Show simple item record

dc.contributor.advisorKusbudiono
dc.contributor.advisorAhmad Kamsyakawuni
dc.contributor.authorHakim, Chadli
dc.date.accessioned2017-03-09T07:55:59Z
dc.date.available2017-03-09T07:55:59Z
dc.date.issued2017-03-09
dc.identifier.nim121810101039
dc.identifier.urihttp://repository.unej.ac.id/handle/123456789/79602
dc.description.abstractPada dunia industri, suatu perusahaan selalu mempunyai banyak masalah. Salah satunya adalah terbatasnya jumlah mesin yang digunakan untuk menyelesaikan banyaknya pekerjaan. Untuk itu perlu dilakukan suatu proses penjadwalan, dimana pada kasus ini disebut penjadwalan Flowshop. Masalah penjadwalan Flowshop adalah suatu masalah penjadwalan dimana setiap job memiliki urutan proses yang sama pada setiap mesin. Penjadwalan Flowshop ini bertujuan untuk mencari urutan dari setiap job pada mesin yang mengoptimalkan beberapa kriteria, salah satunya meminimumkan makespan. Hybrid Flowshop Scheduling (HFS) merupakan pengembangan dari penjadwalan flowshop yang mempunyai mesin paralel di setiap tahapnya. Pada penelitian ini akan digunakan data sekunder. Data tersebut merupakan data Hybrid Flowshop dengan multiprocessor tasks. Data tersebut merupakan data simulasi yang berisi banyaknya job, banyaknya stage dan waktu yang dibutuhkan untuk menyelesaikan setiap job. Penjadwalan Hybrid Flowshop pada data tersebut menggunakan algoritma Glowworm Swarm Optimization (GSO). Nilai parameter algoritma GSO sangat berpengaruh terhadap hasil, kecepatan kekonvergenan dan waktu komputasi. Nilai parameter step-size mampu menghasilkan makespan paling optimal, namun konvergen lebih lama. Nilai parameter jarak antar Glowworm yang semakin besar maka waktu komputasi semakin lama. Nilai adalah yang paling optimum. Nilai parameter dynamic decision-range yang semakin besar, waktu komputasi menjadi lebih cepat. Nilai adalah nilai paling optimum. Nilai parameter batas ketetanggan viii memiliki pengaruh yang sama dengan , namun nilai paling optimumnya adalah 8. Algoritma Glowworm Swarm Optimization dapat digunakan untuk menyelesaikan permasalahan Hybrid Flowshop Scheduling. Program penerapan algoritma Glowworm Swarm Optimization yang telah dibuat dengan MATLAB membutuhkan waktu komputasi rata-rata 51,5108 detik untuk 10 job, 70,374 detik untuk 20 job dan 200,5883 detik untuk 50 job dengan maksimum iterasi = 1000. Algoritma GSO ini konvergen kurang dari 150 iterasi.en_US
dc.language.isoiden_US
dc.subjectGlowworm Swarm Optimization (GSO)en_US
dc.subjectHybrid Flowshop Scheduling Problemen_US
dc.titlePENERAPAN ALGORITMA GLOWWORM SWARM OPTIMIZATION (GSO) PADA HYBRID FLOWSHOP SCHEDULING PROBLEMen_US
dc.typeUndergraduat Thesisen_US


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record