Optimasi Penjadwalan Produksi dengan Jaringan Syaraf Tiruan dan Algoritma Genetika

Article Sidebar

PDF (File Download)
Published: Nov 7, 2024
DOI: https://doi.org/10.32672/mister.v2i1.2324
Keywords:
Neural Networks Genetic Algorithms Optimization Production Scheduling Artificial Intelligence

Main Article Content

Dzilhulaifa Siregar
Universitas Islam Negeri Sumatera Utara
Lailan Sofinah Harahap
Universitas Muhammadiyah Sumatera Utara
Muhammad Fadlan Alamsyah
Universitas Muhammadiyah Sumatera Utara

Abstract

Optimal production scheduling is essential to improve operational efficiency in the manufacturing industry. This study proposes a combination of Neural Networks (NN) and Genetic Algorithms (GA) to solve production scheduling problems. NN is used to predict processing time based on historical data, while GA optimizes the production sequence to minimize idle time and increase throughput. Simulation results show that this combined method provides a more efficient scheduling solution compared to conventional methods.

Article Details

How to Cite
Siregar, D., Sofinah Harahap, L. ., & Fadlan Alamsyah, M. (2024). Optimasi Penjadwalan Produksi dengan Jaringan Syaraf Tiruan dan Algoritma Genetika. Journal of Multidisciplinary Inquiry in Science, Technology and Educational Research, 2(1), 01–06. https://doi.org/10.32672/mister.v2i1.2324
Issue
Vol. 2 No. 1 (2025): NOVEMBER 2024 - JANUARI 2025
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Author Biographies

Dzilhulaifa Siregar, Universitas Islam Negeri Sumatera Utara

Program Studi Ilmu Komputer, Fakultas Sains Dan Teknologi, Universitas Islam Negeri Sumatera Utara, Medan

Lailan Sofinah Harahap, Universitas Muhammadiyah Sumatera Utara

Program Studi Teknologi Informasi, Fakultas Ilmu Komputer & Teknologi Informasi, Universitas Muhammadiyah Sumatera Utara

Muhammad Fadlan Alamsyah, Universitas Muhammadiyah Sumatera Utara

Program Studi Ilmu Komputer, Fakultas Sains Dan Teknologi, Universitas Islam Negeri Sumatera Utara, Medan

References

Ambarwati, T. W. (2023). PENERAPAN ALGORITMA GENETIKA DALAM OPTIMISASI PENJADWALAN SISTEM INFORMASI AKADEMIK. Jurnal Sosial dan Teknologi, 103.

Ferdyawan. (2020). Penerapan Algoritma Genetika dalam Optimasi Penjadwalan Proyek. Jurnal Mahasiswa Aplikasi Teknologi Komputer dan Informasi.

Irsan, M. (2024). EVALUASI METODE JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSIPRODUKTIVITAS PADI: REVIEW DAN PROSPEK. Jurnal Rekayasa Sistem Informasi dan Teknologi , 207.

Mulyo, H. (2024). Penerapan Algoritma Genetika Dalam Efisiensi Persediaan Bahan Baku. JURNAL REKOGNISI AKUNTANSI, 159.

Rahman, F. (2024). Penerapan Algoritma Genetika Dalam Optimasi JadwalProduksiDiPerusahaanManufaktur. Bulletin Of Informatics , 100.

Ratnawati, D. E. (2022). Penerapan Algoritma Genetika untuk Optimasi Penjadwalan Pondok. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer , 2517.

Rochmawati, D. R. (2024). PREDIKSI CUACA DENGAN JARINGAN SYARAF TIRUANMENGGUNAKAN PYTHON. JURNAL TEKOMIN, 162.

Safitri, R. I. (2020). Analisis Sistem Penjadwalan Produksi Berdasarkan. Jurnal Optimasi Teknik Industri, 26.

Saputra, A. C. (2020). PENENTUAN PARAMETER LEARNING RATE SELAMA. JURNAL TEKNOLOGI INFORMASI, 202.

Sultan, B. A. (2024). Penerapan Metode Jaringan Saraf Tiruan Dalam Memprediksi Produksi. Journal of Computing and Informatics Research, 199.

Triana, I. (2024). Penerapan Algoritma Genetika Untuk Mencari Optimasi Kasus TSP Pada 20 Gerai Indomart. Jurnal Penerapan Sistem Informasi (Komputer & Manajemen).

Wahyuningsih, D. (2020). Penerapan Algoritma Genetika Untuk Optimasi. Jurnal SISFOKOM (Sistem Informasi dan Komputer), 435.

Winardi, R. R. (2023). Analisis Perbandingan Antara Metode FCFS, SPT, Dan EDD. 476.

Zein, A. (2023). PENERAPAN ALGORITMA GENETIKA DAN JARINGAN. |Jurnal Ilmu Komputer JIK, 8.