan untuk merelokasi BTS yang sebelumnya digunakan secara sendiri-sendiri oleh tiga operator, yaitu A, B, dan C di 66 titik di Kabupaten Purwakarta yang dilakukan oleh PT SK. Selain itu, relokasi juga dilakukan dengan menambahkan 32 titik baru sehingga memiliki total lokasi sebanyak 98 buah. Penentuan titik-titik optimum tersebut menggunakan metode optimasi algoritma Differential Evolution. Hasil yang diperoleh dari penelitian ini adalah peningkatan area layanan secara berturut-turut sebesar 41%, 58%, dan 120% untuk Operator A, B, dan C.

---

The growing number of cellular phone users in Indonesia has accelerated the emerging of new providers. This phenomenon results in encouraging the providers to locate many Base Transceiver Stations installed on towers in many spots in order to fulfill the customers' needs to use the cellular phone services. The locating of many BTS in many spots done by a number of providers has resulted in disorganized locating of the BTS. To solve the problem, the Indonesian government issued decree that requires every tower to be used by more than one BTS. The decree also resulted in the emergence of many companies that offer tower renting service to cellular phone providers. One of those companies is PT SK.

The goal of this research is to determine the optimum coordinates of BTS locating in Kabupaten Purwakarta where those coordinates are used to relocate BTS in 66 locations that had been previously used individually by three providers, Provider A, B, and C by PT X and to increase the coverage of the each provider. In addition, PT X also added new 32 spots to locate the BTS. This problem is solved using Differential Evolution algorithm. The result of this research is the increase of the coverage of each provider which are increase of 41%, 58%, and 120% for Provider A, B and C respectively."

"Sistem pengadaan bahan baku pada perusahaan manufaktur dari pemasok ke pabrik produksi dituntut untuk menjadi sangat efektif dan efisien. Penelitian ini bertujuan untuk meminimalkan jarak tempuh truk yang mengambil komponen dari pemasok berdasarkan sistem milkrun sehingga diperoleh rute dan penggunaan jumlah truk yang optimal pada perusahaan. Optimasi rute dihasilkan dengan menggunakan metode algoritma Differential Evolution. Keunggulan Differential Evolution adalah strukturnya yang sederhana, mudah diimplementasikan, cepat dalam mencapai tujuan, dan tangguh. Dengan menggunakan metode ini sistem transportasi dapat dioptimalkan sehingga biaya logistik dapat diminimalkan. Hasil yang diperoleh dari penelitian ini adalah penurunan jarak tempuh 1,230.4 km atau sebesar 15.23%.

---

Materials procurement system in a manufacturing plant is demanded to be very effective and efficient. The purpose of this research is to minimize truck's travelled distance based on Milkrun system in order to achieve optimum routes and truck utilization in the company. The optimization was obtained using the implementation of Differential Evolution Algorithm method. DE is a population based and direct stochastic search algorithm (minimizer or maximizer) which simple, yet powerful and straightforward. The preliminary results indicated that the proposed method could provide a practical tool to significantly reduce the travel distance which also means reduce the cost of logistic. The result of this research is the decreased of truck's travelled distance by 15.23%."

"Penelitian ini dilakukan untuk memperoleh rute distribusi produk gas yang optimal, sehingga dapat mengurangi jarak tempuh dan memungkinkan tercapainya efisiensi total biaya distribusi pada sebuah industri gas. Hal ini dilakukan dengan optimasi yaitu melalui penentuan rute distribusi. Optimasi rute dilakukan dengan menggunakan algoritma Differential Evolution. Differential Evolution merupakan salah satu algoritma evolusioner yang strukturnya sederhana, mudah diimplementasikan, dan cepat mencapai tujuan. Hasil yang diharapkan dari penelitan ini adalah usulan penentuan rute distribusi produk yang lebih optimal berdasarkan analisa jarak tempuh, utilisasi kendaraan, dan biaya pengiriman. Setelah penelitian dilakukan, diperoleh pengurangan jarak tempuh selama 5 hari sebesar 351.96 Km atau sebesar 17.3%.

---

The aim of this research is to obtain the optimum routes for cylinder gas distribution, in order to reduce travelled distance and to attain the total distribution cost effeciency. Routes optimization were achieved using Differential Evolution Algorithm. Differential Evolution is a population based and direct stochastic seacrh algorithm (minimizer or maximazer) with simple, yet powerful, and straightforward.

The result of this research was a recommendation for the optimum distribution routes based on travelled distance analysis, vehicle utilization, and delivery cost. After the research is completely done, the result of a distance reduction for 351.96 km or 17.3% in 5 days is successfully obtained."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi merupakan suatu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk mendapatkan solusi yang optimal untuk masalah ini. Metode penelitian yang digunakan adalah salah satu dari metode meta-heuristik, yaitu algoritma differential evolution (DE). Prinsip algoritma DE sesuai dengan analogi evolusi biologi, yaitu terdiri dari proses inisialisasi populasi, proses mutasi, proses pindah silang, dan proses seleksi. Algoritma ini memiliki beberapa keunggulan, yaitu konsepnya sederhana, mudah diaplikasikan, cepat dalam menghasilkan solusi, dan tangguh. Fungsi tujuan dari permasalahan ini ialah meminimumkan nilai makespan (waktu total penyelesaian keseluruhan job). Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan nilai makespan sebesar 3198 menit, sedangkan jadwal perusahaan menghasilkan 3209 menit. Jadi, dengan menggunakan algoritma differential evolution terjadi pengurangan total waktu proses seluruh job yaitu 11 menit. Dalam penelitian ini digunakan data waktu proses yang sama agar hasil perhitungan dapat lebih akurat terhadap fungsi tujuan yang diinginkan.

