PENYELESAIAN MASALAH PENJADWALAN FLEXIBLE JOB SHOP DENGAN ALGORITMA GENETIKA

Fatimah Azzahro, - (2024) PENYELESAIAN MASALAH PENJADWALAN FLEXIBLE JOB SHOP DENGAN ALGORITMA GENETIKA. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_MAT_2007336_Title.pdf Download (422kB)
	Text S_MAT_2007336_Chapter1.pdf Download (191kB)
	Text S_MAT_2007336_Chapter2.pdf Restricted to Staf Perpustakaan Download (494kB) | Request a copy
	Text S_MAT_2007336_Chapter3.pdf Download (512kB)
	Text S_MAT_2007336_Chapter4.pdf Restricted to Staf Perpustakaan Download (820kB) | Request a copy
	Text S_MAT_2007336_Chapter5.pdf Download (183kB)
	Text S_MAT_2007336_Appendix.pdf Download (446kB)

Abstract

Masalah Flexible Job Shop (FJS) merupakan salah satu pengembangan masalah job shop. FJS termasuk ke dalam masalah optimisasi yang kompleks yang sering disebut NP-Hard Problem. Masalah FJS adalah salah satu masalah penjadwalan produksi di mana terdapat beberapa mesin untuk mengoperasikan sejumlah pekerjaan. Waktu pemrosesan dari suatu operasi bergantung pada mesin yang terpilih untuk menyelesaikan operasi tersebut. Penjadwalan FJS dilakukan agar waktu penyelesaian (makespan) seluruh pekerjaan seminimum mungkin. Penyelesaian FJS dilakukan dalam dua tahap, yaitu penentuan mesin yang digunakan pada setiap operasi dan penentuan urutan pekerjaan pada masing-masing mesin. Penelitian ini menggunakan metode Algoritma Genetika untuk menyelesaikan masalah penjadwalan FJS. Tahapan metode Algoritma Genetika, diantaranya adalah membentuk kromosom dengan jumlah sebanyak populasi awal, melakukan crossover, melakukan mutasi, menghitung nilai fitness, dan melakukan seleksi. Metode crossover yang digunakan adalah Partially Mapped Crossover (PMX), sedangkan mutasi menggunakan metode Reciprocal Exchange Mutation. Pemilihan kromosom untuk regenerasi berikutnya dipilih dengan metode Binary Tournament Selection. Solusi terbaik diambil dari kromosom yang memiliki nilai fitness terkecil untuk meminimumkan makespan. Implementasi algoritma ini dilakukan menggunakan perangkat lunak Python versi 3.12 untuk menyelesaikan model optimisasinya. Hasil implementasi penyelesaian masalah FJS menggunakan Algoritma Genetika pada perusahaan batik di Kabupaten Cirebon menunjukkan bahwa Algoritma Genetika dapat menyelesaikan penjadwalan FJS dengan optimal. Flexible Job Shop (FJS) problem is one of the developments in job shop problems. FJS is a complex optimization problem which is often called NP-Hard Problem. The FJS problem is a production scheduling problem where there are several machines to operate a number of jobs. The processing time of an operation depends on the machine selected to complete the operation. FJP scheduling is carried out so that the completion time (makespan) of all work is minimum. Solving FJS is started by determining the machine used in each operation and then, determining the sequence of work on each machine. This research uses a Genetic Algorithm method to solve the FJS scheduling problem. The stages of the Genetic Algorithm method include forming as many chromosomes as the initial population, carrying out crossover, carrying out mutations, calculating fitness values, and carrying out selection. The crossover method used is Partially Mapped Crossover (PMX), while the mutation uses the Reciprocal Exchange Mutation method. The selection of chromosomes for regeneration is selected using the Binary Tournament Selection method. The best solution is taken from the chromosome that has the smallest fitness value to minimize makespan. The implementation of this algorithm was carried out using Python software version 3.12 to complete the optimization model. The implemention resalts on solving FJS problem using Genetic Algorithm at a batik company in Cirebon show that Genetic Algorithm can solve FJS scheduling optimally..

Item Type:	Thesis (S1)
Additional Information:	Khusnul Novianingsih, ID Sinta: 258640
Uncontrolled Keywords:	Penjadwalan, Penjadwalan Produksi, Makespan, Flexible Job Shop, Algoritma Genetika. Scheduling, Production Scheduling, Makespan, Flexible Job Shop, Genetic Algorithm.
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Jurusan Pendidikan Matematika > Program Studi Matematika (non kependidikan)
Depositing User:	Fatimah Azzahro
Date Deposited:	24 Aug 2024 14:48
Last Modified:	24 Aug 2024 14:48
URI:	http://repository.upi.edu/id/eprint/120705

Actions (login required)

View Item