BAB IV IMPLEMENTASI DAN ANALISA HASIL PROGRAM
A. Flowchart
Suatu algoritma disusun dengan tujuan untuk menyusun tahap-tahap penyelesaian suatu masalah. Akan tetapi metode ini memiliki kelemahan,
yaitu bahwa penyusunan algoritma sangat dipengaruhi oleh tata bahasa pembuatnya sehingga kadang-kadang akan sulit dipahami oleh orang lain.
Untuk membantu kesulitan tersebut, maka diperlukan flowchart atau bagan alir. Secara garis besar flowchart penyelesaian masalah penjadwalan Job-Shop
dengan algoritma genetika terlihat pada gambar 4.1 berikut.
41 PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Mulai
Input parameter Job-Shop dan Algoritma Genetikajumlah job,
mesin, operasi, ukuran populasi, Prob cross, Prob mutasi, dan generasi
k=1 Inisialisasi populasi
Evaluasi populasi
Crossover
Mutasi
k=jumlah generasi?
k = k+1 Selesai
ya tidak
Evaluasi Populasi
Seleksi
Gambar 4.1. Flowchart penyelesaian masalah penjadwalan Job-Shop Gambar 4.1. Flowchart penyelesaian masalah penjadwalan Job-Shop
Mulai
Input parameter Job-Shop dan Algoritma Genetikajumlah job,
mesin, operasi, ukuran populasi, Prob cross, Prob mutasi, dan generasi
Inisialisasi populasi
k=1
Evaluasi populasi
Crossover
Mutasi
k=jumlah generasi?
k = k+1 Selesai
ya tidak
Evaluasi Populasi
Seleksi
B. Analisis Hasil Program
Program aplikasi yang dibuat berfungsi untuk mencari total waktu yang diperlukan dari mesin pertama mulai memproses pekerjaan hingga mesin
terakhir selesai memproses pekerjaan makespan atau dapat dikatakan mendapat jadwal dengan makespan minimum.
Di dalam program ini parameter yang diinputkan adalah: 1. Parameter Job-Shop. Parameter Job-shop diantaranya banyaknya
jumlah job, mesin dan operasi. 2. Parameter algoritma genetika. Parameter algoritma genetika
diantaranya: a. uk_pop, merupakan banyaknya populasi yang akan
dibangkitkan dan bentuk populasi awal secara acak. b. Generasi, merupakan banyaknya generasi yang akan
dihasilkan. Jumlah generasi besar berarti semakin banyak iterasi yang dilakukan, dan semakin besar pula domain solusi
yang akn dieksplorasi. c. Pcross adalah probabilitas persilangan crossover. Probabilitas
ini menentukan peluang dari kromosom untuk melakukan persilangan crossover. Tidak ada aturan yang pasti tentang
berapa nilai parameter ini. d. Pmut adalah probabilitas mutasi. Probabilitas mutasi ini
menentukan peluang dari gen pada setiap kromosom untuk PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI