Perancangan Lintasan Produksi Dengan Menggunakan Metode Algoritma Genetik Di Cv. Super Plates

DAFTAR PUSTAKA

[1] Baroto, Teguh. Perancangan dan Pengendalian Produksi. Ghalia Indonesia. Jakarta. 2002

[2] Berlianty, Intan dan Arifin M. Teknik-teknik Optimasi Heuristik. Graha Ilmu . Yogjakarta. 2010

[3] Chong E. Kuan, Omar K. Mohamed, dan Bakar A. Nooh. Solving

Assembly Line Balancing Problem Using Genetic Algorithm with Heuristic Treated Initial Population. Proceedings of Word Congress on

Engineering Vol II. 2008

[4] Gen, Mitsuo dan Cheng R. Genetic Algorithms & Engineering

Optimization. John Willey & Sons Inc. Canada. 2000

[5] Grant L Eugene, Ireson. Handbook of Industrial Engineering and Management. Printice-Hall Of India. New Delhi. 1974

[6] Goldberg, E David. Genetic Algoritms in Search Optimation & Machine

Learning. Addison-Wisley Publishing Company Inc. Canada. 1989

[7] Iftikar Z Sutalaksana. Teknik Tata Cara Kerja. Bandung: Institut Teknologi Bandung. 1979.

[8] Kusumadewi, sri dan Purnomo H. Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik. Graha Ilmu. Yogjakarta. 2005

[9] Michalewicz, Zbigniew. Genetic Algorithms + Data Structures =

[10] Ponnambalam G.S, Avarindan P, Naidu M. G. A Multi-Objective Genetic

Algorithm for Solving Assembly Line Balancing Problem. Int J Manuf

Technol 16:341-352 Springer-Verlag London Limited. 2000

[11] Simaria. S Ana, Vilarinho. M Pedro. A Genetic Algorithm Based Approach

to The Mixed-Model Assembly Line Balancing Problem Type II. Computer

& Industrial Engineering 47(2004) 391-407.

[12] http://ilmukomputer.com/2014/03/29/algoritma-genetikadan- contoh-aplikasinya/ . Tanggal Akses 20 September 2014

3.1. Lini Produksi1

1. Lini fabrikasi, merupakan lintasan produksi yang terdiri atas sejumlah operasi pekerjaan yang bersifat membentuk atau mengubah bentuk benda kerja.

Lini produksi adalah penempatan area-area kerja dimana operasi-operasi diatur secara berurutan dan material bergerak secara kontinu melalui operasi yang terangkai seimbang. Menurut karakteristiknya proses produksinya, lini produksi dibagi menjadi dua.

2. Lini perakitan, merupakan lintasan produksi yang terdiri atas sejumlah operasi perakitan yang dikerjakan pada beberapa stasiun kerja dan digabungkan menjadi benda assembly atau subassembly.

Beberapa keuntungan yang dapat diperoleh dari perencanaan lini produksi yang baik adalah :

1. Jarak perpindahan material yang minim diperoleh dengan mengatur susunan dan tempat kerja.

2. Aliran benda kerja (material), mecakup gerakan dari benda kerja yang kontinu. Alirannya diukur dengan kecepatan produksi dan bukan oleh jumlah spesifik.

1 _{Baroto,Teguh. Pengendalian dan Perencanaan Produksi. Ghalia Indonesia. Jakarta. 2002.Hal}

saat yang sama di seluruh lintasan produksi.

5. Operasi unit. Lintasan dimaksudkan sebagai penghasil unit tunggal, satu seri operasi atau grup pekerja di tugaskan untuk suatu produk. Seluruh lintasan merupakan satu unit produksi.

6. Gerakan benda kerja tetap sesuai dengan set-up dari lintasan dan bersifat tetap. 7. Proses memerlukan waktu minium.

Persyaratan yanag harus diperhatikan untuk menunjang kelangsungan lintasan produksi antara lain sebagai berikut :

1. Pemerataan distribusi kerja yang seimbang disetiap stasiun kerja yang terdapat di dalam suatu lintasan produksi fabrikasi atau suatu lintasan perakitan yang bersifat manual.

2. Pergerakan aliran benda kerja yang kontinu pada kecepatan yang seragam. Alirannya tergantung pada waktu operasi.

3. Arah aliran meterial harus tetap sehingga memperkecil daerah penyebaran dan mencagah timbulnya atau setidak-tidaknya mengurangi waktu menunggu karena keterlambatan benda kerja.

4. Produksi yang kontinu guna menghidari adanya penumpukan benda kerja di lain tempat sehingga diperlukan aliran benda kerja pada lintasan produksi secara kontinu.

3.2. Line Balancing

Kriteria umum keseimbangan lintasan produksi adalah untuk memaksimumkan efisiensi atau meminimumkan balance delay. Tujuan pokok dari penggunaan metode ini adalah untuk mengurangi atau meminimumkan waktu menganggur (idle time) pada lintasan yang ditentukan oleh operasi yang paling lambat.

Tujuan perencanaan kesimbangan lintasan adalah mendistribusikan unit-unit kerja atau elemen-elemen kerja pada setiap stasiun kerja agar waktu menganggur dari stasiun kerja pada suatu lintasan produksi dapat ditekan seminimal mungkin, sehingga pemanfaatan dari peralatan maupun operator dapat digunakan semaksimal mungkin.

Pembuatan suatu produk pada umumnya dilakukan melalui beberapa tahapan proses produksi pada beberapa departemen berupa aliran proses produksi. Aliran proses produksi disini adalah yang diperlukan untuk memindahkan elemen-elemen produksi, seperti bahan atau material, part, orang, dan lain-lain, mulai dari awal proses sampai produk yang dikehendaki bisa melalui lintasan produksi.

Aliran proses produksi dari suatu departemen ke departemen yang lainnya merupakan bagian dari waktu proses (waktu siklus) produk tersebut. Apabila terjadi hambatan atau ketidakefisienan dalam suatu departemen akan mengakibatkan tidak

atau bahan bergerak secara kontinu dalam tingkat rata-rata seragam pada seluruh urutan stasiun kerja di mana pekerjaan perakitan dilakukan. Lini perakitan akan menjadi bagian utama dari manufucturing dan operasi perakitan, walaupun pekerjaannya mungkin digantikan oleh robot. Pengaturan kerja sepanjang lini perakitan akan bervariasi sesuai ukuran produk yang akan dirakit, kebutuhan proses pendahuluan, ketersediaan ruang, elemen pengerjaan dan kondisi pengerjaan, yang akan dikenakan pada job. Adapun dua permasalahan penting dalam penyeimbangan lini adalah :

1. Penyeimbangan antara stasiun kerja,

2. Menjaga kelangsungan produksi di dalam lini perakitan.

Bila idle dari lini perakitan sangat tinggi, perlu dilakukan penyeimbangan sempurna dari lini perakitan dengan menggabungkan elemen-elemen kerja menjadi beberapa stasiun kerja sampai waktu pengerjaan tiap stasiun kerja relatif sama. Waktu siklus adalah jumlah waktu masing-masing elemen untuk memproduksi satu unit produk pada kondisi operator normal dalam melakukan tugas atau kerja.

balancing.

 Precedence diagram. Precedence diagram merupakan gambaran secara grafis

dari urutan kerja operasi kerja, serta ketergantungan pada operasi kerja lainnya yang tujuannya untuk memudahkan pengontrolan dan perencanaan kegiatan yang terkait di dalamnya. Adapun tanda-tanda yang dipakai sebagai berikut:

1. Symbol lingkaran dengan huruf atau nomor di dalamnya untuk mempermudah identifikasi dari suatu proses operasi

2. Tanda panah menunjukkan ketergantungan dan urutan proses operasi. Dalam hal ini, operasi yang berada pada pangkal panah berarti mendahului operasi kerja yang ada pada ujung anak panah

3. Angka di atas symbol lingkaran adalah waktu standar yang diperlukan untuk menyelesaikan setiap operasi

 Asssamble product

Adalah produk yang melewati urutan work stasiun di mana tiap work stasiun (WS ) memberikan proses tertentu hingga selesai menjadi produk akhir pada perakitan akhir

 Work elemen

Adalah tempat pada lini perakitan di mana proses perakitan dilakukan. Setelah menentukan interval waktu siklus, maka jumlah stasiun kerja efisien dapat ditetapkan dengan rumus berikut:

Di mana:

Ti : waktu operasi/elemen ( I=1,2,3,…,n) C :waktu siklus stasiun kerja

N : jumlah elemen

Kmin : jumlah stasiun kerja minimal

 Cycle time (CT)

Merupaka waktu yang diperlukan untuk membuat satu unit produk satu stasiun. Apabila waktu produksi dan target produksi telah ditentukan, maka waktu siklus dapat diketahui dari hasil bagi waktu produksi dan target produksi. Dalam mendesain keseimbangan lintasan produksi untuk sejumlah produksi tertentu, waktu siklus harus sama atau lebih besar dari waktu operasi terbesar yang merupakan penyebab terjadinya bottleneck (kemacetan) dan waktu siklus juga harus sama atau lebih kecil dari jam kerja efektif per hari dibagi dari jumlah produksi per hari, yang secara matematis dinyatakan sebagi berikut

CT : waktu siklus (cycle time) P : jam kerja efektif per hari

Q : jumlah produksi per hari  Station time (ST)

Jumlah waktu dari elemen kerja yang dilakukan pada suatu stasiun kerja yang sama

 Idle time (I)

Merupakan selisih (perbedaan) antara cycle time (CT) dan stasiun time (ST) atau CT dikurangi ST.

 Balance delay (D)

Sering disebut balancing loss, adalah ukuran dari ketidakefisiensinan lintasan yang dihasilkan dari waktu menganggur sebenarnya yang disebabkan karena pengalokasian yang kurang sempurna di antara stasiun-stasiun kerja. Balance

delay ini dinyatakan dalam persentase. Balance delay dapat dirumuskan:

Di mana:

n : jumlah stasiun kerja

C : waktu siklus terbesar dalam stasiun kerja : jumlah waktu operasi dari semua operasi

Adalah rasio dari total waktu di stasiun kerja dibagi dengan waktu siklus dikalikan jumlah stasiun kerja

Di mana:

STi : waktu stasiun dari stasiun ke-1 K : jumlah(banyaknya) stasiun kerja CT : waktu siklus

 Smoothes index (SI)

Adalah suatu indeks yang menunjukkan kelancaran relative dari penyeimbangan lini perakitan tertentu

SI=

Di mana:

St max : maksimum waktu di stasiun Sti : waktu stasiun di stasiun kerja ke-i  Output production (Q)

Adalah jumlah waktu efektif yang tersedi dalam suatu periode dibagi dengan

cycle time

Di mana:

T : jam kerja efektif penyelesaiaan produk C : waktu siklus terbesar

Pada akhirnya, akan didapatkan solusi-solusi yang paling tepat bagi permasalahan yang dihadapi. Untuk menggunakan algoritma genetik, solusi permasalahan direpresentasikan sebagai khromosom. Tiga aspek yang penting untuk penggunaan algoritma genetik:

satu muridnya, David Goldberg (1989). Dimana mendefenisikan algoritma genetik ini sebagai metode algoritma pencarian berdasarkan pada mekanisme seleksi alam dan genetik alam.

