<![CDATA[Abstract. Scheduling is one of the important things that needs to be considered by any company. A good scheduling process can improve the effectiveness and efficiency of production systems at the company. The problem often occured in this field is a delay in working orders from the deadline and the production of defective products (afal) is still many. The limited ability of the operator to divide the job on the machine causes mistakes of scheduling. To solve that problem, an application was developed to optimize the production schedule automatically. This application was made by implementing the differential evolution algorithm. This production scheduling solution will be represented in vector form. Each vector will be calculated fitness value by the criteria of time and minimum afal. This process will achieve the best vector that provides an optimal schedule. The testing results show that the application can optimize the schedule of production with the average of accuracy rate reaching 99,54%. The scheduling results using differential evolution algorithm can reduce 8,19% of afal, and 97,51% of computing time. Keywords: afal, differential evolution, schedulling.Abstrak. Penjadwalan merupakan salah satu hal penting yang perlu diperhatikan oleh setiap perusahaan. Penjadwalan yang baik akan meningkatkan efisiensi dan efektifitas dari perusahaan tersebut. Permasalahan yang sering terjadi adalah masih sering terjadinya keterlambatan dalam pengerjaan pesanan dari batas waktu yang ditentukan dan kerusakan produksi (afal) yang dihasilkan masih sangat tinggi. Hal ini dikarenakan terbatasnya kemampuan operator dalam membagi job pada mesin, sehingga memungkinkan terjadinya kesalahan penjadwalan. Untuk memecahkan permasalahan tersebut, dibuat sebuah aplikasi yang dapat melakukan optimasi jadwal produksi secara otomatis. Aplikasi ini dibuat dengan mengimplementasikan algoritma differential evolution. Solusi penjadwalan produksi ini akan direpresentasikan dalam bentuk vektor. Setiap vektor akan dihitung nilai fitness dengan kriteria minimasi waktu dan afal. Proses ini akan dilakukan hingga mencapai vektor terbaik yang mampu memberikan jadwal yang optimal. Hasil pengujian yang dilakukan menunjukkan bahwa aplikasi dapat melakukan optimasi jadwal produksi dengan rata-rata tingkat keakuratan mencapai 99,54%. Hasil penjadwalan menggunakan algoritma differential evolution dapat menurunkan afal sebesar 8,19%, dan waktu komputasi sebesar 97,51%. Kata Kunci: afal, algoritma differential evolution, penjadwalan.]]>
Copyrights © 2018
