Perbaikan Penjadwalan Produksi Dengan Menggunakan Metode Cross Entropy Genetic Algorithm Pada PT. Florindo Makmur

BAB I
PENDAHULUAN

1.1.

LatarBelakang
Penjadwalan produksi didefinisikan sebagai rencana pengaturan urutan

kerja serta pengalokasian sumberdaya, baik waktu maupun fasilitas untuk setiap
operasi yang harus diselesaikan (Thomas E, 1998). Penjadwalan sebagai proses
pengambilan keputusan memiliki peranan penting dalam kegiatan produksi dan
informasi. Oleh sebab itu, dibutuhkan pengembangan dan pendekatan untuk
mendapatkan penjadwalan yang efektif dan efisien. Salah satu usaha yang
dilakukan untuk tercapainya penjadwalan yang optimal adalah dengan
meminimalkan total waktu penyelesaian serangkaian job (makespan).
Penjadwalan produksi flow shop merupakan salah satu kegiatan
perencanaan yang terdapat pada perusahaan manufaktur. Dimana penjadwalan
produksi melibatkan n job (jenis pekerjaan) dan m mesin (jenis mesin) yang
dalam prosesproduksinya, produk mendatangi mesin denganurutan tahap yang
sama dan pada setiap tahapterdiri atas 1 buah mesin yang mana setiap job yang
dikerjakan mengandung informasi tentang jenis produk. Pada dasarnya

penjadwalan produksi yang menggunakan strategi flow shop bertujuan untuk
menyelesaikan serangkaian pekerjaan (job) berdasarkan pada urutan proses
(Hasan, 2015).
Penelitian ini dilakukan di PT. Florindo Makmur yang memproses
singkong menjadi tepung tapioka di Desa Pergulaan Dusun V, Kecamatan Sei

Universitas Sumatera Utara

Rampah, Kabupaten Serdang Bedagai, Propinsi Sumatera Utara.Perusahaan
sangat membutuhkan jadwal produksi yang handal untuk mendukung kinerja
yang optimal. Secara umum, masalah yang dihadapi adalah bagaimana
menentukan urutan atau jadwal pekerjaan yang harus diproses pada beberapa
mesin dengan urutan proses setiap pekerjaan sama agar diperoleh waktu total
penyelesaian pekerjaan (makespan) yang minimum.Proses produksi yang ada di
PT. Florindo Makmur diantaranya Proses Pencucian, Pemarutan, Ekstraksi,
Sparasi, Center View, Pengeringan, Pendinginan, Pengayakan, dan Pengepakan.
Lamanya

waktu

pemerosesan

tersebut

menjadi

penyebab

terjadinya

keterlambatan.
Data keterlambatanpengirimankepadakonsumenseperti yang ditunjukkan
Tabel. 1.1.
Tabel 1.1. Data KeterlambatanPengirimanPeriodeMaret 2016 –
Februari 2017
Periode
(2016-2017)

Frekuensi
Pengiriman

(kali)

Maret
April
Mei
Juni
Juli
Agustus
September
Oktober
November
Desember
Januari
Februari

