Metaheuristics merupakan metode optimasi yang terinspirasi dari alam untuk menyelesaikan masalah yang kompleks secara lebih cepat dibandingkan metode eksak. Salah satu algoritma metaheuristics yang populer adalah algoritma genetika yang meniru proses evolusi alam untuk menemukan solusi terbaik.

1. Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
METAHEURISTICS
Kelompok 10:
• Ahmad Fairuz 352110504
• Athariq Dias 352210630
• Delius Kresna Ramadhan 352210815
• Eko Yulianto 352110479
• Muh Rosyid 352010285
Mata Kuliah Riset Operasi II
Kelas 5 IE.20.C.4
Dosen Ikhsan Romli, S.Si., M.Sc
Program Studi Teknik Industri
Fakultas Teknik
Universitas Pelita Bangsa

2. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
1 . Kenapa Mempelajar i Optimas i Metaheur is tic s?
2. Apa itu Metaheuris tic s ?
3 . Algor itma p a d a Metaheur is tic s
4 . Apa itu Algor itma Genetik a ?
5 . R epr es entas i dalam Algor itma Genetik a
6. Tahapan dalam Algoritma Genetik a
7 . C ontoh Kas us
8 . C ontoh Kas us di Indus tr i
9. Combinatorial Explos ion
1 0 .Kes impulan
1 1 .R efer ens i
Muh Rosyid
Delius
Ahmad Fairuz

3. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
KEN APA MEMPELAJ AR I OPTIMASI METAH EU R ISTIC S?
Sistem saat ini semakin kompleks dan terintegrasi
(Industry 4.0, Era majunya Dunia Digital)
Contoh: Jaringan logistic yang kompleks
Dibutuhkan penyelesaian masalah yang holistik
dan komprehensif
Menghasilkan banyak variable keputusan yang
harus di optimasikan
Banyak variable:
• Jumlah kendaraan
• Jenis kendaraan
• Jumlah Tenaga Kerja
• Model / Tipe
• Rute yang harus dilewati
• Dsb.
OPTIMASI YANG
HOLISTIK
KOMPREHENSIF
& CEPAT

4. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
APA ITU METAH EU R ISTIC S?
1. EKSAK 2. HEURISTIK 3. METAHEURISTIK
Dilakukan pendekatan dengan
menghitung setiap solusi hingga
menghasilkan jawaban terbaik
(optimal).
Solusi berupa eksak / persis
Akan kurang optimal saat
variable nya banyak karena
butuh waktu yang lebih banyak
Contoh:
Branch and bound dan branch
and cut
Memberikan suatu cara untuk
menyelesaikan permasalahan optimasi
yang lebih sulit dan dengan kualitas dan
waktu penyelesaian yang lebih cepat
daripada solusi eksak
Solusi berupa perkiraan (approximately)
– good enough
Contoh:
Saving Based, Matching based,
Multiroute improvement heuristic, dan
lain sebagainya
Prosedur level lebih tinggi dari
heuristic. Solusi sedekat mungkin
dekat hasil yang optimal (near
optimum). Menyelesaikan
masalah yang kompleks.
Algoritmanya terinspirasi dari
alam
Contoh:
Genetic algorithm, Particle Swan,
Ant Colony, Simulated Annealing,
Social Cognitive, dsb.

5. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
A L G O R I T M A P A D A M E T A H E U R I S T I C S
INDUSTRY 4.0
ARTIFICIAL INTELLIGENCE
DATA
MINING
MACHINE
LEARNING
SOFT
COMPUTING
INTELLIGENCE
SYSTEM
OPERATION
RESEARCH
+
METAHEURISTICS (algoritma terinspirasi dari alam)
ARTIFICIAL BEE
COLONY
ANT
COLONY
GENETIC
ALGORITHM
WATER
DROP
SCHOOL OF
FISH

6. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
A P A I T U A L G O R I T M A G E N E T I K A ?
VARIASI INDIVIDU ADAPTASI
LINGKUNGAN
PELUANG
BERTAHAN HIDUP
TINGGI
MODEL MATEMATIK  MODEL ALGORITMA GENETIKA
Individu mana yang mampu beradaptasi terhadap lingkungan, maka dia yang bertahan
(survival of the fittest)

7. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
R E P R E S E N T A S I D A L A M A L G O R I T M A G E N E T I K A
INDIVIDU 1
INDIVIDU 2
X1 X2 X3 X4 X5
INDIVIDU 3
INDIVIDU n
X1 X2 X3 X4 X5
X1 X2 X3 X4 X5
.
.
.
Xn Xn Xn Xn Xn
.
.
.
KROMOSOM
GEN
PARENTS / ORANG TUA
C1 C2 C3 C4 C5
CHILDREN / ANAK
Menilai apakah anak tersebut
mampu bertahan hidup / memiliki
kemampuan bertahan hidup yang
tinggi
MUTASI /
CROSS
OVER

8. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
T A H A P A N D A L A M A L G O R I T M A G E N E T I K A
1 . I N I S I A L I S A S I
2 . I T E R A S I
3 . K O N D I S I B E R H E N T I
GEN
KROMOSOM
POPULASI
Representasi masalah dalam
bentuk Kromosom atau Individu

9. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
T A H A P A N D A L A M A L G O R I T M A G E N E T I K A
1 . I N I S I A L I S A S I
2 . I T E R A S I
3 . K O N D I S I B E R H E N T I
Individu yang kuat bertahan,
sisanya memiliki peluang untuk
terjadi mutasi / cross over

10. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
T A H A P A N D A L A M A L G O R I T M A G E N E T I K A
1 . I N I S I A L I S A S I
2 . I T E R A S I
3 . K O N D I S I B E R H E N T I
Maksimal Generasi
Kondisi Stasioner

11. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
C O N T O H K A S U S
Maksimasi f(x) = x2 dimana 0 ≤ x ≤ 31
Diagram kartesian
Nilai optimum adalah f(x) = 961
dimana x = 31
x2 = 312 = 961
MATEMATIKA MODEL ALGORITMA GENETIKA
1. INISIALISASI
2. ITERASI
3. KONDISI BERHENTI

12. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
C O N T O H K A S U S
MODEL ALGORITMA GENETIKA
1. INISIALISASI
2. ITERASI
3. KONDISI BERHENTI
GEN
4
GEN
3
GEN
2
GEN
1
GEN
0
INDIVIDU
KE
0 0 0 0 0  0
0 0 0 0 1  1
. . . . . .
. . . . . .
1 0 1 0 1  21
. . . . . .
. . . . . .
1 1 1 1 1  31
Menerjemahkan kromosom
dalam bentuk biner (tipe
biner)
Macam-macam tipe:
• Biner (0 dan 1)
• String (Huruf / Angka)
• dsb.
Maksimasi f(x) = x2 dimana 0 ≤ x ≤ 31

13. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
C O N T O H K A S U S
MODEL ALGORITMA GENETIKA
1. INISIALISASI
2. ITERASI
3. KONDISI BERHENTI
Maksimasi f(x) = x2 dimana 0 ≤ x ≤ 31

14. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
C O N T O H K A S U S
MODEL ALGORITMA GENETIKA
1. INISIALISASI
2. ITERASI
3. KONDISI BERHENTI
Maksimasi f(x) = x2 dimana 0 ≤ x ≤ 31
Menggunakan excel dengan fungsi RAND untuk membuat nilai random pada setiap Gen
=RANDBETWEEN(0,1)
Mencari fittest
value dalam
setiap generasi,
sampai
mendapatkan
kondisi berhenti

15. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
C O N T O H K A S U S
1. INISIALISASI
2. ITERASI
3. KONDISI BERHENTI
Maksimasi f(x) = x2 dimana 0 ≤ x ≤ 31

16. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
C O N T O H K A S U S D I I N D U S T R I
M1 M2
Bagaimana alokasi job
yang paling optimum
untuk kedua mesin
tersebut ?
Terdapat 2 mesin untuk
menjalankan 4 job
secara bergantian

17. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
C O N T O H K A S U S D I I N D U S T R I
M1 M2
Terdapat 2 mesin untuk
menjalankan 4 job secara
bergantian
Bagaimana alokasi job yang paling
optimum untuk kedua mesin
tersebut ?
Jawaban:
C  D  B  A
Dengan waktu 54 menit
A
A
B
B
C
C
D
D

18. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
C o m b i n a t o r i a l E x p l o s i o n
Misalkan kita mempunyai sebanyak n
perkerjaan, maka kemungkinan
kombinasinya adalah sebanyak n!
Contoh:
4 pekerjaan  4! = 24
6 pekerjaan  6! = 720
15 pekerjaan  15! = 1.307.674.368.000
~ 41.466 tahun
Masalah ini disebut Combinatorial Explosion

19. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
K E S I M P U L A N
• Dengan mempelajari metode optimasi Metaheuristik, kita dapat menyelesaikan masalah secara
holistik dan komprehensif
• Metaheuristik adalah suatu cara atau prosedur yang lebih tinggi dari metode heuristik yang dapat
menyelesaikan permasalahan optimasi yang lebih sulit dan dengan kualitas dan waktu
penyelesaian yang lebih cepat daripada solusi eksak serta mendapatkan solusi sedekat mungkin
dekat hasil yang optimal (near optimum).
• Algoritma pada metaheuristik terinspirasi dari alam, salah satunya dalah algoritma genetika
• Algoritma genetika berfokus pada penentuan fittest value, yakni nilai yang paling optimal dari
setiap kemungkinan
• Terdapat 3 tahapan dalam algoritma genetika yakni, Inisialisasi, Iterasi dan Kondisi Berhenti
• Pada dunia industri, contoh aplikasi metaheuristik adalah flow shop scheduling, atau penjadwalan
alir kerja atau proses di pabrik
• Semakin banyak variable yang digunakan dalam proses optimasi maka akan semakin banyak data
analisa yang dihasilkan / semakin kompleks. Jika menggunakan metode eksak maka akan
diperlukan waktu yang lebih banyak
• Dalam arti lain metode metaheuristic dapat secara efektif dan efisien menghasilkan solusi optimasi
dari suatu formulasi permasalahan yang cukup kompleks (variable keputusan sangat banyak)

20. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
R E F E R E N S I
Nama Channel : Teknik Industri ITERA
Judul Video : Penelitian Operasional 2,
Metaheuristik 1: Algoritma
Genetika 1
Tanggal Posting : 30 Mei 2022
Link : https://www.youtube.com/watch?v=Qf0ldHeMOfU

21. 上汽通用五菱印尼汽车有限公司 PT. SGMW MOTOR INDONESIA
Program Studi Teknik Industri - Fakultas Teknik - Universitas Pelita Bangsa
Mata Kuliah Riset Operasi II
Kelas 5 IE.20.C.4
Dosen Ikhsan Romli, S.Si., M.Sc
Program Studi Teknik Industri
Fakultas Teknik
Universitas Pelita Bangsa
Kelompok 10:
Ahmad Fairuz 352110504
Athariq Dias 352210630
Delius Kresna Ramadhan 352210815
Eko Yulianto 352110479
Muh Rosyid 352010285