Usulan Perbaikan Lintasan Produksi Mass Production Produk Jaket Pada CV.Dikhsa Garment Dengan Menggunakan Algoritma Genetika.

i Universitas Kristen Maranatha

ABSTRAK

“CV DIKHSA GARMENT” merupakan perusahaan yang bergerak di bidang industri garment. Dalam kegiatan produksinya, CV DIKHSA GARMENT memproduksi berbagai macam pakaian secara mass production (jaket) dan job order (kemeja, Celana Training, kaos). Penulis mengamati sebuah lini produksi jenis mass production produk jaket. Adapun masalah yang terjadi pada perusahaan ini adalah tidak terpenuhi nya target produksi yang berjumlah 990 unit/minggu nya yang disebabkan karena adanya delay di stasiun 7 (pasang kancing), 9 (Obras), 11 (Jahit), 15 (Jahit) dan 19 (Manual) serta penumpukan di stasiun 3 (Pelubang Kancing), 17 (Jahit) dan target produksi yang diinginkan perusahaan tidak dapat tercapai. Oleh sebab itu diperlukan suatu perbaikan lintasan produksi yang akhirnya diharapkan dapat meningkatkan kapasitas produksi dan tercapainya keseimbangan beban kerja.

Dalam penyeimbangan lintasan produksi ini, penulis terlebih dahulu mengambil data waktu lalu melakukan pengujian kenormalan data, kecukupan data, serta kelonggaran data yang dilanjutkan dengan pemberian faktor penyesuaian dan faktor kelonggaran untuk mendapatkan data waktu baku untuk setiap elemen kerja. Metode penyeimbangan lintasan produksi yang digunakan adalah Algoritma Genetika (GA), dimana penulis juga membuat softwarenya dengan tujuan untuk mempersingkat waktu perhitungan. Software yang dibuat tersebut divalidasi melalui contoh kasus yang telah dihitung secara manual. Selain itu, penulis juga menggunakan metode Helgeson-Birnie Approach (Rank Positional Weight / RPW) dan Kilbridge-Wester Heuristic (Region Approach) sebagai pembandingnya. Dari hasil metode terpilih akan dilakukan penugasan oleh penulis menggunakan jam kerja yang sesuai dengan aturan UU No.13/2003 pasal 7 ayat 1 yang menyebutkan bahwa jam kerja yang diwajibkan adalah 40 jam/minggu yang berguna sebagai alternatif pilihan untuk perusahaan jika ingin menyesuaikan dengan aturan undang-undang.

Berdasarkan hasil dari pengolahan data dengan ketiga metode tersebut, diperoleh bahwa metode penyeimbangan lintasan dengan Algoritma Genetika (GA) yang memberikan hasil efisiensi lintasan total yang paling tinggi, yaitu sebesar 64%. Keunggulan yang diperoleh melalui metode penyeimbangan lintasan Algoritma Genetika adalah pihak perusahaan dapat meningkatkan efisiensi lintasan produksi total sebesar 24%, dari yang semula 40% menjadi 64%. Jumlah stasiun kerja yang diterapkan oleh perusahaan saat ini adalah sebanyak 19 stasiun kerja, sedangkan jika menggunakan metode Algoritma Genetika diperoleh hanya 16 stasiun kerja. Di samping penghematan jumlah operator dan mesin, jumlah produksi juga dapat ditingkatkan dari yang semula 878 unit/minggu, menjadi 1171 unit/minggu. Perihtungan dengan mengikuti jam kerja pemerintah menghasilkan efisiensi lintasan sebesar 58,9% dan menghasilkan kapasitas 1080 unit/minggi. Hal ini tentunya membuat target yang ingin dicapai perusahaan sebesar 990 unit/minggu dapat tercapai dengan baik, sedangkan kelebihan hasil produksi tersebut dapat dimanfaatkan perusahaan untuk dipasarkan lagi ke market yang lebih luas dengan meningkatkan kinerja pemasarannya.

v Universitas Kristen Maranatha

DAFTAR ISI

Cover

Abstrak……….. i

Lembar Pengesahan ………. ii

Kata Pengantar…... iii

Daftar Isi ……….. v

Daftar Tabel ………. ix

Daftar Gambar ………. xi

Daftar Lampiran... xii BAB 1 PENDAHULUAN

1.1 Latar Belakang Masalah ... 1-1 1.2 Identifikasi Masalah ... 1-2 1.3 Pembatasan Masalah Dan Asumsi... 1-2 1.4 Perumusan Masalah ... 1-2 1.5 Tujuan Penelitian ... 1-3 1.6 Sistematika Penulisan ... 1-3 BAB 2 TINJAUAN PUSTAKA

2.1 Metode Pengukuran Waktu Kerja………. 2-1

2.1.1 Langkah-langkah Sebelum Pengukuran Waktu Jam Henti 2-1 2.1.2 Pengukuran Waktu Jam Henti……….. 2-2 2.1.3 Waktu Siklus, Waktu Normal, dan Waktu Baku…..…… 2-5 2.1.4 Faktor Penyesuaian……….. 2-6 2.1.5 Faktor Kelonggaran……….. 2-9

2.2 Pengertian Lini Produksi………... 2-9

2.3 Pengertian Line Balancing……… 2-11 2.4 Istilah-istilah Dalam Line Balancing………... 2-11 2.5 Batasan-batasan Yang Terdapat Dalam Line Balancing……… 2-13 2.6 Ukuran Kinerja Dalam Line Balancing……… 2-13 2.7 Metode Penyeimbangan Lintasan………...………. 2-14

vi Universitas Kristen Maranatha 2.7.1 Metode Bobot Posisi (Rank Positional Weight/RPW)….. 2-15 2.7.2 Metode Wilayah (Region Approach)………... 2-15 2.8 Metode Algoritma Genetika (GA)……… 2-16

2.9 Parameter Algoritma Genetika (GA)……… 2-18

2.10 Cara Kerja Algoritma Genetika….………... 2-19

2.11 Operator Genetik………..……… 2-19 BAB 3 METODOLOGI PENELITIAN

3.1Pemelitian Pendahuluan………...……… 3-1 3.2Identifikasi Masalah………...…. 3-1

3.3Pembatasan Masalah Dan Asumsi………...…… 3-1

3.4Perumusan Masalah………... 3-4

3.5Tujuan Penelitian………...……….. 3-4

3.6Studi Pustaka………...…… 3-4

3.7Penentu Metode Pemecahan Masalah………...…..…. 3-4

3.8Pengumpulan Data………...….... 3-5

3.9Pengolahan Data………...…... 3-5

BAB 4 PENGUMPULAN DATA

4.1Sejarah Singkat Perusahaan………..………. 4-1

4.2Struktur Organisasi………... 4-2

4.3Jam Kerja Perusahaan……….. 4-2

4.4Data Mesin Yang Digunakan.. ……….……….. 4-3

4.5Layout Perusahaan……….. 4-4

4.6Peta Proses Operasi……….………... 4-5

4.7Data Waktu Operasi ….……….……….... 4-6 BAB 5 PENGOLAHAN DAN ANALISIS DATA

5.1Pengolahan Data………... 5-1

5.1.1 Pengujian Data waktu Pengamatan... 5-1 5.1.1.1 Pengujian Kenormalan Data... 5-1 5.1.1.2 Pengujian Keseragaman Data... 5-3 5.1.1.3 Pengujian Kecukupan Data... 5-5

vii Universitas Kristen Maranatha 5.1.2 Perhitungan Waktu Baku……….…………...…. 5-6

5.1.2.1 Penyesuaian………... 5-6

5.1.2.2 Kelonggaran………... 5-7 5.1.2.3 Perhitungan Waktu Baku…... 5-8 5.1.2.4 Peta Proses Operasi dan Presedence Diagram... 5-9 5.1.3 Lintasan Produksi Saat Ini ………...……… 5-11 5.1.4 Tahapan Penyeimbangan Lintasan Produksi………... 5-12

