Penjadwalan Produksi dengan Algoritma Genetik untuk Meminimisasi Makespan di PT. Sumatera Timberindo Industry
DAFTAR PUSTAKA
Bagchi, Tapan P. 1999. Multiobjective Scheduling by Genetic Algorithms. Kluwer Academic Publishers, New York.
Bames, Ralph M. 1980. Motion and Time Study and Work Measurement. New York: John Wiley & Sons Inc.
Darmawan, Irfan. 2011. Hibridisasi Genetic-Tabu Search Algorithm untuk Penjadwalan Job terhadap Beberapa Resource di Dalam Komputasi Grid. Universitas Siliwangi. Jawa Barat.
Ginting, Rosnani. 2009. Penjadwalan Mesin. GrahaIlmu, Yogyakarta.
Hakim N, Arman. 1999. Perencanaan dan Pengendalian Produksi. Guna Widya, Surabaya.
Kumar, Gaurav dan Shailja Singhal, 2013, Genetic Algortihm Optimization of Flow Shop Scheduling Problem with Sequence Dependent Setup Time and Lot Splitting, India.
Modrak, Vladimir, dkk. 2010. Flow Shop Scheduling Algorithm to Minimize Completion Time for n-Jobs m-Machine Problem. Technical University of Košice. Slovakia.
Pinedo, Michael L. 2011. Scheduling, Theory, Algorithms, and System. Edisi keempat. New York, USA.
Sinulingga, Sukaria. 2011. Metodologi Penelitian. USU Press, Medan.
Sutalaksana, Iftikar Z. 1979. Teknik Tata Cara Kerja. Bandung: Jurusan Teknik Industri Institut Teknologi Bandung.
(2)
DAFTAR PUSTAKA (LANJUTAN)
Werner, Frank. 2011. Genetic Algorithms for Shop Scheduling Problems: A Survey. Otto-von-Guericke-Universität. Germany.
(3)
BAB III
LANDASAN TEORI
3.1. Penjadwalan
Penjadwalan didefinisikan sebagai proses optimisasi dimana sumber daya yang terbatas dialokasikan diantara sekumpulan tugas dalam jangka waktu tertentu. (Bagchi, 1999). Penjadwalan juga diartikan sebagai proses pengambilan keputusan yang digunakan dalam industri manufaktur dan jasa yang berhubungan dengan alokasi sumber daya terhadap tugas dalam jangka waktu tertentu dan bertujuan untuk mengoptimisasikan satu atau beberapa tujuan (Pinedo, 2011). Berdasarkan kedua definisi tersebut, maka pengertian penjadwalan secara umum dapat diartikan sebagai pengalokasian sumber daya terbatas untuk mengerjakan suatu pekerjaan.
3.1.1. Terminologi Penjadwalan
Terminologi atau istilah-istilah yang ditemukan dalam penjadwalan dapat diuraikan sebagai berikut (Nasution, 1999):
1. Processing time (waktu proses), merupakan perkiraan waktu penyelesaian satu pekerjaan. Perkiraan ini juga meliputi perkiraan waktu setup mesin. Simbol untuk waktu proses pekerjaan i adalah Ti.
2. Due date (batas waktu), merupakan waktu maksimal yang dapat diterima untuk menyelesaiakan pekerjaan tersebut. Kelebihan waktu dari waktu yang
(4)
telah ditetapkan merupakan suatu keterlambatan. Batas waktu ini disimbolkan sebagai Di.
3. Lateness (keterlambatan), merupakan penyimpangan antara waktu penyelesaian pekerjaan dengan batas waktu yang ditentukan. Suatu pekerjaan mempunyai keterlambatan positif jika diselesaikan setelah batas waktu dan bernilai negative jika diselesaikan sebelum batas waktu. Simbol keterlambatan ini adalah Li.
4. Tardiness (ukuran keterlambatan), merupakan ukuran untuk keterlambatan positif. Jika suatu pekerjaan diselesaikan lebih cepat dari batas waktu yang ditetapkan, maka mempunyai nilai keterlambatan negative tetapi ukuran 5. Keterlambatan positif. Ukuran ini disimbolkan dengan Ti, dimana Ti adalah
maksimum dari (0, Li).
6. Slack (kelonggaran), merupakan ukuran yang digunakan untuk melihat selisih waktu antara waktu proses dengan batas waktu yang telah ditetapkan. Slack dinotasikan Sli, dan dihitung dengan persamaan Sli = di –ti.
7. Completion time (waktu penyelesaian), merupakan rentang waktu saat pekerjaan dimulai sampai dengan pekerjaan itu selesai. Waktu penyelesaian ini disimbolkan Ci.
8. Flow time (waktu alir), merupakan rentang waktu antara saat pekerjaan dapat dimulai (tersedia) dan saat pekerjaan selesai. Waktu alir sama dengan waktu proses ditambah dengan waktu tunggu sebelum pekerjaan diproses.
(5)
3.1.2. Jenis-jenis Model Penjadwalan
Model penjadwalan dapat diklasifikasikan berdasarkan lingkungan yang dihadapi oleh sistem produksi yang bersangkutan. Model penjadwalan dapat dikelompokkan berdasarkan kondisi-kondisi berikut (Baker, 1974):
1. Pola aliran proses.
a. Penjadwalan flowshop, dimana job-job yang akan diproses seluruhnya mengalir pada arah/jalur produk yang sama.
b. Penjadwalan jobshop, dimana tiap job memiliki aliran/routing yang berbeda.
2. Mesin yang digunakan dalam proses.
c. Penjadwalan mesin tunggal, merupakan salah satu model pengurutan job
dimana job yang hendak diurutkan sedang menunggu untuk diproses pada sebuah mesin tunggu.
d. Penjadwalan mesin jamak, dimana serangkaian job hendak diproses pada beberapa mesin baik seri, paralel maupun kombinasinya.
3. Pola kedatangan job.
a. Penjadwalan statis, dimana job yang hendak diurutkan datang dan tiba pada satu mesin pada saat yang bersamaan serta siap dikerjakan pada mesin yang menganggur.
b. Penjadwalan dinamis, dimana kedatangan job tidak menentu. 4. Karakteristik informasi.
a. Deterministik, dimana sifat informasi yang diterima relatif pasti. b. Stokastik, dimana sifat informasi yang diterima relatif tidak pasti.
(6)
3.1.3. Kriteria Penjadwalan
Berikut beberapa kriteria yang yang menjadi dasar dan tujuan dalam penjadwalan mesin:
1. Minimasi shop time: flow time, makespan
2. Maksimasi utilization (minimasi idle time)
3. Minimasi WIP (work in process): Minimasi flow time, minimasi earliness 4. Minimasi customer waiting time: number of tardy jobs, mean lateness,
maximum lateness, mean queue time
3.2. Algoritma Genetik
Algoritma genetik adalah algoritma pencarian heuristic yang didasarkan atas mekanisme evaluasi biologis (Kusumadewi, 2005). Keberagaman pada evaluasi biologis adalah variasi dari kromosom antar individu organisme. Individu yang lebih kuat (fit) akan memiliki tingkat survival dan tingkat reproduksi yang lebih tinggi jika dibandingkan dengan individu yang kurang fit. Pada kurun waktu tertentu (sering dikenal dengan istilah generasi), populasi secara keseluruhan akan lebih banyak memuat organisme yang fit.
Inti dari algoritma genetika adalah secara bertahap akan mencari solusi terbaik (survival of the fittest) dari begitu banyak solusi yang ada. Pertama-tama algoritma genetika bekerja dengan membuat beberapa solusi secara acak, tentu saja dari tahapan pertama ini solusinya kemungkinan masih buruk. Solusi tersebut akan mengalami proses evolusi secara terus menerus dan akan menghasilkan suatu solusi yang lebih baik. Setiap solusi yang terbentuk mewakili satu
(7)
BAB IV
METODOLOGI PENELITIAN
4.1. Lokasi Penelitian
Penelitian dilakukan di PT. Sumatera Timberindo Industry, Jl. Batang Kuis Km 2 Desa Buntu Bedimbar Tanjung Morawa, Kabupaten Deli Serdang, Sumatera Utara.
4.2. Jenis Penelitian
Berdasarkan metode yang digunakan, penelitian ini termasuk dalam penelitian tindakan (action research), sebab bertujuan untuk mendapatkan suatu model rancangan penjadwalan produksi yang efisien sehingga produktivitas dapat meningkat (Sinulingga, 2012).
4.4. Subjek dan Objek Penelitian
Subjek dari penelitian ini adalah operator yang bekerja di lantai produksi dengan kemampuan yang berbeda-beda dalam regu kerja tiap stasiun kerja. Objek penelitian yang diamati adalah waktu setiap proses pengerjaan daun pintu yang diproduksi.
4.4. Kerangka Konseptual
Kerangka konseptual merupakan suatu bentuk kerangka yang dapat digunakan sebagai pendekatan dalam memecahkan masalah. Biasanya kerangka
(8)
penelitian ini menggunakan pendekatan ilmiah dan memperlihatkan hubungan antar variabel dalam proses analisisnya.
Gambar kerangka konseptual dalam penelitian ini dapat dilihat pada Gambar 4.1.