Algoritma genetik adalah algoritma yang berusaha menerapkan pemahaman mengenai evolusi alamiah pada tugas-tugas pemecahan-masalah (problem

solving). Pendekatan yang diambil oleh algoritma ini adalah dengan menggabungkan secara acak berbagai pilihan solusi terbaik di dalam suatu kumpulan untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada suatu kondisi yang memaksimalkan kecocokannya atau lazim disebut fitness. Generasi ini akan merepresentasikan perbaikan-perbaikan pada populasi awalnya. Dengan melakukan proses ini secara berulang, algoritma ini diharapkan dapat mensimulasikan proses evolusioner.

2

http://ilmukomputer.com/2014/03/29/algoritma-genetikadan-contoh-aplikasinya/ . Tanggal Akses 20 September 2014

Jika ketiga aspek di atas telah didefinisikan, algoritma genetik akan bekerja dengan baik. Tentu saja, algoritma genetik bukanlah solusi terbaik untuk memecahkan segala masalah. Sebagai contoh, metode tradisional telah diatur untuk untuk mencari penyelesaian dari fungsi analitis convex yang “berperilaku baik” yang variabelnya sedikit. Pada kasus-kasus ini, metode berbasis kalkulus lebih unggul dari algoritma genetik karena metode ini dengan cepat menemukan solusi minimum ketika algoritma genetik masih menganalisa bobot dari populasi awal.

Untuk problem-problem ini pengguna harus mengakui fakta dari pengalaman ini dan memakai metode tradisional yang lebih cepat tersebut. Akan tetapi, banyak persoalan realistis yang berada di luar golongan ini. Selain itu, untuk persoalan yang tidak terlalu rumit, banyak cara yang lebih cepat dari algoritma genetik. Jumlah besar dari populasi solusi, yang merupakan keunggulan dari algoritma genetik, juga harus mengakui kekurangannya dalam dalam kecepatan pada sekumpulan komputer yang dipasang secara seri-fitness

function dari tiap solusi harus dievaluasi. Namun, bila tersedia komputer-

komputer yang paralel, tiap prosesor dapat mengevaluasi fungsi yang terpisah

3.4. Struktur Umum Algoritma Genetik

Algoritma genetik memberikan suatu pilihan bagi penentuan nilai parameter dengan meniru cara reproduksi genetik, pembentukan kromosom baru serta seleksi alami seperti yang terjadi pada makhluk hidup. Algoritma Genetik secara umum dapat diilustrasikan dalam diagram alir berikut ini.

Gambar 3.1. Diagram Alir Algoritma Genetik

karakteristik-karakteristik yang perlu diketahui sehingga dapat terbedakan dari prosedur pencarian atau optimasi yang lain, yaitu:

1. Algoritma genetik dengan pengkodean dari himpunan solusi permasalahan berdasarkan parameter yang telah ditetapkan dean bukan parameter itu sendiri. 2. Algoritma genetik pencarian pada sebuah solusi dari sejumlah individu- individu

yang merupakan solusi permasalahan bukan hanya dari sebuah individu.

3. Algoritma genetik informasi fungsi objektif (fitness), sebagai cara untuk mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan dari suatu fungsi.

4. Algoritma genetik menggunakan aturan transisi peluang, bukan aturan-aturan deterministik.

Variabel dan parameter yang digunakan pada algoritma genetik adalah:

1. Fungsi fitness (fungsi tujuan) yang dimiliki oleh masing-masing individu untuk menentukan tingkat kesesuaian individu tersebut dengan criteria yang ingin dicapai.

2. Populasi jumlah individu yang dilibatkan pada setiap generasi. 3. Probabilitas terjadinya persilangan (crossover) pada suatu generasi. 4. Probabilitas terjadinya mutasi pada setiap individu.

5. Jumlah generasi yang akan dibentuk yang menentukan lama penerapan algoritma genetik.

Secara umum struktur dari suatu algoritma genetik dapat mendefenisikan dengan langkah-langkah sebagai berikut:

1. Membangkitkan populasi awal

Populasi awal ini dibangkitkan secara random sehingga didapatkan solusi awal. Populasi itu sendiri terdiri atas sejumlah kromosom yang

merepresentasikan solusi yang diinginkan. 2. Membentuk generasi baru

Untuk membentuk generasi baru, digunakan operator reproduksi/ seleksi,

crossover dan mutasi. Proses ini dilakukan berulang-ulang sehingga

didapatkan jumlah kromosom yang cukup untuk membentuk generasi baru dimana generasi baru ini merupakan representasi dari solusi baru. Generasi baru ini dikenal denga istilah anak (offspring).

3. Evaluasi solusi

Pada tiap generasi, kromosom akan melalui proses evaluasi dengan menggunakan alat ukur yang dinamakan fitness. Nilai fitness suatu kromosom menggambarkan kualitas kromosom dalam populasi tersebut. Proses ini akan mengevaluasi setiap populasi dengan menghitung nilai fitness setiap kromosom dan mengevaluasinya sampai terpenuhi kriteria berhenti. Bila kriteria berhenti belum terpenuhi maka akan dibentuk lagi generasi baru dengan mengulangi langkah 2. Beberapa kriteria berhenti sering digunakan antara lain: berhenti pada generasi tertentu, berhenti setelah dalam beberapa generasi berturut-turut didapatkan nilai fitness tertinggi tidak berubah, berhenti dalam n generasi tidak didapatkan nilai fitness yang lebih tinggi.

Fungsi fitness tersebut sebagai berikut:

Fitness 1

1 + Penalti (3.1) dimana: ∑ Penalti =∑Bp + ∑Np

Dari persamaan diatas nilai fitness ditentukan oleh nilai penalty. Penalty tersebut menunjukkan jumlah pelanggaran kendala pada suatu kromosom. Semakin tinggi nilai fitness akan semakin besar kemungkinan kromosom tersebut terpilih ke generasi berikutnya. Jadi nilai penalty berbanding terbalik dengan nilai fitness, semakin kecil nilai penalty (jumlah pelanggaran) semakin besar nilai fitnessnya.

Jadi fungsi fitness:

Keterangan:

Bp : Bobot Pelanggaran Np : Indikator Pelanggaran

3.5. Pengkodean

Pengkodean adalah suatu teknik untuk menyatakan populasi awal sebagai calon solusi suatu masalah ke dalam suatu kromosom sebagai suatu kunci pokok persoalan ketika menggunakan algoritma genetik.

untuk diciptakan dan mudah dimanipulasi. Pengkodean biner memberikan banyak kemungkinan untuk kromosom walaupun dengan jumlah nilai-nilai yang mungkin terjadi pada suatu gen yang sedikit (0 dan 1). Di pihak lain, pengkodean biner sering tidak sesuai untuk banyak masalah dan kadang pengoreksian harus dilakukan setelah operasi

crossover dan mutasi.

2. Pengkodean bilang riil adalah suatu pengkodean bilangan dalam bentuk riil. Masalah optimalisasi fungsi dan optimalisasi kendala lebih tepat jika diselesaikan dengan pengkodean bilangan riil karena struktur topologi ruang genotif untuk pengkodean bilangan riil identik dengan ruang fenotifnya, sehingga mudah membentuk operator genetik yang efektif dengan cara memakai teknik yang dapat digunakan yang berasal dari metode konvensional.

3. Pengkodean bilangan bulat adalah metode yang mengkodekan bilangan dalam bentuk bilangan bulat. Pengkodean ini baik digunakan untuk masalah optimisasi kombinatorial.

4. Pengkodean struktur data adalah model pengkodean yang menggunakan struktur data. Pengkodean ini digunakan untuk masalah kehidupan yang lebih kompleks seperti perencanaan jalur robot, dan masalah pewarnaan

3.6. Operator Genetik

Algoritma genetik merupakan proses pencarian yang heuristik dan acak sehingga penekanan pemilihan operator yang digunakan sangat menentukan keberhasilan algoritma genetik dalam menemukan solusi optimum suatu masalah yang diberikan. Hal yang harus diperhatikan adalah menghindari terjadinya konvergensi premature, yaitu mencapai solusi optimum yang belum waktunya, dalam arti bahwa solusi yang diperoleh adalah hasil optimum lokal.

Operator genetik yang digunakan setelah proses evaluasi tahap pertama membentuk populasi baru dari generasi sekarang. Operator-operator tersebut adalah operator seleksi, crossover dan mutasi.

3.6.1. Seleksi

Seleksi bertujuan memberikan kesempatan reproduksi yang lebih besar bagi anggota populasi yang paling fit. Langkah pertama dalam seleksi ini adalah pencarian nilai fitness. Masing-masing individu dalam suatu wadah seleksi akan menerima probabilitas reproduksi yang tergantung pada nilai objektif dirinya sendiri terhadap nilai objektif dari semua individu dalam wadah seleksi tersebut. Nilai fitness inilah yang nantinya akan digunakan pada tahap seleksi berikutnya.

Kemampuan algoritma genetik untuk memproduksi kromosom yang lebih baik secara progresif tergantung pada penekanan selektif (selective

dalam dua cara. Cara pertama adalah membuat lebih banyak kromosom anak yang dipelihara dalam populasi dan memilih hanya kromosom-kromosom terbaik bagi generasi berikut. Walaupun orang tua dipilih secara acak, metode ini akan terus menghasilkan kromosom yang lebih baik berhubungan dengan penekanan selektif yang diterapkan pada individu anak tersebut.

Cara lain menerapkan penekanan selektif adalah memilih orang tua yang lebih baik ketika membuat keturunan baru. Dengan metode ini, hanya kromosom sebanyak yang dipelihara dalam populasi yang perlu dibuat bagi generasi berikutnya. Walaupun penekanan selektif tidak diterapkan ke level keturunan, metode ini akan terus menghasilkan kromosom yang lebih baik, karena adanya penekanan selektif yang diterapkan ke orangtua.

Ada beberapa metode untuk memilih kromosom yang sering digunakan antara lain adalah seleksi roda rolet (roulette wheel selection), seleksi ranking (rank selection) dam seleksi turnamen (tournament selection).

Dalam penelitian ini, metode yang digunakan adalah seleksi roda rolet (roulette wheel selection). Pada seleksi ini, orang tua dipilih berdasarkan fitness mereka. Lebih baik kualitas suatu kromosom, lebih besar peluangnya untuk terpilih. Probabilitas suatu individu terpilih untuk crossover sebanding dengan

fitness-nya. Cara penyeleksian ini merupakan peniruan dari permainan roda

3.6.2. Crossover

Crossover (perkawinan silang) bertujuan menambah keanekaragaman

string dalam populasi dengan penyilangan antar-string yang diperoleh dari sebelumnya. Beberapa jenis crossover tersebut adalah:

1. Crossover 1-titik

Pada crossover dilakukan dengan memisahkan suatu string menjadi dua bagian dan selanjutnya salah satu bagian dipertukarkan dengan salah satu bagian dari string yang lain yang telah dipisahkan dengan cara yang sama. Proses yang demikian dinamakan operator crossover satu titik seperti diperlihatkan pada Tabel 3.1. berikut:

Tabel 3.1 Contoh Crossover 1-titik

Kromosom Orangtua 1 11001011

Kromosom Orangtua 2 11011111

Keturunan 11001111

2. Crossover 2-titik

Proses crossover ini dilakukan dengan memilih dua titik crossover. Kromosom keturunan kemudian dibentuk dengan barisan bit dari awal kromosom sampai titik crossover pertama disalin dari orangtua pertama, bagian dari titik crossover pertama dan kedua disalin dari orangtua kedua, kemudian selebihnya disalin dari orang tua pertama lagi.