5.1.4.1 Tahapan Penyeimbangan Lintasan Helgeson-Birnie

Approach (RPW)………..…... 5-12 5.1.4.2 Tahapan Penyeimbangan Lintasan Kilbridge-Wester

Heuristic (Region Approach)………... 5-17 5.1.4.3 Tahapan Penyeimbangan Lintasan Algoritma

Genetika (GA)………... 5-21

5.1.4.4 Penyeimbangan Lintasan Menurut Jam Kerja

Pemerintah... 5-24 5.1.5 Pemilihan Metode Penyeimbangan Lintasan

Produksi………...….. 5-26 5.1.6 Bagan Alir Untuk Metode Terpilih ...……..…………...…. 5-27

5.2Analisis………... 5-27

5.2.1 Analisis Kelemahan Metode Aktual

Perusahaan………...…... 5-27 5.2.2 Analisis Metode Penyeimbangan Lintasan Usulan ... 5-28 5.2.3 Analisis Perbandingan Metode Aktual dengan Usulan... 5-28 5.2.4 Analisis Keunggulan dan Kelemahan Metode

Terpilih………... 5-29 5.2.5 Analisis Kelebihan Produksi, Mesin dan Orang………..…. 5-30 BAB 6 KESIMPULAN DAN SARAN

6.1 Kesimpulan... 6-1 6.2 Saran... 6-2

DAFTAR PUSTAKA……… xi

viii Universitas Kristen Maranatha

DAFTAR TABEL

Tabel Nama Tabel Halaman

2.1 Faktor Penyesuaian Metode Schumard 2-6

2.2 Faktor Penyesuaian Metode Westinghouse 2-7 2.3 Tingkat Kesulitan Kerja (p2) Metode Objektif 2-8

4.1 Waktu Kera Karyawan 4-2

4.2 Data Mesin Perusahaan 4-3

4.3 Data Mesin yang diamati 4-3

4.4 Data Waktu Operasi (O-1 – O-21) 4-6

4.5 Data Waktu Operasi (O-22 – O-42) 4-7

4.6 Data Keterangan Tiap Operasi 4-8

5.1 Uji Normal Elemen Kerja 1 5-1

5.2 Ringkasan Uji Normal 5-2

5.3 Uji Seragam Elemen Kerja 1 5-3

5.4 Ringkasan Uji Seragam 5-4

5.5 Uji Kecukupan Data 5-5

5.6 Faktor Penyesuaian 5-6

5.7 Faktor Kelonggaran 5-7

5.8 Perhitungan Waktu Baku 5-8

5.9 Susunan Lintasan Produksi Saat Ini 5-11

5.10 Pengurutan Bobot Setiap Operasi 5-13

5.11 Pengurutan Bobot Tiap Operasi 5-14

5.12 Penugasan Metode RPW 5-15

5.13 Efisiensi Rata-Rata Metode RPW 5-16

5.14 Pembagian Region 5-18

5.15 Penugasan Metode RA 5-19

5.16 Efisiensi Rata-Rata Metode RA 5-20

5.17 Penugasan Metode Algoritma Genetika 5-22

5.18 Efisiensi Rata-Rata Metode Algoritma Genetika 5-23 5.19 Penugasan Menurut Jam Kerja Pemerintah 5-25

ix Universitas Kristen Maranatha

DAFTAR TABEL

Tabel Nama Tabel Halaman

5.20 Perbandingan Efisiensi Lintasan Dan Kapasitas Produksi 5-26 5.21 Perbandingan Metode RPW, RA, dan Algoritma Genetik 5-28 5.22 Perbandingan Metode Aktual Dengan Metode Terpilih 5-28

x Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar Nama Gambar Halaman

2.1 Proses Seleksi Dengan Regular Sampling Space 2-28 2.2 Proses Seleksi Dengan Enlarge Sampling Space 2-29

3.1 Flowchart Penelitian 3-2

3.2 Flowchart Penelitian (lanjutan) 3-3

3.3 Flowchart Pengolahan 3-5

3.4 Flowchart RPW 3-6

3.5 Flowchart RA 3-8

3.6 Langkah-langkah Algoritma Genetika 3-9

3.7 Langkah-langkah Algoritma Genetika (lanjutan) 3-10 3.8 Langkah-langkah Algoritma Genetika (lanjutan) 3-11

4.1 Struktur Organisasi Perusahaan 4-2

4.2 Layout Perusahaan 4-4

4.3 Peta Proses Operasi Jaket 4-5

5.1 Kurva Wilayah Kritis 5-2

5.2 Grafik Uji Seragam Operasi 1 5-3

5.3 Peta Proses Operasi Jaket 5-9

5.4 Presedence Diagram 5-10

5.5 Pembagian Region Presedence Diagram 5-17

5.2 Uji Keseragaman Elemen Kerja 1 5-3

xi Universitas Kristen Maranatha

DAFTAR LAMPIRAN

Lampiran Judul Halaman

A Perhitungan Algoritma Genetika Pada Simple Case A – 1 Secara Manual

B Hasil Simple Case Menggunakan Software B – 1

Lampiran A-1

Simple Case

Contoh kasus line balancing :

O - 1 O - 2 O - 6 O - 9 O - 11 O - 12

O - 3 O - 4

O - 7 O - 8

7 “ 5 “ 4 “

8 “

6 “ 7 “

3 “ 5 “

4 “ 2 “

O - 10 O - 5

5 “ 8 “

Stasiun Kerja Awal Operasi Mesin

1 3 5 2 4 7

3 6

8 9 10 11 12 1

2

4

5

A

A

B

B

Target produksi :1500 unit/hari Jam kerja : 8 jam kerja/hari Waktu siklus (C) =

= 19,2 detik Parameter algoritma genetika :

 Ukuran populasi : 4

Jumlah generasi : 2

Probabilitas crossover (Pc) : 0.95

Lampiran A-2 Langkah 1 : Menentukan Encoding generasi ke-0

Berdasarkan precedence diagram yang telah dibentuk, maka semua elemen kerja ditugaskan dalam masing-masing kromosom dengan memperhatikan :

 Waktu setiap stasiun kerja tidak boleh melebihi waktu siklus.

 Jenis mesin yang digunakan dalam satu stasiun kerja adalah mesin yang sama.

 Urutan penugasan elemen kerja dalam suatu stasiun kerja tidak boleh ada yang backtrack.

Berikut ini adalah kromosom-kromosom yang terbentuk :

Kromosom 1 2 3 2 3 2 3 4 5 5 1 5 6

Kromosom 2 1 1 1 3 2 3 2 4 4 4 5 5

Kromosom 3 1 3 1 3 3 4 1 2 5 2 5 5

Kromosom 4 1 1 1 4 2 4 2 3 5 3 5 5

Berdasarkan kromosom yang telah terbentuk diatas, maka didapatkan hasil penugasan elemen kerja untuk setiap kromosom sebagai berikut :

1. Kromosom 1

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik )

1 10 B 5 5

1 7 7

3 3 10

5 8 18

2 5 5

4 5 10

6 4 14

4 7 A 8 8

8 7 7

9 6 13

11 4 17

6 12 B 2 2

2 A

A

B 3

Lampiran A-3 2. Kromosom 2

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik )

1 7 7

2 5 12

3 3 15

5 8 8

7 8 16

4 5 5

6 4 9

8 7 7

9 6 13

10 5 18

11 4 4

12 2 6

5 4 3 2

1 A

A A

B

B

3. Kromosom 3

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik )

1 7 7

3 3 10

7 8 18

8 7 7

10 5 12

2 5 5

4 5 10

5 8 18

4 6 A 4 4

9 6 6

11 4 10

12 2 12

1

2

3

5

A

B

A

Lampiran A-4 4. Kromosom 4

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik )

1 7 7

2 5 12

3 3 15

5 8 8

7 8 16

8 7 7

10 5 12

4 5 5

6 4 9

9 6 6

11 4 10

12 2 12

1

2 3 4

5

A

A B A

B

Langkah 2 : Melakukan Decoding ( Menghitung Fitness Value )

Ukuran dari fitness value yang digunakan adalah efisiensi lintasan total, sebab dengan semakin meningkatnys nilai rata – rata efisiensi lintasan, maka suatu lintasan dapat dikatakan lebih efisien.