Makespan Aktual
Makespan Algoritma Genetik Waktu Baku
Waktu Penyelesaian
Penjadwalan Usulan Waktu Setup
Jumlah Permintaan
Jumlah Mesin Rating Factor
Allowance Waktu Siklus
Gambar 4.1. Kerangka Konseptual
4.5. Identifikasi Variabel Penelitian
Penentuan variabel penelitian didasarkan atas studi pendahuluan terhadap objek studi dan studi kepustakaan yang berkaitan dengan permasalahan yang dihadapi. Variabel dalam penelitian dibedakan atas:
1. Variabel Bebas
Variabel bebas yakni variabel yang mempengaruhi variabel terikat, baik positif maupun negatif. Dalam penelitian ini yang menjadi variabel bebas adalah:
a. Waktu siklus, merupakan waktu yang diperlukan untuk menyelesaikan tiap elemen kerja yang diperoleh dari pengukuran waktu dengan metode jam henti.
(9)
b. Rating factor, menunjukkan besarnya faktor yang diperoleh dengan membandingkan kecepatan bekerja dari pada operator dengan normal menurut ukuran peneliti
c. Allowance, menunjukkan besarnya kelonggaran yang diberikan pada tenaga kerja berupa kebutuhan pribadi, menghilangkan rasa lelah dan hambatan yang tidak terhindarkan, dimana ukurannya dilihat dari satuan persen.
d. Waktu Setup, merupakan waktu yang digunakan untuk mempersiapkan mesin sebelum melakukan proses agar mesin siap berproses.
e. Jumlah Permintaan, menunjukkan banyaknya unit produk yang diminta oleh konsumen per periode dimana ukurannya dilihat dari satuan unit. f. Jumlah Mesin, menunjukkan jumlah mesin yang tersedia untuk
digunkaan dalam proses produksi pada setiap stasiun kerja. 2. Variabel Intervening
Variabel intervening adalah variabel yang secara teoritis mempengaruhi hubungan antara variabel independen dengan variabel dependen atau disebut juga variabel perantara. Variabel-variabel intervening yang digunakan pada penelitian ini antara lain:
a. Waktu baku, menunjukkan waktu yang dibutuhkan oleh seorang operator untuk menyelesaikan satu siklus kegiatan yang dilakukan menurut metode tertentu, pada kecepatan normal dengan mempertimbangkan faktor-faktor keletihan, kelonggaran untuk kepentingan pribadi. dimana ukurannya dilihat dari satuan waktu.
(10)
b. Waktu penyelesaian, menunjukkan banyaknya waktu yang dibutuhkan untuk menyelesaikan suatu pekerjaan sampai selesai yang hasilnya dipengaruhi oleh waktu standar, jumlah order, dan jumlah mesin, dimana ukurannya dilihat dari satuan waktu.
c. Makespan aktual, menunjukkan jumlah waktu yang dibutuhkan untuk menyelesaikan seluruh proses produksi dari awal hingga akhir pada penjadwalan produksi aktual.
d. Makespan Algoritma Genetik, menunjukkan jumlah waktu yang
dibutuhkan untuk menyelesaikan seluruh proses produksi dari awal hingga akhir pada penjadwalan produksi metode Algoritma Genetik.
3. Variable Terikat
Variabel terikat merupakan variabel yang dipengaruh dan menjadi perhatian utama penelitian. Variabel tersebut yaitu penjadwalan usulan, yang menunjukkan urutan job yang diproduksi dengan nilai makespan terendah.
4.6. Metode Pengumpulan Data 4.6.1. Data Primer
Data primer adalah data yang diperoleh dari pengamatan atau wawancara secara langsung di lapangan. Data primer yang akan dikumpulkan adalah:
1. Urutan proses produksi
2. Waktu proses pengerjaan produk 3. Rating factor operator tiap stasiun kerja. 4. Allowance operator tiap stasiun kerja
(11)
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1. Pengumpulan Data 5.1.1. Data Permintaan Produk
Data permintaan produk yang dikumpulkan pada penelitian ini diambil dari data permintaan produk daun pintu pada bulan Juli 2014. Data permintaan produk dapat dilihat pada Tabel 5.1.
Tabel 5.1. Data Permintaan Daun Pintu
Job Tipe Daun Pintu Jumlah
Order Kedatangan Pesanan
Pengiriman Pesanan
1 Elizabeth 310 02-Jul-14 4-Sep-14
2 Butter 230 04-Jul-14 18-Sep-14
3 Dior 250 07-Jul-14 1-Sep-14
4 Richmond 250 10-Jul-14 17-Sep-14
5 Richmond 270 11-Jul-14 16-Sep-14
6 Hamlet 260 14-Jul-14 25-Sep-14
Sumber: PT. Sumatera Timberindo Industry
5.1.2. Urutan Proses Produksi Daun Pintu
Proses produksi pembuatan produk daun pintu pada PT. Sumatera Timberindo Industry dimulai dari pengetaman hingga ke pengepakan. Urutan proses produksi daun pintu terbagi dalam Work Center antara lain:
1. Pengetaman kasar (WC I)
Pengetaman kasar dilakukan dengan menggunakan mesin planner untuk menghaluskan permukaan yang kasar dan kotor.
(12)
2. Pemotongan (WC II)
Pemotongan dilakukan terhadap balok kayu dengan menggunakan mesin
cross cut dengan dimensi ukur yang telah diberi toleransi +2-3 cm per komponen.
3. Moulding (WC III)
Proses moulding bertujuan untuk mencegah permukaan balok kayu yang tidak rata akibat pemotongan sebelumnya. Moulding dilakukan terhadap keempat sisi balok kayu dengan menggunakan mesin moulding.
4. Pemotongan bersih (WC IV)
Pemotongan bersih dimaksudkan agar kayu terpotong sesuai dengan ukuran yang disesuaikan dengan spesifikasi produksi. Pemotongan dilakukan dengan menggunakan mesin table saw.
5. Penghalusan (WC V)
Sebelum dihaluskan, komponen-komponen yang lebarnya kurang dari spesifikasi yang ditetapkan didempul terlebih dahulu. Penghalusan dilakukan dengan menggunakan mesin sanding.
6. Profiling (WC VI)
Profiling adalah pembuatan profil dari komponen-komponen daun pintu dengan menggunakan mesin shaper. Komponen-komponen tersebut kemudian dibor dengan menggunakan mesin bor one head bor, two heads bor, dan six heads bor. Pada stasiun ini juga dibuat dowell (pen) yang berfungsi sebagai penyatu komponen yang akan dirakit.
(13)
7. Perakitan (WC VII)
Perakitan dimulai dari penyatuan komponen-komponen secara manual setelah itu daun pintu yang dirakit di-press dengan menggunakan mesin
door press agar tiap komponen menyatu dengan rapat. 8. Finishing (WC VIII)
Finishing merupakan proses revisi dengan melakukan penyisipan, pembersihan/penghalusan secara manual dengan menggunakan kertas pasir dilanjutkan dengan pembersihan debu dengan menggunakan air gun. 9. Pengepakan (WC IX)
Pengepakan dimulai dengan pemberian label dan karton pengaman siku pada daun pintu kemudian pembungkusan dengan plastik (wrapping) lalu disatukan sebanyak 20 pintu dalam satu bundelan dengan menggunakan kawat baja.
5.1.3. Data Kapasitas Work Center
Data yang diambil berdasarkan jumlah mesin, jumlah operator dan waktu setup yang ada pada tiap stasiun kerja (Work Center) dalam proses produksi keseluruhan. Data jumlah kapasitas Work Center di lantai produksi dapat dilihat pada Tabel 5.2.
(14)
Tabel 5.2. Data Kapasitas Work Center
Work
Center Nama Mesin
Jumlah (Unit) Waktu Setup (Menit) Jumlah Operator (Orang)
I Mesin Planner 2 5 2
II Mesin Cross Cut 2 5 2
III Mesin Moulding 2 5 2
IV Mesin TableSaw 2 4 2
V Mesin Sanding 1 3 1
VI Mesin Shaper, One Head Bor,
Two Heads Bor, Six Heads Bor 3 6 3
VII Mesin Door Press 1 8 2
VIII Mesin Air Gun 2 2 2
IX Mesin Wrapping 1 2 1
Sumber: PT. Sumatera Timberindo Industry
5.1.4. Data Pengukuran Waktu Tiap Job
Pengukuran waktu setiap job dilakukan pada setiap Work Center dengan menggunakan metode jam henti. Pengukuran dilakukan di lantai produksi PT. Sumatera Timberindo Industry pada tanggal 14-19 Juli 2014 dan tanggal 4-8 Agustus 2014 dengan waktu pengamatan pada jam 08.00-12.00 WIB dan 14.00-16.00 WIB. Pengamatan dilakukan sebanyak 5 kali sesuai dengan prosedur The Maytag Company (Sritomo, 2000). Data waktu proses setiap job untuk tiap work center dapat dilihat pada Tabel 5.3 sampai Tabel 5.7.
Tabel 5.3. Waktu Proses Tipe Elizabeth No.