Tabel 3.2 Contoh Crossover 2-titik

Kromosom Orangtua 1 11001011

Kromosom Orangtua 2 11011111

Keturunan 11011111

3. Crossover seragam

Crossover seragam manghasilkan kromosom keturunan dengan menyalin bit-bit secara acak dari kedua orangtuanya.

Tabel 3.3 Contoh Crossover Seragam

Kromosom Orangtua 1 11001011

Kromosom Orangtua 2 11011111

Keturunan 11011111

3.6.3. Mutasi

Mutasi merupakan proses mengubah nilai dari satu atau beberapa gen dalam suatu kromosom. Operasi crossover yang dilakukan pada kromosom dengan tujuan untuk memperoleh kromosom-kromosom baru sebagai kandidat solusi pada generasi mendatang denga fitness yang lebih baik, dan lama-kelamaan menuju solusi optimum yang diinginkan. Akan tetapi, untuk mencapai hal ini, penekanan selektif juga memegang peranan yang penting. Jika dalam proses pemilihan kromosom-kromosom cenderung pada kromosom yang memiliki fitness yang tinggi saja, konvergensi premature, yaitu mencapai solusi yang optimal lokal sangat mudah terjadi

Untuk menghindari konvergensi premature tersebut dan tetap menjaga perbedaan (diversity) kromosom-kromosom dalam populasi, selain melakukan penekanan selektif yang lebih efisien, operator mutasi juga dapat digunakan.

Proses mutasi dalam sistem biologi berlangsung dengan mengubah isi

allele gen pada suatu locus dengan allele yang lain. Proses mutasi ini bersifat

acak sehingga tidak selalu menjamin bahwa setelah proses mutasi akan diperoleh kromosom dengan fitness yang lebih baik.

Operator mutasi merupakan operasi yang menyangkut satu kromosom tertentu. Beberapa cara operasi mutasi diterapkan dalam algoritma genetik menurut jenis pengkodean terhadap phenotype, antara lain:

1. Mutasi dalam Pengkodean Biner

Mutasi pada pengkodean biner merupakan operasi yang sangat sederhana. Proses yang dilakukan adalah menginversi nilai bit pada posisi tertentu yang terpilih secara acak (atau menggunakan skema tertentu) pada kromosom, yang disebut inverse bit.

Tabel 3.4 Contoh Mutasi pada Pengkodean Biner

Kromosom sebelum mutasi 1 0 0 1 0 1 1 1 Kromosom setelah mutasi 1 0 0 1 0 0 1 1

2. Mutasi dalam Pengkodean Permutasi

Proses mutasi yang dilakukan dalam pengkodean biner dengan mengubah langsung bit-bit pada kromosom tidak dapat dilakukan pada pengkodean permutasi karena konsistensi urutan permutasi harus diperhatikan. Salah satu cara yang dapat dilakukan adalah dengan memilih dua posisi (locus) dari kromosom dan kemudian nilainya saling dipertukarkan.

Tabel 3.5 Contoh Mutasi pada Pengkodean Permutasi

Kromosom sebelum mutasi 1 2 3 4 6 5 8 7 9 Kromosom setelah mutasi 1 2 7 4 6 5 8 3 9

3. Mutasi dalam Pengkodean Nilai

Mutasi pada pengkodean nilai hampir sama dengan yang dilakukan pada pengkodean biner, tetapi yang dilakukan bukan menginversi nilai bit. Penerapannya bergantung pada jenis nilai yang digunakan. Sebagai contoh untuk nilai riil, proses mutasi dapat dilakukan seperti yang dilakukan pada pengkodean permutasi, dengan saling mempertukarkan nilai dua gen pada kromosom.

Tabel 3.6 Contoh Mutasi Pengkodean Nilai

Keadaan Kromosom Proses Mutasi

Kromosom sebelum mutasi 1,45 2,67 1,87 2,56 Kromosom sesudah mutasi 1,55 2,67 1,77 2,56

4. Mutasi dalam Pengkodean Pohon

Mutasi dalam pengkodean pohon dapat dilakukan antara lain dengan cara mengubah operator (+, -, *, /) atau nilai yang terkandung pada suatu verteks pohon yang dipilih. Atau, dapat juga dilakukan dengan memilih dua verteks dari pohon dan saling mempertukarkan operator atau nilainya.

5. Order-based mutation

Proses mutasi dilakukan menggunakan metode order-based mutation, dengan ketentuan sebagai berikut :

a. Jika nilai bilangan random lebih kecil atau sama dengan ½ Pm, maka kurangi nilai gen dengan satu. Jika nilai gen tersebut adalah satu, maka tambahkan nilai gen tersebut dengan satu.

3.6.4. Parameter Genetik

Pengoperasian algoritma genetik dibutuhkan 4 yaitu: 1. Probabilitas Persilangan (Crossover Probability)

Menunjukkan kemungkinan crossover terjadi antara 2 kromosom. Jika tidak terjadi crossover maka keturunannya akan sama persis dengan kromosom orangtua, tetapi tidak berarti generasi yang baru akan sama persis dengan generasi yang lama. Jika probabilitas crossover 100% maka semua

keturunannya dihasilkan dari crossover. Crossover dilakukan dengan harapan bahwa kromosom yang baru akan lebih baik.

2. Probabilitas Mutasi (Mutation Probability)

Menunjukkan kemungkinan mutasi terjadi pada gen-gen yag menyusun sebuah kromosom. Jika tidak terjadi mutasi maka keturunan yang dihasilkan setelah crossover tidak berubah. Jika terjadi mutasi bagian kromosom akan berubah. Jika probabilitas 100%, semua kromosom dimutasi. Jika probabilitasnya 0%, tidak ada yang mengalami mutasi.

3. Jumlah Individu

Menunjukkan jumlah kromosom yang terdapat dalam populasi (dalam satu generasi). Jika hanya sedikit kromosom dalam populasi maka algoritma genetik akan mempunyai sedikit variasi kemungkinan untuk melakukan crossover antara orangtua karena hanya sebagian kecil dari search space yang dipakai. Sebaliknya jika terlalu banyak maka algoritma genetik akan berjalan lambat. 4. Jumlah Generasi

Merupakan jumlah perulangan (iterasi) dilakukannya rekombinasi dan seleksi. Jumlah generasi ini mempengaruhi kestabilan output dan lama iterasi (waktu proses GA). Jumlah generasi yang besar dapat mengarahkan ke arah solusi yang optimal, namun akan membutuhkan waktu running yang lama. Sedangkan jika jumlah generasinya terlalu sedikit maka solusi akan terjebak dalam lokal optimal.

3.7. Metode Pengukuran Waktu3

Pengukuran waktu ditujukan untuk mendapatkan waktu baku penyelesaian pekerjaan yaitu waktu yang dibutuhkan secara wajar oleh seorang pekerja normal untuk menyelesaikan suatu pekerjaan yang dijalankan dalam sistem kerja terbaik. Ini dimaksudkan untuk menunjukkan bahwa waktu baku yang dicari bukanlah waktu penyelesaian yang diselesaikan secara tidak wajar seperti terlalu cepat atau terlalu lambat.

Secara garis besar, metode pengukuran waktu terbagi ke dalam dua bagian, yaitu:

1. Pengukuran secara langsung

Pengukuran yang dilakukan secara langsung di tempat dimana pekerjaan yang bersangkutan dijalankan. Dua cara yang termasuk pengukuran langsung adalah cara jam henti (stopwatch time study) dan sampling kerja (work sampling). 2. Pengukuran secara tidak langsung merupakan pengukuran waktu tanpa harus

berada ditempat kerja yaitu dengan membaca tabel-tabel yang tersedia asalkan mengetahui jalannya pekerjaan melalui elemen pekerjaan atau elemen-elemen gerakan. Yang termasuk pengukuran tidak langsung adalah data waktu baku dan data waktu gerakan.

Dengan salah satu cara ini, waktu penyelesaian pekerjaan yang dikerjakan dengan suatu sistem kerja tertentu dapat ditentukan. Sehingga jika pengukuran dilakukan terhadap beberapa alternatif sistem kerja, kita dapat memilih yang

3 _{Iftikar Z Sutalaksana. Teknik Tata Cara Kerja. Bandung: Institut Teknologi Bandung. 1979. h.}

terbaik dari segi waktu yaitu sistem yang membutuhkan waktu penyelesaian yang tersingkat.

Adapun beberapa istilah di dalam metode pengukuran waktu, yaitu: 1. Waktu Siklus

Waktu Siklus merupakan data waktu sesungguhnya yang terukur oleh pengamat yang diawali dan diakhiri oleh suatu elemen operasi yang sama. Pengukuran waktu siklus haruslah mencakup seluruh elemen operasi (gerakan) yang mungkin muncul pada saat pekerjaan dilakukan.

a. Pengujian Kecukupan Data

Untuk memastikan data yang dikumpulkan adalah cukup secara objektif. b. Pengujian Keseragaman Data

Ini dilakukan untuk memastikan bahwa data yang terkumpul berasal dari suatu sistem yang sama.

2. Waktu Siklus Rata-rata (Ws)

Waktu diperoleh dari dengan cara menjumlahkan seluruh data waktu siklus, kemudian dibagi dengan banyaknya data yang telah terkumpul.

3. Waktu Normal

Dalam melakukan pekerjaannya, seorang operator dapat saja menunjukkan kecepatan kerja yang tidak konsisten. Operator dapat bekerja secara cenderung cepat, atau bahkan sebaliknya cenderung lambat. Data waktu yang terukur dari cara kerja seperti ini, haruslah ditambah dengan rating factor (Rf).

4. Waktu Standar (Waktu Baku)

Disamping melakukan pekerjaan rutin, seorang operator mungkin saja hanya melakukan aktivitas-aktivitas lain yang tidak berhubungan secara langsung dengan pekerjaan. Aspek ini di koreksi dengan menambahkan suatu nilai yang disebut dengan allowance (kelonggaran).

Wb = Wn x (1 + allowance)

Waktu Baku adalah waktu yang dibutuhkan oleh seorang pekerja normal untuk bekerja secara wajar dalam sistem kerja yang terbaik.

3.7.1 Pengukuran Waktu Jam Henti (Stopwatch Time Study)

Sesuai dengan namanya, maka pengukuran waktu ini menggunakan jam henti (stopwatch) sebagai alat utamanya. Cara ini tampaknya merupakan cara yang paling banyak dikenal, dan karenanya paling banyak dipakai.Salah satu yang menyebabkannya adalah kesederhanaan aturan-aturan yang dipakai.

