<![CDATA[This article discusses the combination of genetic algorithm (GA) and Data Envelopment Analysis (DEA) to solve the flowshop scheduling problems with multicriteria. The criteria are makespan, total weighted tardiness, and mean flow time. DEA is used to calculate the overall value of criteria from each sequence. Relative efficiency value is employed as the fitted value in genetic algorithm, in order to have overall value that independent to a particular weight. The proposed algorithm that combines GA and DEA attain optimal solutions with relative efficiency as good as analytical solution, i.e., Mixed Integer Programming (MIP). From 30 problems generated, only one problem (3,33%) has relative efficienly less than 1. Abstract in Bahasa Indonesia: Artikel ini membahas kombinasi algoritma genetik dengan Data Envelopment Analysis (DEA) untuk pemecahan masalah penjadwalan flowshop multikriteria. Kriteria-kriteria yang digunakan, yaitu makespan, total weighted tardiness, dan mean flow time. DEA digunakan untuk menghitung nilai keseluruhan kriteria dari setiap sequence dengan menggunakan nilai efisiensi relatif sebagai fitted value dalam algoritma genetik. Hal ini ditujukan agar nilai keseluruhan dari kriteria-kriteria yang ada tidak terikat pada satu jenis bobot saja. Kombinasi dua metode ini menghasilkan suatu algoritma yang mampu menghasilkan kumpulan solusi optimal dengan nilai efisiensi relatif yang tidak kalah jika dibandingkan dengan hasil dari model Mixed Integer Programming (MIP), dimana dari 30 masalah yang dibangkitkan, hanya ada 1 masalah (3,33%) yang memiliki efisiensi relatif di bawah 1. Kata kunci: penjadwalan flowshop, algoritma genetik, Data Envelopment Analysis.]]>