Pengukuran
Waktu Proses (Menit)
WC I WC II WC III WC IV WC V WC VI WC VII WC VIII WC IX
1 3,75 5,12 4,01 6,03 6,96 17,99 7,99 7,63 4,61
2 3,81 5,13 4,04 6,06 7,19 18,24 8,30 7,66 4,71
3 3,74 5,11 4,01 6,02 6,90 17,93 7,89 7,62 4,59
4 3,82 5,14 4,05 6,07 7,24 18,29 8,42 7,67 4,73
(15)
Tabel 5.4. Waktu Proses Tipe Butter No.
Pengukuran
Waktu Proses (Menit)
WC I WC II WC III WC IV WC V WC VI WC VII WC VIII WC IX 1 3,81 5,44 4,08 7,46 6,40 16,37 10,11 8,23 3,87 2 3,77 5,38 4,03 7,23 6,27 15,80 10,01 7,88 3,79
3 3,68 5,26 3,92 6,73 5,99 14,63 9,81 7,14 3,65
4 3,84 5,47 4,11 7,58 6,47 16,64 10,16 8,40 3,90 5 3,80 5,42 4,06 7,37 6,35 16,16 10,07 8,10 3,84
Tabel 5.5. Waktu Proses Tipe Dior No.
Pengukuran
Waktu Proses (Menit)
WC I WC II WC III WC IV WC V WC VI WC VII WC VIII WC IX
1 3,35 4,14 3,28 5,66 5,30 11,49 8,54 7,95 3,37
2 3,44 4,22 3,33 5,99 5,40 12,22 8,96 8,18 3,64
3 3,46 4,23 3,34 6,08 5,42 12,40 9,06 8,23 3,70
4 3,44 4,22 3,33 6,00 5,40 12,23 8,96 8,18 3,64
5 3,57 4,33 3,40 6,52 5,56 13,37 9,62 8,54 4,06
Tabel 5.6. Waktu Proses Tipe Richmond No.
Pengukuran
Waktu Proses (Menit)
WC I WC II WC III WC IV WC V WC VI WC VII WC VIII WC IX
1 3,51 4,65 3,28 7,10 6,14 17,61 9,56 8,07 3,97
2 3,49 4,64 3,27 7,01 6,08 17,49 9,43 7,96 3,94
3 3,50 4,64 3,27 7,05 6,11 17,55 9,50 8,01 3,96
4 3,35 4,55 3,19 6,35 5,63 16,53 8,44 7,12 3,65
5 3,38 4,57 3,21 6,49 5,72 16,73 8,64 7,29 3,71
Tabel 5.7. Waktu Proses Tipe Hamlet No.
Pengukuran
Waktu Proses (Menit)
WC I WC II WC III WC IV WC V WC VI WC VII WC VIII WC IX 1 4,89 6,35 4,93 7,49 7,43 20,69 9,51 10,14 5,69 2 4,97 6,42 5,02 7,52 7,69 21,06 9,64 10,56 5,78 3 4,93 6,38 4,97 7,50 7,54 20,85 9,00 10,33 5,73 4 5,07 6,49 5,13 7,55 8,02 21,52 10,06 11,09 5,90 5 4,98 6,42 5,02 7,52 7,71 21,09 9,73 10,60 5,79
(16)
5.1.5. Data Pengukuran Rating Factor
Pada penelitian ini, rating factor ditentukan berdasarkan metode
Westinghouse yang dipengaruhi oleh empat faktor yaitu keterampilan, kondisi kerja, usaha dan konsistensi. Aturan penyesuaian berdasarkan Westinghouse dapat dilihat pada Lampiran 2. Penilaian rating factor dilakukan oleh peneliti di lantai pabrik terhadap operator yang bekerja secara manual, dan bekerja dengan mesin.
Rating factor operator untuk tiap Work Center dapat dilihat pada Tabel 5.8. Tabel 5.8. Rating Factor Tiap Work Center
Work Center Operator Faktor Kelas Lambang Penyesuaian Total
I Pengetaman
Kasar
1
Keterampilan Good C1 0,06
0,09
Usaha Average D 0
Kondisi kerja Good C 0,02
Konsistensi Good C 0,01
2
Keterampilan Average D 0
0,04
Usaha Good C2 0,02
Kondisi kerja Good C 0,02
Konsistensi Average D 0
II Pemotongan
1
Keterampilan Good C1 0,06
0,14
Usaha Good C1 0,05
Kondisi kerja Average D 0
Konsistensi Excellent B 0,03
2
Keterampilan Good C2 0,03
0,05
Usaha Good C2 0,02
Kondisi kerja Average D 0
Konsistensi Average D 0
III
Moulding
1
Keterampilan Good C1 0,06
0,07
Usaha Average D 0
Kondisi kerja Average D 0
Konsistensi Good C 0,01
2
Keterampilan Good C2 0,03
0,09
Usaha Good C1 0,05
Kondisi kerja Average D 0
(17)
Tabel 5.8. Rating Factor … (Lanjutan)
Work Center Operator Faktor Kelas Lambang Penyesuaian Total
IV Pemotongan
Bersih
1
Keterampilan Average D 0
0,03
Usaha Average D 0
Kondisi kerja Good C 0,02
Konsistensi Good C 0,01
2
Keterampilan Average D 0
0,03
Usaha Average D 0
Kondisi kerja Good C 0,02
Konsistensi Good C 0,01
V Penghalusan
Keterampilan Good C1 0,06
0,11
Usaha Average D 0
Kondisi kerja Excellent B 0,04
Konsistensi Good C 0,01
VI Profiling
1
Keterampilan Average D 0
0,07
Usaha Good C1 0,05
Kondisi kerja Good C 0,02
Konsistensi Average D 0
2
Keterampilan Good C1 0,06
0,14
Usaha Good C1 0,05
Kondisi kerja Good C 0,02
Konsistensi Good C 0,01
3
Keterampilan Average D 0
0,03
Usaha Average D 0
Kondisi kerja Good C 0,02
Konsistensi Good C 0,01
VII Perakitan
1
Keterampilan Good C1 0,06
0,1
Usaha Good C2 0,02
Kondisi kerja Good C 0,02
Konsistensi Average D 0
2
Keterampilan Good C1 0,06
0,07
Usaha Average D 0
Kondisi kerja Average D 0
(18)
Tabel 5.8. Rating Factor … (Lanjutan)
Work Center Operator Faktor Kelas Lambang Penyesuaian Total
VIII
Finishing
1
Keterampilan Good C1 0,06
0,17
Usaha Excellent B2 0,08
Kondisi kerja Good C 0,02
Konsistensi Good C 0,01
2
Keterampilan Average D 0
0,01
Usaha Average D 0
Kondisi kerja Average D 0
Konsistensi Good C 0,01
IX
Pengepakan 1
Keterampilan Good C1 0,06
0,14
Usaha Good C1 0,05
Kondisi kerja Good C 0,02
Konsistensi Good C 0,01
5.1.6. Data Penetapan Allowance
Kelonggaran (allowance) diberikan untuk tiga hal yaitu untuk kebutuhan pribadi, menghilangkan rasa fatigue dan hambatan-hambatan yang tidak terhindarkan. Penentuan besarnya kelonggaran bedasarkan faktor-faktor yang berpengaruh dapat dilihat pada Lampiran 3. Operator yang diukur besar kelonggarannya adalah operator yang bekerja paling normal dengan nilai rating factor mendekati nilai normal (Sritomo, 2000). Besar allowance untuk operator dapat dilihat pada Tabel 5.9.
(19)
Tabel 5.9. Allowance Operator Tiap Work Center Stasiun
Kerja Operator Faktor Keterangan
Allowance (%) Total (%) I Pengeta man Kasar 2
Kebutuhan pribadi Pria 2
17 Tenaga yang dikeluarkan Sangat ringan 6
Sikap kerja Berdiri di atas dua kaki 1
Gerakan kerja Normal 0
Kelelahan mata Pandangan yang
terputus-putus 2
Keadaaan temperatur Normal 2
Keadaan atmosfer Cukup 0
Keadaan lingkungan Sangat bising 2
Hambatan yang tak terhindarkan 2
II Pemoton
gan
2
Kebutuhan pribadi Pria 2
18 Tenaga yang dikeluarkan Sangat ringan 6
Sikap kerja Berdiri di atas dua kaki 1
Gerakan kerja Normal 0
Kelelahan mata Pandangan yang
terputus-putus 2
Keadaaan temperatur Normal 2
Keadaan atmosfer Baik 0
Keadaan lingkungan Sangat bising 3
Hambatan yang tak terhindarkan 2
III Mouldin
g
1
Kebutuhan pribadi Pria 2
18 Tenaga yang dikeluarkan Sangat ringan 6
Sikap kerja Berdiri di atas dua kaki 1
Gerakan kerja Normal 0
Kelelahan mata Pandangan yang
terputus-putus 2
Keadaaan temperatur Normal 2
Keadaan atmosfer Baik 0
Keadaan lingkungan Sangat bising 3
(20)
Tabel 5.9. Allowance Operator …(Lanjutan) Stasiun
Kerja Operator Faktor Keterangan
Allowance (%) Total (%) IV Pemoton gan Bersih 1
Kebutuhan pribadi Pria 2
20
Tenaga yang dikeluarkan Ringan 8
Sikap kerja Berdiri di atas dua kaki 1
Gerakan kerja Normal 0
Kelelahan mata Pandangan yang
terputus-putus 3
Keadaaan temperatur Normal 2
Keadaan atmosfer Baik 0
Keadaan lingkungan Sangat bising 2
Hambatan yang tak terhindarkan 2
V Penghalu
san
1
Kebutuhan pribadi Pria 2
17 Tenaga yang dikeluarkan Sangat ringan 6
Sikap kerja Berdiri di atas dua kaki 1
Gerakan kerja Normal 0
Kelelahan mata Pandangan yang
terputus-putus 2
Keadaaan temperatur Normal 2
Keadaan atmosfer Baik 0
Keadaan lingkungan Sangat bising 2
Hambatan yang tak terhindarkan 2
VI
Profiling 3
Kebutuhan pribadi Pria 2
18 Tenaga yang dikeluarkan Sangat ringan 6
Sikap kerja Berdiri di atas dua kaki 1
Gerakan kerja Normal 0
Kelelahan mata Pandangan yang
terputus-putus 2
Keadaaan temperatur Normal 2
Keadaan atmosfer Baik 0
Keadaan lingkungan Sangat bising 3
(21)
BAB VI
ANALISIS PEMECAHAN MASALAH
6.1. Analisis Penjadwalan dengan Metode First Come First Served
Metode penjadawalan yang digunakan PT. Sumatera Timberindo Industry selama ini adalah metode First Come First Served (FCFS) dalam menjadwalkan setiap job yang datang. Berdasarkan data yang diperoleh selama bulan Juli 2014 urutan job yang dikerjakan berdasarkan job yang pertama sekali datang adalah ABCDEF yakni tipe daun pintu Elizabeth, Butter, Dior, Richmond, Richmond, dan Hamlet dengan makespan sebesar 503,1314 jam dengan nilai fitness
0,001988.
