karena pada setiap pengukuran waktu angka-angka yang dicatat tidak pernah semuanya sama, waktu penyelesaian yang ditunjukkan pekerja selalu berubah-
ubah dari siklus ke siklus lainnya, dari jam ke jam, bahkan dari hari ke hari. Selama ini masih dalam batas-batas kewajaran masalah tidak timbul, tetapi jika
variabilitisnya tinggi maka hal tersebut harus diperhatikan. Sebagaimana halnya faktor-faktor lain, konsistensi juga dibagi enam kelas yaitu perfect,
excellent, good, average, fair dan poor. Westinghouse factors dilihat pada Tabel 3.1.
Tabel 3.1. Westinghouse Factors
Faktor Kelas
Lambang Penyesuaian
Keterampilan Superskill
A1 +
0,15 A2
+ 0,13
Excellent B1
+ 0,11
B2 +
0,08 Good
C1 +
0,06 C2
+ 0,03
Average D
Fair E1
- 0,05
E2 -
0,1 Poor
F1 -
0,16 F2
- 0,22
Usaha Excessive
A1 +
0,13 A2
+ 0,12
Excellent B1
+ 0,1
B2 +
0,08 Good
C1 +
0,05 C2
+ 0,02
Average D
Fair E1
- 0,04
E2 -
0,08 Poor
F1 -
0,12 F2
- 0,17
Tabel 2.1. Westinghouse Factors Lanjutan
Faktor Kelas
Lambang Penyesuaian
Kondisi Kerja Ideal
A +
0,06 Excellenty
B +
0,04 Good
C +
0,02 Average
D Fair
E -
0,03 Poor
F -
0,07 Konsistensi
Perfect A
+ 0,04
Excellenty B
+ 0,03
Good C
+ 0,01
Average D
Fair E
- 0,02
Poor F
- 0,04
Sumber : Iftikar Z Sutalaksana. Teknik Perancangan Sistem Kerja.
3. Kelonggaran Allowance Kelonggaran allowance diberikan kepada tiga hal yaitu untuk kebutuhan
pribadi, menghilangkan kelelahan dan hambatan yang tidak dapat dihindarkan. Ketiganya merupakan hal yang secara nyata dibutuhkan oleh pekerja selama
pengamatan karenanya setelah mendapatkan waktu normal perlu ditambahkan kelonggaran. Dalam menghitung besarnya allowance, keadaan yang dianggap
wajar diambil harga allowance =100 . Sedangkan bila terjadi penyimpangan dari keadaan ini, allowance harus ditambah dengan faktor-faktor berpengaruh
terhadap kegiatan kerja yang dilakukan. Kelonggaran diberikan untuk tiga hal, yaitu:
a. Kelonggaran untuk kebutuhan pribadi personal Yang termasuk didalam kebutuhan pribadi adalah hal-hal sepeti minum
sekedarnya untuk menghilangkan rasa haus, ke kamar kecil, berbicara
dengan teman untuk menghilangkan ketegangan ataupun kejenuhan dalam bekerja.
b. Kelonggaran untuk menghilangkan rasa fatique Fatique merupakan hal yang akan terjadi pada diri seseorang sebagai akibat
dari melakukan suatu pekerjaan. c. Kelonggaran untuk hambatan-hambatan tidak terhindarkan delay
Hambatan-hambatan tidak terhindarkan terjadi karena berada diluar kekuasaan kendali pekerja.
3.6. Algoritma Genetik
Algoritma genetik ditemukan oleh John Holand dari Universitas Michigan. Saat ini algoritma genetik mulai banyak digunakan untuk menyelesaikan masalah
optimasi. Algoritma genetik merupakan metode optimasi yang tidak berdasarkan matematika, melainkan berdasarkan fenomena alam yang dalam penelusurannya
mencari titik optimal berdasarkan pada ide yang ada pada genetika, yaitu ilmu yang membahas tentang sifat keturunan yang diwariskan dan teori Darwin
“survival of the fittest”.
11
Inti dari algoritma genetika adalah secara bertahap akan mencari solusi terbaik survival of the fittest dari begitu banyak solusi yang ada. Pertama
algoritma genetika bekerja dengan membuat beberapa solusi secara acak, tentu saja dari tahapan pertama ini solusinya kemungkinan masih buruk. Solusi tersebut
11
David E. Goldberg, 1989, Genetic Algorithms in Search, Optimization, and Machine Learning Addison Wesley Publishing Company : Canada, hlm. 1-7
akan mengalami proses evolusi secara terus menerus dan akan menghasilkan suatu solusi yang lebih baik. Setiap solusi yang terbentuk mewakili satu
kromosom dan satu individu terdiri dari satu kromosom. Kumpulan dari individu- individu ini akan membentuk suatu populasi, dari populasi ini akan lahir populasi-
populasi baru sampai dengan sejumlah generasi yang ditentukan.
3.6.1. Langkah-langkah Algoritma Genetik
Langkah-langkah pemecahan masalah dengan algoritma genetika adalah sebagai berikut:
12
12
Mitsuo Gen dan Runwei Cheng, 2000, Genetic Algorithms and Engineering Optimization John Wiley and Son : USA, hlm. 235-251
1. Representasi penyandian Teknik penyandian disini meliputi penyandian gen dan kromosom. Gen
merupakan bagian dari kromosom. Satu gen biasanya akan mewakili satu variabel. Panjang setiap kromosom L sama dengan jumlah Job.
- L = panjang kromosom = 5 - Fungsi fitness = 1Makespan
2. Penentuan Parameter Yang disebut dengan parameter disini adalah parameter kontrol algoritma
genetik, yaitu ukuran populasi popsize, peluang crossover p
c
, dan peluang mutasi p
m
. Nilai parameter ini ditentukan juga berdasarkan permasalahan yang akan dipecahkan, antara lain:
a. untuk permasalahan yang memiliki kawasan solusi cukup besar, De Jong merekomendasikan untuk nilai parameter kontrol:
popsize; p
c
; p
m
= 50; 0,6; 0,001 b. bila rata-rata fitness setiap generasi digunakan sebagai indikator, maka
Grefenstette merekomendasikan: popsize; p
c
; p
m
= 30; 0,6; 0,01 c. bila fitness dari individu terbaik dipantau pada setiap generasi, maka
usulannya adalah: popsize; p
c
; p
m
= 80; 0,45; 0,01 d. ukuran populasi sebaiknya tidak lebih kecil dari 30, untuk sembarang jenis
permasalahan. 3. Inisialisasi populasi awal
Tentukan ukuran populasi yang digunakan popsize kemudian lakukan pengacakan dan hitung nilai fitness untuk setiap kromosom.
4. Seleksi Seleksi ini bertujuan untuk memberikan kesempatan reproduksi yang lebih
besar bagi anggota populasi yang paling fit. Seleksi akan menentukan individu- individu mana saja yang akan dipilih untuk dilakukan rekombinasi dan
bagaimana offspring terbentuk dari individu-individu terpilih tersebut. Ada beberapa metode seleksi dari induk, antara lain:
a. Rank-based fitness assignment b. Roulette wheel selection
c. Stochastic universal sampling
