Contoh Proposal Untuk Tugas Akhir
PROPOSAL
Optimasi Pengisian Gudang dengan Penerapan Stack
menggunakan Metode Genetic Algorithm
NAMA
NIS
: DWI APRI WAHYU PRAYOGO
: 6847 / 620.071
TAHUN 2012
DAFTAR ISI
1.
Judul Tugas Akhir.....................................................................................................................................................3
2.
Latar Belakang Masalah...........................................................................................................................................3
3.
Perumusan Masalah dan Ruang Lingkup.................................................................................................................3
4.
Tujuan Tugas Akhir...................................................................................................................................................4
5.
Tinjauan Pustaka.....................................................................................................................................................4
6.
Metodologi..............................................................................................................................................................8
7.
Relevansi................................................................................................................................................................. 8
8.
Jadwal Kegiatan.......................................................................................................................................................9
9.
Daftar Pustaka.........................................................................................................................................................9
SMK YADIKA BANGIL
Lembar Pengesahan
Nama
: DWI APRI WAHYU PRAYOGO
NIS
: 6847 / 620.071
Program Studi
: TEKNIK KOMPUTER JARINGAN
Judul Tugas Akhir
: Optimasi Pengisian Gudang dengan Penerapan Stack
menggunakan Metode Genetic Algorithm
Pembimbing I
: 1. Drs. Abdul Ghofur, S.E
Dilaksanakan
: Semester Gasal, Tahun Akademik 2012/2013
Bangil, 06 Oktober 2012
Penulis,
Dwi Apri Wahyu Prayogo
Mengetahui,
Menyetujui,
Pembibing I
Kepala Program Studi
Drs. Abdul Ghofur, S.E
Subkhan Akbar, S.Kom
1. Judul Tugas Akhir
Optimasi Pengisian Gudang dengan Penerapan Stack menggunakan Metode Genetic Algorithm
2. Latar Belakang Masalah
Pada era globalisasi ini, terlebih lagi menginjak ke pasar bebas 2012, perkembangan industri di
hampir seluruh dunia telah melonjak sangat tinggi. Berbicara tentang industri tidak pernah terlepas
dari proses produksi, penjualan, dan penyimpanan hasil produksinya dalam gudang. Lebih jauh lagi,
pada tulisan ini akan lebih difokuskan pada permasalahan penyimpanan barang di dalam gudang.
Di dalam setiap perusahaan produksi, selalu ada departemen khusus yang menangani masalah
penyimpanan barang di gudang. Departemen ini merupakan departemen penting yang tidak jarang
sangat menentukan harga jual suatu barang hasil produksi. Semakin besar suatu gudang yang
dimiliki sebuah perusahaan, maka akan semakin besar pula biaya yang perlu dikeluarkan perusahaan
untuk mengatur posisi barang dalam penyimpanannya di gudang.
Biaya besar yang dikeluarkan oleh perusahaan, terutama adalah untuk membayar tenaga ahli
yang mengatur posisi penyimpanan barang. Jika tenaga ahli ini dapat digantikan oleh sebuah sistem
cerdas yang sanggup memilih barang dan mencari posisi terbaiknya dalam gudang, maka hal ini akan
sangat menguntungkan bagi banyak perusahaan produksi.
Dalam skala kecil, dimana ukuran gudang tidak terlalu besar dan barang yang ada juga tidak
banyak, dapat digunakan metode backtracking biasa untuk mencari posisi terbaik dari setiap barang
yang ada. Akan menjadi masalah jika ukuran gudang besar dan barang yang akan disimpan banyak,
serta ukurannya berbeda-beda. Oleh karena itu dalam Tugas Akhir ini digunakan metode Genetic
Algorithm, yang dikombinasikan dengan metode backtracking biasa.
Metode Genetic Algorithm atau algoritma genetika selama ini banyak digunakan untuk mencari
nilai optimal (optimasi) dari suatu kasus. Contoh yang banyak dikenal adalah kasus mencari rute
terpendek (Travelling Salesman Problem). Karena itu penulis mencoba menggunakan metode ini
untuk mencari nilai optimal dari penentuan posisi suatu barang dalam gudang.