Berikut ini adalah nilai decoding dari setiap kromosom awal : 1. Efisiensi Kromosom 1

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik ) Efisiensi (%)

1 10 B 5 5 26,04

1 7 7

3 3 10

5 8 18

2 5 5

4 5 10

6 4 14

4 7 A 8 8 41,67

8 7 7

9 6 13

11 4 17

6 12 B 2 2 10,41

55,55 Rata - rata Efisiensi ( %)

93,75

3 A 72,91

5 B 88,54

Lampiran A-5 2. Efisiensi Kromosom 2

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik ) Efisiensi (%)

1 7 7

2 5 12

3 3 15

5 8 8

7 8 16

4 5 5

6 4 9

8 7 7

9 6 13

10 5 18

11 4 4

12 2 6

66,65 78,12

83,33 46,87

93,75

31,25

1 A

2 A

3 A

4 B

5 B

Rata - rata Efisiensi ( %)

3. Efisiensi Kromosom 3

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik ) Efisiensi (%)

1 7 7

3 3 10

7 8 18

8 7 7

10 5 12

2 5 5

4 5 10

5 8 18

4 6 A 4 4 20,83

9 6 6

11 4 10

12 2 12

62,67

5 B

93,75

62,5

93,75

62,5

1 A

2 B

3 A

Rata - rata Efisiensi ( %)

Lampiran A-6 4. Efisiensi Kromosom 4

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik ) Efisiensi (%)

1 7 7

2 5 12

3 3 15

5 8 8

7 8 16

8 7 7

10 5 12

4 5 5

6 4 9

9 6 6

11 4 10

12 2 12

66,67

4 A

5 B

78,12

83,33 62,5 46,87

62,5

1 A

2 A

3 B

Rata - rata Efisiensi ( %)

Langkah 3 : Melakukan Crossover

Langkah-langkah untuk melakukan proses crossover dari semua parent yang ada adalah sebagai berikut :

 Menetapkan probabilitas crossover (Pc).

 Bangkitkan bilangan random untuk setiap kromosom yang ada, lalu dibandingkan dengan nilai Pc yang telah ditentukan diatas.

Jika nilai bilangan random pada suatu kromosom lebih kecil dari nilai Pc, maka kromosom tersebut dapat menjadi parent untuk proses crossover.

Bilangan random untuk tiap kromosom adalah sebagai berikut : Bilangan random untuk Pc kromosom 1 : 0.5065

Bilangan random untuk Pc kromosom 2 : 0.0963 Bilangan random untuk Pc kromosom 3 : 0.4994 Bilangan random untuk Pc kromosom 4 : 0.2310

Lampiran A-7

 Menentukan pasangan parent yang akan di crossover secara acak, lali tentukan crossing site secara acak dengan menggunakan metode partial-mapped crossover, kemudian tukarkan nilai yang ada dalam crossing site tersebut pada masing-masing pasangan parent.

Bilangan random untuk pasangan parent dan crossing site adalah sebagai berikut :

Kromosom 1 dan Kromosom 4 adalah : 11 dan 12 Kromosom2 dan Kromosom 3 adalah : 9 dan 6

Kromosom 1 2 3 2 3 2 3 4 5 5 1 5 6

Kromosom 4 1 1 1 3 2 3 2 4 4 4 5 5

Kromosom 2 1 1 1 3 2 3 2 4 4 4 5 5

Kromosom 3 1 3 1 3 3 4 1 2 5 2 5 5

Hasil crossover dari kedua pasangan kromosom tersebut adalah :

Offspring Crossover 1 Kromosom 1 2 3 2 3 2 3 4 5 5 1 5 5 VALID

Offspring Crossover 1 Kromosom 4 1 1 1 4 2 4 2 3 5 3 5 6 VALID

Offspring Crossover 1 Kromosom 2 1 1 1 3 2 3 1 2 5 4 5 5 TIDAK VALID

Offspring Crossover 1 Kromosom 3 1 3 1 3 3 4 2 4 4 2 5 5 TIDAK VALID

Offspring Crossover 1 Kromosom 2 tidak valid karena pada penggabungan stasiun kerja 2 terdapat operasi dengan mesin yang berbeda dan waktu kumulatif stasiun 1 melebihi waktu siklus.

Offspring Crossover 1 Kromosom 3 tidak valid karena pada penggabungan stasiun kerja 2 terdapat operasi dengan mesin yang berbeda.

Lampiran A-8

Hasil encoding offspring crossover kromosom yang valid adalah sebagai berikut : 1. Offspring Crossover 1 Kromosom 1

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik )

1 10 B 5 5

1 7 7

3 3 10

5 8 18

2 5 5

4 5 10

6 4 14

4 7 A 8 8

8 7 7

9 6 13

11 4 17

12 2 19

2

3

5

A

A

B

2. Offspring Crossover 1 Kromosom 4

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik )

1 7 7

2 5 10

3 3 15

5 8 8

7 8 16

8 7 7

10 5 12

4 5 5

6 4 9

9 6 6

11 4 10

6 12 B 2 2

2 3 4 5

A

A B A B 1

Lampiran A-9 Langkah 4 : Menghitung Decoding

Decoding hasil yang valid adalah sebagai berikut : 1. Offspring Crossover 1 Kromosom 1

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik ) Efisiensi

1 10 B 5 5 26,04

1 7 7

3 3 10

5 8 18

2 5 5

4 5 10

6 4 14

4 7 A 8 8 41,67

8 7 7

9 6 13

11 4 17

12 2 19

Rata - rata Efisiensi ( %) 66,66 93,75

72,9

98,95

2 A

3 A

5 B

2. Offspring Crossover 1 Kromosom 4

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik ) Efisiensi

1 7 7

2 5 10

3 3 15

5 8 8

7 8 16

8 7 7

10 5 12

4 5 5

6 4 9

9 6 6

11 4 10

6 12 B 2 2 10,41

Rata - rata Efisiensi ( %) 55,55

4 A

5 B

78,12

83,33 62,5 46,87 52,08

1 A

2 A

Lampiran A-10 Langkah 5 : Melakukan Mutasi

Langkah-langkah untuk melakukan proses mutasi dari semua kromosom ada adalah sebagai berikut :

 Menetapkan probabilitas mutasi (Pm).

 Bangkitkan bilangan random untuk setiap nilai gen yang berada dalam setiap kromosom, lalu dibandingkan dengan nilai Pm.

Berikut ini adalah bilangan random yang dibangkitkan untuk setiap gen pada semua kromosom :

Kromosom 1 2 3 2 3 2 3 4 5 5 1 5 6

0,153173 0,637106 0,438248 0,83505 0,131986 0,792883 0,195558 0,810473 0,746428 0,80444 0,844755 0,819355

Kromosom 2 1 1 1 3 2 3 2 4 4 4 5 5

0,7916 0,0702 0,9108 0,8959 0,3011 0,9238 0,8505 0,4024 0,9428 0,9943 0,2373 0,3587

Keomosom 3 1 3 1 3 3 4 1 2 5 2 5 5

0,0686 0,2843 0,5603 0,0322 0,0541 0,4871 0,8166 0,5125 0,6650 0,1952 0,0993 0,8287

Kromosom 4 1 1 1 4 2 4 2 3 5 3 5 5

0,0514 0,9740 0,6056 0,7397 0,6888 0,1858 0,7123 0,6706 0,7684 0,6778 0,0781 0,3545

Offspring Crossover 1 Kromosom 1 2 3 2 3 2 3 4 5 5 1 5 5

0,1213 0,2245 0,0280 0,1902 0,1417 0,3695 0,6227 0,0692 0,9842 0,4228 0,8728 0,6422

Offspring Crossover 1 Kromosom 4 1 1 1 4 2 4 2 3 5 3 5 6

0,525787 0,329501 0,604597 0,142162 0,840374 0,510396 0,938061 0,450105 0,661334 0,571328 0,508164 0,602908

Semua kromosom tidak mengalami mutasi, karena nilai setiap bilangan randomnya lebih besar dari nilai 0,01 ( Pm ).

