ABSTRAKSI: Job Shop merupakan permasalahan yang krusial pada industri manufaktur. Perusahaan bisa mengurangi biaya produksi dan meningkatkan efisiensi dengan membuat sebuah jadwal dengan waktu pengerjaan semua job yang paling minimum. Namun, job shop merupakan permasalahan optimasi kombinatorial dengan ruang solusi yang sangat besar dan sulit untuk diselesaikan.
Berbasis kepada hal tersebut, tujuan dari tugas akhir ini adalah menggunakan algoritma Ant Colony Optimization yang cocok untuk permasalahan kombinatorial yang mampu menghasilkan solusi optimum dalam waktu yang dapat diterima. Solusi yang dihasilkan oleh ACO secara acak akan diperbaiki oleh Tabu Search. Selain itu tabu list pada Tabu Search akan membantu semut untuk menghindari solusi buruk yang pernah dibangkitkan.
Hasil penelitian memperlihatkan ACO yang telah dimodifikasi dari model ACO yang sudah ada memberikan akurasi rata-rata diatas 80% untuk semua dataset yang digunakan, sedangkan ACO yang digabungkan dengan TS mampu memberikan akurasi rata-rata diatas 90%.Kata Kunci : Job Shop, Ant Colony Optimization, Tabu Search, tabu listABSTRACT: Job Shop is a crucial problem of manufacture industry. The company can reduce cost of production and increase the efficiency by making a schedule with minimum completion time. But, jobshop is a combinatorial optimization problem with a large solution space and difficult to solve.
Base on those problem, the purpose of this final task is to use Ant Colony Optimization Algorithm that suitable for combinatorial problem that can give an optimum solution as the result in acceptable time. The solutions of ACO that generated randomly will be improved by Tabu Search. Beside that, tabu list on Tabu Search will help the ants to avoid bad solutions that have been generated.
The results show that ACO modified from the previous ACO model gives average accuracy above 80% for all dataset used, whereas ACO that combined with TS can give average accuracy above 90%.Keyword: Job Shop, Ant Colony Optimization, Tabu Search, tabu list