3. Perumusan Masalah dan Ruang Lingkup
Masalah yang ada dalam implementasi:
-
Ukuran gudang berbeda untuk setiap perusahaan.
-
Ukuran rak dalam gudang berbeda-beda.
-
Barang yang akan disimpan mempunyai ukuran yang berbeda-beda.
-
Barang yang akan disimpan memiliki kategori yang berbeda, yang mempengaruhi proses
penyimpanan (contoh: tanggal kadaluarsa, berat)
-
Posisi rak tempat penyimpanan barang harus dapat dijangkau, baik oleh manusia maupun
forklift.
Ruang lingkup dibatasi pada:
-
Ukuran gudang dibatasi oleh ukuran minimal dan maksimal.
-
Setiap barang dibatasi oleh ukuran minimal dan maksimal.
-
Peletakan barang dalam gudang dengan menggunakan rak (stack), di mana tidak ada barang
yang bertumpuk pada setiap lokasi di rak.
-
Kategori barang sudah ditentukan dari awal dan tidak dapat ditambah.
-
Keadaan gudang akan ditampilkan dengan visualisasi secara 3 dimensi.
-
Pada algoritma genetika, cost function yang digunakan antara lain: volume, accessability,
jarak dengan pintu masuk.
-
Menggunakan sistem operasi Windows 7 ke atas.
-
Desain aplikasi program dengan Borland Delphi 5.0
4. Tujuan Tugas Akhir
Tujuan dari Tugas Akhir ini adalah membuat program yang dapat secara otomatis menentukan posisi
suatu barang yang akan disimpan dam gudang, sehingga nantinya dapat menggantikan tenaga ahli
yang selama ini memakan biaya yang besar pada perusahaan produksi. Dengan adanya program ini
cukup diperlukan seorang operator untuk menjalankan program dan mengatur posisi barang sesuai
hasil dari program.
5. Tinjauan Pustaka
Sistem Optimasi pengisian gudang dengan metode algoritma genetika, secara garis besar dapat
dijabarkan sebagai berikut:
1. Pembuatan populasi awal. Pada metode algoritma genetika, populasi adalah bagian penting dari
keseluruhan algooritma. Populasi yang merupakan kumpulan individu ini yang nantinya diproses
lebih lanjut sampai menghasilkan nilai optimal sesuai kasus yang ada. Jumlah individu pada
populasi adalah bebas, tetapi harus genap karena setiap individu harus memiliki pasangan.
Pada kasus ini, yang menjadi individu adalah urutan barang yang yang akan dimasukkan ke
dalam gudang. Berarti populasi adalah sejumlah urutan barang yang akan dimasukkan ke dalam
gudang, yang dibuat secara acak (random).
2. Dari setiap individu pada populasi atau setiap urutan barang, dibuat sebuah nilai pembanding,
yang tujuannya untuk mencari mana individu yang lebih baik dan mana yang tidak dari populasi
awal yang ada.
Nilai pembanding dari tiap individu dalam kasus ini dapat menggunakan waktu yang diperlukan
agar semua barang dapat masuk ke gudang, atau jarak yang ditempuh oleh pekerja atau forklift
untuk memasukkan semua barang ke gudang, atau luas efektif yang terpakai di gudang bila
semua barang dapat masuk, atau kriteria lain yang hasilnya dapat diwakili oleh sebuah data
numerik.
3. Setelah setiap individu pada populasi memiliki nilai pembanding, maka individu-individu akan
diurutkan berdasarkan nilai pembanding yang ada sehingga terbentuk sebuah populasi yang telah
dimodifikasi urutannya.
Pengurutan populasi dalam TA ini menggunakan metode Quick Sort yang akan dibahas lebih
lanjut kemudian.
4. 2 individu terbaik dari populasi yang baru ini disendirikan, sedangkan sisanya dipasangpasangkan, dan dilakukan proses crossover. Proses ini pada intinya sama dengan proses kawin
silang yang ada pada rekayasa genetika di bidang Biologi. Dalam algoritma genetika untuk
crossover, setiap individu dianggap sebagai kromosom, yang disilangkan dengan kromosom lain
dengan cara pertukaran sebagaian anggota kromosom.