Langkah 6 : Melakukan seleksi generasi 1

Ringkasan rata – rata efisiensi dari setiap kromosom yang valid adalah:

Nomor Kromosom Rata - rata Efisiensi (%)

1 Kromosom 1 55,55

2 Kromosom 2 66,65

3 Kromosom 3 62,67

4 Kromosom 4 66,67

5 Offspring Crossover 1

Kromosom 1 66,66

6 Offspring Crossover 1

Lampiran A-11 Untuk kasus ini, kromosom yang dipilih adalah :

Nomor Kromosom Rata - rata Efisiensi (%)

1 Kromosom 2 66,65

2 Kromosom 3 62,67

3 Kromosom 4 66,67

4 Offspring Crossover 1

Kromosom 1 66,66

Langkah 7 : Melakukan Crossover untuk generasi 2

Bilangan random untuk Pc kromosom 2 : 0,8414 Bilangan random untuk Pc kromosom 3 : 0,3402 Bilangan random untuk Pc kromosom 4 : 0,9226 Bilangan random untuk Pc offspring crossover 1 kromosom 1 : 0.6808

Bilangan random untuk pasangan parent dan crossing site adalah sebagai berikut : Kromosom 2 dan Kromosom 3 adalah : 5 dan 1

Kromosom1 dan offspring crossover 1 kromosom 1 adalah : 3 dan 8

Kromosom 2 1 1 1 3 2 3 2 4 4 4 5 5

Kromosom 3 1 3 1 3 3 4 1 2 5 2 5 5

Kromosom 4 1 1 1 4 2 4 2 3 5 3 5 5

Offspring Crossover 1 Kromosom 1 2 3 2 3 2 3 4 5 5 1 5 5

Hasil crossover dari kedua pasangan kromosom tersebut adalah :

Offspring Crossover 2 Kromosom 2 1 3 1 3 3 3 2 4 4 4 5 5 TIDAK VALID

Offspring Crossover 2 Kromosom 3 1 1 1 3 2 4 1 2 5 2 5 5 TIDAK VALID

Offsrping Kromosom 4 Generasi 2 1 1 1 3 2 3 4 5 5 3 5 5 TIDAK VALID

Lampiran A-12

Offspring Crossover 2 Kromosom 2 tidak valid karena waktu kumulatif stasiun 3 melebihi waktu siklus.

Offspring Crossover 2 Kromosom 3 tidak valid karena waktu kumulatif stasiun 1 dan 2 melebihi waktu siklus.

Offspring Kromosom 4 Generasi 2 tidak valid karena pada penggabungan stasiun kerja 3 terdapat operasi dengan mesin yang tidak sama.

Offspring Crossover 2 Kromosom 1 Generasi 2 tidak valid karena pada penggabungan stasiun kerja 3 terdapat operasi dengan mesin yang tidak sama.

Langkah 8 : Melakukan Mutasi generasi 2

Langkah-langkah untuk melakukan proses mutasi dari semua kromosom ada adalah sebagai berikut :

 Menetapkan probabilitas mutasi (Pm).

 Bangkitkan bilangan random untuk setiap nilai gen yang berada dalam setiap kromosom, lalu dibandingkan dengan nilai Pm.

Berikut ini adalah bilangan random yang dibangkitkan untuk setiap gen pada semua kromosom :

Kromosom 2 1 1 1 3 2 3 2 4 4 4 5 5

0,6865 0,4437 0,9862 0,0409 0,1143 0,3924 0,7848 0,7068 0,2121 0,0202 0,7788 0,6347

Keomosom 3 1 3 1 3 3 4 1 2 5 2 5 5

0,8604 0,5868 0,0257 0,7082 0,0067 0,0262 0,3264 0,8284 0,7879 0,6938 0,7677 0,1087

Kromosom 4 1 1 1 4 2 4 2 3 5 3 5 5

0,2990 0,9880 0,7700 0,8181 0,0885 0,0620 0,9116 0,6633 0,6530 0,7571 0,4363 0,9027

Offspring Crossover 1 Kromosom 1 2 3 2 3 2 3 4 5 5 1 5 5 0,2656 0,7328 0,0566 0,2931 0,5208 0,1803 0,5536 0,8975 0,1034 0,7513 0,7684 0,2212

Gen yang mengalami mutasi menggunakan metode order-based mutation dari kromosom diatas adalah kromosom 3 elemen kerja ke-5 pada stasiun kerja 3 dengan nilai bilangan random sebesar 0.0067 > ½ Pm, maka elemen kerja tersebut yang seharusnya dikerjakan di stasiun 3 menjadi dikerjakan di stasiun 4.

Lampiran A-13 Jadi, hasil mutasi untuk generasi ke-2 adalah :

Mutasi Kromosom 3 1 3 1 3 4 4 1 2 5 2 5 5

Berdasarkan hasil mutasi, penugasan elemen kerja untuk kromosm nya adalah sebagai berikut :

 Encoding Mutasi Kromosom 3

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik )

1 7 7

3 3 10

7 8 18

8 7 7

10 5 12

2 5 5

4 5 10

5 8 8

6 4 12

9 6 6

11 4 10

12 2 12

A

B A A

B 1

2 3 4

5

 Decoding Mutasi Kromosom 3

Stasiun Kerja Operasi Mesin Waktu ( detik ) Waktu Kumulatif ( detik ) Efisiensi (% )

1 7 7

3 3 10

7 8 18

8 7 7

10 5 12

2 5 5

4 5 10

5 8 8

6 4 12

9 6 6

11 4 10

12 2 12

Rata - rata Efisiensi (% ) 66,67

A

B A A

B 1

2 3 4

5

93,75

62,5 52,08

62,5

Lampiran A-14 Langkah 9 : Melakukan Seleksi Generasi 2

Ringkasan rata – rata efisiensi dari setiap kromosom yang valid adalah:

Nomor Kromosom Rata - rata Efisiensi (%)

1 Kromosom 2 66,65

2 Kromosom 3 62,67

3 Kromosom 4 66,67

4 Offspring Crossover 1

Kromosom 1 66,66

5 Mutasi Kromosom 3 66,67

Kromosom yang terpilih menjadi populasi baru generasi ke-2 adalah :

Nomor Kromosom Rata - rata Efisiensi (%)

1 Kromosom 2 66,65

2 Kromosom 4 66,67

3 Offspring Crossover 1

Kromosom 1 66,66

4 Mutasi Kromosom 3 66,67

Kesimpulan : Kromosom yang terpilih adalah Mutasi Kromosom 3 karena memiliki nilai rata – rata efisiensi lintasan yang terbesar yaitu 66,67%.

Lampiran B-1

Output hasil perhitungan Simple Case menggunakan software yang telah dibuat adalah sebagai berikut :

Generasi Kromosom Efisiensi 1 2 3 4 5 6 7 8 9 10 11 12

0 1 55,55% 2 3 2 3 2 3 4 5 5 1 5 6

0 2 66,65% 1 1 1 3 2 3 2 4 4 4 5 5

0 3 62,67% 1 3 1 3 3 4 1 2 5 2 5 5

0 4 66,67% 1 1 1 4 2 4 2 3 5 3 5 5

1 C1&4-11&12 66,66% 2 3 2 3 2 3 4 5 5 1 5 5

1 C1&4-11&12 55,55% 1 1 1 4 2 4 2 3 5 3 5 6

1 1 55,55% 2 3 2 3 2 3 4 5 5 1 5 6

1 2 66,65% 1 1 1 3 2 3 2 4 4 4 5 5

1 3 62,67% 1 3 1 3 3 4 1 2 5 2 5 5

1 4 66,67% 1 1 1 4 2 4 2 3 5 3 5 5

2 M3 66,67% 1 3 1 3 4 4 1 2 5 2 5 5

2 1 66,65% 1 1 1 3 2 3 2 4 4 4 5 5

2 2 66,67% 1 1 1 4 2 4 2 3 5 3 5 5

Lampiran B-2 Keterangan :

 Pada generasi ke-1, terlihat penulisan C 1&4 – 11&12, yang berarti : kromosom 1 dan 4 dari hasil generasi ke-0 (encoding) dilakukan proses crossover dengan nilai crossing site adalah 11 dan 12 .