8
8
10
7
9

10
13
11
9
11
7
10

Frekuensi
Jumlah
Keterlambatan
(kali)
1
1
2
1
2
1
3
2

1
2
1
2

Persentase
Keterlambatan (%)
12,2
12,5
20
14,2
22,2
10
23
18,1
11,1
18,1
14,2
20

Sumber: PT. Florindo Makmur

Universitas Sumatera Utara

Pada Tabel 1.1. menunjukkan jumlah keterlambatan setiap bulan dalam
pengiriman produk oleh PT. Florindo Makmur. Data pesanan produk perusahaan
menunjukkan adanya keterlambatan (lateness) yang terjadi pada beberapa
pesanan. Keterlambatan ini dapat disebabkan oleh kurangnya kapasitas produksi,
lamanya waktu total penyelesaian, ataupun factor lingkungan yang berakibat pada
lamanya waktu pengiriman.
Kapasitas produksi perusahaan telah cukup untuk memenuhi besarnya
permintaan. Bahan baku singkong yang telah tiba pada bagian persediaan bahan
baku pun langsung diproses untuk menghindari kerusakan akibat kontaminasi
faktor linkungan serta mengurangi keterlambatan. Sehingga penyebab utama dari
keterlambatan pengiriman produk disebabkan oleh lamanya waktu total
penyelesaian pada produk. Pihak perusahaan memberlakukan kebijakan untuk
batas toleransi dalam keterlambatan pengiriman produk sebesar 10-13 % dari
jumlah pengiriman produk. Sementara keterlambatan pengiriman produk yang
selama ini terjadi mencapai 23 % dari jumlah fekwensi pengiriman produk.
Dampak yang ditimbulkan oleh permasalahan tersebut adalah perusahaan

harus membayar biaya penalty (denda) kepada konsumen. Selain itu dampak
terhadap produk yang mengalami keterlambatan pengiriman yaitu menurunnya
kualitas produk tersebut.
Perusahaan ini berproduksi berdasarkan order yang diterima (make to
order), dengan kebijakan First Come First Serve (FCFS) dalam merespon
pesanan pelanggan. Kebijakan FCFS yaitu job yang dating diproses sesuai
dengan job mana yang dating terlebih dahulu. Dalam memenuhi permintaan dari

Universitas Sumatera Utara

konsumen kebijakan ini dapat dinilai kurang baik karena masih ada beberapa job
yang belum dapat diselesaikan dalam waktu yang diinginkan oleh pelanggan. Hal
ini disebabkan karena aktivitas produksi yang terlalu lama, sehingga dapat
mengurangi kepuasan dan kepercayaan konsumen.
Salah satu metode yang dapat dipakai untuk mengatasi permasalahan
penjadwalan yaitu dengan pendekatan metaheuristik. Metaheuristik yaitu metode
untuk mencari solusi yang memadukan interaksi antara prosedur pencarian lokal
dan strategi yang lebih tinggi untuk menciptakan proses yang mampu keluar dari
titik-titik local optimum dan melakukan pencarian di ruang solusi untuk
menemukan solusi global. Berbagai macam yang tergolong metode metaheuristic

salah satu diantaranya yaitu algoritma cross entropy dan genetic algorithm
(Santosa, 2011).
Berdasarkan penelitian yang telah dilakukan sebelumnya yang berjudul
Penjadwalan Flow Shop Dengan Penerapan Cross Entropy-Genetic Algorithm
(Cega)Untuk Meminimasi Makespan yang dilakukan oleh Hasan Bashori,
Pratikto, Sugionodidapatkannilai makespan sebesar 5822detik pada metode
CEGA dengan urutan job 2-4-1-3 dan job 2-4-3-1 sedangkan dari metode
perusahaan didapatkan nilai makespan sebesar 6246detik. Maka diperoleh selisih
nilai makespan sebesar 424 detik atau berkisar 7 menit. Sedangkan dari hasil
perhitungan nilai efisiensi, diperoleh nilai sebesar 6.79% yang berarti bahwa
peran algoritma CEGA dalam meminimasi makespan pada penjadwalan
pembuatan sepatu kulit lebih efisien dan lebih baik dibanding dengan metode

Universitas Sumatera Utara

diperusahaan saat ini. Sehingga terdapat 2 alternatif penjadwalan job yang dapat
dilakukan oleh perusahaan.
Penelitian selanjutnya yang berjudul pendekatan Cross Entropy-Genetic
Algorithm Pada Permasalahan Multi Objective Job Shop Scheduling yang
dilakukan oleh Liliek Nurkhalida dan Budi Santosa didapatkan bahwa hibridasi

Cross Entropy-Genetic Algorithm terbukti efisien. Karena dapat menghasilkan
solusi yang kompetitif terutama pada problem skala kecil. Namun demikian
algoritma ini memiliki kekurangan dan kelebihan. Cross Entropy-Genetic
Algorithm lebih unggul dari segi diversifikasi solusi dibanding Simulated
Annealing yang menggunakan mekanisme neighborhood search. Namun, Cross
Entropy-Genetic Algorithm lebih buruk dari sisi penentuan solusi non-dominated
karena hanya melakukan evaluasi solusi berdasarkan nilai objektif tunggal.
Penelitan yang berjudul Penjadwalan Flow Shop Dengan Pendekatan
Cross

