Article Per Year (5 Year)
p-Index From 2019 - 2024
0.408
P-Index
This Author published in this journals
All Journal Computer Based Information System Journal Conference on Management, Business, Innovation, Education and Social Sciences (CoMBInES)
Andry Andry
Universitas Internasional Batam
Aerospace Engineering Arts Computer Science & IT Control & Systems Engineering Library & Information Science Social Sciences Other

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Perancangan dan Pengembangan Aplikasi Web Order Scheduling pada Perusahaan Manufaktur dengan Penerapan Algoritma Genetika Suwarno Suwarno; Andry Andry
Computer Based Information System Journal Vol. 10 No. 1 (2022): CBIS Journal
Publisher : Universitas Putera Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33884/cbis.v10i1.5450

Abstract

Penjadwalan produksi pada perusahaan manufaktur merupakan salah satu komponen penting dalam keberlangsungan hidup perusahaan. Potensi kesalahan yang disebabkan oleh penjadwalan produksi secara manual dapat memberikan dampak buruk berupa kerugian material, waktu, dan finansial. Untuk memberikan solusi terhadap permasalah ini digunakan pendekatan pencarian heuristik, pencarian yang didasari oleh aturan-aturan yang digunakan untuk menemukan solusi. Metode pencarian heuristik yang digunakan adalah algoritma genetika. Penelitian ini akan merancang dan mengembangkan sistem yang bertujuan untuk mengatasi masalah yang ditimbulkan oleh penjadwalan secara manual dengan mengimplementasikan algoritma genetika. Parameter yang digunakan di dalam penjadwalan adalah nilai probabilitas crossover, nilai probabilitas mutasi, jumlah maksimal generasi, dan jumlah maksimal error. Penelitian ini dilakukan dengan studi kasus PT. XYZ yang bergerak di bidang manufaktur produk kemasan dari kertas yang masih menggunakan penjadwalan secara manual dengan mengurutkan pekerjaan yang masa jatuh temponya terdekat. Dengan 36 operasi pekerjaan dan 10 mesin, didapatkan hasil terbaik yaitu total waktu penyelesaian pekerjaan adalah 22 hari kerja dengan lama waktu eksekusi program adalah 4.75357099983215 detik. Hasil tersebut didapatkan dengan parameter probabilitas crossover sebesar 0.8, probabilitas mutasi 0.7, jumlah generasi maksimal 500, dan jumlah error maksimal 10
DESIGN AND DEVELOPMENT OF WEB SCHEDULING APPLICATIONS IN MANUFACTURING COMPANIES WITH THE APPLICATION OF GENETIC ALGORITHMS Suwarno Suwarno; Andry Andry
CoMBInES - Conference on Management, Business, Innovation, Education and Social Sciences Vol 2 No 1 (2022): The 2nd Conference on Management, Business, Innovation, Education and Social Scie
Publisher : Universitas Internasional Batam

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Production scheduling in manufacturing companies is one of the important components in the survival of the company. Potential errors caused by manual production scheduling can have a negative impact in the form of material, time, and financial losses. To provide a solution to this problem, a heuristic search approach is used, a search based on the rules used to find a solution. The heuristic search method used is a genetic algorithm. This research will design and develop a system that aims to overcome the problems caused by manual scheduling by implementing genetic algorithms. The parameters used in the scheduling are the crossover probability value, the mutation probability value, the maximum number of generations, and the maximum number of errors. This research was conducted with a case study of PT. XYZ, which is engaged in manufacturing packaging products from paper, still uses manual scheduling by sorting jobs with the closest due date. With 36 job operations and 10 machines, the best results were obtained, namely the total time for the completion of the work was 22 working days with the program execution time being 4.75357099983215 seconds. These results are obtained with a crossover probability parameter of 0.8, a mutation probability of 0.7, a maximum number of 500 generations, and a maximum number of errors of 10.
Co-Authors Suwarno Suwarno Suwarno Suwarno