Contoh 1:
Gen 1
: PpMm
Gen 2
: ppMM
Kedua gen diatas disilangkan sehingga hasilnya:
Gen 1 hasil
: Pp | MM
Gen 2 hasil
: pp | Mm
Gen 1
: 1234
Gen 2
: 2143
Contoh 2:
Kedua gen diatas disilangkan sehingga hasilnya:
Gen 1 hasil
: 12 | 43
Gen 2 hasil
: 21 | 34
Tujuan dari crossover ini pada intinya adalah mencari variasi-variasi lain dari individu yang telah
ada sehingga dimungkinkan untuk mendapat nilai pembanding yang lebih baik dari yang saat ini
menjadi nilai terbaik.
5. Selain dengan cara crossover, juga digunakan proses lain untuk mendapat variasi individu yang
dikenal dengan proses mutasi. Jika pada proses crossover, perubahan yang terjadi adalah antar
individu, pada proses mutasi individu perubahan akan terjadi untuk setiap gen pada suatu
kromosom. Jadi perubahannya tidak tergantung dari kromosom (individu) yang lain.
Dalam rekayasa genetika di bidang biologi juga dikenal adanya mutasi, di mana mutasi ini sangat
jarang terjadi. Karena itu untuk setiap individu dalam suatu populasi tidak selalu terjadi mutasi,
bahkan dimungkinkan bahwa seluruh individu dalam populasi tidak ada yang termutasi.
Contoh 1:
Gen asal
: PpMmhh
Setelah proses mutasi:
Gen hasil
: PPMmHh
Berarti pada individu/kromosom ini terjadi mutasi
Contoh 2:
Gen asal
: PpMmhh
Setelah proses mutasi:
Gen hasil
: PpMmhh
Berarti pada individu/kromosom ini tidak terjadi mutasi
6. Setelah proses crossover dan proses mutasi dilakukan, akan ada individu-individu yang baru
sama sekali pada populasi, atau dapat dikatakan akan ada populasi yang baru atau populasi
generasi 1. Populasi yang baru ini kembali dicari nilai pembandingnya, sama seperti tahap 2.
Proses ini diulangi terus menerus sampai beberapa generasi (sesuai kebutuhan). Hasil terbaik
setelah beberapa generasi ini yang dianggap sebagai hail optimal yang dipakai sebagai
solusi/output akhir dari program.
Beberapa teori dan algoritma lain yang digunakan dalam pembuatan Tugas Akhir ini antara lain:
Metode QuickSort untuk pengurutan data. Metode digunakan untuk mengurutkan
sejumlah n data dengan average time sebesar n log n. Average time ini tergolong cukup efisien
dibandingkan metode sorting yang lain.
Algoritma QuickSort secara garis besar:
1. Pilih sebuah elemen dari data (array) untuk menjadi elemen pivot –
Data[awal..akhir].
2. Masuk tahap partition, dengan melewati semua data dan mengatur ulang sehingga
persyaratan di bawah terpenuhi:
- Elemen pivot ada di tempat yang seharusnya
- Elemen yang lebih kecil dari pivot ada di sebelah kiri pivot –
S1 = Data[awal..Pivot-1].
- Elemen yang lebih besar dari pivot ada di sebelah kanan pivot –
S2 = Data[Pivot+1..akhir].
3. Lakukan kembali langkah 1 dan 2 dengan data S1 dan S2 sampai jumlah data tinggal 1.
Matriks transformasi. Berbicara mengenai gudang dan barang yang ada di
dalamnya, tidak terlepas dari bagaimana user akan melihat hasil akhir atau output dari program.
Karena itu diperlukan penampakan gambar kepada user yang menampilkan keadaan gudang
secara 3 dimensi.