---

This research presents job shop scheduling at a company. This system yields large amount of different products with some different manufacture processes. Production scheduling is a complex problem so that appropriated method to produces the optimal solution of it is needed.

Method of this research is one of metaheuristic algorithms, differential evolution (DE) algorithm. The principle of DE algorithm is based on analogy of biological evolution that consists of population initiation process, mutation process, crossover process, and selection process. This algorithm has some strengths because of its simply structure, easy to use, speed, and robustness. The objective function in this problem is to minimize total of finish time process of all jobs.

The result of scheduling that is obtained from differential evolution algorithm produces total of finish time process is 3198 minutes, meanwhile the schedule of company produces 3209 minutes. So, there are some reducing time of total finish time process of all jobs as much as 11 minutes. In this research, we use same data in order to get more accurate calculation based on objective function."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan otomotif. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi merupakan suatu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk memperoleh solusi yang optimal untuk masalah ini.Metode penelitian yang digunakan adalah salah satu dari metode meta-heuristik, yaitu algoritma differential evolution (DE). Prinsip algoritma DE sesuai dengan analogi evolusi biologi, yaitu terdiri dari proses inisialisasi populasi, proses mutasi, proses pindah silang dan proses seleksi. Algoritma ini memiliki beberapa keunggulan, yaitu konsepnya sederhana, mudah diaplikasikan, cepat dalam menghasilkan solusi, dan tangguh. Fungsi tujuan dari permasalahan ini adalah meminimumkan makespan.Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan makespan sebesar 286.432,4 detik, sedangkan jadwal perusahaan menghasilkan 313.325 detik. Jadi, usulan jadwal menghasilkan penurunan makespan sebesar 8,58 % dibandingkan jadwal perusahaan.

---

This research discusses job shop scheduling problems in the automotive company. This system yields large amount of different products with some different manufacture processes. Production scheduling is the complex problems so that approriated method to produces the optimal solution of it is needed.

Method of this research is one of meta-heuristic algorithms, differential evolution (DE) algorithm. The principle of DE algorithm is based on analogy of biology evolution that consists of population initiatilization process, mutation process, crossover process, and selection process. This algorithm has some strengths because of its simply structure, ease to use, speed, and robustness. The objective function in this problem is to minimize makespan.

This schedule that is obtained from differential evolution algorithm produces makespan of 286,432.4 seconds, meanwhile the schedule of company produces 313,325 seconds. Thus, new schedule produces reduction of makespan about 8.58% compare with schedule of company."

"Tujuan tugas akhir ini adalah untuk meminimalisasi biaya pemindahan bahan dengan cara merancang ulang tata letak pabrik. Perancangan ulang tata letak pabrik adalah sebuah permasalahan yang rumit, oleh karena itu kita memerlukan metode yang tepat untuk mendapatkan solusi optimal. Metode penelitian yang digunakan dalam tugas akhir ini merupakan salah satu metode meta-heuristic yaitu Algoritma Differential Evolution (DE). Prinsip Algoritma DE sesuai dengan analogi evolusi biologi yang terdiri atas inisialisasi populasi, mutasi, pindah silang dan seleksi. Algoritma ini mempunyai banyak keunggulan yaitu : sederhana, mudah digunakan dan cepat.

---

The purpose of this final project is to minimize material handling cost by relayout the plant facilities. The re-layout of plant facilities is a complicated problem therefore we need the right method to get the optimum solution. The research method used in this final project is one of meta-heuristic method that is Differential Evolution Algorithm (DE). The principal of DE Algorithm as according to biology evolution analogy, which is consist of population initialization, mutation, crossover and selection. This algorithm has many of advantages that are: simple, easy to be used and fast."

"Penelitian ini membahas masalah penjadwalan job shop pada suatu perusahaan otomotif. Pada sistem ini akan dihasilkan sejumlah produk dalam beberapa jenis dengan rute yang dapat berbeda satu sama lain. Penjadwalan produksi merupakan suatu permasalahan yang kompleks sehingga dibutuhkan metode yang tepat untuk mendapatkan solusi yang optimal untuk masalah ini. Metode penelitian yang digunakan adalah salah satu dari metode meta-heuristik, yaitu algoritma differential evolution (DE).Prinsip algoritma DE sesuai dengan analogi evolusi biologi, yaitu terdiri dari proses inisialisasi populasi, proses mutasi, proses pindah silang, dan proses seleksi. Algoritma ini memiliki beberapa keunggulan, yaitu konsepnya sederhana, mudah diaplikasikan, cepat dalam menghasilkan solusi, dan tangguh. Fungsi tujuan dari permasalahan ini adalah meminimumkan makespan. Penjadwalan yang diperoleh melalui algoritma differential evolution menghasilkan makespan sebesar 1.207.624,4 detik, sedangkan jadwal perusahaan menghasilkan 1.253.272,8 detik. Jadi, usulan jadwal menghasilkan penurunan makespan sebesar 3,64% dibandingkan jadwal perusahaan.

---

This research presents job shop scheduling at a automotive company. This system yields large amount of different products with some different manufacture processes. Production scheduling is a complex problem so that appropriated method to produces the optimal solution of it is needed. Method of this research is one of meta-heuristic algorithms, differential evolution (DE) algorithm.

The principle of DE algorithm is based on analogy of biological evolution that consists of population initiation process, mutation process, crossover process, and selection process. This algorithm has some strengths because of its simply structure, ease to use, speed, and robustness. The objective function in this problem is to minimize makespan. The schedule that is obtained from differential evolution algorithm produces makespan of 1.207.624,4 seconds, meanwhile the schedule of company produces 1.253.272,8 seconds. Thus, new schedule produces reduction of makespan about 3.64% compared with schedule of company."