Abstrak
Permasalahan sistim manufaktur dan perencanaan engineering (sistem pabrikasi dan masalah desing
rancang-bangun) pada kenyataanya sangat kompleks dan sulit untuk diselesaikan melalui teknik
konvensional. Dalam beberapa tahun terahir ini teknik kecerdasan buatan (Artificial Intelligence) atau
disingkat AI mendapat perhatian dan mempunyai potensi sebagai teknik optimasi dalam industri
manufaktur.
Kata kunci: Algorithm Genetic, Simulated Annealing, Tabu Search, Algorithm Immune
Skema Tabu Search, Sumber: Glover (1990) dan Gendreau et.al (1998)
Pemilihan kandidat solusi terbaik yang Gendreau et.al (1998) menyatakan bahwa
dilakukan oleh TS menggunakan prinsip global- TS adalah pendekatan yang paling efektif untuk
best strategy (GB) bukan first-best strategy pemecahan masalah penentuan rute kendaraan.
(FB). GB adalah strategi dimana algoritma akan Kelebihan TS terletak pada struktur memori
mengganti solusi terbaik saat ini dengan solusi yang fleksibel. Struktur memori itu akan
terbaik yang ada pada neighborhood. Adapun membolehkan pencarian terus dilakukan
FB adalah strategi dimana algoritma akan meskipun solusi yang diperoleh saat ini tidak
mengganti solusi terbaik saat ini secara langsung ada yang lebih baik dari solusi terbaik yang telah
jika solusi yang lebih baik ditemukan. diperoleh. Struktur memori tersebut juga mampu
menjaga agar proses pencarian tidak jatuh pada Respon dari sistem imune merepresentasikan
lokal optimal yang pernah muncul pada solusi dan antigen merepresentasikan masalah
pencarian sebelumnya. Adanya strukur memori yang harus diselesaikan. Lebih tepatnya, Sel B
fleksibel ini yang membedakan TS dengan adalah sebagai agen-agen buatan yang
branch and bound yang menggunakan struktur menjelajahi dan mengeksplorasi lingkungan
memori kaku atau simulated annealing yang buatan. Patogen adalah sebagai masalah
tidak menggunakan struktur memori (Glover, optimasi, dalam kasus ini, masalah optimasi
1990) digambarkan oleh antigen pada patogen.
Mekanisme seleksi positif dan seleksi negatif
TS umumnya tidak menggunakan
digunakan untuk mengontrol perbanyakan agen
pembentukan kandidat solusi secara acak
dengan mengeliminasi solusi yang buruk atau
sebagaimana simulated annealing dan genetic
tidak berguna. Jadi, aturan seleksi positif dan
algorithm. Pemilihan kandidat solusi dalam TS
seleksi negatif dapat dipertimbangkan sebagai
juga tidak dilakukan secara probabilistik
mekanisme yang tidak hanya memilih solusi
sebagaimana ant colony system, simulated
yang tepat, tetapi juga mengatur jumlah populasi
annealing dan genetic algorithm. Karakteristik
agen yang tumbuh pada proses kloning .
ini menjadikan solusi yang dihasilkan TS akan
sama setiap kali dilakukan proses pencarian
Tabel 1. Analogi Sistem Kekebalan Tubuh pada
solusi terhadap suatu permasalahan. Karakterstik
Masalah Optimasi
ini juga menjadi salah satu keunggulan TS
dibanding ant colony system, simulated Sistem Kekebalan Tubuh Masalah Optimasi
annealing dan genetic algorithm.
2.4. Algoritma Immune Patogen Permasalahan
pengeliminasian antigen. Jadi sel yang tidak Pada penelitian sebelumnya Adil et al.,
berguna dihancurkan. Menggunakan sifat dasar (1997) telah mempelajari assignment allocation
dari sistem kekebalan tubuh yaitu clonal dan algoritma SA untuk pembentukan sel. Pada
selection melalui mekanisme seleksi positif dan penelitian ini telah dibangun sebuah model
seleksi negatif, jumlah agen di dalam sistem nonlinear mathematical programming untuk
diatur secara dinamik untuk mencari solusi pembentukan sel manufaktur yang
optimal pada masalah yang diberikan. Faktanya, mengidentifikasi part families dan kelompok
agen yang diprediksi tidak cocok dapat mesin secara serentak tanpa adanya intervensi
dimatikan sebelum dilakukan kloning pada agen secara manual atau pertimbangan subyektif.
tersebut.
