1. Pada bab sebelumnya telah dibahas perbaikan lintasan produksi dilakukan
menggunakan metode algoritma genetik. Dari hasil metode usulan yang digunakan memiliki nilai efisiensi lintasan yang tinggi dan jumlah stasiun
kerja yang sedikit. Nilai efisiensi lintasan dengan menggunakan metode algoritma genetik adalah 79,46. Hal ini dikarenakan penugsaan elemen
kerja di setiap stasiun kerja hampir merata. 2.
Total stasiun kerja yang ada sebanyak 4 stasiun kerja. Hal ini dikarenakan adanya penggambungan stasiun kerja yang memiliki elemen kerja yang
saling berhubungan dengan memperhatikan pembatas-pembatas yang ada yaitu aturan precedence dan waktu siklus.
3. Berdasarkan pengolahan data sebelum dilakukan penyeimbangan lintasan
produksi efesiensi lini dengan mengunakan RPW dan algoritma genetik yang memiliki fitness velue yang sama sebesar 79,46 dan memiliki
stasiun kerja yang sama yakni 4 stasiun. Metode RPW dipakai sebagai populasi awal dalam algoritma genetik yang ditempatkan di kromosom 2
tujuannya untuk mendapatkan fitness velue yang lebih tinggi dari keadaan aktual.
4. Berdasarkan hasil pengolahan data metode penyeimbangan lintasan
produksi dengan algortima genetik lebih layak digunakan di perusahaan karena memiliki nilai efesiensi lini yang lebih tinggi dari sebelumnya
disamping itu algoritma genetik dapat menghasilkan 6 alternatif solusi.
6.3. Analisis Penyeimbangan Lintasan Yang Diterapkan Perusahaan
Dengan Metode Usulan Algoritma Genetik
Perbandingan lintasan produksi yang diterapkan perusahaan dengan metode yang diusulkan algoritma genetika dapat dilihat dalam Tabel 6.1.
Tabel 6.1. Perbandingan
Penyeimbangan Lintasan Kondisi Perusahaan Dengan Metode Usulan Algoritma Genetik
Kondisi Perusahaan Algoritma Genetik
Jumlah stasiun kerja 8
4 Efesiensi Litasan Total
39,68 79,46
Jumlah stasiun kerja yang diterapkan perusahaan saat ini sebanyak 8 stasiun kerja, sedangkan stasiun kerja yang terbentuk oleh algoritma
genetika sebanyak 4 stasiun kerja. Perbedaan ini terjadi karena pada algoritma genetika, perjadi penggabungan elemen kerja yang saling
berhubungan. Nilai efisiensi lintasan dengan menggunakan metode algoritma genetika lebih besar dari lintasan produksi yang diterapkan
perusahaan saat ini. Nilai efisiensi lintasan meningkat sebesar 39,78 dari kondisi semula. Hal ini diakibatkan karena cara penugasan elemen kerja
pada stasiun kerja lebih merata dibandingkan dengan lintasan produksi yang diterapkan perusahaan.
BAB VII KESIMPULAN dan SARAN
7.1. Kesimpulan
Dari hasil penelitian “Perancangan Lintasan Produksi Dengan Menggunakan Metode Algoritma Genetik di CV. Super Plates”, didapatkan
beberapa kesimpulan akhir, yaitu sebagai berikut: 1.
Dari hasil pengamatan jumlah stasiun kerja saat ini adalah sebanyak 8 stasiun kerja. Berdasarkan pengolahan data lintasan produksi saat ini memiliki nilai
efesiensi lintasan total sebesar 39,68. Untuk mengatasi penumpukan yang menyebabkan delay pada proses produksi digunakan metode penyeimbangan
lintasan produksi yaitu algoritma genetik. Metode ini dapat mereduksi stasiun kerja menjadi 4 stasiun dengan cara menggabungkan elemen-elemen kerja
yang saling berhubungan dengan memperhatikan pembatas-pembatas yang ada yaitu aturan precedence dan waktu siklus. Metode penyeimbangan
lintasan dengan menggunakan algoritma genetik memiliki efesiensi lintasan total sebesar 79,46 dan stasiun kerja yang terbentuk sebanyak 4 stasiun
kerja. 2.
Metode algortima genetik dapat memberikan lebih dari satu solusi permasalahan dalam hal ini solusi yang dihasilkan sebanyak 6 solusi
permasalahan yang memiliki nilai efisinsi lintasan total yang sama sebasar 79,46.