Entropy-Genetic

Algorithm Untuk Menurunkan

Makespan

Pada

Pembuatan Roda Gigi yang dilakukan oleh Dian Setiya Widodo, Mario Sarisky
dan Dwi Ellianto menyatakan bahwa urutan pekerjaan yang optimal terletak pada

kondisi urutan pekerjaan 2-1-3-4-5 dengan nilai makespan sebesar 10829 detik.
Jika dibandingkan dengan nilai makespan antara metode CEGA dengan
perusahaan tersebut akan didapatkan efisiensi sebesar 10,06%. Sehingga
diharapkan hasil penelitian ini menjadi bahan pertimbangan perusahaan untuk
mampu menangangi masalah penjadwalan yang dihadapi oleh perusahaan.

Universitas Sumatera Utara

Model algoritma yang digunakan dalam penelitian ini pada PT. Florindo
Makmur yaitu melakukan penggabungan algoritma Cross Entropy - Genetic
Algorithm (CEGA). Penggunaan metode Cross Entropy-Genetic Algorithm ini
dipilih karena berdasarkan penelitian terdahulu yang telah dilakukan dengan
menggunakan metodeCross Entropy-Genetic Algorithm (CEGA) yang bertujuan
menurunkan total waktu makespan dan menunjukkan performansi yang lebih
baik berdasarkan nilai makespan dan waktu komputasi jika dibandingkan dengan
algoritma lain.
Sehingga pada penelitan ini diterapkan metode Cross Entropy - Genetic
Algorithm untuk diterapkan pada kasus penjadwalan flow shop dengan
mengoptimalkan makespany ang diharapkan dapat meminimasi waktu proses
sehingga akan meningkatkan efisiensi utilitas produksi.

1.2.

PerumusanMasalah
Berdasarkan

latar

belakang

yang

telah

diuraikan

sebelumnya,

Permasalahan yang dialami oleh PT. Florindo Makmur adalah keterlambaatan
pengiriman produk dikarenakan pelaksanaan penjadwalan produksi perusahaan.
.
1.3.

TujuandanManfaat
Tujuanumumpenelitianiniadalahuntuk

memperbaiki

dan

merancang

penjadwalan produksi untuk mendapatkan urutan pengerjaan job yang efisien
dengan mengurangi total waktu produksi yang dibutuhkan untuk menyelesaikan
seluruh job (makespan).

Universitas Sumatera Utara

Tujuan khusus yang ingin dicapai dalam penelitian tugas akhirini adalah:
1. Mendapatkan nilai total waktu penyelesaian seluruh job (makespan)
berdasarkan metode perusahaan dengan metode Algoritma Cross EntropyGenetic Algorithm.
2. Mendapatkan rancangan pengurutan job yang efisien dari segi waktu yaitu
urutan yang memiliki makespan terendah.
3. Mendapatkan perbandingan performansi antara metode perusahaan dengan
metode Algoritma Cross Entropy-Genetic Algorithm.
Manfaat dalam melakukan penelitian ini adalah sebagai berikut:
1. Bagi Mahasiswa
a. Mahasiswa dapat memperoleh kesempatan untuk menerapkan ilmu
pengetahuan yang telah diperoleh dalam perkuliahan di lapangan kerja.
b. Memperoleh peluang untuk dapat memecahkan dan mencari solusi
permasalahan-permasalahan di perusahaan dari sudut pandang akademis.
c. Menambah pengetahuan dan memperoleh pengalaman dalam bidang
manufaktur dengan cara melihat serta membandingkan ilmu yang diperoleh
di perkuliahan dengan keadaan di lapangan.
2. Bagi Fakultas
a. Menjalin hubungan kerjasama antara tempat pelaksanaan tugas sarjana
dengan Jurusan Teknik Industri Universitas Sumatera Utara.
b. Memperkenalkan Jurusan Teknik Industri Universitas Sumatera Utara
kepada masyarakat luas.
3. Bagi Perusahaan

Universitas Sumatera Utara

a. Perusahaan dapat menjadikan laporan penelitian mahasiswa sebagai
masukan untuk perbaikan yang bermanfaat untuk meningkatkan
produktivitas perusahaan sesuai dengan hasil pengamatan yang dilakukan.
b. Sebagai salah satu sarana pertimbangan bagi perusahaan dalam hal
penilaian kualitas mahasiswa yang pada akhirnya berhubungan pada
penerimaan tenaga kerja fresh graduate.

