PENERAPAN ALGORITMA CUCKOO SEARCH DALAM PERMASALAHAN PENJADWALAN FLOWSHOP

Abstract

Penjadwalan suatu produksi merupakan hal yang sangat penting dilakukan oleh suatu perusahaan. Penjadwalan merupakan rencana pengaturan urutan kerja serta pengalokasian sumber, baik waktu maupun fasilitas untuk setiap operasi yang harus diselesaikan. Adapun tujuan dari penjadwalan produksi yaitu meminimasi makespan. Salah satu bentuk penjadwalan adalah penjadwalan flowshop. Penjadwalan flowshop merupakan model penjadwalan dimana job-job yang akan diproses seluruhnya mengalir pada arah atau jalur produk yang sama. Penelitian ini bertujuan menemukan solusi masalah penjadwalan flowshop dengan algoritma Cuckoo Search menggunakan 4 data yang terdiri dari data sekunder dan data simulasi. Data sekunder yang digunakan adalah data produksi kerupuk UD. Samjaya. Sedangkan data simulasi merupakan data yang diambil dari website Prof. Éric Tailard, University of Applied Sciences of Western Switzerland. Hasil penelitian terhadap data produksi UD. Samjaya akan dibandingkan dengan hasil dari algoritma Genetika dan Simulated Anaeling (SA) yang pernah menganalisis data tersebut. Kemudian hasil terhadap data simulasi akan dibandingkan dengan hasil pada algoritma Iterated Greedy dan Social Cognitive Optimization (SCO). Pebandingan tersebut berdasarkan nilai makespan yang diperoleh. Selain itu, penelitian ini juga akan menganalisis pengaruh parameter-parameter terhadap nilai makespan yang dihasilkan. Berdasarkan hasil penelitian yang dilakukan, nilai makespan yang dihasilkan algoritma Cuckoo Search terhadap data produksi UD. Samjaya sama dengan nilai makespan yang diperoleh dari algoritma Genetika dan Simulated Anaeling yaitu sebesar 8878. Sedangkan hasil penelitian terhadap data simulasi, algoritma Cuckoo Search menghasilkan makespan yang lebih minimum dibandingkan dengan nilai makespan yang dihasilkan Iterated Greedy dan algoritma Social Cognitive Optimization (SCO). Nilai makepan yang dihasilkan algortima Cuckoo Search adalah sebesar 1859 menit pada data 2, 2406 menit pada data 3 dan 4018 menit pada data 4. Nilai tersebut lebih minimum jika dibandingkan nilai makespan yang dihasilkan algortima Social Cognitive Optimization (SCO) sebesar 1948 menit pada data 2, 2627 menit pada data 3 dan 4367 menit pada data 4. Nilai makespan yang dihasilkan algoritma Cuckoo Search tersebut juga lebih minimum dibandingkan dengan nilai makespan yang dihasilkan oleh algoritma Iterated Greedy yaitu sebesar 1882 menit pada data 2, 2411 menit pada data 3 dan 4022 menit pada data 4. Data hasil pengujian 6 parameter Cuckoo Search, diantaranya parameter L ̂vy Fligth yaitu α, β, γ dan δ, populasi, selang pembakitan bilang acak (Lower Bound dan Uper Bond), pameter peluang (Pa), Stepsize (s) dan iterasi maksimal menunjukkan bahwa semakin besar atau lebar selang yang dipilih maka nilai makespan yang dihasilkan akan semakin kecil. Begitu juga dengan populasi, semakin besar populasi maka semakin kecil nilai makespan yang didapatkan. Semakin besar nilai Pa dan iterasi maksimal yang dipilih maka semakin kecil makespan yang dihasilkan. Namun pada parameter stepsize, nilai makespan yang terkecil dihasilkan oleh nilai stepsize terkecil. Nilai makespan terkecil didapatkan menggunakan nilai-nilai parameter sebagai berikut: selang -4 < x < 4, populasi sebesar 200, nilai parameter L ̂vy sebesar α=1,4, β=0,9, γ=1 dan δ=-0,5, nilai stepsize sebesar 0,1, nilai pa sebesar 0,75 dan iterasi sebanyak 75.000 kali. Setiap nilai minimum yang diperoleh melalui masing-masing 10 kali running untuk parameter yang sama. Dari penelitian yang dilakukan diperoleh hasil yang menunjukkan bahwa algoritma Cuckoo Search lebih baik dari algoritma Social Cognitive Optimization (SCO) dan Iterated Greedy karena menghasilkan nilai makespan yang lebih minimum. Namun pada data yang berukuran besar algoritma Cuckoo Seacrh memiliki kelemahan yaitu membutuhkan iterasi maksimal yang besar sehingga mengakitbatkan lamanya proses komputasi.