 Pada generasi ke-2, terlihat penulisan m3, yang berarti : mutasi dilakukan pada kromosom 3 dari generasi 1..

 Hasil crossover dan mutasi yang ditampilkan oleh software adalah hanya hasil decoding kromosom yang valid.

Dari tabel rangkuman hasil output software, terlihat bahwa nilai efisiensi tertinggi adalah sebesar 66,67%, dengan susunan kromosom sebagai berikut :

Stasiun

Kerja Operasi Mesin

Waktu ( detik

) Waktu Kumulatif ( detik ) Efisiensi

1

1

A

7 7

93,75

3 3 10

7 8 18

2 8 B 7 7 62,5

10 5 12

3 2 A 5 5 52,08

4 5 10

4 5 A 8 8 62,5

6 4 12

5

9

B

6 6

62,5

11 4 10

12 2 12

Lampiran C-1

Langkah-langkah pengunaan software dalam mengerjakan kasus penyeimbangan lintasan produksi yang dilakukan penulis adalah sebagai berikut:

 Tampilan awal dari software terdiri dari 2 bagian, yaitu Input Product dan Proses. Sebelum melakukan Proses, terlebih dahulu memasukan data awal pada Input Product yang berisi operasi, jumlah produksi, serta jenis mesin.

 Input Product

Pada opsi ini, terdapat 4 komponen, yaitu: 1. Input Produk

Input produk berisikan jumlah operasi yang berdasarkan Precedence Diagram dan target produksi yang diinginkan. Target produksi yang diinginkan adalah sebesar 990 unit perminggu.

2. Input Mesin

Menginput mesin yang digunakan berdasarkan Operation Process Chart. 3. Operasi

Setelah mengisi opsi Input Produk dan Input Mesin, lalu mengisi kolom Operasi. Pada kolom ini berisikan operasi yang terdapat pada Operation Process Chart beserta operasi pendahulu dan operasi pengikutnya beserta mesin yang digunakan dan waktu prosesnya.

4. Load / Save Option

Opsi ini berfungsi untuk menyimpan maupun memanggil kasus yang telah dibuat.

Lampiran C-2 Berikut adalah tampilan dari Input Product:

 Proses

Bagian ini digunakan untuk mendapatkan solusi dari kasus yang telah dibuat. Bagian ini terdiri dari:

1. Load Parameter Genetic Algorithm

Pada bagian ini terdiri dari parameter yang digunakan dalam algoritma genetika, yaitu:

 Populasi

Kolom ini diisi dengan jumlah parent yang dinginkan. Pada kasus ini diisi sebanyak 20 populasi.

 Pc

Probabilitas Crossover yang digunakan adalah sebesar 95%.

 Generasi

Jumlah generasi yang digunakan adalah sebanyak 300 generasi. Semakin banyak generasi, maka semakin banyak iterasinya.

 Pm

Probabilitas Mutasi yang digunakan adalah sebesar 1% sesuai dengan saran yang diberikan obitko.

Lampiran C-3 2. Load Case

Bagian ini berfungsi untuk memanggil kembali kasus yang telah diinput pada Input Product untuk diproses.

3. Proses

Pada bagian ini, terdapat kolom pengisian jumlah jam kerja. Penulis menggunakan jam kerja sebesar 46 jam kerja perminggu. Satuan jam kerja harus sesuai dengan target produksi.

4. Hasil Iterasi Genetic Algorithm

Bagian ini menampilkan hasil dari kasus yang dibuat, dimana lintasan produksi yang terpilih berdasarkan nilai efisiensi lintasan tertinggi. Berikut adalah tampilan dari bagian Proses:

Bag. Depan Bawah Kanan ( Kain Fleace )

O - 1 O - 1

Dipotong Digunting ( Manual ) Dipola

O - 2 O - 2

O - 3 O - 3

O - 4 O - 4

O - 5 O - 5

O - 6 O - 6

O - 7 O - 7

O - 8 O - 8

O - 20 O - 20

O - 21 O - 21

O - 26 O - 26

O - 31 O - 31

O - 37 O - 37 Saku Bobok Kepala Saku

Disambung ( Mesin Obras )

Dijahit ( Mesin Jahit ) Kain Bag. Dalam

Pasang Resleting ( Mesin Jahit ) Resleting

Obras Bahu Kanan ( Mesin Obras )

Sambung Bag. Depan dengan Belakang ( Mesin Obras ) Sambung Bag. Jaket Kanan dengan Kiri ( Mesin Jahit )

Timpa Jahitan ( Mesin Jahit ) Pasang Lengan

Kanan ( Mesin Obras ) Pasang Lengan

Kiri ( Mesin Obras ) Sambung Kerah Ke Jaket ( Mesin Obras ) Bag. Depan

Atas Kanan ( Kain Fleace )

Dipotong Dipola Bag. Belakang Kanan

( Kain Fleace )

Dipotong Dipola Bag. Depan

Bawah Kiri ( Kain Fleace )

O - 9 O - 9

Dipotong Digunting ( Manual ) Dipola

O - 10 O - 10

O - 11 O - 11

O - 12 O - 12

O - 13 O - 13

O - 14 O - 14

O - 18 O - 18

O - 19 O - 19 Saku Bobok Kepala Saku

Disambung ( Mesin Obras )

Dijahit ( Mesin Jahit ) Kain Bag. Dalam

Pasang Resleting ( Mesin Jahit ) Resleting

Obras Bahu Kiri ( Mesin Obras ) Sambung Bag. Depan dengan Belakang ( Mesin Obras ) Bag. Depan

Atas Kiri ( Kain Fleace )

Dipotong Dipola Bag. Belakang Kiri

( Kain Fleace )

Dipotong Dipola

O - 15 O - 15

O - 16 O - 16

O - 17 O - 17

Digunting ( Manual ) Jahit Saku

Bobok ( Mesin Jahit )

Jahit Kepala Saku ( Mesin Jahit ) Saku Bobok

Kepala Saku Lengan Kanan Atas

( Kain Fleace )

Dipotong Dipola

O - 22 O - 22 Lengan Kanan Bawah

( Kain Fleace )

Dipotong Dipola Kepala Lengan

Kanan ( Kain Fleace )

Dipotong Dipola

O - 23 O - 23

Lubangi Kepala Lengan ( Mesin Pelubang

Kancing ) O - 24 O - 24

Pasang Kancing ( Mesin Pasang Kancing ) Kancing

O - 25 O - 25 Lengan Kiri Atas

( Kain Fleace )

Dipotong Dipola

O - 27 O - 27

Sambung Lengan Kiri Atas dengan

Bawah ( Mesin Obras ) Lengan Kiri Bawah

( Kain Fleace )

Dipotong Dipola Kepala Lengan

Kiri ( Kain Fleace )

Dipotong Dipola

O - 28 O - 28

Lubangi Kepala Lengan ( Mesin Pelubang

Kancing ) O - 29 O - 29

Pasang Kancing ( Mesin Pasang Kancing ) Kancing

O - 30 O - 30

Sambung Kepala Lengan Kiri dengan Lengan

Kiri ( Mesin Obras ) Kaki Kerah

( Kain Fleace )

Dipotong Dipola

O -32 O -32 Steam

( Sterika ) O - 33 O - 33_{( Mesin Jahit )}Dijahit

O - 36 O - 36

Jahit Daun Kerang Dengan

Kaki Kerah ( Mesin Jahit ) Kain Keras Daun Kerah

( Kain Fleace )

