UMBUMB

SINERGISINERGI

Penelitian ini mengusulkan hibridisasi antara algoritma genetik evolusioner dan pencarian tabu untuk mengatasi penjadwalan *flow shop*. Metode ini mengakomodasi pekerjaan yang perlu disusun ulang dan dieksekusi pada mesin identik secara serial. Kelincahan tinggi diperlukan dalam proses manufaktur, terutama untuk industri garmen agar dapat bersaing. Penjadwalan produksi bertujuan untuk menghasilkan produk secepat mungkin, dengan memperhatikan keterlambatan dan waktu tunggu. Algoritma Genetik banyak digunakan untuk mengatasi masalah ini karena dapat menemukan solusi optimal. Namun, algoritma ini rentan terjebak dalam optimum lokal. Pencarian tabu bekerja sebagai penjelajah lokal untuk lebih baik menemukan dan memanfaatkan area optimum lokal, yang dapat dikombinasikan dengan Algoritma Genetik. Studi ini bertujuan untuk meminimalkan tiga tujuan yang disebutkan di atas untuk meningkatkan kelincahan produksi. Strategi ini dievaluasi pada masalah tolok ukur Taillard untuk menunjukkan signifikansi algoritma yang diusulkan. Hasil penelitian membuktikan bahwa mekanisme hibrida dapat meningkatkan kualitas solusi sebesar 2,75% dibandingkan dengan pekerjaan sebelumnya dan dapat menyelesaikan semua instance Taillard dengan lebih baik.

Penelitian ini memperkenalkan metode hibrida untuk mengatasi kelemahan GA.Hibridisasi ini menggabungkan algoritma pencarian tabu dengan GA untuk meningkatkan kelincahan manufaktur pada industri garmen.Hasil eksperimen menunjukkan bahwa algoritma GA-TS memiliki PRD terendah (0,28%) dan dapat meningkatkan semua instance Taillard.Selain itu, algoritma ini juga meningkatkan pekerjaan sebelumnya sebesar 2,75%.Penelitian selanjutnya akan mengeksplorasi penggunaan algoritma evolusioner lain yang dikombinasikan dengan GA karena keunggulannya.

Berdasarkan penelitian ini, beberapa saran penelitian lanjutan dapat diajukan. Pertama, perlu dilakukan eksplorasi lebih lanjut mengenai pengaruh parameter algoritma GA-TS terhadap kinerja penjadwalan, terutama pada permasalahan *flow shop* dengan kompleksitas yang lebih tinggi. Kedua, penelitian dapat difokuskan pada pengembangan metode hibrida yang menggabungkan GA-TS dengan algoritma optimasi lainnya, seperti *particle swarm optimization* (PSO) atau *ant colony optimization* (ACO), untuk meningkatkan kemampuan eksplorasi dan eksploitasi solusi. Ketiga, penelitian dapat menginvestigasi penerapan GA-TS pada permasalahan penjadwalan *flow shop* dengan mempertimbangkan berbagai kendala tambahan, seperti *setup time*, *machine breakdown*, dan *dynamic job arrivals*, untuk menghasilkan solusi yang lebih realistis dan adaptif terhadap perubahan lingkungan produksi.

  1. CLASSIFICATION OF KIDNEY DISEASE USING GENETIC MODIFIED KNN AND ARTIFICIAL BEE COLONY ALGORITHM | Ariani... publikasi.mercubuana.ac.id/index.php/sinergi/article/view/8701CLASSIFICATION OF KIDNEY DISEASE USING GENETIC MODIFIED KNN AND ARTIFICIAL BEE COLONY ALGORITHM Ariani publikasi mercubuana ac index php sinergi article view 8701
Read online
File size451.49 KB
Pages8
DMCAReport

Related /

ads-block-test