Ada beberapa aturan pengukuran yang dijalankan untuk mendapatkan hasil yang baik.Aturan-aturan tersebut dijelaskan dalam langkah-langkah berikut ini. 1. Langkah-langkah sebelum melakukan pengukuran

a. Penetapan tujuan pengukuran

Dalam pengukuran waktu, hal-hal penting yang harus diketahui dan ditetapkan adalah untuk apa hasil pengukuran, berapa tingkat ketelitian dan tingkat keyakinan yang diinginkan dari hasil pengukuran tersebut.

b. Melakukan penelitian pendahuluan

Yang dicari dari pengukuran waktu adalah waktu yang pantas diberikan kepada pekerja untuk menyelesaikan suatu pekerjaan. Tentu suatu kondisi yang ada dapat dicari waktu yang pantas tersebut, artinya akan didapat juga waktu yang pantas untuk menyelesaikan pekerjaan dengan kondisi yang bersangkutan. Suatu perusahaan biasanya menginginkan waktu kerja yang sesingkat-singkatnya agar dapat meraih keuntungan yang sebesar-besarnya. Keuntungan demikian tidak akan diperoleh jika kondisi kerja dari pekerjaan-pekerjaan yang ada diperusahaan tersebut tidak menunjang tercapainya hasil tadi.

c. Memilih operator

Operator yang akan melakukan pekerjaan yang diukur bukanlah operator dari pabrik. Orang ini harus memenuhi beberapa syarat tertentu agar pengukuran dapat berjalan dengan baik, dan dapat diandalkan hasilnya. Syarat-syarat tertentu adalah berkemampuan normal dan dapat diajak kerja sama. Jika jumlah pekerja yang bersangkutan banyak, maka jika kemampuan mereka dibandingkan akan terlihat perbandingan perbedaan antaranya, yaitu dari yang berkemampuan rendah hingga tinggi. Operator yang dipilih adalah operator yang pada saat pengukuran dilakukan mau bekerja secara wajar.Walau operator yang bersangkutan sehari-hari dikenalmemenuhi syarat pertama tadi, bukan berarti mustahikldia bekerja secara tidak wajar ketika pengukuran dilakukan karena alasan tertentu.

d. Melatih operator

Walaupun operator yang baik telah didapat, kadang-kadang masih diperlukan adalah bagi operator tersebut terutama jika kondisi dan cara kerja yang dipakai tidak sama dengan yang biasa dilakukan operator. Hal ini terjadi jika pada saat penelitian pendahuluan kondisi kerja atau cara kerja sesudah mengalami perubahan. Dalam keadaan ini operator harus dilatih terlebih dahulu karena sebelum diukur operator harus terbiasa dengan kondisi kerja yang telah ditetapkan.Harap diingat bahwa yang dicari adalah waktu penyelesaian pekerjaan yang didapat dari suatu penyelesaian yang wajar dan bukan penyelesaian dari orang-orang yang bekerja kaku dengan berbagai kesalahan.

e. Mengurai pekerjaan atas elemen-elemen pekerjaan

Disini pekerjaan dipecah menjadi elemen pekerjaan yaitu merupakan gerakan bagian dari pekerjaan yang bersangkutan.Elemen-elemen inilah yang diukur waktu siklusnya. Waktu siklus adalah waktu penyelesaian satu satuan produksi sejak bahan baku mulai diproses di tempat kerja yang bersangkutan. Namun satu siklus tidak harus berarti waktu yang diperlukan untuk menyelesaikan suatu produk sehingga menjadi barang jadi. Ada beberapa alasan yang menyebabkan pentingnya melakukan penguraian pekerjaan atas beberapa elemennya, yaitu menjelaskan cacatan tentang tata cara kerja yang dibakukan, untuk memungkinkan melakukan penyesuaian bagi setiap elemen karena ketrampilan bekerjanya operator karena keterampilan bekerjanya operator belum tentu sama untuk semua bagian

dari gerakan-gerakan kerjanya, untuk memudahkan mengamati terjadinya elemen yang tidak baku yang mungkin saja dilakukan pekerja, untuk memungkinkan dikembangkannya data waktu standard atau tempat kerja yang bersangkutan.

f. Menyiapkan alat-alat pengukuran

Setelah kelima langkah tersebut dapat dijalankan dengan baik, tibalah sekarang pada langkah terakhir sebelum melakukan pengukuran yaitu menyiapkan alat-alat yang diperlukan.

Alat-alat tersebut adalah: 1. Stopwatch

2. Lembar pengamatan 3. Pena atau pensil 4. Papan pengamatan 2. Melakukan pengukuran waktu

Pengukuran waktu adalah pekerjaan mengamati dan mencatat waktu-waktu kerjanya baik setiap elemen ataupun siklus dengan menggunakan alat-alat yang telah disiapkan terlebih dahulu. Bila operator telah siap didepan mesin atau ditempat kerja lain yang waktu kerjanya akan diukur, maka pengukuran memilih posisi tempat dia berdiri mengamati dan mencatat. Posisi ini hendaknya sedemikian rupa sehingga operator tidak terganggu gerakan-gerakannya ataupun merasa canggung karena terlampau merasa diamati, misalnya juga pengukur berdiri didepan operator.Posisi ini pun hendaknya memudahkan pengukur mengamati jalannya pekerjaan sehingga dapat

mengikuti dengan baik saat-saat suatu siklus atau elemen bermula dan berakhir. Umumnya posisi agak menyimpang dibelakang operator sejauh 1,5 m merupakan tempat yang baik. Hal pertama yang dilakukan adalah pengukuran pendahuluan.Tujuan pengukuran pendahuluan ialah untuk mengetahui berapa kali pengukuran harus dilakukan untuk tingkat ketelitian dan keyakinan yang diinginkan.Pengukuran pendahuluan pertama dilakukan dengan melakukan beberapa buah pengukuran yang banyaknya ditentukan oleh pengukur.Biasanya sepuluh kali atau lebih.

3. Tingkat ketelitian dan tingkat keyakinan

Tingkat ketelitian dan keyakinan adalah pencerminan tingkat kepastian yang diinginkan oleh pengukur setelah memutuskan tidak akan melakukan pengukuran yang sangat banyak. Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari waktu penyelesaian sebenarnya.Sedangkan tingkat keyakinan menunjukkan besarnya keyakinan pengukur bahwa hasil yang diperoleh memenuhi syarat ketelitian tadi.

4. Melakukan perhitungan waktu baku

Jika pengukuran-pengukuran telah selesai yaitu semua data yang didapat memiliki keseragaman yang dikehendaki dan jumlahnya telah memenuhi tingkat ketelitian dan keyakinan yang diinginkan, maka selesailah kegiatan pengukuran waktu. Langkah selanjutnya adalah mengolah data tersebut sehingga memeberikan waktu baku.

3.7.2 Rating Factor

Rating Factor (faktor penyesuaian) merupakan perbandingan performansi

seseorang pekerja atau individual dengan konsep normalnya. Ada beberapa kriteria rating factor (Rf) dari pekerja yaitu:

1. Pekerja normal

Rf = 100% =1 (waktu normal). 2. Pekerja terampil

Rf > 1 ( waktu pekerja lebih kecil dari waktu normal). 3. Pekerja lamban

Rf < 1 ( waktu pekerja lebih besar dari waktu normal). Ada beberapa cara menentukan rating factor antara lain: 1. Cara Persentase

Cara ini merupakan cara yang paling awal digunakan dalam melakukan penyesuaian. Di sini besarnya faktor penyesuian sepenuhnya ditentukan oleh pengukur melalui pengamatan selama pengukuran.

WN=14,6 x 1,1 = 16,6 menit. 2. Cara Shumard

Cara Shumard memberikan patokan-patokan penilaian melalui kelas-kelas performansi kerja dimana setiap kelas mempunyai nilai tersendiri.

Tabel 3.7. Penyesuaian Menurut Cara Shumard

Kelas Penyesuaian

Superfast 100

Fast + 95

Fast 90

Fast – 85

Excellent 80

Good + 75

Good + 75

Good 70

Good – 65

Normal 60

Fair + 55

Fair 50

Fair – 45

Poor 40

3. Cara Westinghouse

Cara Westinghouse mengarahkan penilaian pada empat faktor yang dianggap menentukan kewajaran atau ketidakwajaran dalam bekerja yaitu keterampilan, usaha, kondisi kerja dan konsistensi. Setiap faktor terbagi kedalam kelas-kelas dengan nilainya masing-masing. Penyesuaian menurut

Tabel 3.8. Penyesuaian Menurut Westinghouse

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 0,00

Fair E1 -0,05

E2 -0,10

Poor F1 -0,16

F2 -0,22

Usaha Excessive A1 +0,13

A2 +0,12

Excellent B1 +0,10

B2 +0,08

Good C1 +0,05

C2 +0,02

Average D 0,00

Fair E1 -0,04

E2 -0,08

Poor F1 -0,12

F2 -0,17

Kondisi Kerja

Ideal A +0,06

Excellently B +0,04

Good C +0,02

Average D 0,00

Fair E -0,03

Poor F -0,07

Konsistensi Perfect A +0,04

Excellent B +0,03

Good C +0,01

Average D 0,00

Fair E -0,02

Poor F -0,04

3.7.3 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, bagi keadaan yang dianggap wajar diambil harga allowance =100 %. Sedangkan bila terjadi penyimpangan dari keadaan ini, harga p harus ditambah dengan faktor-faktor yang sesuai dengan waktu siklus yang diperoleh dan waktu ini dicapai berdasarkan setiap departemen.

Kelonggaran diberikan untuk tiga hal, yaitu:

1. Kelonggaran untuk kebutuhan pribadi (personal)

Yang termasuk didalam kebutuhan pribadi adalah hal-hal sepeti minum

sekedarnya untuk menghilangkan rasa haus, ke kamar kecil, bercakap-cakap dengan teman sekedarnya untuk menghilangkan ketegangan ataupun kejenuhan dalam sewaktu bekerja.

2. Kelonggaran untuk menghilangkan rasa fatique.

Fatique merupakan hal yang akan terjadi pada diri seseorang sebagai akibat

dari melakukan suatu pekerjaan.

3. Kelonggaran untuk hambatan-hambatan tidak terhindarkan (delay)

Hambatan-hambatan tidak terhindarkan terjadi karena berada diluar kekuasaan/kendali pekerja.

3.8. Pengujian Data

Dalam proses pengukuran waktu kerja, diperlukan kegiatan pengujian terhadap data yang dikumpulkan. Kegiatan pengujian tersebut dimulai dari analisis atas jumlah data konsistensi kerja operator.

3.8.1. Kecukupan Data

Pengujian data yang pertama adalah uji kecukupan data. Uji kecukupan data diperlukan untuk memastikan bahwa data yang telah dikumpulkan adalah cukup secara objektif. Idealnya pengukuran dilakukan dalam jumlah yang banyak, bahkan sampai jumlah yang tak terhinga agar data hasil pengukuran layak untuk digunakan. Namun pengukuran dalam jumlah yang tak terhingga sulit dilakukan mengingat keterbatasan-keterbatasan yang ada, baik dari segi tenaga, biaya, waktu, dan sebagainya. Sebaliknya pengumpulan data dalam jumlah yang sekedarnya juga kurang baik karena tidak mewakili keadaan yang sebenarnya. Untuk itu pengujian kecukupan data dilakukan dengan berpedoman pada konsep statistik, yaitu tingkat ketelitian dan tingkat keyakinan. Tingkat ketelitian dan tingkat keyakinan adalah pencerminan tingkat kepastian yang diingkinkan oleh pengukur setelah memutuskan tidak akan melakukan pengukuran dalam jumlah banyak. Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari waktu penyelesaian sebenarnya. Sedang tingkat keyakinan menunjukkan besarnya keyakinan pengukur akan ketelitian data waktu yang telah diamati dan dikumpulkan. Pengaruh tingkat ketelitian dan tingkat keyakinan adalah bahwa semakin tinggi tingkat ketelitian semakin besar tingkat keyakinan, semakin banyak pengukuran yang diperlukan.

Tes kecukupan data dapat dilakukan dengan menggunakan rumus sebagai berikut.

