Perbandingan Metode Sequential Quadratic Programming dan Genetic Algorithm untuk Optimasi Multi-Product pada Model Economic Production Quantity dengan Kendala Stokastik

Maharani, Alta Salsabella (2024) Perbandingan Metode Sequential Quadratic Programming dan Genetic Algorithm untuk Optimasi Multi-Product pada Model Economic Production Quantity dengan Kendala Stokastik. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5002201117-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (3MB)

Abstract

Pengelolaan persediaan diterapkan untuk efisiensi dan keberlanjutan produksi, dengan mempertimbangkan tingkat stok dan estimasi penjualan. Pada Tugas Akhir ini, pengelolaan persediaan diterapkan pada UMKM frozen food dengan menggunakan model Economic Production Quantity Multi-Product. Model EPQ, menjadi pendekatan untuk mengoptimalkan kuantitas produksi secara efektif dan efisien. Pada Tugas Akhir ini, digunakan dua metode yaitu metode Sequential Quadratic Programming dan Genetic Algorithm untuk mengoptimalkan model EPQ dalam meminimalkan biaya persediaan. Perbandingan kedua metode dilakukan untuk mendapatkan metode yang paling optimal. Penyelesaian optimasi kedua metode, ditambahakan kendala stokastik untuk mempertimbangkan ketidakpastian yang ada. Tugas Akhir ini menggunakan 3 produk yang berbeda dan berdasarkan data yang didapat masing-masing produk memiliki data yang distribusi normal, dan distribusi tersebut dapat memenuhi asumsi untuk penyelesaian kendala stokastik yang ada. Kendala stokastik yang digunakan yaitu biaya penyimpanan. Berdasarkan hasil perhitungan menunjukkan bahwa kedua metode menghasilkan biaya persediaan yang optimal adalah Rp 365.523.015 untuk metode SQP dan Rp 365.550.356 untuk metode GA dalam satu tahun. Hasil yang diperoleh dari penelitian ini adalah biaya persediaan yang minimal. Berdasarkan hasil perhitungan, didapat bahwa metode SQP lebih optimal dalam optimasi pada model EPQ multiproduct. Selain hasilnya yang lebih minimal, dalam konteks waktu penyelesaian metode SQP juga lebih unggul dari pada metode GA. Kedua metode memiliki keunggulan, dengan SQP yang lebih unggul dalam kecepatan konvergensi sedangkan GA lebih baik dalam menangani kompleksitas dan ketidakpastian.

===========================================================

Inventory management is applied for production efficiency and sustainability, taking into account stock levels and estimated sales. In this Final Project, inventory managemenis applied to frozen food UMKM using the Economic Production Quantity Multi-Product model. The EPQ model is an approach to optimize production quantity effectively and efficiently. In this Final Project, two methods are used, namely the Sequential Quadratic Programming method and the Genetic Algorithm to optimize the EPQ model in minimizing inventory costs. Comparison of the two methods is done to get the most optimal method. Completion of the optimization of both methods, stochastic constraints are added to consider the uncertainty that exists. This Final Project uses 3 differenproducts and based on the data obtained each product has normal distribution data, and the distribution can fulfill the assumptions for solving existing stochastic constraints. The stochastic constraint used is storage cost. Based on the calculation results, it shows that both methods produce optimal inventory costs of Rp 365,523,015 for the SQP method and Rp 365,550,356 for the GA method in one year. The result obtained from this research is minimal inventory costs. Based on the calculation results, it is found that the SQP method is more optimal in optimizing the multi product EPQ model. In addition to the more minimal results, in the context of completion time the SQP method is also superior to the GA method. Both methods have advantages, with SQP being superior in convergence speed while GA is better at handling complexity and uncertainty.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Economic production quantity, Genetic algorithm, Sequential quadratic programming =========================================================== Economic production quantity, Genetic algorithm, Sequential quadratic programming
Subjects:	Q Science > QA Mathematics > QA274.2 Stochastic analysis Q Science > QA Mathematics > QA372.B9 Differential equations--Numerical solutions. Runge-Kutta formulas--Data processing. Q Science > QA Mathematics > QA402.5 Genetic algorithms. Interior-point methods.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44201-(S1) Undergraduate Thesis
Depositing User:	Alta Salsabella Maharani
Date Deposited:	07 Aug 2024 08:22
Last Modified:	07 Aug 2024 08:22
URI:	http://repository.its.ac.id/id/eprint/111898

Actions (login required)

View Item