Abstract
Optimasi parameter pemesinan multi-pass milling penting untuk meningkatkan efisiensi produksi. Penelitian ini mengusulkan algoritma Hybrid Particle Swarm Optimization–Genetic Algorithm (HPSO-GA) dengan arsitektur ko-evolusi (80% PSO untuk eksploitasi, 20% GA untuk eksplorasi) untuk meminimalkan total waktu produksi (T_pr). Model matematis diadopsi dari penelitian sebelumnya (Wang et al., 2022). Eksperimen pada empat strategi pemesinan dengan 30 run menunjukkan HPSO-GA menghasilkan Tpr terbaik 3,081 menit pada Strategi 2, mengungguli baseline IPSO sebesar 4,67%. Uji Wilcoxon menegaskan HPSO-GA signifikan lebih baik dari PSO (p<0,05) namun tidak berbeda signifikan dari GA murni. Pada Strategi 3 yang kompleks, GA murni justru lebih unggul. Hasil awal ini menunjukkan potensi HPSO-GA sebagai metode optimasi yang kompetitif, dengan catatan efektivitasnya bergantung pada struktur masalah.