6.2. Analisis Penjadwalan dengan Algoritma Genetik
Hasil perhitungan dengan Algoritma Genetik diperoleh urutan job terbaik adalah CEAFDB yakni tipe daun pintu Dior, Richmond, Elizabeth, Hamlet, Richmond, dan Butter yang menghasilkan makespan 436,0682 jam yaitu urutan dengan nilai fitness 0,002293. Urutan job CEAFDB muncul dalam tiap generasi. Dapat dilihat bahwa nilai makespan yang dihasilkan dari Algoritma Genetik lebih kecil dari pada nilai makespan aktual dengan aturan FCFS.
Perbandingan hasil penajdwalan akual dan Algoritma Genetik dapat dilihat pada Tabel 6.1.
(22)
Tabel 6.1. Perbandingan Penjadwalan Aktual dan Penjadwalan Algoritma Genetik
Metode Urutan Job Nilai Makespan Nilai Fitness
FCFS ABCDEF 503,1314 0,001988
Algoritma Genetik CEAFDB 436,0682 0,002293
6.3. Analisis Paramater Performansi Penjadwalan 6.3.1. Analisis Performansi dengan Efficiency Index (EI)
Untuk membandingkan antara metode yang diuji dengan metode yang digunakan oleh perusahaan maka dibandingkan berdasarkan parameter Efficiency Index (EI).
Efficiency Index (EI) dirumuskan sebagai :
Efficiency Index EI > 1, artinya penjadwalan dengan Algoritma Gentik memberi
performance yang lebih baik dibanding dengan metode FCFS yang digunakan perusahaan.
6.3.2. Analisis Performansi dengan Relative Error
Relative Error (RE) digunakan untuk mengetahui seberapa jauh perbedaan
(23)
BAB VII
KESIMPULAN DAN SARAN
7.1. Kesimpulan
Berdasarkan penelitian yang dilakukan di PT. Sumatera Timberindo Industry dapat ditarik beberapa kesimpulan sebagai berikut:
1. Jadwal yang diperoleh dengan menggunakan Metode Algoritma Algoritma Genetikadalah CEAFDB yakni tipe daun pintu Dior, Richmond, Elizabeth, Hamlet, Richmond, dan Butter.
2. Metode penjadwalan produksi yang memberikan hasil yang optimum adalah Algoritma Algoritma Genetik dengan total makespan 436,0682 jam, sedangkan makespan yang didapat dari metode penjadwalan aktual (First Come First Serve) adalah 503,1314 jam.
3. Nilai Efficiency Index (EI) sebesar 1,1538menunjukkan bahwa penjadwalan dengan Algoritma Algoritma Genetik memiliki performance yang baik dibanding dengan metode First Come First Serve .
4. Nilai Relative Error (RE) menunjukkan bahwa penghematan makespan
yang diperoleh antara Algoritma Algoritma Genetik dengan metode First Come First Serve adalah 15,38 %.
5. Urutan job FCFS memberikan 3 keterlambatan, sedangkan dengan urutan
(24)
7.2. Saran
Saran yang dapat diberikan dari penelitian ini adalah sebagai berikut: 1. Perusahaan perlu menerapkan suatu sistem database terintegrasi untuk
memudahkan informasi ketersediaan material bahan baku, operator, pengoperasian mesin, dan permintaan produksi pada saat kegiatan produksi sehingga mempermudah untuk melakukan penjadwalan produksi.
2. Perusahaan sebaiknya lebih memperhatikan masalah penjadwalan produksi dengan menggunakan tenaga ahli untuk dapat menerapkan dan mengembangkan metode penjadwalan yang sesuai dengan karakteristik produksi yang sedang terjadi sehingga dapat memberikan hasil yang lebih efektif.
3. Penelitian sebaiknya dapat dikembangkan menjadi software penjadwalan produksi untuk mempermudah penerapan pada perusahaan.
(25)
BAB II
GAMBARAN UMUM PERUSAHAAN
2.1. Sejarah Singkat Perusahaan
PT. Sumatera Timberindo Industry didirikan pada tanggal 31 Agustus 2000. Perusahaan ini merupakan rebranding dari PT. Wira Lanao Ltd. yang berdiri pada tahun 1970. PT. Sumatera Timberindo Industry berlokasi di Jl. Batang Kuis Km 2 Desa Buntu Bedimbar, Tanjung Morawa, Kabupaten Deli Serdang, Sumatera Utara. PT. Sumatera Timberindo Industry bergerak di bidang manufaktur kayu olahan yang memproduksi daun pintu.
2.2. Ruang Lingkup Bidang Usaha
PT. Sumatera Timberindo Industry merupakan perusahaan manufaktur kayu olahan yang usahanya berfokus pada pembuatan daun pintu. PT. Sumatera Timberindo Industry melihat adanya peluang usaha yang besar dalam bidang usaha produksi daun pintu serta dapat meningkatkan dan membuka kesempatan kerja bagai masyarakat sehingga dapat mengurangai tingkat pengangguran yang ada. Daun pintu yang diproduksi terdiri dari solid door dan engineered door, dengan model dan jumlah unit sesuai dengan permintaan yang diterima (make to order). Secara umum model produk daun pintu yang diproduksi PT. Sumatera Timberindo Industry antara lain model Butter, Dior, Richmond, Elizabeth, Hamlet, Carolina, Oxford, Nogales, Olivia, Napoleon 6P, Carolina 4P, Dakota, Palma, Felicia, Acacia, Carrera, dsb. Dengan adanya departemen R&D di PT. Sumatera Timberindo Industry, memungkinkan perusahaan untuk berinovasi
(26)
secara berkelanjutan sehingga dapat memunculkan lebih banyak variasi model daun pintu yang diproduksi oleh PT. Sumatera Timberindo Industry.
2.3. Daerah Pemasaran
Produk daun pintu yang diproduksi PT. Sumatera Timberindo Industry dipasarkan baik di dalam maupaun di luar negeri. Negara tujuan ekspor PT. Sumatera Timberindo Industry antara lain Malaysia, Singapura, Korea, India, Australia, dan negara-negara di benua Eropa seperti Inggris, Irlandia, Belanda, dan Belgia serta beberapa negara di Afrika. Untuk dalam negeri, daun pintu PT. Sumatera Timberindo Industry dipasarkan ke Sumatera Utara, Riau, Aceh, Sumatera Selatan, Pulau Jawa, dan Kalimantan.
2.4. Organisasi dan Manajemen 2.4.1. Struktur Organisasi Perusahaan
Dalam menciptakan sistem kerja yang terkoordinasi dengan baik sehingga jelas arah dan tujuannnya, maka suatu perusahaan harus memiliki struktur organisasi yang jelas. Hal ini bermanfaat untuk memanajemen semua fungsi dalam perusahaan sehingga setiap personel dapat mengetahui tugas dan tanggung jawabnya. Struktur ini dapat menentukan kelancaran aktivitas perusahaan sehari-hari dalam mencapai keuntungan yang maksimal, dapat berproduksi secara kontinu dan berkembang pesat.
PT. Sumatera Timberindo Industry menggunakan struktur organisasi lini fungsional. Struktur organisasi yang berbentuk lini dapat dilihat pada pembagian
(27)
tugas, wewenang dan tanggung jawab dari pimpinan tertinggi kepada unit-unit organisasi yang berada di bawahnya secara langsung vertikal ke bawah. Sedangkan untuk yang berbentuk fungsional terjadi pada hubungan antara kepala bagian, dimana kepala bagian yang satu tidak berhak memerintah kepala bagian yang lainnya tetapi dalam melakukan pekerjaannya saling terhubung, artinya bahwa pekerjaan yang satu akan mempengaruhi pekerjaan yang lain. Struktur organisasi dari PT. Sumatera Timberindo Industry dapat dilihat pada Gambar 2.1.