Penampakan gambar secara 3 dimensi tidak terlepas dari perhitungan matriks transformasi, di
antaranya:
Dilatasi atau skala:
M=
S 0 0
0 s 0
0 0 s
Rotasi sumbu X:
M=
Rotasi sumbu Y:
1
0
0
0
Cos A
-Sin A
0
Sin A
Cos A
M=
Cos A
0
-Sin A
0
1
0
Sin A
0
Cos A
Cos A
-Sin A
0
Sin A
Cos A
0
Rotasi sumbu Z:
M=
0
0
1
6. Metodologi
Langkah-langkah dalam pengerjaan Tugas Akhir:
1. Studi literatur tentang:
1.1. DelphiX, Open GL, 3D Studio Max
1.2. Teori tentang sistem inventarisasi gudang yang ada, termasuk kriteria penyimpanan barang
dalam gudang
1.3. Teori algoritma genetika dan penerapan-penerapannya
1.4. Teori penggambaran benda 3 dimensi dalam komputer grafis
2. Perencanaan dan Pembuatan Perangkat Lunak:
2.1. Modul untuk tampilan 3 dimensi dari gudang
2.2. Modul pembuatan gudang, termasuk penempatan rak dalam gudang
2.3. Modul untuk pembuatan item dengan atributnya
2.4. Modul untuk penempatan barang dalam gudang
2.5. Penggabungan modul-modul yang ada menjadi 1 sistem optimasi barang dalam gudang
3. Pengujian dan Analisa Perangkat Lunak
3.1. Pengujian program yang telah dibuat
3.2. Analisa hasil output dari program
4. Pengambilan Kesimpulan
4.1. Pengambilan kesimpulan dengan membandingkan hasil output program dengan kenyataan
di lapangan. Sedapat mungkin dilakukan perbaikan-perbaikan sehingga mendapatkan hasil
yang lebih optimum.
7. Relevansi
Manfaat dari perangkat lunak ini adalah mengoptimalkan pengisian gudang sehingga dapat
dilakukan pernghematan biaya. Manfaat perangkat lunak ini yang terutama akan dirasakan oleh
pihak pemilik perusahaan. Perangkat lunak yang dibuat ini merupakan implementasi dari teori-teori
dan algoritma yang telah dipelajari selama semester-semester sebelumnya, terutama pada bidang
studi Teknologi Perangkat Lunak.
8. Jadwal Kegiatan
9. Daftar Pustaka
Mulcahy, David E., “Warehouse distribution and operations handbook”. 1994
C. Pimpawat, N. Chaiyaratana, “Using a co-operative co-evolutionary genetic algorithm to solve a
three-dimensional container loading problem”. Mei 2001. PDF
Optimasi Pengisian Gudang dengan Penerapan Stack
menggunakan Metode Genetic Algorithm
NAMA
NIS
: DWI APRI WAHYU PRAYOGO
: 6847 / 620.071
TAHUN 2012
DAFTAR ISI
1.
Judul Tugas Akhir.....................................................................................................................................................3
2.
Latar Belakang Masalah...........................................................................................................................................3
3.
Perumusan Masalah dan Ruang Lingkup.................................................................................................................3
4.
Tujuan Tugas Akhir...................................................................................................................................................4
5.
Tinjauan Pustaka.....................................................................................................................................................4
6.
Metodologi..............................................................................................................................................................8
7.
Relevansi................................................................................................................................................................. 8
8.
Jadwal Kegiatan.......................................................................................................................................................9
9.
Daftar Pustaka.........................................................................................................................................................9
SMK YADIKA BANGIL
Lembar Pengesahan
Nama
: DWI APRI WAHYU PRAYOGO
NIS
: 6847 / 620.071
Program Studi
: TEKNIK KOMPUTER JARINGAN
Judul Tugas Akhir
: Optimasi Pengisian Gudang dengan Penerapan Stack
menggunakan Metode Genetic Algorithm
Pembimbing I
: 1. Drs. Abdul Ghofur, S.E
Dilaksanakan
: Semester Gasal, Tahun Akademik 2012/2013
Bangil, 06 Oktober 2012
Penulis,
Dwi Apri Wahyu Prayogo
Mengetahui,
Menyetujui,
Pembibing I
Kepala Program Studi
Drs. Abdul Ghofur, S.E
Subkhan Akbar, S.Kom
1. Judul Tugas Akhir
Optimasi Pengisian Gudang dengan Penerapan Stack menggunakan Metode Genetic Algorithm
2. Latar Belakang Masalah
Pada era globalisasi ini, terlebih lagi menginjak ke pasar bebas 2012, perkembangan industri di
hampir seluruh dunia telah melonjak sangat tinggi. Berbicara tentang industri tidak pernah terlepas
dari proses produksi, penjualan, dan penyimpanan hasil produksinya dalam gudang. Lebih jauh lagi,
pada tulisan ini akan lebih difokuskan pada permasalahan penyimpanan barang di dalam gudang.