Fink and Fob (2003) telah menyelesaikan
3. Applikasi Dalam Sistem Manufaktur persoalan penjadwalan continous flow-shop
dengan meta heuristic (simulated annealing and
3.1. Applikasi AG
tabu search). Persoalan yang dipertimbangkan
Beberapa penelitian dengan AG sebagai alat disini adalah mencari permutasi urutan jobs
optimasi pada ruang lingkup sistem manufaktur yang akan diproses pada sejumlah mesin yang
dapat diikuti pada penelitian Maridou dan dibatasi proses pada setiap job harus kontinyu
Pardolos (1997) yang telah menggunakan AG sesuai dengan tujuan minimasi total waktu
untuk optimasi fasilitas dan tata letak pabrik. proses (flow-time).
Baskoro (1999) mendemokan aplikasi AG
3.3. Applikasi TS
menyelesaikan persoalan konseptual traveling
salesman problem. Hasan (2000) memberikan Dengiz and alabas (2000) telah
teknik pencarian identifikasi dari optimalisasi menggunakan algoritma TS dalam
urutan operasi dalam lingkungan perencanaan penggabungan dengan model simulasi JIT untuk
dinamis menggunakan aplikasi AG. mencari optimum jumlah kanban. Lutz (1995)
juga telah membangun model simulasi proses
Khoo et.al.. (2000) telah menggunakan
manufaktur dan menggunakan TS sebagai
prototype GA-enhanced multy-obyektive
prosedur heuristic, untuk mengoptimalisasi
scheduler untuk system manufaktur. Sebuah
buffer dan ukuran penyimpanan dalam system
toolbox penjadwalan model untuk job shop, flow
manufaktur, selain itu juga digunakan regresi
shop and cellular manufakturing, pembentukan
metamodel untuk mengoptimalisasi batch pada
part dari prototype scheduler, dan pembangunan
lini perakitan (Printed Circuit Board).
penjadwalan yang mentransformasikan near-
optimal solution sampai pada penjadwalan shop Pada penelitian lain juga telah digunakan
floor yang valid. System prototype telah fungsi penalti dan TS untuk menyelesaikan
divalidasi untuk berbagai macam kasus dengan persoalan dengan biaya sel tetap yaitu sebuah
dan tanpa batasan dan multi fungsi obyektif pendekatan integrasi untuk pembentukan sel
bersama-sama secara serempak dilakukan manufaktur dengan biaya tetap. Penyelesaian
dengan pembatas. pada persolan ini tidak hanya pada persoalan
pembentukan sel tapi termasuk juga keputusan
3.2. Applikasi SA
set-up sel. Sebuah model mixed integer non
Chen et al., (1995) Mengembangkan SA linear programming diformulasikan untuk
berbasis heuristic untuk pembentukan sel menyelesaikan persoalan. Persoalan yang sukar
manufaktur. Mereka mengaplikasi SA berbasis diselesaikan (non linear programming hard)
heuristic untuk beberapa contoh popular pada membuat perhitungan penyelesaian secara
persoalan pembentukan sel manufaktur. Hasil langsung terhalang untuk aplikasi yang nyata.
dari optimalisasi memperlihatkan bahwa SA Sebuah algoritma heuristic telah dikembangkan
berbasis heuristic memberikan hasil sangat baik untuk meyelesaikan persoalan efisiensi berbasis
pada semua contoh yang diberikan. Selain itu model dual analis. Dalam hal ini TS telah
SA berbasis heuristic juga juga memberikan digunakan untuk mencari persoalan optimum
beberapa keuntungan yang hampir tidak dimiliki dan sub optimum.
oleh algoritma lain.
Chen and Cao mengajukan penjadwalan job-
shop dengan alternative proses, perluasan dari
4. Kesimpulan