2.4.2. Uraian Tugas dan Tanggung Jawab
Dalam menjalankan suatu organisasi diperlukan personil-personil yang menduduki jabatan tertentu di dalam organisasi tersebut dengan tugas dan tanggung jawab sesuai dengan jabatannya. Uraian tugas dan tanggung jawab perusahaan dapat dilihat pada Lampiran 1.
2.4.3. Jumlah Tenaga Kerja & Jam Kerja 2.4.3.1.Jumlah Tenaga Kerja
Sumber daya manusia yang dimiliki oleh PT. Sumatera Timberindo Industry dalam menjalankan kegiatan perusahaan terdiri atas tenaga kerja langsung dan tenaga kerja tidak langsung yang merupakan tenaga kerja tetap, dan karyawan kontrak.
Tenaga kerja langsung meliputi semua tenaga kerja yang berhubungan dengan proses produksi perusahaan, sedangkan tenaga kerja tidak langsung tidak berhubungan langsung dengan proses produksi perusahaan. Sementara karyawan
(28)
kontrak adalah tenaga kerja yang digunakan sesuai dengan kontrak yang telah disepakati, karyawan kontrak tidak lagi bekerja apabila kontraknya habis kecuali menyepakati kontrak baru dengan perusahaan. Jumlah tenaga kerja tetap yang dimiliki oleh PT. Sumatera Timberindo Industry mencapai 43 orang dan karyawan kontrak mencapai 537 orang.
2.4.3.2.Jam Kerja
Jam tenaga kerja yang ditetapkan oleh PT. Sumatera Timberindo Industry dapat dilihat pada Tabel 2.1.
Tabel 2.1. Jam Kerja Perusahaan Hari Jam Kerja Keterangan
Senin - Sabtu
07.00 - 12.00 WIB Bekerja 12.00 - 13.00 WIB Istirahat 13.00 - 16.00 WIB Bekerja
2.4.4. Sistem Pengupahan & Fasilitas Lainnya
Sistem pengupahan pada PT. Sumatera Timberindo Industry dilakukan secara bulanan.
Adapun jenis upah yang diberikan adalah sebagai berikut: 1. Upah bulanan
Diberikan kepada tenaga kerja pada hari kelima setiap bulan sesuai dengan jabatan dan jenis pekerjaannya masing-masing.
(29)
BAB I
PENDAHULUAN
1.1. Latar Belakang Masalah
Penjadwalan produksi dapat didefinisikan sebagai proses pengalokasian sumber daya yang ada untuk menyelesaikan suatu pekerjaan dalam jangka waktu tertentu dengan mempertimbangkan batasan-batasan yang ada. Penjadwalan pekerjaan sangat perlu dilakukan oleh perusahaan karena mempengaruhi ketepatan waktu perusahaan dalam memenuhi pesanan dari konsumen.
PT. Sumatera Timberindo Industry merupakan perusahan produsen daun pintu yang menggunakan aliran produksi flow shop, dimana dalam memproduksi tiap unit daun pintu, dilalui sembilan stasiun kerja berdasarkan urutan proses produksi. Tipe dan jumlah unit produk daun pintu yang diproduksi disesuaikan dengan permintaan yang diterima atau bersifat make to order. PT. Sumatera Timberindo Industry saat ini menggunakan aturan First Come First Served (FCFS) dalam penjadwalan produksinya. Dengan aturan FCFS, pesanan yang tiba lebih dulu akan menjadi prioritas produksinya dengan tidak mempersoalkan lamanya waktu proses. Apabila ada pesanan yang datang bersamaan maka pesanan-pesanan tersebut akan dikerjakan melalui antrian.
Dengan model penjadwalan seperti itu sering tidak menguntungkan bagi pesanan yang membutuhkan waktu proses yang pendek karena apabila pesanan tersebut berada dibelakang antrian akan mengakibatkan waktu menganggur yang lama sebelum diproses di lantai pabrik. Oleh karena itu, PT Sumatera Timberindo
(30)
Industry sering mengalami kesulitan untuk memenuhi permintaan konsumen secara tepat waktu, sehingga perusahaan maupun konsumen mengalami kerugian. Keterlambatan penyampaian pesanan yang dialami oleh PT Sumatera Timberindo Industry dapat dilihat pada Tabel 1.1.
Tabel 1.1. Data Jumlah Pesanan yang Terlambat
Periode Jumlah Order per Bulan Total Produksi (Unit) Pesanan Terpenuhi Pesanan Terlambat
Januari 5 1560 4 1
Februari 5 1440 4 1
Maret 8 1460 7 1
April 6 1540 6 0
Mei 7 1480 7 0
Juni 5 1440 2 3
Juli 7 1540 7 0
Agustus 6 1580 5 1
September 7 1510 6 1
Oktober 6 1520 4 2
November 5 1510 5 0
Desember 7 1500 4 3
Total 74 18080 60 14
Sumber: PT. Sumatera Timberindo Industry
Dari Tabel 1.1. terlihat bahwa tingkat keterlambatan penyampaian pesanan yang dialami PT. Sumatera Timberindo Industry relatif tinggi. Permasalahan ini disebabkan sumber daya produksi, waktu proses, waktu mulai, dan waktu selesai belum dialokasikan secara optimal untuk mencapai capacity utilization rate yang sesuai dengan kondisi produksi yang sedang terjadi sehingga mengakibatkan terdapatnya beberapa jadwal yang tidak tepat yang berujung pada besarnya
makespan di lantai produksi, serta besarnya work in process di beberapa stasiun kerja. Makespan yang ada tidak dapat memenuhi batas waktu pekerjaan selesai
(31)
(duedate) sehingga berujung pada keterlambatan penyampaian pesanan ke konsumen. Apabila keterlambatan ini terjadi terus-menerus maka akan berdampak buruk bagi citra perusahaan yang dapat merugikan perusahaan dan konsumen. Oleh karena itu, diperlukan perbaikan terhadap metode penjadwalan FCFS yang digunakan agar dapat mengurangi makespan produksi.
Jenis produksi make to order memunculkan problema stokastik pada perusahaan, dimana informasi produksi seperti jumlah pesanan, waktu pesanan, dan ketersediaan bahan baku bersifat tidak pasti. Dalam tipe produksi flow shop
dimana setiap pekerjaan memiliki waktu proses yang berbeda berdasarkan variasi daun pintu yang diproses menyebabkan pola kedatangan job yang dinamis, dimana pekerjaan tidak datang secara bersamaan ke mesin yang juga telah siap bekerja, melainkan kedatangan pekerjaannya tidak menentu, dijumpai adanya variabel waktu.
Masalah penjadwalan flow shop dengan problema stokastik, dengan mesin majemuk, serta pola kedatangan job yang dinamis seperti yang dialami oleh PT Sumatera Timberindo Industry membutuhkan algoritma penjadwalan metaheuristik yang bertujuan untuk meminumkan waktu penyelesaian job
(makespan). Dalam penelitiaan ini diusulkan sebuah metode heuristik yaitu Algoritma Genetik untuk menyelesaikan masalah penjadwalan di PT Sumatera Timberindo Industry.
Dalam perkembangannya, Algoritma Genetik telah digunakan dalam membandingkan metode optimisasi usulan terhadap metode-metode optimisasi heuristik seperti CDS Heuristics, Algoritma Genetik, dan Slope Index dalam
(32)
melakukan penjadwalan produksi flowshop untuk meminimisasi waktu pada kasus job m-mesin (Modrak et al., 2010). Penelitian dilakukan terhadap kombinasi n-job dan m-mesin yang beragam dengan aliran produksi flowshop. Hasil dari penelitian menunjukkan bahwa pendekatan yang diajukan memberikan hasil yang serupa dengan Algoritma Genetik, yang memberikan performa terbaik dalam kriteria makespan.
Algoritma Genetik dalam juga diterapkan dalam penjadwalan produksi
flowshop dengan waktu setup yang bergantung pada urutan job dan terjadi pemisahan lot (Kumar et al., 2013). Tujuan dari penelitian ini adalah menemukan urutan penjadwalan yang optimal dari m-mesin terhadap n-job untuk masalah flow shop dengan waktu setup berdasarkan uturan dan pemisahan lot menggunakan Algoritma Genetik. Penelitian dilakukan terhadap dua studi kasus yaitu terhadap kasus flow shop konvensional dimana setiap job memerlukan setiap mesin dalam suatu work center, dan kasus flow shop general dimana setiap job tidak memerlukan setiap mesin dalam suatu work center. Dari analisis studi kasus, disimpulkan bahwa untuk flow shop konvensional, tidak terdapat pengaruh dari peluang persilangan dan peluang mutasi pada makespan optimal dan makespan
optimal dapat diperoleh lewat beragam urutan job dan pada kedua jenis flow shop, pemisahan lot membantu penjadwal untuk mengurangi makespan.