Di dalam setiap perusahaan produksi, selalu ada departemen khusus yang menangani masalah
penyimpanan barang di gudang. Departemen ini merupakan departemen penting yang tidak jarang
sangat menentukan harga jual suatu barang hasil produksi. Semakin besar suatu gudang yang
dimiliki sebuah perusahaan, maka akan semakin besar pula biaya yang perlu dikeluarkan perusahaan
untuk mengatur posisi barang dalam penyimpanannya di gudang.
Biaya besar yang dikeluarkan oleh perusahaan, terutama adalah untuk membayar tenaga ahli
yang mengatur posisi penyimpanan barang. Jika tenaga ahli ini dapat digantikan oleh sebuah sistem
cerdas yang sanggup memilih barang dan mencari posisi terbaiknya dalam gudang, maka hal ini akan
sangat menguntungkan bagi banyak perusahaan produksi.
Dalam skala kecil, dimana ukuran gudang tidak terlalu besar dan barang yang ada juga tidak
banyak, dapat digunakan metode backtracking biasa untuk mencari posisi terbaik dari setiap barang
yang ada. Akan menjadi masalah jika ukuran gudang besar dan barang yang akan disimpan banyak,
serta ukurannya berbeda-beda. Oleh karena itu dalam Tugas Akhir ini digunakan metode Genetic
Algorithm, yang dikombinasikan dengan metode backtracking biasa.
Metode Genetic Algorithm atau algoritma genetika selama ini banyak digunakan untuk mencari
nilai optimal (optimasi) dari suatu kasus. Contoh yang banyak dikenal adalah kasus mencari rute
terpendek (Travelling Salesman Problem). Karena itu penulis mencoba menggunakan metode ini
untuk mencari nilai optimal dari penentuan posisi suatu barang dalam gudang.
3. Perumusan Masalah dan Ruang Lingkup
Masalah yang ada dalam implementasi:
-
Ukuran gudang berbeda untuk setiap perusahaan.
-
Ukuran rak dalam gudang berbeda-beda.
-
Barang yang akan disimpan mempunyai ukuran yang berbeda-beda.
-
Barang yang akan disimpan memiliki kategori yang berbeda, yang mempengaruhi proses
penyimpanan (contoh: tanggal kadaluarsa, berat)
-
Posisi rak tempat penyimpanan barang harus dapat dijangkau, baik oleh manusia maupun
forklift.
Ruang lingkup dibatasi pada:
-
Ukuran gudang dibatasi oleh ukuran minimal dan maksimal.
-
Setiap barang dibatasi oleh ukuran minimal dan maksimal.
-
Peletakan barang dalam gudang dengan menggunakan rak (stack), di mana tidak ada barang
yang bertumpuk pada setiap lokasi di rak.
-
Kategori barang sudah ditentukan dari awal dan tidak dapat ditambah.
-
Keadaan gudang akan ditampilkan dengan visualisasi secara 3 dimensi.
-
Pada algoritma genetika, cost function yang digunakan antara lain: volume, accessability,
jarak dengan pintu masuk.
-
Menggunakan sistem operasi Windows 7 ke atas.
-
Desain aplikasi program dengan Borland Delphi 5.0
4. Tujuan Tugas Akhir
Tujuan dari Tugas Akhir ini adalah membuat program yang dapat secara otomatis menentukan posisi
suatu barang yang akan disimpan dam gudang, sehingga nantinya dapat menggantikan tenaga ahli
yang selama ini memakan biaya yang besar pada perusahaan produksi. Dengan adanya program ini
cukup diperlukan seorang operator untuk menjalankan program dan mengatur posisi barang sesuai
hasil dari program.
5. Tinjauan Pustaka
Sistem Optimasi pengisian gudang dengan metode algoritma genetika, secara garis besar dapat
dijabarkan sebagai berikut:
1. Pembuatan populasi awal. Pada metode algoritma genetika, populasi adalah bagian penting dari
keseluruhan algooritma. Populasi yang merupakan kumpulan individu ini yang nantinya diproses
lebih lanjut sampai menghasilkan nilai optimal sesuai kasus yang ada. Jumlah individu pada
populasi adalah bebas, tetapi harus genap karena setiap individu harus memiliki pasangan.
