Optimasi Penjadwalan Produksi untuk Meminimalkan Makespan dengan Pendekatan Particle Swarm Optimization dan Genetic Algorithm

Authors

  • Dika Prasisti Universitas Teknologi Yogyakarta
  • Yohanes Anton Nugroho Universitas Teknologi Yogyakarta

DOI:

https://doi.org/10.55826/tmit.v2i2.134

Keywords:

Penjadwalan, Makespan, Particle Swarm Optimization, Algoritma Genetika

Abstract

PT Adi Satria Abadi merupakan perusahaan manufaktur yang bergerak dalam produksi sarung tangan golf. Permasalahan yang terjadi adalah tanggal 21 Maret terdapat produk work in process di bagian sewing sejumlah 1.205 unit sarung tangan golf, dari total keseluruhan order sebanyak 11.880 unit sarung tangan golf. Produk harus dikirimkan pada tanggal 22 Maret dan jumlah produk work in process melebihi target produksi harian. Tujuan dari penelitian ini adalah mendapatkan hasil penjadwalan produksi dengan particle swarm optimization algorithm dan algoritma genetika untuk mendapatkan nilai makespan minimum. Perhitungan penjadwalan produksi dengan kedua metode tersebut dilakukan sesuai dengan prosedur masing-masing metode menggunakan software Matlab R2020a. Hasil penjadwalan particle  swarm optimization mempunyai urutan job, yaitu J1, J3, J2, J4, J5, J6 dengan makespan sebesar 273 menit. Sedangkan hasil penjadwalan produksi dengan metode algoritma genetika diperlukan waktu proses total (makespan) untuk memproduksi job  dengan urutan J1, J4, J6, J5, J2, J3 sebesar 281 menit. Berdasarkan hasil makespan masing-masing metode menunjukkan bahwa hasil penjadwalan produksi dengan metode particle swarm optimization memiliki waktu lebih cepat 8 menit dibandingkan dengan metode genetic algorithm. Hal ini menyimpulkan bahwa metode particle swarm optimization merupakan metode yang paling optimal untuk penjadwalan produksi karena memiliki nilai makespan yang paling minimum.

References

F. A. Hashim, K. Hussain, E. H. Houssein, M. S. Mabrouk, and W. Al-Atabany, “Archimedes optimization algorithm: a new metaheuristic algorithm for solving optimization problems,” Appl. Intell., vol. 51, pp. 1531–1551, 2021.

M. H. P. Swari, C. A. Putra, and I. P. S. Handika, “Analisis Perbandingan Algoritma Genetika dan Modified Improved Particle Swarm Optimization dalam Penjadwalan Mata Kuliah,” J. Nas. Pendidik. Tek. Inform. JANAPATI, vol. 11, no. 2, pp. 92–101, 2022.

R. Habibi, A. C. Panjaitan, and M. H. Firdaus, “Minimasi Makespan Pada Persoalan Penjadwalan Ordered Flowshop Menggunakan PSO,” MES J. Math. Educ. Sci., vol. 6, no. 2, pp. 40–48, 2021.

A. T. Wahyudi, B. I. A. Wicaksana, and M. Andriani, “Penjadwalan Produksi Job shop Mesin Majemuk Menggunakan Algoritma Non Delay untuk Meminimalkan Makespan,” J. Rekayasa Sist. Ind., vol. 10, no. 2, pp. 183–190, 2021.

P. B. Utomo and W. Setiafindari, “Optimasi Penjadwalan Produksi Menggunakan Metode Simulated Annealing di Industri XYZ,” Borobudur Eng. Rev., vol. 1, no. 1, pp. 49–55, 2021.

M. Tuegeh, S. Soeprijanto, and M. H. Purnomo, “Modified improved particle swarm optimization for optimal generator scheduling,” 2009.

D. R. Ramdania, M. Irfan, F. Alfarisi, and D. Nuraiman, “Comparison of genetic algorithms and Particle Swarm Optimization (PSO) algorithms in course scheduling,” in Journal of Physics: Conference Series, 2019, vol. 1402, no. 2, p. 22079.

N. A. Putri, “Penerapan algoritma non-delay dan algoritma genetika dalam penjadwalan produksi job shop untuk meminimasi total completion time dan number of tardy job pada semi finish komponen di PT. Katsushiro Indonesia,” SKRIPSI-2017, 2021.

G. R. Amin and A. El-Bouri, “A minimax linear programming model for dispatching rule selection,” Comput. Ind. Eng., vol. 121, pp. 27–35, 2018.

M. Widyastuti, E. Irawan, and A. P. Windarto, “Penerapan Metode Gantt Chart dalam Menentukan Penjadwalan Kinerja Karyawan,” in Prosiding Seminar Nasional Riset Information Science (SENARIS), 2019, vol. 1, pp. 557–563.

D. A. R. Wati and Y. A. Rochman, “Model Penjadwalan Matakuliah Secara Otomatis Berbasis Algoritma Particle Swarm Optimization (PSO),” J. Rekayasa Sist. Ind., vol. 2, no. 1, pp. 22–31, 2013.