(33)
ABSTRAK
PT. Sumatera Timberindo Industry bergerak di bidang manufaktur kayu olahan yang berfokus pada pembuatan daun pintu. Perusahaan berproduksi secara
flow shop berdasarkan pesanan yang masuk (make to-order). PT. Sumatera Timberindo Industry mengalami keterlambatan dalam penyampaian pesanan kepada konsumen. Penjadwalan produksi selama ini menggunakan aturan First Come First Served (FCFS). Penjadwalan dengan pendekatan Algoritma Genetik diajukan dalam penelitian ini untuk memperoleh urutan penjadwalan produksi lebih optimal dengan kriteria minimisasi makespan. Urutan job dengan aturan FCFS adalah ABCDEF yakni tipe daun pintu Elizabeth, Butter, Dior, Richmond, Richmond, dan Hamlet yang menghasilkan makespan sebesar 503,1314 jam dengan nilai fitness 0,001988 dengan 3 keterlambatan. Dengan Algoritma Genetik, urutan job terbaik yang diperoleh CEAFDB yakni tipe daun pintu Dior, Richmond, Elizabeth, Hamlet, Richmond, dan Butter. Makespan yang dihasilkan dengan Algoritma Genetik lebih kecil dari makespan FCFS yaitu 436,0682 jam dengan nilai fitness 0,002293 dengan 1 keterlambatan. Penjadwalan dengan Algoritma Genetik memberi performansi yang lebih baik dibanding dengan metode FCFS dengan Efficiency Index paling besar yaitu 1,1538. Penghematan
makespan yang diperoleh adalah sebesar 67,06 jam atau 15,38%.
Kata Kunci: Algoritma Genetik, Penjadwalan, First Come First Serve, Makespan, Lateness.
(34)
PENJADWALAN PRODUKSI DENGAN ALGORITMA
GENETIK UNTUK MEMINIMISASI MAKESPAN
DI PT. SUMATERA TIMBERINDO INDUSTRY
TUGAS SARJANA
Diajukan untuk Memenuhi Sebagian dari Syarat-syarat Memperoleh Gelar Sarjana Teknik
Oleh
RECKY YOHANY PANTRA SIMAMORA
0 9 0 4 0 3 0 2 5
D E P A R T E M E N T E K N I K I N D U S T R I
F A K U L T A S T E K N I K
UNIVERSITAS SUMATERA UTARA
MEDAN
(35)
(36)
(37)
(38)
(39)
(40)
KATA PENGANTAR
Puji dan syukur penulis ucapkan kehadirat Tuhan Yang Maha Esa atas segala kasih karunia serta kemurahan-Nya sehingga penulis dapat menyelesaikan Laporan Tugas Sarjana ini.
Tugas sarjana ini merupakan salah satu syarat untuk mendapatkan gelar sarjana teknik di Departemen Teknik Industri. Adapun judul untuk tugas sarjana ini adalah “Penjadwalan Produksi dengan Algoritma Genetik untuk Meminimisasi
Makespan di PT. Sumatera Timberindo Industry”.
Penulis menyadari masih banyak kekurangan dalam penulisan tugas sarjana ini. Oleh karena itu, penulis sangat mengharapkan saran dan masukan yang sifatnya membangun demi kesempurnaan laporan tugas sarjana ini. Semoga tugas sarjana ini dapat bermanfaat bagi penulis sendiri, perpustakaan Universitas Sumatera Utara, dan pembaca lainnya.
UNIVERSITAS SUMATERA UTARA, MEDAN PENULIS
(41)
UCAPAN TERIMA KASIH
Syukur dan terima kasih saya ucapkan yang sebesar-besarnya kepada Tuahn Yang Maha Esa yang telah memberikan kesempatan kepada saya untuk merasakan dan mengikuti pendidikan di Departemen Teknik Industri Universitas Sumatera Utara serta telah membimbing saya selama masa kuliah dan penulisan laporan tugas sarjana ini.
Dalam penulisan tugas sarjana ini saya telah mendapatkan bimbingan dan bantuan dari berbagai pihak, baik berupa materil, spiritual, informasi maupun administrasi. Oleh karena itu sudah selayaknya saya mengucapkan terima kasih kepada:
1. Ibu Ir. Khawarita Siregar, MT,, selaku Ketua Departemen Teknik Industri Universitas Sumatera Utara, yang telah memberi izin pelaksanaan Tugas Sarjana ini.
2. Bapak Ir. Ukurta Tarigan, MT, selaku Sekretaris Departemen Teknik Industri Universitas Sumatera Utara yang telah memberi izin pelaksanaan tugas sarjana ini.
3. Bapak Dr. Ir. Nazaruddin MT, selaku Dosen Pembimbing I yang telah menyediakan waktu untuk membimbing, mengarahkan, serta memberikan masukan kepada saya dalam penyelesaian Tugas Sarjana ini.
4. Bapak Erwin Sitorus, ST, MT, selaku Dosen Pembimbing II yang juga telah menyediakan waktu untuk membimbing serta memberikan masukan kepada saya dalam penyelesaian Tugas Sarjana ini.
(42)
5. Bapak Prof. Dr. Ir. Sukaria Sinulingga, M.Eng selaku Ketua Bidang Rekayasa Manufaktur atas waktu, bimbingan, dan masukan yang diberikan kepada saya dalam penyelesaian tugas sarjana ini.
6. Ibu Ir. Rosnani Ginting, MT selaku selaku Koordinator Tugas Akhir yang telah menyediakan waktu untuk membimbing, mengarahkan serta memberikan masukan dalam proses penyelesaian tugas sarjana ini.
7. Seluruh Dosen Departemen Teknik Industri USU, yang telah memberikan ilmu kepada saya selama proses perkuliahan.
8. Papa dan Mama tercinta P. Simamora dan M. Napitupulu yang tiada hentinya mendukung saya baik secara moril maupun materil sehingga laporan ini dapat diselesaikan. Saya menyadari tidak dapat membalas segala kebaikan dan kasih sayang dari keduanya. oleh karena itu izinkanlah saya memberikan karya ini sebagai ungkapan rasa terima kasih kepada Papa dan Mama tercinta.
9. Kakakku tercinta Konita Lady yang selalu membantu dan mendukung dan memaksa saya untuk secepatnya menyelesaikan laporan ini.
10. Bapak Johannes Sembiring selaku pimpinan pabrik PT Sumatera Timberindo Industry yang telah mengizinkan serta membantu saya melakukan penelitian dan banyak membantu saya dalam pengumpulan data. 11. Bapak Hendrawan selaku pembimbing lapangan di PT Sumatera
Timberindo Industry yang telah membantu dan membimbing saya dalam penelitian dan pengumpulan data di lantai produksi.
(43)
12. Teman-teman seperjuangan, Perlin, Ezri, Bermart, Oloan, Kak Yusnia, Yon, Wesly, Teguh, Mandala, Ridho, Rozi, Yoan, Lusi, Raysha, Regina, Hasianna, Christy dan seluruh teman-teman IE-KLAN yang tidak dapat disebutkan satu-persatu, atas dukungan dan kerjasama yang baik atas bantuan dan masukan serta motivasi yang diberikan kepada saya.
13. Teman-teman satu kontrakan Founder, Aseng, Maruli, Irwan, Julius, Ucok, Daniel, Jhon, dan Nimrod yang banyak meluangkan waktu bersama saya dalam melepas jenuh selama mengerjakan tugas sarjana ini.
14. Staf pegawai Teknik Industri, Bang Nurmansyah, Bang Mijo, Bang Ridho, Kak Dina, Kak Rahma dan Kak Ani, terima kasih atas bantuannya dalam masalah administrasi untuk melaksanakan tugas sarjana ini.
15. Dan seluruh pihak yang telah membantu saya yang tidak mungkin disebutkan satu per satu yang telah memberikan dukungan, bantuan, dan inspirasi yang sangat berharga.
(44)
ABSTRAK
PT. Sumatera Timberindo Industry bergerak di bidang manufaktur kayu olahan yang berfokus pada pembuatan daun pintu. Perusahaan berproduksi secara
flow shop berdasarkan pesanan yang masuk (make to-order). PT. Sumatera Timberindo Industry mengalami keterlambatan dalam penyampaian pesanan kepada konsumen. Penjadwalan produksi selama ini menggunakan aturan First Come First Served (FCFS). Penjadwalan dengan pendekatan Algoritma Genetik diajukan dalam penelitian ini untuk memperoleh urutan penjadwalan produksi lebih optimal dengan kriteria minimisasi makespan. Urutan job dengan aturan FCFS adalah ABCDEF yakni tipe daun pintu Elizabeth, Butter, Dior, Richmond, Richmond, dan Hamlet yang menghasilkan makespan sebesar 503,1314 jam dengan nilai fitness 0,001988 dengan 3 keterlambatan. Dengan Algoritma Genetik, urutan job terbaik yang diperoleh CEAFDB yakni tipe daun pintu Dior, Richmond, Elizabeth, Hamlet, Richmond, dan Butter. Makespan yang dihasilkan dengan Algoritma Genetik lebih kecil dari makespan FCFS yaitu 436,0682 jam dengan nilai fitness 0,002293 dengan 1 keterlambatan. Penjadwalan dengan Algoritma Genetik memberi performansi yang lebih baik dibanding dengan metode FCFS dengan Efficiency Index paling besar yaitu 1,1538. Penghematan
makespan yang diperoleh adalah sebesar 67,06 jam atau 15,38%.
