Representasi Chromosome Gray Code Algoritma Genetika pada job shop scheduling problem

Abstract

Penjadwalan mesin untuk setiap job memiliki data mesin dan waktu sehingga penyusunan jadwal untuk mendapatkan makespan terkecil penting untuk dilakukan. Penjadwalan ini bertipe NP-Hard dan berkaitan dengan industri manufaktur yang bertipe make to order. Kombinasi solusi penjadwalan yang muncul membutuhkan metode yang dapat menentukan susunan penjadwalan terbaik. Algoritma genetika dengan representasi kromosom gray code diusulkan pada penelitian ini. Model gray code dikembangkan dengan tujuan mendapatkan rata-rata solusi optimasi yang lebih baik. Gray code dapat mengurangi hamming cliff pada saat proses komputasi dilakukan. Pengujian parameter mutation rate 0.2, 0.5, dan 0.8 pada GA menunjukkan hasil makespan pada mutation rate 0.2 lebih kecil. Pengujian pada dataset Job Shop dengan membandingkan algoritma Genetic Algorithm (GA) tanpa gray code, Penambahan metode gray code terhadap algoritma genetika memberikan rata-rata makespan yang lebih kecil tetapi meningkatkan waktu komputasi.