Dipotong Dipola

O - 34 O - 34 Steam

( Sterika ) O - 35 O - 35 Kain Keras

Dijahit ( Mesin Jahit ) Bag. Bawah Jaket

( Kain Fleace )

Dipotong Dipola

O - 38 O - 38

O - 39 O - 39 Kain Keras

Steam ( Sterika )

Dijahit ( Mesin Jahit )

O - 40 O - 40

Obras Bag. Bawah Jaket ( Mesin Obras ) O - 41 O - 41

Obras bag.belakang ( Mesin Obras ) I - 1 Pemeriksaan

( Meja Kerja ) Nomor Produk : 1 Dipetakan oleh : Nicholas Aditya Nama Produk : Jaket Tanggal Dipetakan : 1 January 2013

PETA PROSES OPERASI

Ringkasan

Operasi

Pemeriksaan Total

Jumlah Waktu (detik)

Sambung Kepala Lengan Kanan dengan Lengan Kanan ( Mesin Obras ) Sambung Lengan Kanan Atas dengan Bawah ( Mesin Obras )

Jahit Saku Bobok ( Mesin Jahit )

Jahit Kepala Saku ( Mesin Jahit )

Jahit Saku Bobok ( Mesin Jahit )

Jahit Kepala Saku ( Mesin Jahit ) 18,8" 43,41" 29,29" 16,50" 80,21" 108,32" 14,15" 17,50" 17,75" 43,46" 30,39" 18,77" 77,83" 107,15" 15,31" 39,94" 25,75" 15,32" 18,89" 49,61" 42,27" 29,43" 10,57" 11,45" 16,60" 37,70" 29,36" 9,58" 10,47" 15,33" 36,49" 6,46" 31,66" 7,46" 32,92" 30,64" 29,41" 11,33" 30,62" 37,84" 134,27" 49,19" 1390,21 49,19 41 1 42 1439,4

O - 1

O - 1 O - 2 O - 3 O - 4 O - 5 O - 6 O - 7 O - 8 O - 20 O - 21 O - 26 O - 31 O - 37

O - 9

O - 9 O - 10 O - 11 O - 12 O - 13 O - 14 O - 18 O - 19

O - 15

O - 15 O - 16 O - 17 O - 22

O - 23 O - 24

O - 25 O - 27 O - 28 O - 29

O - 30

O -32 O - 33 O - 36 O - 34 O - 35

O - 38 O - 39

O - 40 O - 41 I - 1 18,8" 43,41" 29,29" 16,50" 80,21" 108,32" 14,15" 17,50"

17,75" 43,46" 30,39" 18,77" 77,83" 107,15"

15,31" 39,94" 25,75"

15,32" 18,89"

49,61" 42,27"

29,43"

10,57" 11,45"

16,60"

37,70" 29,36"

9,58" 10,47"

15,33"

36,49" 6,46" 31,66"

7,46" 32,92"

30,64"

11,33" 30,62"

29,41" 37,84" 134,27" 49,19"

Manual

Mesin Jahit

Mesin Obras

Mesin Pelubang Kancing

Mesin Pasang Kancing

Bag. Depan Bawah Kanan ( Kain Fleace )

O - 1 O - 1

Dipotong Digunting ( Manual ) Dipola

O - 2 O - 2

O - 3 O - 3

O - 4 O - 4

O - 5 O - 5

O - 6 O - 6

O - 7 O - 7

O - 8 O - 8

O - 20 O - 20

O - 21 O - 21

O - 26 O - 26

O - 31 O - 31

O - 37 O - 37 Saku Bobok Kepala Saku

Disambung ( Mesin Obras )

Dijahit ( Mesin Jahit ) Kain Bag. Dalam

Pasang Resleting ( Mesin Jahit ) Resleting

Obras Bahu Kanan ( Mesin Obras )

Sambung Bag. Depan dengan Belakang ( Mesin Obras ) Sambung Bag. Jaket Kanan dengan Kiri ( Mesin Jahit )

Timpa Jahitan ( Mesin Jahit ) Pasang Lengan

Kanan ( Mesin Obras )

Pasang Lengan Kiri ( Mesin Obras ) Sambung Kerah Ke Jaket ( Mesin Obras ) Bag. Depan

Atas Kanan ( Kain Fleace )

Dipotong Dipola Bag. Belakang Kanan

( Kain Fleace )

Dipotong Dipola Bag. Depan

Bawah Kiri ( Kain Fleace )

O - 9 O - 9

Dipotong Digunting ( Manual ) Dipola

O - 10 O - 10

O - 11 O - 11

O - 12 O - 12

O - 13 O - 13

O - 14 O - 14

O - 18 O - 18

O - 19 O - 19 Saku Bobok Kepala Saku

Disambung ( Mesin Obras )

Dijahit ( Mesin Jahit ) Kain Bag. Dalam

Pasang Resleting ( Mesin Jahit ) Resleting

Obras Bahu Kiri ( Mesin Obras ) Sambung Bag. Depan dengan Belakang ( Mesin Obras ) Bag. Depan

Atas Kiri ( Kain Fleace )

Dipotong Dipola Bag. Belakang Kiri

( Kain Fleace )

Dipotong Dipola

O - 15 O - 15

O - 16 O - 16

O - 17 O - 17

Digunting ( Manual ) Jahit Saku

Bobok ( Mesin Jahit )

Jahit Kepala Saku ( Mesin Jahit ) Saku Bobok

Kepala Saku Lengan Kanan Atas

( Kain Fleace )

Dipotong Dipola

O - 22 O - 22 Lengan Kanan Bawah

( Kain Fleace )

Dipotong Dipola Kepala Lengan

Kanan ( Kain Fleace )

Dipotong Dipola

O - 23 O - 23

Lubangi Kepala Lengan ( Mesin Pelubang

Kancing ) O - 24 O - 24

Pasang Kancing ( Mesin Pasang Kancing ) Kancing

O - 25 O - 25 Lengan Kiri Atas

( Kain Fleace )

Dipotong Dipola

O - 27 O - 27

Sambung Lengan Kiri Atas dengan

Bawah ( Mesin Obras ) Lengan Kiri Bawah

( Kain Fleace )

Dipotong Dipola Kepala Lengan

Kiri ( Kain Fleace )

Dipotong Dipola

O - 28 O - 28

Lubangi Kepala Lengan ( Mesin Pelubang

Kancing ) O - 29 O - 29

Pasang Kancing ( Mesin Pasang Kancing ) Kancing

O - 30 O - 30

Sambung Kepala Lengan Kiri dengan Lengan

Kiri ( Mesin Obras ) Kaki Kerah

( Kain Fleace )

Dipotong Dipola

O -32 O -32 Steam

( Sterika ) O - 33 O - 33_{( Mesin Jahit )}Dijahit

O - 36 O - 36

Jahit Daun Kerang Dengan

Kaki Kerah ( Mesin Jahit ) Kain Keras Daun Kerah

( Kain Fleace )

Dipotong Dipola

O - 34 O - 34 Steam

( Sterika ) O - 35 O - 35 Kain Keras

Dijahit ( Mesin Jahit ) Bag. Bawah Jaket

( Kain Fleace )

Dipotong Dipola

O - 38 O - 38

O - 39 O - 39 Kain Keras

Steam ( Sterika )

Dijahit ( Mesin Jahit )

O - 40 O - 40

Obras Bag. Bawah Jaket ( Mesin Obras ) O - 41 O - 41

Obras bag.belakang ( Mesin Obras ) I - 1 Pemeriksaan ( Meja Kerja ) Nomor Produk : 1 Dipetakan oleh : Nicholas Aditya Nama Produk : Jaket Tanggal Dipetakan : 1 January 2013

PETA PROSES OPERASI

Ringkasan

Operasi

Pemeriksaan Total

Jumlah Waktu (detik)

Sambung Kepala Lengan Kanan dengan Lengan Kanan ( Mesin Obras ) Sambung Lengan Kanan Atas dengan Bawah ( Mesin Obras )

Jahit Saku Bobok ( Mesin Jahit )

Jahit Kepala Saku ( Mesin Jahit )

Jahit Saku Bobok ( Mesin Jahit )

Jahit Kepala Saku ( Mesin Jahit )

1-1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

1.1Latar Belakang Masalah

Dewasa ini, perkembangan industri khususnya industri garment di Indonesia semakin berkembang dikarenakan adanya kemajuan teknologi sehingga dibutuhkan lintasan produksi yang seimbang pada lantai produksi agar pendistribusian beban kerja terbagi merata.

