EVALUASI KINERJA GENETIC ALGORITM (GA) UNTUK PENYELESAIAN PERSOALAN JOB SHOP SCHEDULLING PROBLEM (JSSP)

Ade Pamungkas, 1117032001 (2018) EVALUASI KINERJA GENETIC ALGORITM (GA) UNTUK PENYELESAIAN PERSOALAN JOB SHOP SCHEDULLING PROBLEM (JSSP). UNIVERSITAS LAMPUNG, FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM .

[img]
Preview
Text
ABSTRAK.pdf

Download (16Kb) | Preview
[img] Text
SKRIPSI FULL.pdf
Restricted to Registered users only

Download (7Mb)
[img]
Preview
Text
SKRIPSI TANPA BAB PEMBAHASAN.pdf

Download (6Mb) | Preview

Abstrak

Job-Shop Scheduling Problem (JSSP) dikenal sebagai salah satu masalah optimasi kombinatorial yang banyak dipelajari. Ada beberapa literatur yang melaporkan cara untuk menyelesaikan pemasalahan ini, namun sepengetahuan kami, belum ada algoritma solusi yang efisien yang telah ditemukan untuk menyelesaikannya dengan optimalisasi pada waktu polinomial. Hal ini menyebabkan banyak ketertarikan pada penggunaan metode metaheuristik untuk mengatasi masalah tersebut. Bagaimana mengembangkan metode metaheuristik yang efisien untuk menyelesaikan persoalan JSSP masih manjadi suatu tantangan. Selama dekade terakhir, Genetic Algorithm (GA) telah menjadi salah satu metode metaheuristik populer untuk menyelesaikan berbagai masalah kombinatorial yang sulit. Banyak upaya telah dilakukan untuk memberikan implementasi GA yang efisien. Tujuan penelitian ini adalah untuk memberikan laporan evaluasi kinerja dengan pendekatan GA untuk menyelesaikan JSSP. Efektivitas kinerja GA diukur dengan menyelesaikan 43 benchmark test problem yang terdiri dari 3 instance dari Fisher dan Thompson, (1963) dan 40 instance dari Lawrence, (1984). Hasil komputasi menunjukan bahwa GA mampu menyelesaikan 27 test problem dengan optimal dan dari 43 test problem yang diujikan menunjukan bahwa nilai rata rata relatif error yang dicapai hanya 1,14%. Hasil eksperimen ini memvalidasi bahwa GA efektif untuk menemukan solusi JSSP. Kata Kunci: Genetic algorithms; Scheduling, Job-shop scheduling; Optimization problem abstract Job-Shop Scheduling Problem (JSSP) is known as one of extensively studied combinatorial optimization problems. There have been many papers reported the way for solving this problem, but to our knowledge there is no efficient solution algorithm has been found yet for solving it to optimality in polynomial time. This has led to many interests in using metaheuristic methods to solve the problem. How to develop an efficient metaheuristic method to solve job scheduling problems is still challenging but frustrating. During the past decade, Genetic Algorithm (GA) has been one of popular metaheuristic methods for solving various difficult combinatorial problems. Many efforts have been made in order to give an efficient implementation of GA. The purpose of this research is to give a reports on performance evaluation of GA approaches in job-shop scheduling practices. The effectiveness of GA performance is measured by solving 43 benchmark test problems consisting of 3 instances of Fisher and Thompson, (1963) and 40 instances of Lawrence, (1984). Computation results show that GA is able to solve 27 test problems with optimal and of 43 test problems tested showed that the average value of the relative error achieved only 1.14%. The results of this experiment validate that GA is effective for finding JSSP solutions. Keywords : Genetic algorithms; Scheduling, Job-shop scheduling, Optimization problem

Tipe Karya Ilmiah: Skripsi
Subyek: Q Science (General)
Q Science (General) > QA Mathematics > QA76 Computer software
Program Studi: Fakultas MIPA > Prodi Ilmu Komputer
Depositing User: 30311240 . Digilib
Date Deposited: 20 Feb 2018 07:48
Last Modified: 20 Feb 2018 07:48
URI: http://digilib.unila.ac.id/id/eprint/30389

Actions (login required)

View Item View Item