Optimisasi Cutting Stock Problem Satu Dimensi dengan Algoritme Ant Colony Optimization

Abstract

Cutting Stock Problem (CSP) satu dimensi merupakan permasalahan optimisasi pemotongan bahan yang berfokus pada satu pola pemotongan yaitu panjang atau lebar. Tujuannya adalah untuk menentukan pola pemotongan yang meminimumkan stok yang terpakai. Salah satu metode untuk menyelesaikan CSP yaitu metode metaheuristik. Pada penelitian ini, metode yang digunakan untuk menyelesaikan CSP satu dimensi yaitu metode metaheuristik Ant Colony Optimization (ACO). Metode ACO diimplementasikan menggunakan bantuan bahasa pemrograman Python pada kasus pemesanan kusen dengan item sebanyak 213 dan panjang stok 4000 mm. Hasil yang diperoleh yaitu pola pemotongan terbaik dengan nilai fitness tertinggi 99,848% pada parameter tingkat kepentingan relatif dari informasi heuristik yaitu 2. Stok yang terpakai sebanyak 64 kayu dan sisa pemotongan sepanjang 200 mm.

One dimensional Cutting Stock Problem (CSP) is a material cutting optimization problem focusing on one cutting pattern, namely length or width. The goal is to determine a cutting pattern that minimizes used stock. One of the methods to solve CSP is the metaheuristic method. In this study, the metaheuristic method used to solve one dimensional CSP is Ant Colony Optimization (ACO). The ACO method is implemented using Python programming language in the case of ordering frames with 213 items and 4000 mm stock length. The results obtained are the best cutting pattern with the highest fitness is 99,848% at the relative importance parameter of the heuristic information is 2. The stock used is 64 wood and the trim loss is 200 mm.