ABSTRAKSI: Cutting Stock Problem (CSP) merupakan permasalahan optimasi kombinatorial yang sering ditemukan pada industri manufaktur yang memiliki bahan baku seperti kertas, kaca, kayu, plastik, kain, kulit, dan juga bahan metal. Pada penyelesaiannya (CSP), industri yang memiliki bahan baku seperti ini seharusnya bisa menemukan pola pemotongan bahan baku dengan dengan hasil sisa bahan yang paling sedikit agar dapat meringankan biaya produksi dan meningkatkan efisiensi pemakaian bahan. Namun CSP merupakan permasalahan optimasi yang tergolong NP-Hard Problem, yang artinya bahwa perhitungan yang digunakan sulit dan waktu yg dibutuhkan lama sehingga diperlukan metode agar dapat menekan waktu serta mendapatkan solusi yang otimal.
Krill Herd Algorithm (KHA) adalah algoritma metaheuristik yang tergolong dalam Swarm Intellegent yang dibuat untuk menyelesaikan permasalahan optimasi kombinatorial yang sulit dan diharapkan dapat menghasilkan solusi yang optimal. Pada KHA terdapat 3 (tiga) gerakan utama krill (motion calculation) dalam pencarian solusi, yaitu motion induced, foraging motion, dan physical diffusion. Ketiga gerakan krill tersebut mewakilkan pencarian solusi menuju optimum global, dan memperbesar pencarian ruang solusi. Selain itu untuk meningkatkan performa KHA dalam pencarian solusi digunakan juga algoritma genetik crossover untuk mencari solusi lebih baik menuju optimum lokal setelah proses motion calculation.
Hasil penelitian menyatakan bahwa KHA dapat diterapkan pada kasus pemotongan bahan (CSP) dan dapat menghasilkan nilai rata optimasi diatas 90% dengan pengaruh banyaknya parameter cycles, jumlah krill, dan jarak sensing terhadap tetangga, serta algoritma genetik crossover membuktikan performansi dalam meningkatkan nilai optimal setelah dilakukan motion calculation.Kata Kunci : Swarm Intellegent, Cutting Stock Problem, Krill Herd Algorithm, order, stockABSTRACT: Cutting Stock Problem (CSP) is a combinatorial optimization problem that is often found in industrial manufacturing with raw materials such as paper, glass, wood, plastic, cloth, leather, and metal. On completion (CSP), an industry that has such raw materials should be able to find a pattern to cut raw material to the results of the remaining ingredients in order of least to offset the cost of production and improve the efficiency of material usage. However, CSP is an optimization problem belonging to NP-Hard problems, which means that the calculation used is difficult and takes a long time so that methods are needed in order to suppress the time and get the optimal solution.
Krill Herd Algorithm (KHA) is a metaheuristics algorithms belonging to the Swarm Intellegent made to resolve difficult combinatorial optimization problems and is expected to produce an optimal solution. In KHA there are 3 (three) major motion krill (motion calculation) in the search for solutions, the induced motion, foraging motion, and physical diffusion. The third movement of krill represents the search for solutions towards global optimum and enlarge the search space solutions. In addition to improving the performance of KHA in the search for solutions is also used crossover genetic algorithm to find a better solution towards a local optimum after the motion calculation.
The results stated that the KHA can be applied in Cutting Stock Problem (CSP) and the average value optimization can yield more than 90% with the number of parameters influence cycles, the number of krill, and distance sensing for neighbors, as well as crossover genetic algorithm proved optimal performance in enhancing the value after motion calculation.Keyword: Swarm Intellegent, Cutting Stock Problem, Krill Herd Algorithm, order, stock