K = Tingkat keyakinan = 99% ≈ 3

= 95% ≈ 2

s = Derajat ketelitian

N = Jumlah data pengamatan N’ = Jumlah data teoritis

Jika N’≤ N, data dianggap cukup, jika N’>N, data dianggap tidak cukup (kurang) dan perlu dilakukan penambahan kembali.

3.8.2. Keseragaman Data

Untuk memastikan bahwa data yang terkumpul berasal dari sistem yang sama, maka dilakukan pengujian terhadap keseragaman data. Sebagai contoh, pada suatu hari seorang operator dalam melakukan pengerjaan dinilai terlalu lamban, karena pada malam harinya tidak tidur semalaman. Dibandingkan dengan hari-hari sebelumnya data yang terkumpul pada hari itu jelas akan jauh berbeda. Untuk itu diperlukan pengujian keseragaman data untuk memisahkan data yang memiliki karakteristik yang berbeda. Adapun rumus yang digunakan dalam pengujian keseragaman data untuk stop watch adalah sebagai berikut.

BKA = Batas kontrol atas BKB = Batas kontrol bawah

= Nilai rata-rata

σ = Standar deviasi K = Tingkat keyakinan

BAB IV

METODOLOGI PENELITIAN

4.1. Tempat dan Waktu Penelitian

Penelitian dilakukan di CV. Super Plates yang merupakan industri yang bergerak di bidang perakitan baterai aki mobil dengan merek Samson yang beralamat di Jalan Balai Desa No. 141 Kec Polonia, Medan. Penelitian dilakukan pada bulan Agustus 2014 sampai dengan bulan November 2014 untuk mengetahui kondisi perusahaan dan permasalahan yang terjadi di perusahaan tersebut.

4.2. Jenis Penelitian

Jenis penelitian yang dilakukan adalah penelitian deskriptif (deskriptif

research) yaitu penelitian yang berusaha untuk memaparkan pemecahan masalah

terhadap suatu masalah yang ada sekarang secara sistematis dan faktual berdasarkan data. Jadi penelitian ini meliputi proses pengumpulan, penyajian dan pengolahan data, serta analisis dan interpretasi data.

4.3. Objek Penelitian

Objek yang diteliti adalah data elemen-elemen kerja dalam proses pembuatan baterai aki, waktu pengerjaan setiap elemen kerja tersebut, dan lintasan kerja awal perusahaan.

4.4. Variabel Penelitian

Variabel yang digunakan dalam penelitian ini adalah : 1. Variabel dependen

Variabel dependen adalah variabel yang nilainya dipengaruhi atau ditentukan oleh variabel lain. Adapun variabel dependen dalam penelitian ini adalah Efesiensi lini.

2. Variabel independen

Variabel independen adalah variabel yang mempengaruhi variabel dependen baik secara positif maupun secara negatif. Adapun variabel independen atau bebas dalam penelitian ini adalah elemen kerja, waktu baku pekerjaan tiap operasi, stasiun kerja.

4.5. Instrumen Penelitian

Pada penelitian ini instrumen penelitian yang digunakan adalah a. Pengukuran kerja langsung dengan stopwatch

Gambar 4.1. Stopwatch

Langkah-langkah Metode Stopwatch : 1. Menetapkan tujuan pengukuran

2. Melakukan penelitian pendahuluan 3. Memilih operator

4. Menguraikan pekerjaan atas elemen-elemen 5. Menyiapkan alat pengukuran

6. Melakukan pengukuran waktu repetitif timing. b. Uji Keseragaman (uniformity test)

Data yang seragam yaitu berasal dari sistem sebab yang sama dan berada dalam batas kontrol, data tidak seragam apabila berasal dari sistem sebab berbeda dan berada diluar batas kontrol.

c. Uji Kecukupan (adequacy test)

Untuk memenuhi tingkat ketelitian dan keyakinan yang diinginkan perlu dilakukan perhitungan jumlah pengamatan yang diperlukan. Dengan tingkat ketelitian 5 % dan tingkat keyakinan 95 %, jumlah pengamatan yang diperlukan :

Dengan :

K = Tingkat keyakinan = 99% ≈ 3

= 95% ≈ 2

s = Derajat ketelitian

N = Jumlah data pengamatan N’ = Jumlah data teoritis

Jika N’≤ N, data dianggap cukup, jika N’>N, data dianggap tidak cukup (kurang) dan perlu dilakukan penambahan kembali.

4.6. Kerangka Konseptual

Kerangka berpikir dalam penelitian adalah dasar pemikiran dari penelitian yang disintesiskan dari fakta, observasi dan telaah kepustakaan. Uraian dalam kerangka berpikir menjelaskan hubungan dan keterkaitan antar variabel penelitian secara logis. Kerangka pemikiran yang baik yaitu apabila mengidentifikasi variabel-variabel penting yang sesuai dengan permasalahan penelitian, dan secara logis mampu menjelaskan keterkaitan antar variabel tersebut.

Adapun kerangka konseptual penelitian ini dapat dilihat pada Gambar 4.2.

Keseimbangan Lintasan Kerja

Elemen Kerja

Waktu siklus

Stasiun Kerja

Pengelompokan tugas-tugas pada stasiun kerja dengan kapasitas/tingkatan output

yang sama

4.7. Pelaksanaan Penelitian

Adapun prosedur penelitian tersebut dapat dilihat pada Gambar 4.3.

STUDI PENDAHULUAN

- Studi literatur

- Melakukan pengamatan langsung ke perusahaan

PENGUMPULAN DATA

- Stasiun kerja - Waktu siklus

- Elemen Kerja

PENGOLAHAN DATA - Uji keseragaman

- Uji kecukupan - Pengukuran kerja

- Pengolahan Metode Algoritma Genetik (GA)

ANALISA PENGOLAHAN DATA

Data yang telah diolah pada pengolahan data akan dianalisis

KESIMPULAN DAN SARAN

IDENTIFIKASI MASALAH DAN PENETAPAN TUJUAN

4.8. Pengolahan Data

Data masukan yang digunakan untuk AG adalah waktu siklus, waktu baku, dan precedance diagram. Adapun langkah-langkah yang harus dilakukan dalam AG adalah sebagai berikut :

1. Membangkitkan populasi awal.

2. Mengidentifikasi nilai fitnes, yang merupakan baik tidaknya sebuah individu.

3. Melakukan proses seleksi.

4. Melakukan kawin silang (cross over). 5. Melakukan mutasi gen.

6. Kembali ke poin 3 sampai generasi ke-n 7. Stopping Criteria

Adapun flow chart pengolahan data pada penelitian ini dapat dilihat pada gambar 4.4.

4.9. Analisis Pemecahan Masalah

Berdasarkan hasil pengolahan data yang telah dilakukan maka diperoleh efisiensi lintasan yang optimal berdasarkan AG. Kemudian hasil yang diperoleh dianalisis dengan membandingkan kondisi keadaan awal perusahaan.

Pengamatan 1. Elemen kerja 2. Waktu siklus 3. Stasiun kerja

Uji keseragaman data No Yes Uji kecukupan data Revisi

Menentukan parameter algoritma genetik : 1. Ukuran populasi

2. Jumlah generasi 3. Probabilitas crossover 4. Probabilitas mutasi

Encoding populasi Menghitung fitness value Melakukan seleksi Melakukan crossover Melakukan mutasi Terbentuk generasi baru Jumlah generasi = parameter jumlah generasi Yes No Yes No Stopping Criteria Selesai Mulai

Data pengamatan valid

Pengukuran Kerja - Rating factor - Allowance

Waktu Baku

BAB V

PENGUMPULAN DAN PENGOLAHAN DATA

5.1. Pengumpulan Data

Data yang dikumpulkan untuk digunakan dalam pengolahan data adalah : 1. Data urutan elemen kerja yang diperoleh dari wawancara dengan operator. 2. Pengukuran waktu elemen kerja atau waktu siklus yang diperoleh dari

pengukuran secara langsung dengan menggunakan stopwatch digital di lantai pabrik. Dengan populasi 30 pengamatan maka untuk menghasilkan sampel yang representatif dilakukan penarikan sampel berdasarkan strata sebanyak 6 kali pengamatan dengan mempertimbangkan tingkat ketelitian bahwa populasi data sampel yang digunakan sudah berada dalam satu populasi yang sama dan dengan keyakinan bahwa jumlah sampel data yang diambil telah cukup untuk pengolahan data pada proses selanjutnya. Bebarapa variasi selalu terjadi dari pengamatan tersebut yang disebabkan oleh faktor-faktor berikut : variasi acak dalam gerakan operator dan kecepatan, variasi acak dalam posisi bagian bekerja, dan variasi acak dalam posisi alat yang digunakan. Jadwal pengamatan dilakukan secara acak yaitu pengamatan I ,II, III, IV, V, dan VI di bulan September adalah tanggal (6, 8, 16, 20, 25, 30) selama 6 jam kerja.

Tabel 5.1. Urutan Elemen Kerja Proses Pembuatan Baterai Aki

No Stasiun Kerja Elemen Kerja

1

Greed Casting

Timah Hitam

Timah hitam dilebur 1 tungku 100 kg dengan temparatur 325 derajat celcius selama 1 jam

2 Menuangkan timah hitam cair

3 Dibasahi Greed Sand Mold timah hitam dengan air

4 Menginjak pedal greed casting

5 Dibiarkan sampai dingin hasil cetakan timah hitam

6 Memotong plate dan dibersihkan

7

Greed Casting

Timah Putih

Timah putih dilebur 1 tungku 100 kg dengan temparatur 323 derajat celcius selama 1 jam

8 Menuangkan timah putih cair

9 Dibasahi Greed Sand Mold timah putih dengan air

10 Dibiarkan dingin hasil cetakan timah putih

11 Mengeluarkan hasil cetakan

12 Dibawa ke mesin molen

13 Hasil cetakan timah putih di grinding dengan mesin

Molen kecepatan 24 rpm selama 8 jam

14

Pasting Process

Mengoleskan pasta

15 Menyusun plate ke rak pasting

16 Di press

17 Menyusun ke rak press pasting

18 Dibawa ke tempat drying

19 Drying Di drying press pasting di outdoor selama 3 jam

20

Cell Assembly Menyusun plate @5 buah

21 Menyolder plate

22

Elektrolisis Process

Diisi air raksa kedalam box

23 Menyusun plate +,-, dan fiber

24 Memasukan plate +,-,dan fiber kedalam box

25 Mengikat plate + dan -

26 Menghubungkan kabel jumper ke terminal plate

27 Set up tegangan 12Volt dan arus sesuai standar

28 Proses elektrolisis selama 12 jam

29 Melepaskan kabel jumper

30 Mengeluarkan plate dari dalam box

31

Assembly

Mengunting fiber

32 Menyusun plate dan fiber

Tabel 5.1. Urutan Elemen Kerja Proses Pembuatan Baterai Aki (Lanjutan)