Y. Muharni, “Penerapan Algoritma Simulated Annealing untuk meminimasi Makespan pada Penjadwalan Flow Shop,” J. Ind. Serv., vol. 4, no. 1, 2018.

I. C. I. Purwanto, Y. A. Nugroho, and S. Suseno, “Optimasi Penjadwalan Produksi Menggunakan Pendekatan Algoritma Harmony Search Di PT Adi Satria Abadi (ASA,” J. DISPROTEK, vol. 11, no. 1, pp. 7–12, 2020.

A. Yoga Pradana and W. Setiafindari, “Pengembangan Model Optimasi Artificial Neural Network Pada Penjadwalan Produksi Snack Tortilla,” 2020.

Y. Muharni, E. Febianti, and N. N. Sofa, “Minimasi Makespan Pada Penjadwalan Flow Shop Mesin Paralel Produk Steel Bridge B-60 Menggunakan Metode Longest Processing Time Dan Particle Swarm Optimization,” J. Ind. Serv., vol. 4, no. 2, 2019.

A. Irman, E. Febianti, and U. Khasanah, “Minimizing makespan on flow shop scheduling using Campbel Dudek and Smith, particle swarm optimization, and proposed heuristic algorithm,” in IOP Conference Series: Materials Science and Engineering, 2019, vol. 673, no. 1, p. 12099.

H. A. Hatim and F. Ahmad, “PENDEKATAN ALGORITMA GENETIKA DALAM UPAYA OPTIMALISASI PENJADWALAN DI PT. NUANSA INDAH,” JISI J. Integr. Sist. Ind., vol. 9, no. 2, pp. 145–154, 2022.

M. Wu, D. Yang, and T. Liu, “An Improved Particle Swarm Algorithm with the Elite Retain Strategy for Solving Flexible Jobshop Scheduling Problem,” in Journal of Physics: Conference Series, 2022, vol. 2173, no. 1, p. 12082.

D. B. M. M. Fontes, S. M. Homayouni, and J. F. Gonçalves, “A hybrid particle swarm optimization and simulated annealing algorithm for the job shop scheduling problem with transport resources,” Eur. J. Oper. Res., vol. 306, no. 3, pp. 1140–1157, 2023.

Afrido, M. Rizki, I. Kusumanto, N. Nazaruddin, M. Hartati, and F. L. Nohirza, “Application of Data Mining Using the K-Means Clustering Method in Analysis of Consumer Shopping Patterns in Increasing Sales (Case Study: Abie JM Store, Jaya Mukti Morning Market, Dumai City),” 2022.

M. Yanti, F. S. Lubis, N. Nazaruddin, M. Rizki, S. Silvia, and S. Sarbaini, “Production Line Improvement Analysis With Lean Manufacturing Approach To Reduce Waste At CV. TMJ uses Value Stream Mapping (VSM) and Root Cause Analysis (RCA) methods,” 2022.

F. S. Lubis, A. P. Rahima, M. I. H. Umam, and M. Rizki, “Analisis Kepuasan Pelanggan dengan Metode Servqual dan Pendekatan Structural Equation Modelling (SEM) pada Perusahaan Jasa Pengiriman Barang di Wilayah Kota Pekanbaru,” SITEKIN J. Sains, Teknol. dan Ind., vol. 17, no. 1, pp. 25–31, 2020.

M. Anggaraini, N. Nazaruddin, M. Rizki, and F. S. Lubis, “Proposed Improvements to The Chip Raw Material Control System Using the Continuous Review System and Periodic Review System Methods,” 2022.

R. Kuo, M. Rizki, F. Zulvia, A. K.-C. & Industrial, and U. 2018, “Integration of growing self-organizing map and bee colony optimization algorithm for part clustering,” Comput. Ind. Eng., vol. 120, pp. 251–265, 2018, Accessed: June 05, 2022. [Online]. Available: https://www.sciencedirect.com/science/article/pii/S0360835218301888.

N. M. Razali, “An efficient genetic algorithm for large scale vehicle routing problem subject to precedence constraints,” Procedia-Social Behav. Sci., vol. 195, pp. 1922–1931, Jul. 2015, doi: 10.1016/J.SBSPRO.2015.06.203.

H. Nazif and L. S. Lee, “Optimised crossover genetic algorithm for capacitated vehicle routing problem,” Appl. Math. Model., vol. 36, no. 5, pp. 2110–2117, May 2012, doi: 10.1016/J.APM.2011.08.010.

R.-J. Kuo, F. E. Zulvia, and K. Suryadi, “Hybrid particle swarm optimization with genetic algorithm for solving capacitated vehicle routing problem with fuzzy demand–A case study on garbage collection system,” Appl. Math. Comput., vol. 219, no. 5, pp. 2574–2588, 2012.

Downloads

Published

28-05-2023

How to Cite

[1]
Dika Prasisti and Y. A. Nugroho, “Optimasi Penjadwalan Produksi untuk Meminimalkan Makespan dengan Pendekatan Particle Swarm Optimization dan Genetic Algorithm”, JTMIT, vol. 2, no. 2, pp. 111–118, May 2023.