3.5.4. Rank Order Clustering ROC
10
Metode rank order clustering ROC merupakan pengelompokan yang didasarkan pada sortasi baris dan kolom dari matriks insiden komponen mesin.
Model rank order clustering ROC adalah metode yang dikembangkan oleh Jhon R. King. Konsep yang dipakai pada pendekatan ini adalah untuk membentuk blok
diagonal dengan mengalokasikan ulang kolom dan baris matriks komponen mesin
secara berulang-ulang yang dinyatakan dengan nilai binary.
Adapun keunggulan dari metode ROC adalah pengelompokan komponen mesin yang lebih mudah, efektif dan efisien jika dibandingkan dengan metode
analisis cluster lainnya. ROC mudah dalam mendesain kelompok komponen part family dan kelompok mesin machine cell serta dapat lebih mudah melihat mesin
yang bottleneck.. Adapun langkah-langkah pengerjaan dengan menggunakan rank order
clustering based sorted algorithm untuk mendapatkan pengelompokan komponen adalah sebagai berikut:
1. Untuk masing-masing baris dari matriks insiden mesin-komponen
diberikan bobot biner dan dihitung ekuivalen decimal bobot. Misalnya, nilai keterkaitan komponen-mesin untuk baris 1 adalah 0 1 1 0 0 0, maka nilai
ekuivalen desimalnya adalah: 0 x 2
5
+ 1 x 2
4
+ 1 x 2
3
+ 0 x 2
2
+ 0 x 2
1
+ 0 x 2 = 24
2. Diurutkan nilai ekuivalen baris dari urutan terbesar hingga terkecil
decreasing order.
10
Sunderesh Sesharanga Heragu. Facilities Design. Department of Industrial Engineering University of Louisville: iUniverse, Inc. 2006 Hal 298
UNIVERSITAS SUMATERA UTARA
3. Matriks ditransformasikan dengan mengganti baris dan kolom.
4. Diurutkan diurutkan nilai ekuivalen kolom dari urutan terbesar hingga
terkecil decreasing order. 5.
Perhatikan apakah ranking atau urutan nilai ekuivalen baris dan kolom berbeda. Jika ya, lanjutkan ke langkah 6. Jika tidak, perhitungan berhenti.
6. Ulangi langkah 1 sampai dengan 4 sampai urutan atau ranking masing-
masing elemen dalam baris dan kolom tidak berbeda. Contoh
11
: Asumsikan matriks komponen-mesin seperti pada Tabel 3.1.
Tabel 3.1. Matriks Keterkaitan Mesin-Komponen
Mesin Part
1 2
3 4
5 A
B C
D 1
1 1
1 1
1 1
1 1
Langkah 1: Hitung nilai desimal ekuivalen berdasarkan sistem biner seperti yang ditunjukkan pada Tabel 3.2
Tabel 3.2. Pembobotan Sistem Biner
Mesin Part
1 2
3 4
5 2
4
2
3
2
2
2
1
2 A
B C
D 1
1 1
1 1
1 1
1 1
Baris I Mesin A = 0 x 2
4
+ 1 x 2
3
+ 0 x 2
2
+ 1x 2
1
+ 1 x 2 = 11
Baris II Mesin B = 1 x 2
4
+ 0 x 2
3
+ 1 x 2
2
+ 0 x 2
1
+ 0 x 2 = 20
11
Nazlina dan Mangara Tambunan. Op. cit., p. 38-39
UNIVERSITAS SUMATERA UTARA
Baris III Mesin C = 0 x 2
4
+ 1 x 2
3
+ 0 x 2
2
+ 1 x 2
1
+ 0 x 2 = 10
Baris IV Mesin D = 1 x 2
4
+ 0 x 2
3
+ 1 x 2
2
+ 0 x 2
1
+ 0 x 2 = 20
Urutkan nilai di atas mulai dari yang terbesar hingga terkecil, seperti pada Tabel 3.3.
Tabel 3.3. Rangking Nilai Desimal pada Mesin
Mesin Part
DE Ranking 1
2 3
4 5
2
4
2
3
2
2
2
1
2 A
B C
D 1
1 1
1 1
1 1
1 1
11 20
10 20
3 1
4 2
Langkah 2: Urutkan nilai desimal baris tersebut dari yang terbesar hingga terkecil seperti pada Tabel 3.4.
Tabel 3.4. Urutan Nilai Desimal pada Mesin
Mesin Part
DE Ranking 1
2 3
4 5
2
4
2
3
2
2
2
1
2 B
D A
C 1
1 1
1 1
1 1
1 1
20 20
10 10
1 2
3 4
Langkah 3: Untuk part, seperti langkah 1 2.
Tabel 3.5. Ranking Nilai Desimal pada Part
Mesin Part
Ranking 1
2 3
4 5
B D
A C
1 1
1 1
1 1
1 1
1 2
3
2
2
2
1
2 12
3 12
3 2
UNIVERSITAS SUMATERA UTARA
Langkah 4: Untuk part akhir langkah 1 2
Tabel 3.6. Urutan Nilai Desimal Iterasi Terakhir
Mesin Part
1 3
2 4
5 B
D C
A 1
1 1
1 1
1 1
1 1
Karena urutan dari baris dan kolom sudah sesuai dari yang terbesar hingga terkecil, maka perhitungan dihentikan dan akan terbentuk beberapa kelompok.
Dari Tabel 3.6. didapatkan bahwa terdapat dua kelompok yaitu: Kelompok 1 : MC-1 sel mesin-1 : Mesin B, Mesin D.
PF-1 part family-1 : 1, 3 Kelompok 2 : MC-2 sel mesin-2 : Mesin C dan Mesin A
PF-2 part family-2 : 2, 4 dan 5
3.6. Algoritma BLOCPLAN
Kategori