Aplikasi jaringan syaraf tiruan untuk permasalahan flowshop scheduling

Abstract

Penjadwalan adalah pengalokasian sumber daya yang terbatas untuk mengerjakan sebuah pekerjaan. Penjadwalan digunakan untuk mengalokasikan sumber daya yang terbatas untuk menentukan suatu prioritas pekerjaan dalam suatu rangkaian kegiatan dalam jangka waktu tertentu agar diperoleh waktu total penyelesaian pekerjaan yang minimum. Secara garis besar penjadwalan dapat dibedakan menjadi job shop dan flow shop. Permasalahan yang membedakan antara job shop dan flow shop adalah pola aliran kerja yang tidak memiliki tahapan-tahapan proses yang sama. Proses penjadwalan ini diperlukan agar lama pengerjaan pekerjaan - pekerjaan tersebut dapat menjadi lebih cepat, efisien, dan efektif. Salah satu contoh dari kecerdasan buatan yang dapat dimanfaatkan untuk membantu penjadwalan dan yang sekaligus meniru cara kerja manusia adalah jaringan syaraf tiruan atau disingkat sebagai JST. Salah satu jenis jaringan syaraf tiruan yang sering digunakan adalah JST feed forward dengan menggunakan teknik pembelajaran backpropagation. Pada penelitian ini, telah dikembangkan sebuah perangkat lunak yang menerapkan JST untuk membantu klasifikasi pada kasus Taillard benchmark. Berdasarkan eksperimen-eksperimen yang telah dilakukan terhadap data Taillard Benchmark, didapat bahwa: cepat atau tidaknya pembelajaran (learning rate) yang dilakukan jaringan syaraf tiruan tidak menentukan baik buruknya keluaran jaringan syaraf tiruan, hasil klasifikasi semakin baik jika nilai errornya mendekati target yang sudah ditentukan, dikarenakan jumlah output atau keluaran yang terlalu luas, hasil klasifikasi tidak benar semua, hanya beberapa urutan yang sesuai dengan posisi.