1.4.

Batasan Masalah dan Asumsi
Batasan-batasan yang digunakan dalam penelitian ini adalah :

1. Tidak dilakukan analisis biaya.
2. Pengamatan dilakukan pada produk yang dihasilkan PT. Florindo Makmur
yaitu tepung tapioka.
3. Data permintaan yang digunakan sebagai objek penelitian adalah data
permintaan dan data keterlambatan periode Maret 2016 hingga Februari 2017.
Asumsi-asumsi yang digunakan dalam penelitiana dalah :
1. Tidak adanya mesin yang rusak ketika melakukan operasi.
2. Produksi berjalan normal
3. Tidak dilakukan penambahan atau pengurangan terhadap mesin-mesin atau
peralatan produksi sehingga kondisinya adalah tetap sama dengan keadaan
sekarang.
4. Pembatalan suatu job tidak boleh terjadi.
5. Tidak ada job sisipan.
6. Pemesanan job dilakukan 1 bulan sebelumnya.

Universitas Sumatera Utara

7. Operator dianggap telah menguasai pekerjaannya dalam proses produksi
produk.

1.5.

Sistematika Penulisan Laporan
Sistematika yang digunakan dalam penulisan laporan tugas sarjana adalah

sebagai berikut:
Bab I Pendahuluan, menguraikan latar belakang permasalahan yang
mendasari dilakukannya penelitian, perumusan permasalahan, tujuan dan manfaat
penelitian, batasan dan asumsi yang digunakan dalam penelitian serta sistematika
penulisan laporan penelitian.
Bab II Gambaran Umum PT. Florindo Makmur yang menguraikan sejarah
perusahaan, visi dan misi perusahaan, proses produksi, struktur organisasi dan
uraian tugas.
Bab III Landasan Teori, menguraikan teori-teori yang digunakan dalam
analisis pemecahan masalah. Teori-teori ini meliputi teori tentang penjadwalan,
klasifikasi penjadwalan, kriteria penjadwalan, algoritma cross entropy,
algoritmagentik, dan pengukuran waktu. Sumber teori atau literatur yang
digunakan berupa buku, jurnal penelitian dan tugass arjana mahasiswa yang
pernah mengangkat topik permasalahan yang sama.
Bab IV Metodologi Penelitian, menjelaskan langkah-langkah penelitian
yang dilaksanakan yaitu meliputi penentuan lokasi penelitian, jenis penelitian,
objek penelitian, variabel penelitian, kerangka konseptual, definisi variabel

Universitas Sumatera Utara

operasional, serta langkah-langkah penelitian meliputi pengumpulan data,
pengolahan data, analisis pemecahan masalah, serta kesimpulan dan saran.
Bab V Pengumpulan dan Pengolahan Data, berisi tentang pengumpulan
data-data primer dan sekunder yang diperoleh dari penelitian serta teknik yang
digunakan untuk mengolah data dalam memecahkan masalah dan diperoleh hasil
optimal dalam meminimasi makespan.
Bab VI Analisis Pemecahan Masalah, menguraikan hasil analisis
pengolahan data, analisis pengolahan Cross Entropy-Genetic Algorithm serta
melakukan perbandingan hasil yang diperoleh dengan menggunakan Cross
Entropy-Genetic Algorithm dan metode aktual perusahaan.
Bab VII Kesimpulan dan Saran, berisi kesimpulan dari analisis
pemecahan masalah yang disesuaikan dengan tujuan penelitian dan saran
berkaitan dengan penelitian yang dilaksanakan.

Universitas Sumatera Utara