No Stasiun Kerja Elemen Kerja

34 Memasukkan plate ke box bekas

35 Memasang alas solder

36 Menyolder terminal posts

37 Membuka alas solder

38 Mengeluarkan plate dari dalam box bekas

39 Memasukkan plate kedalam box baru

40 Menyolder socket

41 Memasukkan box kedalam mesin press

42 Menekan tombol press

43 Mengeluarkan box dari mesin press

44 Di bawa ketempat elektrolisis untuk di charger

45 Charger

Proses pembuatan baterai aki dapat dilihat pada gambar 5.1 berikut

I

1. Timah hitam dilebur 1 tungku 100 kg dengan temparatur 325 derajat celcius selama 1 jam 2. Menuangkan timah hitam cair

3. Dibasahi Greed Sand Mold timah hitam dengan air 4. Menginjak pedal greed casting

5. Dibiarkan sampai dingin hasil cetakan timah hitam 6. Memotong plate dan dibersihkan

III 1. Mengoleskan pasta

2. Menyusun plate ke rak pasting 3. Di press

4. Menyusun ke rak press pasting 5. Dibawa ke tempat curing

IV

1.Curing press pasting di outdoor selama 3 jam

V

1. Menyusun plate @5 buah 2. Menyolder plate

VI

1. Diisi air raksa kedalam box 2. Menyusun plate +,-, dan fiber

3. Memasukan plate +,-,dan fiber kedalam box 4. Mengikat plate + dan –

5. Menghubungkan kabel jumper ke terminal plate 6. Set up tegangan 12Volt dan arus sesuai standar 7. Proses elektrolisis selama 12 jam

8. Melepaskan kabel jumper 9. Mengeluarkan plate dari dalam box

VIII

1. Di charger selama 12 jam

VII

1. Mengunting fiber 2. Menyusun plate dan fiber 3. Menggunting tangkai plate 4. Memasukkan plate ke box bekas 5. Memasang alas solder

6. Menyolder terminal posts 7. Membuka alas solder

8. Mengeluarkan plate dari dalam box bekas 9. Memasukkan plate kedalam box baru 10 Menyolder socket

11.Memasukkan box kedalam mesin press 12. Menekan tombol press

13. Mengeluarkan box dari mesin press

14. Di bawa ketempat elektrolisis untuk di charger II

1. Timah putih dilebur 1 tungku 100 kg dengan temparatur 232 derajat celcius selama 1 jam 2. Menuangkan timah putih cair

3. Dibasahi Greed Sand Mold timah putih dengan air 4. Dibiarkan dingin hasil cetakan timah putih 5. Mengeluarkan hasil cetakan

6. Dibawa ke mesin molen

7. Hasil cetakan timah putih di grinding dengan mesin Molen kecepatan 24 rpm selama 8 jam

sampai keenam dapat dilihat di lampiran 1. Untuk lebih jelasnya dapat dilihat pada Tabel 5.2 sampai Tabel 5.7.

Tabel 5.2. Pengamatan Work Station Greed Casting Timah Hitam

OBSERVATION SHEET WORK STATION FOREMAN GREED CASTING TIMAH HITAM HERMAN

Melebur timah hitam dan mencetak plate DATE

OPERATOR

OBSERVER

Agus

06-09-2014 Putra Purba

NO ELEMENTS Unit/_element 1 2 3 4 5 6 7 8 9 10 _{TOTAL TIME NO. OF OBS’NS AVERAGE TIME} READING OCCURE

.

MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME

Timah hitam dilebur 1 tungku 100 kg dengan temparatur 325 derajat celcius selama 1 jam

1

Menuangkan timah hitam cair

2

Dibasahi Greed Sand Mold timah hitam dengan air

3

Menginjak pedal greed casting

4

Dibiarkan sampai dingin hasil cetakan timah hitam

5

Memotong plate dan dibersihkan

6 120 120 120 60 120 60 3600

285 284 285 284 287 1425 5 285 285 284 285

3600 1 3600 3600

112 115 114 113 112 116 114 115 114 114 1139 10 114 114 112 114

113 114 114 114 115 115 113 112 114 116 1140 10 114 114 112 114

152 156 156 157 159 _{780 5 156 156 152 156}

795 796 793 796 795 3975 795,

796

795 793 795

5 OPERATION

Tabel 5.3. Pengamatan Work Station Greed Casting Timah Putih OBSERVATION SHEET WORK STATION FOREMAN OPERATION GREED CASTING TIMAH PUTIH HERMAN

Melebur timah putih dan membuat pasta DATE

OPERATOR

OBSERVER

Ipul

06-09-2014 Putra Purba

NO ELEMENTS Unit/_element 1 2 3 4 5 6 7 8 9 10 _{TOTAL TIME NO. OF OBS’NS AVERAGE TIME} READING OCCURE. MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME

Timah putih dilebur 1 tungku 100 kg dengan temparatur 323 derajat celcius selama 1 jam

1

Menuangkan timah putih cair 2

Dibasahi Greed Sand Mold timah putih dengan air

3

Dibiarkan dingin hasil cetakan timah putih

4

Mengeluarkan hasil cetakan 5

Dibawa ke mesin molen 6 120 300 300 300 300 300 3600

451 449 451 449 450 2250 5 450 449,₄₅₁ 449 450

3600 1 3600 3600

302 301 298 299 301 1501 5 300 301 112 300

3600 3600 1 3600 3600

303 298 298 301 300 ₃₀₀ 298,

300 298 300 5

1500

121 123 119 119 118 600 5 _{120 119 118 120}

7 Hasil cetakan timah putih di grinding _{dengan mesin Molen kecepatan 24 rpm} selama 8 jam

120 6400 _{6400 6400}

FOREMAN HERMAN PASTING

OPERATOR Rido

NO ELEMENTS Unit/_element 1 2 3 4 5 6 7 8 9 10 _{TOTAL TIME NO}. OF OBS’NS _{AVERAGE TIME} READING OCCURE. MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME

Mengoleskan pasta

1

Menyusun plate ke rak pasting

2

Di press

3

Menyusun ke rak press pasting

4

Dibawa ke tempat drying

5 120 300 300 300 300 1043

209 207 209 209 206 1040 5 208 209 206 208

5200 5 1040 1040

1039 1041 1042 1039 1039 5200 5 1040 1039 1039 1040

208 _{1040 5 208 208}

148 150 151 152 149 _{750 5 150 148 150}

1041 1039 1038 1039 1039 1038

208 209 207 208 _{208 207}

Tabel 5.5. Pengamatan Cell Assambly

OBSERVATION SHEET

WORK STATION

FOREMAN

CELL ASSAMBLY

HERMAN

Merangkai dan menyolder DATE

OPERATOR

OBSERVER

Acong

06-09-2014 Putra Purba

NO ELEMENTS Unit/_element 1 2 3 4 5 6 7 8 9 10 _{TOTAL TIME NO}. OF OBS’NS _{AVERAGE TIME} READING OCCURE

.

MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME

Menyusun plate @5 buah 1 Menyolder plate 2 120 120 138

381 379 381 378 381 1900 5 380 381 378 380

700 5 140 140

FOREMAN HERMAN

Mengisi tegangan dan arus

OPERATOR Sugeng

NO ELEMENTS Unit/_element 1 2 3 4 5 6 7 8 9 10 _{TOTAL TIME} NO

. OF OBS’NS

AVERAGE TIME READING OCCURE MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME Diisi air raksa kedalam box

1

Menyusun plate +,-, dan fiber

2

Memasukan plate +,-,dan fiber kedalam box

3

Mengikat plate + dan -

4

Menghubungkan kabel jumper ke terminal plate

5

Set up tegangan 12Volt dan arus sesuai

standar 6 1 120 120 2 2 1 24

17 16 15 18 17 170 10 17 16, 15 17

18

239 10 24 24

34 35 36 34 35 350 10 35 36 33 35

12 120 10 12

6 5 7 6 6 _{60 10 6 6 5 6}

3 4 3 3 2 30 10 3 3 2 3

7 Proses elektrolisis selama 12 jam 1 7200 7200 1 7200 7200

8 9

Melepaskan kabel jumper

Mengeluarkan plate dari dalam box

2

120

23 25 25 23 23 25 23 24 24 23 23

18 16 16 18 19

33 36 36 35 36

11 12 11 13 13 14 13 10 11 11, 10

13

5 6 7 7 5

3 4 3 2 3

6 5 6 5 7 7 5 6 6 7 60 10 6 6 5 6

20 19 20 19 17 19 20 19 19 18 120 19 19 19 17

12

Merakit plate dan packing

NO ELEMENTS Unit/_element 1 2 3 4 5 6 7 8 9 10 _{TOTAL TIME} NO

. OF OBS’NS

AVERAGE TIME READING OCCURE MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME Mengunting fiber

1

Menyusun plate dan fiber

2

Menggunting tangkai plate

3

Memasukkan plate ke box bekas

4

Memasang alas solder

5

Menyolder terminal posts

6 18 138 4 6 2 4 48

248 247 243 245 247 1230 5 246 247 243 246

480 10 48 48

10 9 10 9 8 90 10 9 9 8 9

10 120 10 12

27 26 25 28 29 _{270 10 27 27 25 27}

263 264 261 262 265 1315 5 263 261 263

7 Membuka alas solder 2 25 249 10 25 25

OPERATION

8

9

Mengeluarkan plate dari dalam box bekas

Memasukkan plate kedalam box baru

6

6

46 49 49 50 48 47 47 48 48 48 46

8 9 10 8 9

11 12 11 13 11 14 13 12 13 11,13 10

26 30 25 27 27

18 21 19 19 18 19 18 20 18 20 190 10 19 18 18 19

42 43 40 43 41 44 41 42 43 41 420 10 42 41,43 40

Menyolder socket

Memasukkan box kedalam mesin press Menekan tombol press

Mengeluarkan box dari mesin press Di bawa ketempat elektrolisis untuk di charger 10 11 12 13 14 4 1 1 1 1

24 25 26 23 25 25 24 26 26 25 23

143 145 143 143 141 715 5 143 143 141 143

3 5 3 4 5 3 4 4 5 4 40 10 4 4 3 4

13 12 11 10 11 12 14 12 13 12 120 10 12 12 10 12

47 48 48 46 49 48 49 50 48 47 480 10 48 48 46 48

3 3 4 2 4 3 3 3 3 2 30 10 3 3 2 3

12

42

Untuk stasiun kerja drying dan charger process tidak dilakukan pencatatan pengukuran metode repetitive timing karena proses kerja pada stasiun kerja tersebut berdasarkan waktu yang telah ditentukan.

Tabel 5.8. Data Pengukuran Waktu Proses Produksi Baterai Aki

No EK Pengukuran

1 2 3 4 5 6

1 O-1 3600 3600 3600 3600 3600 3600

2 O-2 285 288 286 285 285 285

3 O-3 114 114 114 114 114 114

4 O-4 114 114 114 114 115 115

5 O-5 156 155 156 156 157 156

6 O-6 795 804 798 799 802 796

7 O-7 3600 3600 3600 3600 3600 3600

8 O-8 450 451 448 454 454 452

9 O-9 300 300 300 300 300 302

10 O-10 3600 3600 3600 3600 3600 3600

11 O-11 300 302 300 300 300 300

12 O-12 120 120 120 120 120 120

13 O-13 28800 28800 28800 28800 28800 28800

14 O-14 1040 1036 1048 1037 1043 1044

15 O-15 208 207 208 209 208 208

16 O-16 1040 1038 1043 1044 1041 1045

17 O-17 208 208 209 208 208 209

18 O-18 150 148 150 149 150 150

19 O-19 18000 18000 18000 18000 18000 18000

20 O-20 140 140 144 148 143 144

21 O-21 380 386 400 395 404 382

22 O-22 24 24 27 25 25 23

23 O-23 23 22 22 23 22 22

24 O-24 35 32 38 34 33 35

25 O-25 12 12 12 14 12 13

26 O-26 8 9 9 8 8 8

27 O-27 3 3 3 3 3 3

28 O-28 43200 43200 43200 43200 43200 43200

29 O-29 8 8 9 8 9 8

Tabel 5.8. Data Pengukuran Waktu Proses Produksi Baterai Aki (Lanjutan)

No EK Pengukuran

1 2 3 4 5 6

31 O-31 48 51 54 55 51 48

32 O-32 246 240 258 264 252 258

33 O-33 11 11 12 11 11 12

34 O-34 12 13 13 12 12 12

35 O-35 27 25 26 27 24 28

36 O-36 263 255 266 269 261 273

37 O-37 28 27 30 28 30 27

38 O-38 21 20 20 20 23 21

39 O-39 42 42 43 44 47 43

40 O-40 143 149 145 145 144 146

41 O-42 4 4 4 4 4 4

42 O-42 12 12 12 12 12 12

43 O-43 3 3 3 3 3 3

44 O-44 48 50 52 49 49 51

45 O-45 43200 43200 43200 43200 43200 43200

5.2 Pengolahan Data

5.2.1 Pengujian Data Waktu Pengamatan 5.2.1.2 Uji Keseragaman Data

Pengujian ini dilakukan untuk memastikan bahwa data yang terkumpul berasal dari sistem yang sama. Berikut langkah-langkah pengujian keseragaman data untuk elemen kerja 1.