Dalam suatu industri garment terdapat banyak lintasan produksi, sehingga dibutuhkan perencanaan lintasan produksi yang baik. Jika perencanaan lintasan produksi yang dilakukan kurang tepat, maka akan mengakibatkan suatu lintasan produksi menjadi tidak efisien karena distribusi beban kerja yang tidak seimbang.

“CV DIKHSA GARMENT” merupakan perusahaan yang bergerak di bidang industri garment. Dalam produksinya, CV DIKHSA GARMENT ini memproduksi bermacam-macam pakaian baik kaos maupun kemeja. Pakaian yang diproduksi secara mass production oleh perusahaan ini adalah jaket , untuk pakaian khusus job order yang diproduksi sesuai permintaan konsumen dibuat di lintasan produksi yang lain adalah kaos, kemeja, dan celana training.

Berdasarkan pengamatan yang dilakukan, penulis melihat bahwa masalah yang dihadapi oleh perusahaan saat ini adalah tidak terpenuhinya target produksi dan beban kerja masing-masing stasiun kerja yang tidak terbagi merata. Untuk itu, penulis ingin memberikan usulan perbaikan lintasan produksi yang diharapkan dapat menyeimbangkan beban elemen kerja pada setiap stasiun kerja, sehingga target produksi dapat tercapai dengan baik.

Bab I Pendahuluan 1-2

Tugas Akhir Universitas Kristen Maranatha

1.2Identifikasi Masalah

Penulis mengamati “CV DIKHSA GARMENT” yang berlokasi di Jalan Suci, Bandung, Jawa Barat. Masalah yang terjadi pada perusahaan ini adalah tidak terpenuhinya target produksi yang diakibatkan karena adanya delay dan antrian pada lintasan produksi mass production produk jaket, sehingga distribusi beban kerja tidak merata pada tiap stasiun kerja.

1.3Pembatasan Masalah Dan Asumsi

Dalam tugas akhir ini terdapat pembatasan masalah dan asumsi yang diharapkan dapat membantu penulis menyelesaikan tugas akhir, adapun pembatasan masalah yang dilakukan oleh penulis adalah sebagai berikut :

1. Proses pola dan potong tidak diamati karena dilakukan secara massal. Asumsi yang digunakan dalam penelitian ini adalah :

1. Bahan baku yang akan digunakan selalu tersedia. 2. Mesin yang akan digunakan berada dalam kondisi baik. 3. Operator pada setiap stasiun kerja sudah terampil.

1.4Perumusan Masalah

Penulis merumuskan masalah yang ada, supaya hasil penelitian yang didapatkan mendekati kondisi optimal. Adapun perumusan masalah yang hendak diteliti adalah :

1. Apakah kelemahan dari lintasan produksi untuk jaket yang diterapkan oleh perusahaan saat ini?

2. Metode apakah yang tepat digunakan untuk menyeimbangkan lintasan produksi perusahaan saat ini?

3. Keunggulan apa saja yang bisa diperoleh perusahaan melalui penerapan metode penyeimbangan lintasan produksi yang diusulkan?

Bab I Pendahuluan 1-3

Tugas Akhir Universitas Kristen Maranatha

1.5Tujuan Penelitian

Penelitian ini dilakukan dengan tujuan sebagai berikut :

1. Mengidentifikasikan kelemahan dari metode yang sedang diterapkan oleh pihak perusahaan saat ini.

2. Mengusulkan metode yang sebaiknya digunakan oleh pihak perusahaan.

3. Menghitung besarnya efisiensi lintasan yang diperoleh melalui metode yang diusulkan agar tercapainya target produksi dengan penempatan stasiun kerja dan cara kerja operator yang teratur.

1.6 Sistematika Penulisan

Sistematika penulisan yang dilakukan oleh penulis dalam melakukan penelitian adalah :

BAB 1 PENDAHULUAN

Penulis memaparkan latar belakang masalah, identifikasi masalah, pembatasan masalah, perumusan masalah, tujuan penelitian, serta sistematika penulisan.

BAB 2 TINJAUAN PUSTAKA

Penulis memaparkan teori-teori yang digunakan sebagai dasar penelitian dan digunakan dalam membantu pemecahan masalah yang ada.

BAB 3 METODOLOGI PENELITIAN

Penulis menggambarkan langkah-langkah kerja untuk melakukan penelitian perbaikan lintasan produksi dari awal hingga akhir dalam bentuk flowchart.

BAB 4 PENGUMPULAN DATA

Penulis melakukan pengumpulan informasi dan data perusahaan yang diteliti.

Bab I Pendahuluan 1-4

Tugas Akhir Universitas Kristen Maranatha

BAB 5 PENGOLAHAN DATA DAN ANALISIS

Penulis melakukan pengolahan data yang telah diperoleh dari pengumpulan data, kemudian dianalisis. Hasil yang dianalisis akan menjadi acuan dalam melakukan usulan terhadap perusahaan.

BAB 6 KESIMPULAN DAN SARAN

Penulis mendeskripsikan intisari dari permasalahan yang dibahas dalam keseluruhan penelitian perbaikan lintasan produksi menggunakan metode algoritma genetika dan mencantumkan saran-saran yang berguna bagi pihak-pihak yang bersangkutan.

6 - 1 Universitas Kristen Maranatha

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan dari pengolahan data yang telah dilakukan maka dapat disimpulkan bahwa :

1. Kelemahan lintasan produksi yang diterapkan perusahaan saat ini adalah sebagai berikut:

Nilai efisiensi lintasan produksi yang diterapkan perusahaan saat ini hanya sebesar 40%, hal ini diakibatkan oleh banyaknya stasiun kerja yang pembebanannya tidak merata sehingga mengakibtakan antri dan delay.

Target produksi yang ditetapkan perusahaan adalah sebesar 990 unit/minggu sedangkan kapasitas produksi lintasan ini hanya sebesar 878 unit/minggu. Hal ini berarti lintasan produksi saat ini tidak dapat memenuhi target yang telah ditetapkan oleh perusahaan.

2. Keunggulan dari metode yang diusulkan ( Genetic Algorithm ) adalah sebagai berikut :

Dengan menerapkan metode Genetic Algorithm maka perusahaan dapat meningkatkan efisiensi rata-rata lintasan menjadi 64% dari nilai awal yang hanya sebesar 40%, hal tersebut berarti bahwa dengan penugasan sesuai dengan Genetic Algorithm beban kerja terdistribusi lebih merata untuk tiap stasiun kerja.

Jumlah stasiun kerja menjadi lebih sedikit dari kondisi awal yang berjumlah 19 stasiun kerja menjadi 16 stasiun kerja atau dengan menghemat 1 mesin jahit dan 2 mesin obras, itu berarti bahwa perusahaan dapat menghemat pengunaan mesin dengan mengalokasikan 3 mesin tersebut ke lintasan produksi yang lain jika dibutuhkan.

Kapasitas produksi meningkat cukup besar menjadi 1171 unit jaket/minggunya dari kapasitas awal yang 878 unit jaket/minggunya,

Bab VI Kesimpulan Dan Saran 6 - 2

Tugas Akhir Universitas Kristen Maranatha sehingga target produksi per minggunya tercukupi, hal tersebut disebabkan karena jika dengan kondisi aktual perusahaan menghasilkan waktu siklus sebesar 188,53 detik namun jika dengan metode Genetic Algorithm maka waktu siklus nya menjadi 141,4 detik.

