Defenisi penjadwalan secara umum dapat diartikan sebagai pengalokasian sumber daya yang terbatas untuk mengerjakan sejumlah pekerjaan. Permasalahan
muncul apabila pada tahapan operasi tertentu beberapa atau seluruh pekerjaan itu membutuhkan stasiun kerja yang sama. Dengan dilakukannya pengurutan
pekerjaan ini unit-unit produksi resources dapat dimanfaatkan secara optimum. Pemanfaatan ini antara lain dilakukan dengan jalan meningkatkan utilitas unit-unit
produksi melalui usaha-usaha mereduksi waktu menganggur idle time dari unit- unit yang bersangkutan. Pemanfaatan lainnya dapat juga dilakukan dengan cara
meminimumkan inprocess inventory melalui reduksi terhadap waktu rata-rata pekerjaan yang menunggu antri dalam baris antrian pada unit-unit produksi.
Pengertian penjadwalan di atas tidak terbatas hanya untuk penjadwalan mesin saja sebagai faktor utama dalam penentuan penjadwalan tetapi meliputi unit-unit
produksi resources yang berkaitan langsung pada proses produksi.
3.4.1. Aturan Prioritas
Aturan prioritas priority rule adalah aturan dalam penjadwalan produksi untuk menentukan jobpekerjaan mana yang harus dikerjakan terlebih
dahulu. Aturan prioritas ini digunakan untuk membantu menyusun penjadwalan dalam usaha mencapai tujuan penjadwalan, yaitu meminimasi
keterlambatan, dan meningkatkan utilitas mesin. Beberapa aturan prioritas yang paling banyak digunakan antara lain sebagai berikut.
1. Acak random mengerjakan job secara urutan yang acak, job yang mana
saja dapat diproses terlebih dahulu.
Universitas Sumatera Utara
2. FCFS First Come First Served mengerjakan job sesuai dengan urutan
waktu kedatangannya, yang datang lebih awal akan diproses terlebih dahulu.
3. SPT Shortest Processing Time. Proses pengerjaan job dilakukan sesuai
dengan urutan waktu proses dari yang paling kecil. 4.
EDD Earliest Due Date. Urutan pengerjaan job dilakukan berdasarkan dari batas waktu penyelesaiannya yang lebih kecil.
5. LPT Longest Processing Time. Aturan ini bertolak belakang dengan SPT,
yaitu mengerjakan job berdasarkan urutan waktu proses dari yang paling besar atau yang paling lama.
6. CR Critical Ratio. Aturan ini mengurutkan job-job dengan menghitung
waktu sisa sampai dengan batas waktu kerjanya.
3.4.2. Algoritma Simulated Annealing
11
Simulated Annealing adalah suatu varian dari teknik Heuristic Search Hill Climbing di mana variasi ini adalah kebalikan dari Stepest Hill Climbing. Ide
dasar simulated annealing terbentuk dari pemrosesan logam. Annealing memanaskan kemudian mendinginkan dalam pemrosesan logam ini adalah suatu
proses bagaimana membuat bentuk cair berangsur-angsur menjadi bentuk yang lebih padat seiring dengan penurunan temperatur. Simulated Annealing biasanya
digunakan untuk penyelesaian masalah yang mana perubahan keadaan dari suatu
11
Ita Sulistyowati. Optimasi Alokasi Kanal Dinamis Menggunakan Simulated Annealing. ITS Surabaya : Jurusan Teknik Telekomunikasi. 2009.
Universitas Sumatera Utara
kondisi ke kondisi yang lainnya membutuhkan ruang yang sangat luas, misalkan perubahan gerakan dengan menggunakan permutasi.
12
Pada variasi ini state yang dipilih untuk diobservasi adalah state terendah terkecil nilai bobotnya atau dapat disebut sebagai lembah terendah. Varian ini disebut
sebagai Simulated Annealing karena oleh penemunya, Kirk Patrick 1983, dimaksudkan untuk mensimulasikan proses Annealing, yaitu suatu proses fisika di
mana suatu benda padat seperti logam akan meleleh dan kemudian secara bertahap akan mendingin sampai menjadi benda padat kembali. Menurut
Kirkpatrick ada empat hal utama yang perlu diperhatikan dalam penggunaan SA untuk memodelkan suatu permasalahan, yakni:
1. Representasi yang akurat dari konfigurasi dalam suatu permasalahan.
2. Proses modifikasi, langkah acak atau perubahan apa yang harus dilakukan
terhadap elemen-elemen konfigurasi untuk menghasilkan konfigurasi berikutnya.
3. Fungsi evaluasi atau fungsi objektif yang dapat menyatakan baik buruknya
suatu solusi terhadap permasalahan. 4.
Jadwal penurunan suhu dalam proses annealing dan berapa lama proses ini harus dilakukan.
Simulated Annealing merupakan salah satu metode pencarian acak yang sangat baik, mensimulasikan proses annealing yang diobservervasi secara alami
untuk mendapatkan konfigurasi optimal. Algoritma Simulated Annealing
12
Kusumadewi, Sri, Hari Purnomo. 2005. Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik. Hal 177
Universitas Sumatera Utara
berdasarkan pada algoritma metropolis yang digunakan untuk mendapatkan konfigurasi equilibrium dari koleksi atom pada temperatur yang diberikan.
Algoritmanya merupakan algoritma pencarian acak, tetapi tidak hanya menerima nilai obyektif yang selalu turun, melainkan terkadang menerima nilai obyektif
yang naik juga. Namun solusi terbaik yang pernah dicapai selalu dicatat.
13
Pada simulated annealing, ada 3 parameter yang sangat menentukan, yaitu tetangga,
gain dan temperatur. Tetangga akan sangat berperan dalam membentuk perubahan pada solusi sekarang. Pembangkitan bilangan random akan berimplikasi adanya
probabilitas. Kondisi terminasi pada algoritma SA dapat berupa dicapainya jumlah iterasi tertentu dimana tidak ada state baru yang diterima atau temperatur
mencapai nilai tertentu yang telah ditetapkan.
13
Ibid. Hal 177
Universitas Sumatera Utara
BAB IV METOLOGI PENELITIAN
4.1.Lokasi dan Waktu Penelitian
Penelitian dilakukan pada unit produksi PT Hadi Baru yang beralamat di Jalan Medan-Binjai Km 16,75. Penelitian ini dilakukan selama 3 bulan yaitu dari
bulan 6 September hingga 5 Desember 2012.
4.2.Jenis Penelitian
Jenis penelitian yang dilakukan adalah penelitian optimasi dan simulasi, karena
14
penelitian ini memberikan solusi optimal dan mensimulasikan terhadap variabel yang mempengaruhi permasalahan berdasarkan sistem parameter,
15
kejadian simulasi diskret dan kemudian mencari pemecahan terhadap masalah yang ditemukan.
4.2.1. Variabel Penelitian
Variabel penelitian yang digunakan dalam penelitian ini, yaitu : 1.
Variabel Dependen Variabel dependen adalah variabel penelitian yang nilainya ditentukan oleh
variabel lain bebas. Variabel yang termasuk dalam kategori ini adalah
14
Michael C. Fu, dkk. Integrating Optimatization and Simulation : Research And Pratice. Proceeding of the 2000 Winter Simulation Conference
15
Michael C. Fu. Optimization for Simulation : Theory vs. Pratice. INFORMS Journal on Computing 2002 vol 14, No.3, Summer 2002 pp. 192-215
Universitas Sumatera Utara