Tabel 5.9. Pengkuran Waktu Uji Keseragaman Data untuk Elemen Kerja 1 Elemen

Kerja

Pengukuran (Detik)

1 2 3 4 5 6

a. Menghitung nilai rata-rata elemen kerja

b. Menghitung standar deviasi

Sehingga diperoleh :

Peta kontrol elemen kerja 1 dapat dilihat pada gambar 5.2.

Dari gambar diatas dapat dilihat bahwa nilai rata-rata pengukuran 3600, BKA 3600 dan BKB 3600, hal ini dapat dikatakan bahwa data seragam karena masih didalam batas kontrol. Untuk semua elemen kerja dapat dilihat pada Tabel 5.10.

Tabel 5.10. Uji Keseragaman Data Elemen Kerja Elemen

Kerja

Pengukuran (Detik)

X' BKA BKB Ket

1 2 3 4 5 6

1 3600 3600 3600 3600 3600 3600 3600 3600 3600 Seragam

2 285 288 286 285 285 285 286 3600 3600 Seragam

3 114 114 114 114 114 114 114 299,622 271,711 Seragam

4 114 114 114 114 115 115 114 114 114 Seragam

5 156 155 156 156 157 156 156 116,289 112,378 Seragam 6 795 804 798 799 802 796 799 116,822 111,844 Seragam 7 3600 3600 3600 3600 3600 3600 3600 160 152 Seragam 8 450 451 448 454 454 452 452 506,1 396,9 Seragam 9 300 300 300 300 300 302 300 302,556 298,111 Seragam 10 3600 3600 3600 3600 3600 3600 3600 3600 3600 Seragam 11 300 302 300 300 300 300 300 306,822 293,844 Seragam

12 120 120 120 120 120 120 120 120 120 Seragam

13 28800 28800 28800 28800 28800 28800 28800 28000 28000 Seragam 14 1040 1036 1048 1037 1043 1044 1041 178,1 164,9 Seragam 15 208 207 208 209 208 208 208 692,5 562,5 Seragam 16 1040 1038 1043 1044 1041 1045 1042 1236,62 846,044 Seragam

17 208 208 209 208 208 209 208 212 204 Seragam

18 150 148 150 149 150 150 150 1095,46 988,211 Seragam 19 18000 18000 18000 18000 18000 18000 18000 210,289 206,378 Seragam 20 140 140 144 148 143 144 143 156,1 142,9 Seragam 21 380 386 400 395 404 382 391 18000 18000 Seragam

22 24 24 27 25 25 23 25 231,722 54,6111 Seragam

23 23 22 22 23 22 22 22 1242,39 -460,06 Seragam

24 35 32 38 34 33 35 35 7200 7200 Seragam

25 12 12 12 14 12 13 13 25,3222 18,3444 Seragam

26 8 9 9 8 8 8 8 31,1556 10,1778 Seragam

27 3 3 3 3 3 3 3 77,1 -8,1 Seragam

28 43200 43200 43200 43200 43200 43200 43200 19,1 5,9 Seragam

Tabel 5.10. Uji Keseragaman Data Elemen Kerja (Lanjutan) Elemen

Kerja

Pengukuran (Detik)

X' BKA BKB Ket

1 2 3 4 5 6

30 22 20 21 24 22 22 22 3 3 Seragam

31 48 51 54 55 51 48 51 3 3 Seragam

32 246 240 258 264 252 258 253 43200 43200 Seragam

33 11 11 12 11 11 12 11 3 3 Seragam

34 12 13 13 12 12 12 12 3 3 Seragam

35 27 25 26 27 24 28 26 25,6 14,4 Seragam

36 263 255 266 269 261 273 265 95,6 4,4 Seragam

37 28 27 30 28 30 27 28 993 -487 Seragam

38 21 20 20 20 23 21 21 13,1556 8,17778 Seragam

39 42 42 43 44 47 43 44 16 8 Seragam

40 143 149 145 145 144 146 145 47,9889 3,67778 Seragam

41 4 4 4 4 4 4 4 493,4 24,6 Seragam

42 12 12 12 12 12 12 12 5 5 Seragam

43 3 3 3 3 3 3 3 40,9 10,1 Seragam

44 48 50 52 49 49 51 50 39,1556 2,17778 Seragam

45 43200 43200 43200 43200 43200 43200 43200 17,4556 6,21111 Seragam

5.2.1.3 Uji Kecukupan Data

Uji kecukupan data dilakukan apakah data hasil pengamatan sudah cukup atau tidak. Contoh perhitungan untuk elemen kerja 1.

Tabel 5.11. Pengkuran Waktu Untuk Uji Kecukupan Data Elemen Kerja 1

Pengukuran Waktu

(Detik) X

2

1 3600 12960000

2 3600 12960000

3 3600 12960000

4 3600 12960000

5 3600 12960000

Tabel 5.11. Pengkuran Waktu Untuk Uji Kecukupan Data Elemen Kerja 1 (Lanjutan)

Pengukuran Waktu

(Detik) X

2

Total 21600 77760000

Dari Tabel 5.3 diperoleh nilai N= 6, ∑X 2 = 77760000, ∑X = 21600, sedangkan untuk nilai k = 2 (tingkat keyakinan 95%) dan s = tingkat ketelitian 5% maka nilai N’ adalah :

Karena nilai N’= 0 lebih kecil dari nilai N= 6 maka data yang digunakan cukup. Untuk hasil pengujian kecukupan data setiap elemen kerja dapat dilihat pada Tabel 5.12.

Tabel 5.12. Uji Kecukupan Data Setiap Elemen Kerja Elemen

Kerja

Pengukuran (Detik)

N' N Kesimpulan

1 2 3 4 5 6

1 3600 3600 3600 3600 3600 3600 0,000 6 cukup

2 285 288 286 285 285 285 0,024 6 cukup

3 114 114 114 114 114 114 0,000 6 cukup

4 114 114 114 114 115 115 0,027 6 cukup

5 156 155 156 156 157 156 0,022 6 cukup

6 795 804 798 799 802 796 0,025 6 cukup

7 3600 3600 3600 3600 3600 3600 0,000 6 cukup

8 450 451 448 454 454 452 0,036 6 cukup

Tabel 5.12. Uji Kecukupan Data Setiap Elemen Kerja (Lanjutan) Elemen

Kerja

Pengukuran (Detik)

N' N Kesimpulan

1 2 3 4 5 6

10 3600 3600 3600 3600 3600 3600 0,000 6 cukup

11 300 302 300 300 300 300 0,010 6 cukup

12 120 120 120 120 120 120 0,000 6 cukup

13 28800 28800 28800 28800 28800 28800 0,000 6 cukup 14 1040 1036 1048 1037 1043 1044 0,025 6 cukup

15 208 207 208 209 208 208 0,012 6 cukup

16 1040 1038 1043 1044 1041 1045 0,009 6 cukup

17 208 208 209 208 208 209 0,008 6 cukup

18 150 148 150 149 150 150 0,042 6 cukup

19 18000 18000 18000 18000 18000 18000 0,000 6 cukup

20 140 140 144 148 143 144 0,583 6 cukup

21 380 386 400 395 404 382 0,859 6 cukup

22 24 24 27 25 25 23 4,091 6 cukup

23 23 22 22 23 22 22 0,713 6 cukup

24 35 32 38 34 33 35 4,817 6 cukup

25 12 12 12 14 12 13 5,973 6 cukup

26 8 9 9 8 8 8 5,120 6 cukup

27 3 3 3 3 3 3 0,000 6 cukup

28 43200 43200 43200 43200 43200 43200 0,000 6 cukup

29 8 8 9 8 9 8 5,120 6 cukup

30 22 20 21 24 22 22 4,941 6 cukup

31 48 51 54 55 51 48 4,363 6 cukup

32 246 240 258 264 252 258 1,625 6 cukup

33 11 11 12 11 11 12 2,768 6 cukup

34 12 13 13 12 12 12 2,337 6 cukup

35 27 25 26 27 24 28 4,219 6 cukup

36 263 255 266 269 261 273 0,760 6 cukup

37 28 27 30 28 30 27 3,100 6 cukup

38 21 20 20 20 23 21 4,198 6 cukup

39 42 42 43 44 47 43 2,466 6 cukup

40 143 149 145 145 144 146 0,269 6 cukup

41 4 4 4 4 4 4 0,000 6 cukup

42 12 12 12 12 12 12 0,000 6 cukup

43 3 3 3 3 3 3 0,000 6 cukup

Tabel 5.12. Uji Kecukupan Data Setiap Elemen Kerja (Lanjutan) Elemen

Kerja

Pengukuran (Detik)

N' N Kesimpulan

1 2 3 4 5 6

45 43200 43200 43200 43200 43200 43200 0,000 6 cukup

5.2 Perhitungan Waktu Baku

5.2.1 Rating Factor (Rf) atau Penyesuaian

Besar faktor penyesuaian ditentukan menggunakan cara Westinghouse yang dinilai secara subjektif oleh pengamat terhadap operator di setiap stasiun kerja. Dengan melakukan performance rating maka diharapkan waktu kerja yang diukur dapat dinormalkan. Pemilihan operator yang akan dinilai didapatkan dari

supervisor CV. Super Plates. Berikut ini diberikan contoh perhitungan

performance rating seorang operator pada elemen kerja pertama adalah sebagai

berikut.

Keterampilan : Super skill (A2) = +0,13 Usaha : Excellent (B1) = +0,10 Kondisi kerja : Good (C) = + 0,02 Konsistensi : Perfect (A) = +0,04

Total = +0,29

+

Maka, performance rating (PR) adalah 1 + p = 1 + 0,29 = 1,29

Penetapan performance rating (PR) pada elemen kerja pertama ini dapat dijelaskan sebagai berikut:

- Keterampilan : Super skill, tampak seperti telah terlatih dengan sangat baik,

gerakan-gerakannya halus tetapi sangat cepat sehingga sulit untuk diikuti, tidak terkesan adanya gerakan-gerakan berpikir dan merencana tentang apa yang

dikerjakan (sudah sangat otomatis), secara umum dapat dikatakan bahwa pekerjaan yang bersangkutan adalah pekerjaan terbaik.