Kata Kunci: Algoritma Genetik, Penjadwalan, First Come First Serve, Makespan, Lateness.
(45)
DAFTAR ISI
BAB HALAMAN
LEMBAR JUDUL ... i
LEMBAR PENGESAHAN ... ii
SERTIFIKAT EVALUASI DRAFT TUGAS SARJANA ... iii
KATA PENGANTAR ... iv
DAFTAR ISI ... viii
DAFTAR TABEL ... xiv
DAFTAR GAMBAR ... xviii
DAFTAR LAMPIRAN ... xix
ABSTRAK ... xx
I PENDAHULUAN ... I-1 1.1. Latar Belakang Masalah ... I-1 1.2. Perumusan Masalah... I-4 1.3. Tujuan Penelitian... I-5 1.4. Batasan Masalah dan Asumsi ... I-5 1.5. Manfaat Penelitian... I-6
II GAMBARAN UMUM PERUSAHAAN ... II-1 2.1. Sejarah Singkat Perusahaan ... II-1 2.2. Ruang Lingkup Bidang Usaha ... II-1
(46)
DAFTAR ISI (Lanjutan)
BAB HALAMAN
2.3. Daerah Pemasaran ... II-2 2.4. Organisasi dan Manajemen ... II-2 2.4.1. Struktur Organisasi Perusahaan ... II-2 2.4.2. Uraian Tugas dan Tanggung Jawab ... II-3 2.4.3. Jumlah Tenaga Kerja dan Jam Kerja ... II-3 2.4.3.1. Jumlah Tenaga Kerja ... II-3 2.4.3.2. Jam Kerja ... II-5 2.4.4. Sistem Pengupahan dan Fasilitas Lainnya ... II-5 2.5. Proses Produksi ... II-6 2.5.1. Bahan yang Digunakan ... II-6 2.5.2. Uraian Proses ... II-7
III LANDASAN TEORI ... III-1 3.1. Penjadwalan ... III-1 3.1.1. Terminologi Penjadwalan ... III-1 3.1.2. Jenis-jenis Model Penjadwalan ... III-3 3.1.3. Kriteria Penjadwalan ... III-4 3.2. Algoritma Genetik ... III-4 3.2.1. Aplikasi Algoritma Genetik dalam Penjadwalan ... III-5 3.2.2. Penetapan Fungsi Tujuan Sebagai Proses Seleksi ... III-6
(47)
DAFTAR ISI (Lanjutan)
BAB HALAMAN
3.2.3. Probabilitas Kemunculan Individu ... III-7 3.2.4. Langkah-langkah Algoritma Genetik ... III-8 3.2.5. Parameter Performansi Penjadwalan ... III-12 3.3. Pengukuran Waktu... III-13 3.3.1. Teknik-teknik Pengukuran Waktu ... III-15 3.3.2. Metode Pengukuran Waktu Jam Henti ... III-16 3.3.3. Langkah-langkah Sebelum Melakukan Pengukuran
Waktu ... III-17 3.3.4. Pengukuran Waktu Kerja ... III-19 3.3.5. Faktor Penyesuaian dan Kelonggaran ... III-24 3.4. Penelitian Terdahulu ... III-25
3.4.1. Algoritma Penjadawalan Flow shop untuk
Meminimisasi Waktu dalam Masalah n-Job m-Mesin .... III-25 3.4.2. Minimisasi Makespan Masalah Penjadwalan Batch
terhadap Tiga Mesin Flowshop dengan Transportasi
Menggunakan Algoritma Genetik ... III-26 3.4.3. Optimisasi Algoritma Genetik dari Masalah
Penjadwalan Flow shop dengan Waktu Setup
(48)
DAFTAR ISI (Lanjutan)
BAB HALAMAN
IV METODOLOGI PENELITIAN ... IV-1 4.1. Lokasi Penelitian ... IV-1 4.2. Jenis Penelitian ... IV-1 4.3. Subjek dan Objek Penelitian ... IV-1 4.4. Kerangka Konseptual ... IV-1 4.5. Identifikasi Variabel Penelitian ... IV-2 4.6. Metode Pengumpulan Data ... IV-4 4.6.1. Data Primer ... IV-5 4.6.2. Data Sekunder ... IV-5 4.7. Metode Pengolahan Data ... IV-6 4.8. Metode Analisis... IV-7
V PENGUMPULAN DAN PENGOLAHAN DATA... V-1 5.1. Pengumpulan Data ... V-1
5.1.1. Data Permintaan Produk... V-1 5.1.2. Urutan Proses Produksi Daun Pintu ... V-1 5.1.3. Data Kapasitas Work Center ... V-3 5.1.4. Data Pengukuran Waktu Tiap Job ... V-4 5.1.5. Data Pengukuran Rating Factor ... V-6 5.1.6. Data Penetapan Allowance ... V-8
(49)
DAFTAR ISI (Lanjutan)
BAB HALAMAN
5.2. Pengolahan Data
5.2.1. Pengukuran Waktu ... V-12 5.2.1.1. Uji Keseragaman dan Kecukupan Data ... V-13 5.2.1.2. Perhitungan Waktu Baku ... V-20 5.2.1.3. Perhitungan Waktu Penyelesaian ... V-22 5.2.2. Penjadwalan ... V-23 5.2.2.1. Penjadwalan dengan Metode FCFS ... V-23 5.2.2.2. Penjadwalan dengan Metode Algoritma
Genetik ... V-23 5.2.2.2.1. Generasi Pertama ... V-34 5.2.2.2.2. Generasi Kedua ... V-50 5.2.2.2.3. Generasi Ketiga ... V-64 5.2.3. Perhitungan Lateness ... V-81
VI ANALISIS PEMECAHAN MASALAH ... VI-1 6.1. Analisis Penjadwalan dengan Metode First Come First Served . VI-1 6.2. Analisis Penjadwalan dengan Algoritma Genetik ... VI-2 6.3. Analisis Paramater Performansi Penjadwalan... VI-2 6.3.1. Analisis Performansi dengan Efficiency Index (EI) ... VI-2
(50)
DAFTAR ISI (Lanjutan)
BAB HALAMAN
6.3.2. Analisis Performansi dengan Relative Error ... VI-2 6.3. Analisis Perhitungan Lateness ... VI-3
VII KESIMPULAN DAN SARAN ... VII-1 7.1. Kesimpulan... VII-1 7.2. Saran ... VII-2
DAFTAR PUSTAKA LAMPIRAN
(51)
DAFTAR TABEL
TABEL HALAMAN
1.1. Data Jumlah Pesanan yang Terlambat ... I-2 2.1. Jam Kerja Perusahaan ... II-5 3.2. Analogi Penjadwalan Kedalam Bentuk Algoritma Genetik ... III-5 5.1. Data Permintaan Daun Pintu ... V-1 5.2. Data Kapasitas Work Center ... V-4 5.3. Waktu Proses Tipe Elizabeth ... V-4 5.4. Waktu Proses Tipe Butter ... V-5 5.5. Waktu Proses Tipe Dior ... V-5 5.6. Waktu Proses Tipe Richmond ... V-5 5.7. Waktu Proses Tipe Hamlet... V-5 5.8. Rating Factor Tiap Work Center ... V-6 5.9. Allowance Operator Tiap Work Center ... V-9 5.10. Pengukuran Waktu Proses WC I Tipe Elizabeth ... V-12 5.11. Pengukuran Waktu Proses WC I Tipe Elizabeth ... V-14 5.12. Uji Keseragaman dan Kecukupan Data Tipe Elizabeth ... V-15 5.13. Uji Keseragaman dan Kecukupan Data Tipe Butter ... V-16 5.14. Uji Keseragaman dan Kecukupan Data Tipe Dior ... V-17 5.15. Uji Keseragaman dan Kecukupan Data Tipe Richmond ... V-18 5.16. Uji Keseragaman dan Kecukupan Data Tipe Hamlet ... V-19 5.17. Waktu Terpilih tiap Tipe ... V-20
(52)
DAFTAR TABEL (Lanjutan)
TABEL HALAMAN
5.18. Perhitungan Waktu Baku ... V-21 5.19. Waktu Penyelesaian Job Tiap Work Center... V-23 5.20. Makespan Penjadwalan dengan Metode FCFS ... V-24 5.21. Pembentukan Kromosom ... V-26 5.22. Kromosom Terpilih ... V-29 5.23. Waktu Proses per Unit Kromosom I1 (Jam) ... V-30
5.24. Hasil Perhitungan Makespan I1 ... V-30
5.25. Makespan dan Nilai Fitness Populasi Awal... V-31 5.26. Nilai Fitness Relatif dan Nilai Fitness Kumulatif Tiap
Kromosom ... V-34 5.27. Bilangan Acak untuk Seleksi ... V-37 5.28. Kromosom Baru Hasil Seleksi ... V-38 5.29. Bilangan Acak untuk Crossover Generasi Pertama ... V-40 5.30. Kromosom yang Akan Mengalami Crossover ... V-41 5.31. Kromosom Anak Setelah Crossover ... V-43 5.32. Bilangan Acak untuk Mutasi ... V-44 5.33. Mutasi Kromosom ... V-47 5.34. Populasi Akhir Generasi Pertama dan Populasi Awal Generasi
