Determining Optimum Production Quantity on Multi-Product Home Textile Industry by Simulated Annealing

Yuliastuti, Gusti Eka; Rizki, Agung Mustika; Mahmudy, Wayan Firdaus; Tama, Ishardita Pambudi

doi:10.25126/jitecs.20183264

Cited by 4 publications

(3 citation statements)

References 10 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Terdapat beberapa parameter yang diperhatikan dalam Algoritma Simulated Annealing, antara lain [14] Skema dari implementasi Algoritma Simulated Annealing pada permasalahan TSP seperti ditunjukkan pada Gambar 1.…”

Section: Metode Penelitianunclassified

Implementasi Simulated Annealing untuk Penentuan Rute pada Jaringan

Yuliastuti

Prabiantissa

Rizki

2021

Self Cite

View full text Add to dashboard Cite

Abstract—Recently computer networks are increasingly complex. It needs to be a supporting device for network management such as a router. Router is a device that plays an important role in the routing process. In a router stored information in the form of routing paths, where the information includes data and which routers will be passed. In certain cases, a router can have more than one gateway. This is because the router needs to send data packets to several networks that have different segments. Such cases can be handled by using the appropriate routing path selection rules. The routing problem can be regarded as a traveling salesman problem (TSP), where a mechanism is needed to determine the shortest route to be traversed. The author implements the Simulated Annealing Algorithm because it can produce an optimal solution with light computing, so that the routing process can be more effective and efficient. Index Terms—Computer Network, Routing, Simulated Annealing, Travelling Salesman Problem Abstrak–-Jaringan komputer saat ini semakin kompleks. Perlu adanya suatu perangkat pendukung untuk manajemen jaringan seperti router. Router merupakan perangkat yang berperan penting dalam proses routing. Pada sebuah router tersimpan informasi berupa jalur routing, dimana informasi tersebut mencakup data dan router mana saja yang akan dilewati. Pada kasus tertentu, router dapat memiliki lebih dari satu gateway. Hal ini disebabkan karena router perlu mengirimkan paket data ke beberapa jaringan yang memiliki segmen berbeda. Kasus tersebut dapat ditangani dengan menggunakan aturan pemilihan jalur routing yang tepat. Permasalahan routing dapat dikatakan sebagai suatu permasalahan travelling salesman problem (TSP), dimana diperlukan suatu mekanisme dalam menentukan rute terpendek untuk dilalui. Penulis mengimplementasikan Algoritma Simulated Annealing karena dapat menghasilkan solusi yang optimal dengan komputasi ringan, sehingga proses routing dapat lebih efektif dan efisien. Kata Kunci—Jaringan Komputer, Penentuan Rute, Travelling Salesman Problem, Algoritma Simulated Annealing

show abstract

Section: Metode Penelitianunclassified

Implementasi Simulated Annealing untuk Penentuan Rute pada Jaringan

Yuliastuti

Prabiantissa

Rizki

2021

Self Cite

View full text Add to dashboard Cite

show abstract

“…Perencanaan produksi agregat terkait dengan kapasitas produksi yang digunakan untuk menanggapi permintaan konsumen yang diprediksi [9]. Tujuan dari perencanaan produksi agregat adalah untuk menentukan tingkat produksi dalam jangka menengah dan menghadapi permintaan konsumen yang tidak pasti [10]. Ada berbagai strategi perencanaan produksi agregat, seperti: strategi kapasitas pekerja, strategi permintaan, dan strategi campuran dimana strategi campuran merupakan kombinasi dari strategi lain.…”

Section: Perencanaan Produksi Agregatunclassified

Optimasi Perencanaan Produksi Agregat Multi-Product dengan Algoritme Genetika

Rizki

Maulana

Nurlaili

et al. 2020

santika

Self Cite

View full text Add to dashboard Cite

Perencanaan produksi jangka menengah yang mencakup perencanaan produksi agregat merupakan langkah yang sangat penting dalam rantai pasokan. Perencanaan menentukan ukuran produksi setiap produk. Perencanaan yang buruk tentunya akan berdampak langsung pada perusahaan karena berkaitan dengan biaya produksi dan keuntungan. Algoritme genetik sering digunakan untuk menyelesaikan masalah perencanaan dengan solusi yang cukup optimal. Dalam penelitian ini, penulis memodifikasi Algoritme Genetika selama proses menghasilkan solusi potensial dengan tujuan untuk lebih mengeksplorasi ruang solusi yang ada sehingga kemungkinan solusi yang lebih baik dapat dicapai. Hasil akhirnya adalah solusi optimal dengan nilai fitness 0,5319.

show abstract

“…The difference between this study and previous research is the modification of AG using adaptive parameters which are then proposed to be the method of Hybrid Simulated Annealing and Adaptive Genetic Algorithm (HSAAGA). At HSAAGA, SA is considered as an operator in AGA that functions to manage the population optimally [12]. During the initial AGA process, genetic operators are used as usual to produce new individuals and then SA operators are used to identifying these individuals.…”

Section: E Hybrid With Simulated Annealingmentioning

confidence: 99%

Optimization of Multi-Product Aggregate Production Planning using Hybrid Simulated Annealing and Adaptive Genetic Algorithm

Yuliastuti¹,

Mustika²,

Firdaus³

et al. 2019

IJACSA

Self Cite

View full text Add to dashboard Cite

In the planning of aggregate production, company stakeholders need a long time due to the many production variables that must be considered so that the production value can meet consumer demand with minimal production costs. The case study is the company that produces more than a type of product so there are several variables must be considered and computational time is required. Genetic Algorithm is applied as they have the advantage of searching in a solution space but are often trapped in locally optimal solutions. In this study, the authors proposed a new mathematical model in the form of a fitness function aimed at assessing the quality of the solution. To overcome this local optimum problem, the authors refined it by combining the Genetic Algorithm and Simulated Annealing so called hybrid approach. The function of Simulated Annealing is to improve every solution produced by Genetic Algorithm. The proposed hybrid method is proven to produce better solutions.

show abstract

Determining Optimum Production Quantity on Multi-Product Home Textile Industry by Simulated Annealing

Cited by 4 publications

References 10 publications

Implementasi Simulated Annealing untuk Penentuan Rute pada Jaringan

Implementasi Simulated Annealing untuk Penentuan Rute pada Jaringan

Optimasi Perencanaan Produksi Agregat Multi-Product dengan Algoritme Genetika

Optimization of Multi-Product Aggregate Production Planning using Hybrid Simulated Annealing and Adaptive Genetic Algorithm

Contact Info

Product

Resources

About