%0 Generic
%A Ade Pamungkas, 1117032001
%C FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM 
%D 2018
%F eprints:30389
%I UNIVERSITAS LAMPUNG
%T EVALUASI KINERJA GENETIC ALGORITM (GA) UNTUK  PENYELESAIAN PERSOALAN JOB SHOP SCHEDULLING  PROBLEM (JSSP)
%U http://digilib.unila.ac.id/30389/
%X 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