Pada kasus ini, yang menjadi individu adalah urutan barang yang yang akan dimasukkan ke
dalam gudang. Berarti populasi adalah sejumlah urutan barang yang akan dimasukkan ke dalam
gudang, yang dibuat secara acak (random).
2. Dari setiap individu pada populasi atau setiap urutan barang, dibuat sebuah nilai pembanding,
yang tujuannya untuk mencari mana individu yang lebih baik dan mana yang tidak dari populasi
awal yang ada.
Nilai pembanding dari tiap individu dalam kasus ini dapat menggunakan waktu yang diperlukan
agar semua barang dapat masuk ke gudang, atau jarak yang ditempuh oleh pekerja atau forklift
untuk memasukkan semua barang ke gudang, atau luas efektif yang terpakai di gudang bila
semua barang dapat masuk, atau kriteria lain yang hasilnya dapat diwakili oleh sebuah data
numerik.
3. Setelah setiap individu pada populasi memiliki nilai pembanding, maka individu-individu akan
diurutkan berdasarkan nilai pembanding yang ada sehingga terbentuk sebuah populasi yang telah
dimodifikasi urutannya.
Pengurutan populasi dalam TA ini menggunakan metode Quick Sort yang akan dibahas lebih
lanjut kemudian.
4. 2 individu terbaik dari populasi yang baru ini disendirikan, sedangkan sisanya dipasangpasangkan, dan dilakukan proses crossover. Proses ini pada intinya sama dengan proses kawin
silang yang ada pada rekayasa genetika di bidang Biologi. Dalam algoritma genetika untuk
crossover, setiap individu dianggap sebagai kromosom, yang disilangkan dengan kromosom lain
dengan cara pertukaran sebagaian anggota kromosom.
Contoh 1:
Gen 1
: PpMm
Gen 2
: ppMM
Kedua gen diatas disilangkan sehingga hasilnya:
Gen 1 hasil
: Pp | MM
Gen 2 hasil
: pp | Mm
Gen 1
: 1234
Gen 2
: 2143
Contoh 2:
Kedua gen diatas disilangkan sehingga hasilnya:
Gen 1 hasil
: 12 | 43
Gen 2 hasil
: 21 | 34
Tujuan dari crossover ini pada intinya adalah mencari variasi-variasi lain dari individu yang telah
ada sehingga dimungkinkan untuk mendapat nilai pembanding yang lebih baik dari yang saat ini
menjadi nilai terbaik.
5. Selain dengan cara crossover, juga digunakan proses lain untuk mendapat variasi individu yang
dikenal dengan proses mutasi. Jika pada proses crossover, perubahan yang terjadi adalah antar
individu, pada proses mutasi individu perubahan akan terjadi untuk setiap gen pada suatu
kromosom. Jadi perubahannya tidak tergantung dari kromosom (individu) yang lain.
Dalam rekayasa genetika di bidang biologi juga dikenal adanya mutasi, di mana mutasi ini sangat
jarang terjadi. Karena itu untuk setiap individu dalam suatu populasi tidak selalu terjadi mutasi,
bahkan dimungkinkan bahwa seluruh individu dalam populasi tidak ada yang termutasi.
Contoh 1:
Gen asal
: PpMmhh
Setelah proses mutasi:
Gen hasil
: PPMmHh
Berarti pada individu/kromosom ini terjadi mutasi
Contoh 2:
Gen asal
: PpMmhh
Setelah proses mutasi:
Gen hasil
: PpMmhh
Berarti pada individu/kromosom ini tidak terjadi mutasi
6. Setelah proses crossover dan proses mutasi dilakukan, akan ada individu-individu yang baru
sama sekali pada populasi, atau dapat dikatakan akan ada populasi yang baru atau populasi
generasi 1. Populasi yang baru ini kembali dicari nilai pembandingnya, sama seperti tahap 2.