6.2 Saran

Saran yang dapat diberikan penulis untuk perusahaan adalah sebagai berikut :

1. Perusahaan disarankan menggunakan susunan dengan mengikuti jam kerja pemerintah karena memiliki jam kerja yang lebih sedikit yaitu 40 jam/minggu dengan mempertimbangkan biaya tenaga kerja yang lebih murah dibanding dengan 46 jam/minggu.

xi Universitas Kristen Maranatha

DAFTAR PUSTAKA

1. Baroto, Teguh, 2002, “Perencanaan Dan Pengendalian Produksi”, Penerbit Ghalia Indonesia.

2. Elsayed, Elsayed A. and Boucher, Thomas O, 1985, “Analysis And

Control Of Production System”, New Jersey : Prentice-Hall.

3. Gen, Mitsui and Runwei Cheng, 1997, “Genetic Algortihm And Engineering Design”, New York : John Wiley & Sons.

4. Groover, Mikel P, 2001 “Automation, production system, and computer aided manufacturing”, Penerbit Prentice Hall

5. Narasimhan, 1995, “Production Planning adn Inventory Control”, Penernit Prentice Hall

6. Obitko, Marek,. 1998, web : http://www.obitko.com/tutorials/genetic-algorithms/index.php

7. Sutalaksana, 1979, “Teknik Perancangan Sistem Kerja”, Penerbit ITB Bandung.

Bab I Pendahuluan 1-2

Tugas Akhir Universitas Kristen Maranatha

1.2Identifikasi Masalah

Penulis mengamati “CV DIKHSA GARMENT” yang berlokasi di Jalan Suci, Bandung, Jawa Barat. Masalah yang terjadi pada perusahaan ini adalah tidak terpenuhinya target produksi yang diakibatkan karena adanya delay dan antrian pada lintasan produksi mass production produk jaket, sehingga distribusi beban kerja tidak merata pada tiap stasiun kerja.

1.3Pembatasan Masalah Dan Asumsi

Dalam tugas akhir ini terdapat pembatasan masalah dan asumsi yang diharapkan dapat membantu penulis menyelesaikan tugas akhir, adapun pembatasan masalah yang dilakukan oleh penulis adalah sebagai berikut :

1. Proses pola dan potong tidak diamati karena dilakukan secara massal. Asumsi yang digunakan dalam penelitian ini adalah :

1. Bahan baku yang akan digunakan selalu tersedia. 2. Mesin yang akan digunakan berada dalam kondisi baik. 3. Operator pada setiap stasiun kerja sudah terampil.

1.4Perumusan Masalah

Penulis merumuskan masalah yang ada, supaya hasil penelitian yang didapatkan mendekati kondisi optimal. Adapun perumusan masalah yang hendak diteliti adalah :

1. Apakah kelemahan dari lintasan produksi untuk jaket yang diterapkan oleh perusahaan saat ini?

2. Metode apakah yang tepat digunakan untuk menyeimbangkan lintasan produksi perusahaan saat ini?

3. Keunggulan apa saja yang bisa diperoleh perusahaan melalui penerapan metode penyeimbangan lintasan produksi yang diusulkan?

Bab I Pendahuluan 1-3

1.5Tujuan Penelitian

Penelitian ini dilakukan dengan tujuan sebagai berikut :

1. Mengidentifikasikan kelemahan dari metode yang sedang diterapkan oleh pihak perusahaan saat ini.

2. Mengusulkan metode yang sebaiknya digunakan oleh pihak perusahaan.

3. Menghitung besarnya efisiensi lintasan yang diperoleh melalui metode yang diusulkan agar tercapainya target produksi dengan penempatan stasiun kerja dan cara kerja operator yang teratur.

1.6 Sistematika Penulisan

Sistematika penulisan yang dilakukan oleh penulis dalam melakukan penelitian adalah :

BAB 1 PENDAHULUAN

Penulis memaparkan latar belakang masalah, identifikasi masalah, pembatasan masalah, perumusan masalah, tujuan penelitian, serta sistematika penulisan.

BAB 2 TINJAUAN PUSTAKA

Penulis memaparkan teori-teori yang digunakan sebagai dasar penelitian dan digunakan dalam membantu pemecahan masalah yang ada.

BAB 3 METODOLOGI PENELITIAN

Penulis menggambarkan langkah-langkah kerja untuk melakukan penelitian perbaikan lintasan produksi dari awal hingga akhir dalam bentuk flowchart.

Bab I Pendahuluan 1-4

Tugas Akhir Universitas Kristen Maranatha

BAB 5 PENGOLAHAN DATA DAN ANALISIS

Penulis melakukan pengolahan data yang telah diperoleh dari pengumpulan data, kemudian dianalisis. Hasil yang dianalisis akan menjadi acuan dalam melakukan usulan terhadap perusahaan.

BAB 6 KESIMPULAN DAN SARAN

Penulis mendeskripsikan intisari dari permasalahan yang dibahas dalam keseluruhan penelitian perbaikan lintasan produksi menggunakan metode algoritma genetika dan mencantumkan saran-saran yang berguna bagi pihak-pihak yang bersangkutan.

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan dari pengolahan data yang telah dilakukan maka dapat disimpulkan bahwa :

1. Kelemahan lintasan produksi yang diterapkan perusahaan saat ini adalah sebagai berikut:

Nilai efisiensi lintasan produksi yang diterapkan perusahaan saat ini hanya sebesar 40%, hal ini diakibatkan oleh banyaknya stasiun kerja yang pembebanannya tidak merata sehingga mengakibtakan antri dan delay.

Target produksi yang ditetapkan perusahaan adalah sebesar 990 unit/minggu sedangkan kapasitas produksi lintasan ini hanya sebesar 878 unit/minggu. Hal ini berarti lintasan produksi saat ini tidak dapat memenuhi target yang telah ditetapkan oleh perusahaan.

2. Keunggulan dari metode yang diusulkan ( Genetic Algorithm ) adalah sebagai berikut :

Dengan menerapkan metode Genetic Algorithm maka perusahaan dapat meningkatkan efisiensi rata-rata lintasan menjadi 64% dari nilai awal yang hanya sebesar 40%, hal tersebut berarti bahwa dengan penugasan sesuai dengan Genetic Algorithm beban kerja terdistribusi lebih merata untuk tiap stasiun kerja.

Bab VI Kesimpulan Dan Saran 6 - 2

Tugas Akhir Universitas Kristen Maranatha

sehingga target produksi per minggunya tercukupi, hal tersebut disebabkan karena jika dengan kondisi aktual perusahaan menghasilkan waktu siklus sebesar 188,53 detik namun jika dengan metode Genetic Algorithm maka waktu siklus nya menjadi 141,4 detik.

6.2 Saran

Saran yang dapat diberikan penulis untuk perusahaan adalah sebagai berikut :

1. Perusahaan disarankan menggunakan susunan dengan mengikuti jam kerja pemerintah karena memiliki jam kerja yang lebih sedikit yaitu 40 jam/minggu dengan mempertimbangkan biaya tenaga kerja yang lebih murah dibanding dengan 46 jam/minggu.

DAFTAR PUSTAKA

1. Baroto, Teguh, 2002, “Perencanaan Dan Pengendalian Produksi”, Penerbit Ghalia Indonesia.

2. Elsayed, Elsayed A. and Boucher, Thomas O, 1985, “Analysis And Control Of Production System”, New Jersey : Prentice-Hall.

3. Gen, Mitsui and Runwei Cheng, 1997, “Genetic Algortihm And Engineering Design”, New York : John Wiley & Sons.

4. Groover, Mikel P, 2001 “Automation, production system, and computer aided manufacturing”, Penerbit Prentice Hall

5. Narasimhan, 1995, “Production Planning adn Inventory Control”, Penernit Prentice Hall

6. Obitko, Marek,. 1998, web : http://www.obitko.com/tutorials/genetic-algorithms/index.php

7. Sutalaksana, 1979, “Teknik Perancangan Sistem Kerja”, Penerbit ITB Bandung.