// <![CDATA[ALGORITMA VARIABLE NEIGBORHOOD DESCENT WITH FIXED THRESHOLD UNTUK KESEIMBANGAN LINTASAN PERAKITAN MIXED MODEL DENGAN KRITERIA MAKSIMASI EFISIENSI LINTASAN PERAKITAN]]> RENITA YUNIAR/132008054 Dosen Pembimbing 1 Ir. Alex Saleh, M.T. Dosen Pembimbing 2 Ir. Alex Saleh, M.T.) Dosen Pembimbing 2 Arif Imran, S.Si., M.T., Ph.D. Dosen Pembimbing 1
Penelitian ini membahas mengenai algoritma variable neighborhood descent with fixed threshold untuk keseimbangan lintasan perakitan mixed model. Lintasan perakitan mixed model adalah lintasan produksi di mana berbagai macam model produk yang dirakit memiliki karakteristik serupa. Produk yang dihasilkan dalam mixed model biasanya memiliki perbedaan dalam jumlah produksi, isi kerja, dan waktu perakitan tergantung pada model tersebut. neighborhood descent (VND) . Algoritma yang digunakan untuk menyelesaikan permasalah ini algoritma variable neighborhood descent (VND) with fixed threshold. Algoritma tersebut merupakan metode yang digunakan untuk menyelesaikan permasalah optimisasi kombinatorial. VND merupakan salah satu pengembangan dasar konsep variable neighborhood search (VNS). Untuk mendapatkan hasil akhir yang global optimum, melakukan perbaikan pada struktur neighborhood. Perbedaan antara VNS dan VND terletak pada perubahan neighborhood, VND melakukan perubahan neighborhood secara deterministik sedangkan VNS melakukan perubahan neighborhood secara acak (random). Kekurangan pada penelitian ini adalah VND tidak mempertimbangan perubahan struktur neighborhood yang menghasilkan solusi yang lebih jelek dari solusi sebelumnya. Hanya perubahan struktur neighborhood yang menghasilkan solusi lebih baik saja yang digunakan untuk proses iterasi selanjutnya. Memperhatikan hal tersebut, maka perlu dikembangkan suatu algoritma yang dapat menerima solusi yang lebih jelek terlebih dahulu, dengan harapan menerima solusi yang lebih jelek terlebih dahulu akan membuka peluang untuk menghasilkan solusi yang lebih baik. Maka dilakukan penelitian mengenai algoritma variable neighborhood descent (VND) with fixed threshold. Threshold Accepting (TA) ini adalah sebuah metode metaheuristik yang diperkenalkan oleh Dueck dan Scheuer (1990) yang merupakan bagian dari deterministik threshold. Dalam metode ini semua solusi yang terbaik diterima dan lebih rendah yaitu yang memiliki nilai lebih kecil tetapi masih dalam batas ambang atau sama dengan batas ambang juga diterima. Performansi algoritma usulan ini diuji dengan menggunakan tiga skenario, yaitu Skenario 1 menggunakan set data Bedworth & Bailey (1982), Skenario 2 menggunakan set data Su&Lu (2007) dan Skenario 3 menggunakan set data Thomopoulos (1970).