Permasalahan penjadwalan dalam industri terutama manufaktur biasanya melibatkan sejumlah mesin yang digunakan untuk proses produksi. Penjadwalan produksi di industri memiliki urutan yang sama dalam proses produksi untuk setiap mesinnya. Tujuan dari penjadwalan ini adalah untuk meminimumkan waktu pengerjaan semua produk di semua mesin. Ilustrasi penjadwalan ini menurut Pinedo dalam “Scheduling : Theory, Algorithms, and Systems” disebut sebagai permutation flowshop. Penjadwalan mesin ini sangatlah penting untuk diimplemetasikan di beberapa perusahaan karena dapat mengurangi waktu operasional dari mesin dan tentunya juga sumber daya di perusahaan sehingga biaya operasional juga dapat diminimalkan.
Pada penelitian ini algoritma metaheuristik Stochastic Fractal Search Algorithm digunakan untuk menyelesaikan permasalahan penjadwalan permutation flowshop. Untuk menguji performansi algoritma tersebut, maka solusi permasalahan dibandingkan dengan tiga algoritma metaheuristik lainnya : Cuckoo Search Algorithm, Flower Pollination Algorithm, dan Teaching Learning Based Optimization. Stochastic Fractal Search Algorithm merupakan pengembangan dari algoritma Fractal Search yang terinspirasi dari fenomena pertumbuhan alami dimana terdapat dua proses utama yaitu difusi dan perbaruan.
Sedangkan Algoritma Cuckoo Search sebagai algoritma pembandingnya merupakan algoritma yang terinspirasi dari sifat parasite beberapa spesies cuckoo yang meletakkan telurnya di sarang
burung inang lainnya. Algoritma pembanding kedua menurut Yang dalam Flower Pollination Algorithm for Global Optimization in International Conference and Natural Computation, Flower Pollination Algorithm merupakan algoritma yang terinspirasi dari proses penyerbukan bunga yaitu penyerbukan lokal dan penyerbukan global. Algoritma TLBO adalah algoritma yang terinspirasi dari proses belajar mengajar berdasarkan pengaruh guru terhadap output pelajar di kelas. Guru dan pelajar adalah dua komponen penting dari algoritma TLBO. Algoritma TLBO menggambarkan dua mode pembelajaran: (i) melalui guru (dikenal sebagai fase guru) dan (ii) berinteraksi dengan pelajar lainnya (dikenal sebagai fase pelajar).
Implementasi program untuk contoh kasus permutation flowshop scheduling menggunakan dua kriteria pengukuran yaitu percentage relative difference dan average percentage relative. Untuk menguji keefektifan algoritma, maka diimplementasikan pada 10 tipe ukuran data yaitu 20 pekerjaan dan 5 mesin, 20 pekerjaan dan 10 mesin, 20 pekerjaan dan 20 mesin, 50 pekerjaan dan 5 mesin, 50 pekerjaan dan 10 mesin, 50 pekerjaan dan 20 mesin, 100 pekerjaan dan 10 mesin, 100 pekerjaan dan 20 mesin, 200 pekerjaan dan 10 mesin, 200 pekerjaan dan 20 mesin, 500 pekerjaan dan 20 mesin. Berdasarkan hasil komputasi diperoleh bahwa algoritma Pencarian Stochastic Fractal memberikan solusi lebih baik dari pada Flower Pollination Algorithm dan Cuckoo Search Algorithm. Algoritma Pencarian Stochastic Fractal juga memberikan prosentase yang lebih baik jika dibandingan dengan ketiga algoritma pembanding dalam hal solusi yang mendekati optimal.
Penulis: Asri Bekti Pratiwi
Artikel lengkapnya dapat dilihat pada link berikut ini:https://aip.scitation.org/doi/10.1063/5.0042196
