PENERAPAN ALGORITMA HYBRID ANT COLONY OPTIMIZATION (ACO) DAN LOCAL SEARCH DALAM MENINGKATKAN EFISIENSI PEMOTONGAN BAHAN BAKU

Abstrak

Pemotongan bahan baku yang dilakukan secara manual dapat memakan waktu yang cukup lama, memerlukan tenaga kerja yang signifikan, dan mengakibatkan penggunaan bahan baku yang lebih besar, yang pada akhirnya meningkatkan biaya produksi. Untuk mengatasi tantangan ini, penelitian ini bertujuan untuk mengoptimalkan proses pemotongan objek bahan baku dalam industri mebel dengan menggunakan algoritma Hybrid Ant Colony Optimization (ACO) yang digabungkan dengan algoritma Local Search. Pendekatan awal penelitian ini melibatkan inisialisasi feromon, di mana setiap semut memulai rute dengan item dan stok bahan baku yang tersedia. Dalam upaya untuk memperbarui tingkat feromon, kami mengadopsi pendekatan yang mirip dengan MAX-MIN Ant System (MMAS), di mana hanya semut terbaik yang diizinkan meninggalkan jejak feromon di setiap iterasi. Setelah algoritma ACO menghasilkan solusi awal, langkah selanjutnya melibatkan penggunaan algoritma Local Search untuk memperbaiki solusi tersebut. Dengan menggabungkan keunggulan eksplorasi ruang solusi oleh ACO dan kemampuan Local Search dalam mengoptimalkan solusi yang ada, pendekatan Hybrid ACO + LS diharapkan dapat menciptakan solusi yang lebih baik dan lebih efisien dalam waktu yang lebih singkat. Penelitian ini memiliki potensi besar untuk membantu industri mebel mengurangi waktu dan biaya dalam proses pemotongan bahan baku mereka. Dengan demikian, hasil penelitian ini memiliki dampak positif dalam meningkatkan efisiensi produksi dan mengurangi biaya produksi dalam industri mebel.