Kedua ... V-47 5.35. Nilai Fitness Relatif dan Nilai Fitness Kumulatif Tiap
(53)
DAFTAR TABEL (Lanjutan)
TABEL HALAMAN
5.36. Bilangan Acak untuk Seleksi ... V-52 5.37. Kromosom Baru Hasil Seleksi ... V-53 5.38. Bilangan Acak untuk Crossover Generasi Pertama ... V-56 5.39. Kromosom yang Akan Mengalami Crossover ... V-41 5.40. Kromosom Anak Setelah Crossover ... V-57 5.41. Bilangan Acak untuk Mutasi ... V-59 5.42. Mutasi Kromosom ... V-61 5.43. Populasi Akhir Generasi Kedua dan Populasi Awal Generasi
Ketiga ... V-62 5.44. Nilai Fitness Relatif dan Nilai Fitness Kumulatif Tiap
Kromosom ... V-64 5.45. Bilangan Acak untuk Seleksi ... V-67 5.46. Kromosom Baru Hasil Seleksi ... V-68 5.47. Bilangan Acak untuk Crossover Generasi Ketiga ... V-70 5.48. Kromosom yang Akan Mengalami Crossover ... V-71 5.49. Kromosom Anak Setelah Crossover ... V-72 5.50. Bilangan Acak untuk Mutasi ... V-73 5.51. Mutasi Kromosom ... V-75 5.52. Populasi Akhir Generasi Ketiga ... V-76 5.53. Rekapitulasi Kromosom Terbaik ... V-79 5.54. Waktu Proses per Unit Kromosom Terbaik (Jam) ... V-80
(54)
DAFTAR TABEL (Lanjutan)
TABEL HALAMAN
5.55. Hasil Perhitungan Makespan Kromosom Terbaik ... V-80 5.56. Kalender Juli-September 2014 ... V-81 5.57. Perhitungan Lateness dengan Urutan Job FCFS ... V-83 5.58. Perhitungan Lateness dengan Urutan Job Algoritma Genetik ... V-83 6.1. Perbandingan Penjadwalan Aktual dan Penjadwalan Algoritma
(55)
DAFTAR GAMBAR
GAMBAR HALAMAN
2.1. Struktur Organisasi PT. Sumatera Timberindo Industry ... II-4 2.2. Daun Pintu Tipe Butter ... II-2 4.1. Kerangka Konseptual ... IV-2 4.2. Blok Diagram Pengolahan Data dengan Algoritma Genetik ... IV-8 5.1. Uji Keseragaman Data Pada WC I untuk Tipe Elizabeth ... V-13 5.2. Gantt Chart Penjadwalan Aturan FCFS ... V-25 5.2. Gantt Chart Kromosom Terbaik Penjadwalan Algoritma Genetik . V-81
(56)
DAFTAR LAMPIRAN
LAMPIRAN HALAMAN
1. Uraian Tugas dan Tanggung Jawab ... L-1 2. Penyesuaian Menurut Westinghouse... L-2 3. Allowance ... L-3 4. Form Tugas Akhir... L-4 5. SK Tugas Sarjana ... L-5 6. Surat Penjajakan... L-6 7. Surat Balasan ... L-7 8. Lembar Asistensi ... L-8
(1)
1.1. Data Jumlah Pesanan yang Terlambat ... I-2 2.1. Jam Kerja Perusahaan ... II-5 3.2. Analogi Penjadwalan Kedalam Bentuk Algoritma Genetik ... III-5 5.1. Data Permintaan Daun Pintu ... V-1 5.2. Data Kapasitas Work Center ... V-4 5.3. Waktu Proses Tipe Elizabeth ... V-4 5.4. Waktu Proses Tipe Butter ... V-5 5.5. Waktu Proses Tipe Dior ... V-5 5.6. Waktu Proses Tipe Richmond ... V-5 5.7. Waktu Proses Tipe Hamlet... V-5 5.8. Rating Factor Tiap Work Center ... V-6 5.9. Allowance Operator Tiap Work Center ... V-9 5.10. Pengukuran Waktu Proses WC I Tipe Elizabeth ... V-12 5.11. Pengukuran Waktu Proses WC I Tipe Elizabeth ... V-14 5.12. Uji Keseragaman dan Kecukupan Data Tipe Elizabeth ... V-15 5.13. Uji Keseragaman dan Kecukupan Data Tipe Butter ... V-16 5.14. Uji Keseragaman dan Kecukupan Data Tipe Dior ... V-17 5.15. Uji Keseragaman dan Kecukupan Data Tipe Richmond ... V-18 5.16. Uji Keseragaman dan Kecukupan Data Tipe Hamlet ... V-19 5.17. Waktu Terpilih tiap Tipe ... V-20
(2)
DAFTAR TABEL (Lanjutan)
TABEL HALAMAN
5.18. Perhitungan Waktu Baku ... V-21 5.19. Waktu Penyelesaian Job Tiap Work Center... V-23 5.20. Makespan Penjadwalan dengan Metode FCFS ... V-24 5.21. Pembentukan Kromosom ... V-26 5.22. Kromosom Terpilih ... V-29 5.23. Waktu Proses per Unit Kromosom I1 (Jam) ... V-30 5.24. Hasil Perhitungan Makespan I1 ... V-30 5.25. Makespan dan Nilai Fitness Populasi Awal... V-31 5.26. Nilai Fitness Relatif dan Nilai Fitness Kumulatif Tiap
Kromosom ... V-34 5.27. Bilangan Acak untuk Seleksi ... V-37 5.28. Kromosom Baru Hasil Seleksi ... V-38 5.29. Bilangan Acak untuk Crossover Generasi Pertama ... V-40 5.30. Kromosom yang Akan Mengalami Crossover ... V-41 5.31. Kromosom Anak Setelah Crossover ... V-43 5.32. Bilangan Acak untuk Mutasi ... V-44 5.33. Mutasi Kromosom ... V-47 5.34. Populasi Akhir Generasi Pertama dan Populasi Awal Generasi
Kedua ... V-47 5.35. Nilai Fitness Relatif dan Nilai Fitness Kumulatif Tiap
(3)
5.36. Bilangan Acak untuk Seleksi ... V-52 5.37. Kromosom Baru Hasil Seleksi ... V-53 5.38. Bilangan Acak untuk Crossover Generasi Pertama ... V-56 5.39. Kromosom yang Akan Mengalami Crossover ... V-41 5.40. Kromosom Anak Setelah Crossover ... V-57 5.41. Bilangan Acak untuk Mutasi ... V-59 5.42. Mutasi Kromosom ... V-61 5.43. Populasi Akhir Generasi Kedua dan Populasi Awal Generasi
Ketiga ... V-62 5.44. Nilai Fitness Relatif dan Nilai Fitness Kumulatif Tiap
Kromosom ... V-64 5.45. Bilangan Acak untuk Seleksi ... V-67 5.46. Kromosom Baru Hasil Seleksi ... V-68 5.47. Bilangan Acak untuk Crossover Generasi Ketiga ... V-70 5.48. Kromosom yang Akan Mengalami Crossover ... V-71 5.49. Kromosom Anak Setelah Crossover ... V-72 5.50. Bilangan Acak untuk Mutasi ... V-73 5.51. Mutasi Kromosom ... V-75 5.52. Populasi Akhir Generasi Ketiga ... V-76 5.53. Rekapitulasi Kromosom Terbaik ... V-79 5.54. Waktu Proses per Unit Kromosom Terbaik (Jam) ... V-80
(4)
DAFTAR TABEL (Lanjutan)
TABEL HALAMAN
5.55. Hasil Perhitungan Makespan Kromosom Terbaik ... V-80 5.56. Kalender Juli-September 2014 ... V-81 5.57. Perhitungan Lateness dengan Urutan Job FCFS ... V-83 5.58. Perhitungan Lateness dengan Urutan Job Algoritma Genetik ... V-83 6.1. Perbandingan Penjadwalan Aktual dan Penjadwalan Algoritma
(5)
2.1. Struktur Organisasi PT. Sumatera Timberindo Industry ... II-4 2.2. Daun Pintu Tipe Butter ... II-2 4.1. Kerangka Konseptual ... IV-2 4.2. Blok Diagram Pengolahan Data dengan Algoritma Genetik ... IV-8 5.1. Uji Keseragaman Data Pada WC I untuk Tipe Elizabeth ... V-13 5.2. Gantt Chart Penjadwalan Aturan FCFS ... V-25 5.2. Gantt Chart Kromosom Terbaik Penjadwalan Algoritma Genetik . V-81
(6)
DAFTAR LAMPIRAN
LAMPIRAN HALAMAN
1. Uraian Tugas dan Tanggung Jawab ... L-1 2. Penyesuaian Menurut Westinghouse... L-2 3. Allowance ... L-3 4. Form Tugas Akhir... L-4 5. SK Tugas Sarjana ... L-5 6. Surat Penjajakan... L-6 7. Surat Balasan ... L-7 8. Lembar Asistensi ... L-8