266-Article Text-698-1-10-20180511 PDF
266-Article Text-698-1-10-20180511 PDF
DOI:https://doi.org/10.15642/mantik.2018.4.1.1-6
Abstrak
Di Indonesia, terdapat banyak petani sebagai matapencaharian karena tanah yang subur untuk pertanian
serta kebutuhan akan pangan. Perencanaan produksi merupakan bagian penting dalam mengelola biaya
yang dikeluarkan perusahaan. Pada perencanaan produksi, terdapat kendala yang harus dipenuhi misal :
jumlah produksi, jumlah pekerja, dan jumlah pengadaan. Pada penelitian sebelumnya, optimisasi
berkendala telah diselesaikan menggunakan metode eksak maupun metode heuristik. Pada penelitian ini,
model optimisasi perencanaan produksi akan diselesaikan menggunakan Firefly Algorithm (FA). Cara
kerja FA menyerupai perilaku kunang-kunang. Salah satu perilaku kunang-kunang yang digunakan adalah
kunang-kunang yang kurang cerah akan mendekati kunang-kunang yang lebih cerah. Hasil simulasi
menunjukkan bahwa metode FA dapat menemukan pendekatan solusi optimum pada perencanaan produksi
yaitu biaya produksi, biaya pekerja, dan biaya pengadaan yang memenuhi kendala jumlah produksi,
jumlah pekerja, dan jumlah pengadaan.
Abstract
In Indonesia, there are many farmers as a livelihood because of fertile soil for agriculture and the demand
for food. Production planning is the important part of managing cost spent by the company. In production
planning, there are many constraints which have to be satisfied such as the number of productions, the
number of workers, and the number of inventory. In previous research, constrained optimizations have
been solved by exact method or heuristic method. In this research, production planning optimization will
be solved by Firefly Algorithm (FA). FA works as a behavior of Firefly. One of firefly behavior used is
less bright firefly will move toward brighter firefly. The simulation results show that FA method can find
an approaching optimal solution of production planning like production cost, worker cost, and inventory
holding cost satisfying the constraints of the number of productions, workers, and inventory.
1
JURNAL MATEMATIKA “MANTIK”
Edisi: Mei 2018. Vol. 04 No. 01
ISSN: 2527-3159 E-ISSN: 2527-3167
Dari model perencanaan produksi tersebut, dapat Model optimisasi perencanaan produksi
dibentuk optimisasi berkendala. dapat dijelaskan sebagai berikut :
Pada penelitian sebelumnya, optimisasi
berkendala telah diselesaikan menggunakan Dt : jumlah unit yang diminta dalam
metode eksak [1][8] maupun metode heuristik [7] periode t
seperti Genetic Algorithm (GA) [5], Particle
nt : jumlah unit yang diproduksi oleh setiap
Swarm Optimization (PSO) [4], Ant Colony pekerja dalam periode t
Optimization (ACO) [3], Artificial Bee Colony
(ABC) [6]. CtP : biaya produksi per unit dalam periode t
Pada penelitian ini, model optimisasi CtW : biaya pekerja dalam periode t
perencanaan produksi akan diselesaikan
menggunakan Firefly Algorithm (FA). Firefly CtH : biaya pekerja yang masuk dalam
Algorithm (FA) ditemukan oleh Xin-She Yang periode t
pada tahun 2008. Cara kerja FA menyerupai C L
: biaya pekerja yang keluar (lay off)
t
perilaku kunang-kunang dalam berkomunikasi, dalam periode t
mencari mangsa dan menemukan pasangan
menggunakan cahaya yang dipancarkan. Salah CtI : biaya pengadaan dalam periode t
satu perilaku kunang-kunang yang digunakan Pt : jumlah unit yang diproduksi dalam
adalah kunang-kunang yang kurang cerah akan periode t
mendekati kunang-kunang yang lebih cerah Wt : jumlah pekerja dalam periode t
sehingga dalam hal ini posisi kunang-kunang
direpresentasikan solusi dan tingkat kecerahan Ht : jumlah pekerja yang masuk dalam
direpresentasikan sebagai nilai fitness [11]. periode t
Hasil simulasi menunjukkan bahwa metode Lt : jumlah pekerja yang keluar (lay off)
FA dapat menemukan pendekatan solusi dalam periode t
optimum pada perencanaan produksi yaitu biaya
produksi, biaya pekerja, dan biaya pengadaan It : jumlah pengadaan dalam periode t
yang memenuhi kendala jumlah produksi, jumlah
pekerja, dan jumlah pengadaan. 2.2 Firefly Algorithm
Firefly Algorithm (FA) ditemukan oleh Xin-
2. Metode She Yang pada tahun 2008. Cara kerja FA
menyerupai perilaku kunang-kunang dalam
Metode yang digunaka dalam penelitian ini berkomunikasi, mencari mangsa dan menemukan
menggunakan Firefly Algorithm (FA) pada pasangan menggunakan cahaya yang
masalah optimisasi perencanaan produksi. dipancarkan. Dalam FA, daya tarik
Optimisasi perencanaan produksi merupakan (attractiveness) kunang-kunang ditentukan oleh
salah satu optimisasi berkendala sehingga pada tingkat kecerahan yang berhubungan dengan
FA diperlukan modifikasi pada posisi kunang- fungsi objective.
kunang baik pada tahap inisialisasi maupun tahap
optimisasi supaya posisi kunang-kunang Tingkat kecerahan dari kunang-kunang di
memenuhi semua kendala yang ada. lokasi x dapat ditentukan sebagai f ( x) , dimana
f ( x) adalah fungsi objective. Tetapi, jika daya
2.1 Model Optimisasi Perencanaan Produksi
tarik adalah relative maka ditentukan oleh
Secara umum, model optimisasi
perencanaan produksi adalah sebagai berikut [9] : kunang-kunang yang lain dan terdapat jarak rij
T
antara kunang-kunang i dan kunang-kunang j
min CtP Pt + CtW Wt + CtH H t + CtL Lt + CtI I t (1)
t =1 Perilaku kunang-kunang dapat dijelaskan
dengan kendala : sebagai berikut [10] [11] :
Pt ntWt , t = 1, 2,..., T (2) 1. Kunang-kunang bersifat unisex. Kunang-
kunang memiliki ketertarikan pada
Wt = Wt −1 + H t − Lt , t = 1, 2,..., T (3)
kunang-kunang yang lain tanpa
I t = I t −1 + Pt − Dt , t = 1, 2,..., T (4) memandang jenis kelamin.
Pt ,Wt , H t , Lt , I t 0 (5)
2
JURNAL MATEMATIKA “MANTIK”
Edisi: Mei 2018. Vol. 04 No. 01
ISSN: 2527-3159 E-ISSN: 2527-3167
P1 P2 P3 ... PT
f ( xi ), i = 1, 2,...max pop W
1 W2 W3 ... WT
2. Tentukan kunang-kunang terbaik dalam
X i = ( P,W , H , L, I ) = H1 H2 H3 ... H T
populasi beserta posisinya (12)
L1 L2 L3 ... LT
i
(
i min arg min f ( xi ), i = 1, 2,..., max pop ) (6)
I1 I2 I3 ... IT
i min
arg min f ( x ), i = 1, 2,..., max pop
i
(13) Hi
i
4
JURNAL MATEMATIKA “MANTIK”
Edisi: Mei 2018. Vol. 04 No. 01
ISSN: 2527-3159 E-ISSN: 2527-3167
5
JURNAL MATEMATIKA “MANTIK”
Edisi: Mei 2018. Vol. 04 No. 01
ISSN: 2527-3159 E-ISSN: 2527-3167