ABSTRAKSI: Cutting Stock Problem (CSP) merupakan permasalahan yang sangat krusial dalam dunia industri manufaktur. Hal ini dipicu oleh semakin tipisnya sumber daya alam dan semakin tingginya permintaan pasar, sehingga pelaku industri harus berupaya untuk memenuhi permintaan order meskipun dengan stock yang terbatas agar dapat bersaing di dunia globalisasi. Selain itu, pemanfaatan stock yang kurang optimal dalam pemotongan akan merugikan perusahaan. Salah satu cara pelaku industri untuk mengatasi permasalahan yang terjadi yaitu dengan memecahkan kasus CSP.
Tugas Akhir ini mengimplementasikan algoritma Artificial Immune System (AIS) dalam penanganan kasus CSP. AIS adalah salah satu algoritma meta-heuristik. Ide dasar AIS adalah meniru cara kerja sistem imun manusia. Kelebihannya yaitu algoritma AIS berbasis pada populasi dan jaringan serta penggunaan metode seleksi clonal selection dan mutasi dengan korelasi yang dapat bekerja secara paralel untuk banyak solusi sekaligus. Sehingga AIS dapat melakukan pencarian global dan pencarian lokal dengan baik.
Hasil penelitian menunjukan bahwa algoritma AIS mampu menghasilkan solusi untuk pemecahan kasus CSP dengan optimasi rata-rata di atas 85%. Solusi yang dihasilkan sangat bergantung kepada hasil mutasi dan pembangkitan antibodi secara acak yang dihasilkan oleh death rate. Pembangkitan antibodi secara acak sangat membantu solusi yang dihasilkan untuk menyelamatkan solusi dari optimum lokal. Untuk meningkatkan optimasi sangat disarankan algoritma AIS ini digabungkan dengan algoritma pencarian lokal seperti Simmulated Annealing atau Tabu Search.Kata Kunci : Cutting Stock Problem, Artificial Immune System, Clonal Selection, Stock, Order.ABSTRACT: Cutting stock problem (CSP) is a crucial problem in manufacturing industries. CSP is triggered by the lacks of natural resources and increasing market demand. So the industries strive to meet the demand even with a limited stock in order to compete in the globalized world. In addition, the utilization of not-optimal cutting stocks is going to harm the company. One of the solution which the marketers do to overcome the problem that occur is solving CSP problem.
This final project implements Artificial Immune System (AIS) Algorithm in solving the CSP cases. AIS is one of the meta-heuristic algorithms. The basic idea is to imitate how the human immune system works. The advantage of the algorithm is it (AIS) based on population and networks, and also the use of colonal selection and mutation method with correlation that can work in parallel on many solution at once. So, the AIS can perform global search and local search well.
The result showed that the AIS Algorithm is able to generate the solution to solve the CSP cases with optimization average over 85%. The solution that has been generated dependent to the result of the mutation and antibody random generation which produced by the death races. Generation of antibody randomly can be helpful in creating the solutions to save its local optimum. To increasing the optimization value, it is suggested to combine this algorithm with another local search algorithm like simulated annealing or tabu search.Keyword: Cutting Stock Problem, Artificial Immune System, Clonal Selection, Stock, Order.