- Usaha: Excellent, jelas terlihat kecepatan kerjanya yang tinggi, penuh perhatian pada pekerjaannya, bangga atas kelebihannya, bekerjanya sistematis. - Kondisi kerja : Good, hal ini karena ruangan yang digunakan cukup nyaman

dan tidak bising serta pencahayaan cukup baik.

- Konsistensi : Perfect, hal ini karena operator dapat menyelesaikan pekerjaan dengan waktu yang tetap dari saat ke saat.

Berdasarkan hasil perhitungan performance rating sebesar 1,29 maka dapat dikatakan bahwa operator pada proses greed casting timah hitam di elemen kerja pertama (O-1) bekerja dengan cepat atau bekerja dengan kinerja 129 % dari keadaan normal. Begitu juga dengan elemen kerja berikutnya dapat dilakukan seperti perhitungan diatas. Hasil perhitungan performance rating operator pada operasi lainnya dapat dilihat pada Tabel 5.13.

Tabel 5.13. Faktor Penyesuaian Elemen Kerja

No Task

(EK)

Penyesuaian

Total Keterampilan Usaha Kondisi

Kerja Konsistensi

1 O-1 0,13 0,1 0,02 0,04 1,29

2 O-2 0,13 0,1 0,02 0,04 1,29

3 O-3 0,13 0,1 0,02 0,04 1,29

4 O-4 0,13 0,1 0,02 0,04 1,29

5 O-5 0,13 0,1 0,02 0,04 1,29

6 O-6 0,13 0,1 0,02 0,04 1,29

7 O-7 0,13 0,1 0,02 0,04 1,29

8 O-8 0,13 0,1 0,02 0,04 1,29

9 O-9 0,13 0,1 0,02 0,04 1,29

10 O-10 0,13 0,12 0,02 0,04 1,31

11 O-11 0,13 0,12 0,02 0,04 1,31

12 O-12 0,13 0,12 0,02 0,04 1,31

13 O-13 0,13 0,1 0,02 0,04 1,29

14 O-14 0,11 0,08 0,02 0,03 1,24

Tabel 5.13. Faktor Penyesuaian Elemen Kerja (Lanjutan)

No Task

(EK)

Penyesuaian

Total Keterampilan Usaha Kondisi

Kerja Konsistensi

16 O-16 0,13 0,12 0,02 0,03 1,3

17 O-17 0,13 0,12 0,02 0,03 1,3

18 O-18 0,11 0,1 0,02 0,03 1,26

19 O-19 0,11 0,1 0,02 0,03 1,26

20 O-20 0,11 0,1 0,02 0,03 1,26

21 O-21 0,11 0,05 0 0,03 1,19

22 O-22 0,13 0,1 0,02 0,01 1,26

23 O-23 0,13 0,1 0,02 0,01 1,26

24 O-24 0,13 0,1 0,02 0,01 1,26

25 O-25 0,13 0,12 -0,03 0,03 1,25

26 O-26 0,13 0,12 -0,03 0,03 1,25

27 O-27 0,13 0,12 -0,03 0,03 1,25

28 O-28 0,13 0,12 -0,03 0,03 1,25

29 O-29 0,13 0,12 -0,03 0,03 1,25

30 O-30 0,13 0,12 -0,03 0,03 1,25

31 O-31 0,13 0,12 -0,03 0,03 1,25

32 O-32 0,13 0,12 -0,03 0,03 1,25

33 O-33 0,13 0,12 -0,03 0,03 1,25

34 O-34 0,13 0,12 -0,03 0,03 1,25

35 O-35 0,13 0,12 -0,03 0,03 1,25

36 O-36 0,06 0,02 0,02 0 1,1

37 O-37 0,13 0,12 -0,03 0,03 1,25

38 O-38 0,13 0,12 -0,03 0,03 1,25

39 O-39 0,13 0,12 -0,03 0,03 1,25

40 O-40 0,13 0,12 -0,03 0,03 1,25

41 O-42 0,13 0,12 -0,03 0,03 1,25

42 O-42 0,13 0,12 -0,03 0,03 1,25

43 O-43 0,13 0,12 -0,03 0,03 1,25

44 O-44 0,06 0,02 0,02 0 1,1

DAFTAR ISI (Lanjutan)

BAB HALAMAN

5.2.3. Penilaian Postur Kerja dengan Metode REBA ... V-22 5.2.4. Perhitungan Data Antropometri ... V-25 5.2.4.1. Perhitungan Rata-rata, Standar Deviasi, Nilai

Maksimum, dan Minimum ... V-27 5.2.4.1.1. Perhitungan rata-rata ... V-27

5.2.4.1.2. Perhitungan Standar Deviasi ... V-28

5.2.4.1.3. Perhitungan Nilai dan Maksimum

Minimum ... V-28 5.2.4.2. Uji Keseragaman Data Antropometri ... V-28 5.2.4.3. Uji Kecukupann Data ... V-37

5.2.4.4. Uji Kenormalan Data dengan Kolmogorov-

Smirnov ... V-39

5.2.4.5. Perhitungan Persentil ... V-40 5.2.5. Perancangan Fasilitas Kerja Usulan ... V-42

VI ANALISIS DAN EVALUASI ... VI-1

6.1. Analisis Keluhan Musculoskletal Disorders Berdasarkan SNQ . VI-1 6.2. Analisis Beban Kerja ... VI-1 6.2.1. Analisis Penilaian Secara Langsung ... VI-1 6.2.2. Analisis Penilaian Secara Tidak Langsung ... VI-2

6.3. Analisis Postur Kerja dengan REBA ... VI-2

DAFTAR ISI (Lanjutan)

BAB

HALAMAN

6.4. Analisis Fasilitas Kerja Aktual ... VI-4 6.5. Analisis Perancangan Fasilitas Kerja Usulan ... VI-5

VII KESIMPULAN DAN SARAN ... VII-1

7.1. Kesimpulan... VII-1 7.2. Saran ... VII-2

DAFTAR PUSTAKA LAMPIRAN

DAFTAR TABEL

TABEL HALAMAN

2.1. Jenis dan Harga dari Produk CV. Super Plates ... II-5 2.2. Jumlah Tenaga Kerja di CV. Super Plates ... II-6 3.1. Contoh Crossover 1-titik ... III-18 3.2. Contoh Crossover 2-titik ... III-18 3.3. Contoh Crossover Seragam ... III-19 3.4. Contoh Mutasi pada Pengkodean Biner ... III-20 3.5. Contoh Mutasi pada Pengkodean Permutasi ... III-20 3.6. Contoh Mutasi Pengkodean Nilai ... III-21 3.7. Penyesuaian Menurut Cara Shumard ... III-32 3.8. Penyesuaian Menurut Westinghouse ... III-33 5.1. Urutan Elemen Kerja Proses Pembuatan Baterai Aki ... V-2 5.2. Pengamatan Work Station Greed Casting Timah Hitam ... V-5 5.3. Pengamatan Work Station Greed Casting Timah Putih ... V-6 5.4. Pengamatan Pasting Process ... V-7 5.5. Pengamatan Cell Assambly ... V-7 5.6. Pengamatan Elektrolisis Process ... V-8 5.7. Pengamatan Assambly Process ... V-9 5.8. Data Pengukuran Waktu Proses Produksi Baterai Aki ... V-10

DAFTAR TABEL (Lanjutan)

TABEL HALAMAN

5.9. Pengkuran Waktu Uji Keseragaman Data untuk ...

Elemen Kerja 1 ... V-11 5.10. Uji Keseragaman Data Elemen Kerja ... V-13 5.11. Pengkuran Waktu Untuk Uji Kecukupan Data Elemen ...

Kerja 1 ... V-14 5.12. Uji Kecukupan Data Setiap Elemen Kerja ... V-15 5.13. Faktor Penyesuaian Elemen Kerja ... V-18 5.14. Perhitungan Allowance Setiap Elemen Kerja ... V-20 5.15. Rekapitulasi Perhitungan Waktu Baku ... V-22 5.16. Lintasan Produksi Aktual Perusahaan ... V-24 5.17. Bobot Elemen Operasi ... V-28 5.18. Rangking Bobot Elemen Operasi ... V-29 5.19. Penyusunan Stasiun Kerja Dengan Metode RPW ... V-31 5.20. Analogi Lintasan Produksi ke Dalam Algoritma Genetik ... V-33 5.21. Penugasan Elemen Kerja Kromosom 1 ... V-37 5.22. Penugasan Elemen Kerja Kromosom 2... V-38 5.23. Penugasan Elemen Kerja Kromosom 3... V-39 5.24. Penugasan Elemen Kerja Kromosom 4... V-40 5.25. Penugasan Elemen Kerja Kromosom 5... V-41

DAFTAR TABEL (Lanjutan)

TABEL HALAMAN

5.27. Fitness Value Kromosom 1 ... V-44 5.28. Fitness Value Kromosom 2 ... V-45 5.29. Fitness Value Kromosom 3 ... V-47 5.30. Fitness Value Kromosom 4 ... V-48 5.31. Fitness Value Kromosom 5 ... V-50 5.32. Fitness Value Kromosom 6 ... V-51 5.33. Fitness Value untuk Setiap Kromosom ... V-53 5.34. Fitness Relatif dan Fitness Kumulatif Generasi 1 ... V-54 5.35. Bilangan Random Untuk Seleksi Generasi 1 ... V-54 5.36. Kromosom Baru Hasil Seleksi Generasi 1 ... V-55 5.37. Bilangan Random Untuk Crossover Generasi 1 ... V-56 5.38. Hasil dari Offspiring Kromosom 1 ... V-60 5.39. Hasil dari Offspiring Kromosom 2 ... V-61 5.40. Hasil dari Offspiring Kromosom 3 ... V-63 5.41. Hasil dari Offspiring Kromosom 4 ... V-64 5.42. Hasil dari Offspiring Kromosom 5 ... V-66 5.43. Hasil dari Offspiring Kromosom 6 ... V-67 5.44. Bilangan Random Tiap Gen Pada Semua Kromosom ... V-71 5.45. Seleksi Kromosom yang Valid... V-74

DAFTAR TABEL (Lanjutan)

TABEL HALAMAN

5.47. Fitness Value untuk Setiap Kromosom Generasi 2 ... V-75 5.48. Fitness Relatif dan Fitness Kumulatif Generasi 2 ... V-76 5.49. Bilangan Random Untuk Seleksi Generasi 2 ... V-76 5.50. Kromosom Baru Hasil Seleksi Generasi 2 ... V-77 5.51. Bilangan Random Untuk Crossover Generasi 2 ... V-78 5.52. Hasil dari Offspiring Kromosom 1 Generasi 2 ... V-83 5.53. Hasil dari Offspiring Kromosom 3 Generasi 2 ... V-83 5.54. Hasil dari Offspiring Kromosom 2 Generasi 2 ... V-86 5.55. Hasil dari Offspiring Kromosom 4 Generasi 2 ... V-86 5.56. Hasil dari Offspiring Kromosom 5 Generasi 2 ... V-89 5.57. Hasil dari Offspiring Kromosom 6 Generasi 2 ... V-90 5.59. Seleksi Kromosom yang Valid Pada Generasi 2... V-96 5.60. Populasi Akhir Setelah Generasi ke-2... V-97 6.1. Perbandingan Penyeimbangan Lintasan Kondisi