Proses ini diulangi terus menerus sampai beberapa generasi (sesuai kebutuhan). Hasil terbaik
setelah beberapa generasi ini yang dianggap sebagai hail optimal yang dipakai sebagai
solusi/output akhir dari program.
Beberapa teori dan algoritma lain yang digunakan dalam pembuatan Tugas Akhir ini antara lain:
Metode QuickSort untuk pengurutan data. Metode digunakan untuk mengurutkan
sejumlah n data dengan average time sebesar n log n. Average time ini tergolong cukup efisien
dibandingkan metode sorting yang lain.
Algoritma QuickSort secara garis besar:
1. Pilih sebuah elemen dari data (array) untuk menjadi elemen pivot –
Data[awal..akhir].
2. Masuk tahap partition, dengan melewati semua data dan mengatur ulang sehingga
persyaratan di bawah terpenuhi:
- Elemen pivot ada di tempat yang seharusnya
- Elemen yang lebih kecil dari pivot ada di sebelah kiri pivot –
S1 = Data[awal..Pivot-1].
- Elemen yang lebih besar dari pivot ada di sebelah kanan pivot –
S2 = Data[Pivot+1..akhir].
3. Lakukan kembali langkah 1 dan 2 dengan data S1 dan S2 sampai jumlah data tinggal 1.
Matriks transformasi. Berbicara mengenai gudang dan barang yang ada di
dalamnya, tidak terlepas dari bagaimana user akan melihat hasil akhir atau output dari program.
Karena itu diperlukan penampakan gambar kepada user yang menampilkan keadaan gudang
secara 3 dimensi.
Penampakan gambar secara 3 dimensi tidak terlepas dari perhitungan matriks transformasi, di
antaranya:
Dilatasi atau skala:
M=
S 0 0
0 s 0
0 0 s
Rotasi sumbu X:
M=
Rotasi sumbu Y:
1
0
0
0
Cos A
-Sin A
0
Sin A
Cos A
M=
Cos A
0
-Sin A
0
1
0
Sin A
0
Cos A
Cos A
-Sin A
0
Sin A
Cos A
0
Rotasi sumbu Z:
M=
0
0
1
6. Metodologi
Langkah-langkah dalam pengerjaan Tugas Akhir:
1. Studi literatur tentang:
1.1. DelphiX, Open GL, 3D Studio Max
1.2. Teori tentang sistem inventarisasi gudang yang ada, termasuk kriteria penyimpanan barang
dalam gudang
1.3. Teori algoritma genetika dan penerapan-penerapannya
1.4. Teori penggambaran benda 3 dimensi dalam komputer grafis
2. Perencanaan dan Pembuatan Perangkat Lunak:
2.1. Modul untuk tampilan 3 dimensi dari gudang
2.2. Modul pembuatan gudang, termasuk penempatan rak dalam gudang
2.3. Modul untuk pembuatan item dengan atributnya
2.4. Modul untuk penempatan barang dalam gudang
2.5. Penggabungan modul-modul yang ada menjadi 1 sistem optimasi barang dalam gudang
3. Pengujian dan Analisa Perangkat Lunak
3.1. Pengujian program yang telah dibuat
3.2. Analisa hasil output dari program
4. Pengambilan Kesimpulan
4.1. Pengambilan kesimpulan dengan membandingkan hasil output program dengan kenyataan
di lapangan. Sedapat mungkin dilakukan perbaikan-perbaikan sehingga mendapatkan hasil
yang lebih optimum.
7. Relevansi
Manfaat dari perangkat lunak ini adalah mengoptimalkan pengisian gudang sehingga dapat
dilakukan pernghematan biaya. Manfaat perangkat lunak ini yang terutama akan dirasakan oleh
pihak pemilik perusahaan. Perangkat lunak yang dibuat ini merupakan implementasi dari teori-teori
dan algoritma yang telah dipelajari selama semester-semester sebelumnya, terutama pada bidang
studi Teknologi Perangkat Lunak.
8. Jadwal Kegiatan
9. Daftar Pustaka
Mulcahy, David E., “Warehouse distribution and operations handbook”. 1994
C. Pimpawat, N. Chaiyaratana, “Using a co-operative co-evolutionary genetic algorithm to solve a
three-dimensional container loading problem”. Mei 2001. PDF