Upaya Perbaikan Lintasan Produksi "CV.WATTO-WATTO GARMENT" Bandung Menggunakan Pendekatan Algoritma Genetika.
i Universitas Kristen Maranatha
ABSTRAK
“CV WATTOO–WATTOO GARMENT” merupakan perusahaan yang bergerak di bidang industri garment. Dalam kegiatan produksinya, CV WATTOO–WATTOO GARMENT ini memproduksi bermacam-macam pakaian anak-anak sesuai dengan kebutuhan pasar. Pakaian yang diproduksi secara mass production oleh perusahaan ini adalah jaket anak dan baju kaos oblong anak-anak, sedangkan job order tergantung dari pemesanan buyer. Penulis mengamati sebuah lini produksi jenis mass production yakni produk jaket anak-anak. Adapun masalah yang terjadi pada perusahaan ini adalah adanya delay di beberapa stasiun seperti stasiun 3, 6, 8, 9, 11, 12, 13, 14, 15, 21, 22, dan antrian di stasiun 1, sehingga 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 target produksi.
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. Efisiensi lintasan total melalui metode Algoritma Genetika sebesar 55.18%, sedangkan metode RPW adalah sebesar 46.91%, dan dengan metode Region sebesar 46.91%.
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 sebesar 55.18%. Keunggulan yang diperoleh melalui metode penyeimbangan lintasan Algoritma Genetika adalah pihak perusahaan dapat meningkatkan efisiensi lintasan produksi total sebesar 32.18%, dari yang semula 23% menjadi 55.18%. Jumlah stasiun kerja yang diterapkan oleh perusahaan saat ini adalah sebanyak 22 stasiun kerja, sedangkan jika menggunakan metode Algoritma Genetika diperoleh hanya 17 stasiun kerja, sehingga pihak perusahaan dapat menghemat penggunaan 5 buah mesin dan 5 orang operator dalam memproduksi produk tersebut. Di samping penghematan jumlah operator dan mesin, jumlah produksi juga dapat ditingkatkan dari yang semula 552 unit/minggu, menjadi 1035 unit/minggu. Hal ini tentunya membuat target yang ingin dicapai perusahaan sebesar 1000 unit/minggu dapat tercapai, sedangkan kelebihan hasil produksi tersebut dapat dimanfaatkan perusahaan untuk dipasarkan lagi ke market yang lebih luas dengan meningkatkan kinerja pemasarannya.
(2)
v Universitas Kristen Maranatha
DAFTAR ISI
Cover
Abstrak……….. i
Lembar Pengesahan ………. ii
Kata Pengantar…... iii
Daftar Isi ……….. v
Daftar Tabel ………. viii
Daftar Gambar ………. ix
Daftar Lampiran... x 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 ... 1-3 1.5 Tujuan Penelitian ... 1-3 1.6 Sistematika Penulisan ... 1-3 BAB 2 TINJAUAN PUSTAKA
2.1 Pengertian Lini Produksi………... 2-1
2.2 Pengertian Line Balancing………. 2-2 2.3 Istilah-istilah Dalam Line Balancing………... 2-3 2.4 Batasa-batasan Yang Terdapat Dalam Line Balancing………... 2-4 2.5 Ukuran Kinerja Dalam Line Balancing………. 2-5 2.6 Metode Penyeimbangan Lintasan………...…….. 2-6 2.6.1 Metode Bobot Posisi (Rank Positional Weight/RPW)….. 2-6 2.6.2 Metode Wilayah (Region Approach)……… 2-7 2.7 Metode Algoritma Genetika (GA)……… 2-8 2.8 Parameter Algoritma Genetika (GA)……… 2-9
2.9 Cara Kerja Algoritma Genetika….………... 2-10
(3)
vi Universitas Kristen Maranatha BAB 3 METODOLOGI PENELITIAN
3.1 Studi Pendahuluan……… 3-1
3.2 Identifikasi Masalah………. 3-1 3.3 Pembatasan Masalah Dan Asumsi……… 3-1 3.4 Perumusan Masalah……….. 3-4
3.5 Tujuan Penelitian……….. 3-4
3.6 Studi Literatur……….. 3-4
3.7 Metode Pemecahan Masalah………. 3-4
3.8 Pengumpulan Data……….... 3-4
3.9 Pengolahan Data………... 3-5
3.10 Analisis Data………. 3-19
3.11 Kesimpulan dan Saran………... 3-19 BAB 4 PENGUMPULAN DATA
4.1 Sejarah Singkat Perusahaan………..……… 4-1 4.2 Struktur Organisasi………... 4-2 4.3 Jam Kerja Perusahaan……… 4-2
4.4 Data Mesin Perusahaan……….………… 4-3
4.5 LayoutPerusahaan……… 4-3
4.6 Metode Penyeimbangan Lintasan Perusahaan………... 4-6 4.7 Data Waktu Proses ….……….. 4-6 4.8 Peta Proses Operasi ……… 4-7
4.9 Precedence Diagram………. 4-8
BAB 5 PENGOLAHAN DAN ANALISIS DATA
5.1 Pengolahan Data………... 5-1 5.1.1 Tahapan Penyeimbangan Lintasan Kondisi Perusahaan
Saat Ini.………... 5-1 5.1.2 Tahapan Penyeimbangan Lintasan Helgeson-Birnie
Approach (RPW)………. 5-2
5.1.3 Tahapan Penyeimbangan Lintasan Kilbridge-Wester
(4)
vii Universitas Kristen Maranatha 5.1.4 Tahapan Penyeimbangan Lintasan Algoritma
Genetika (GA)……….. 5-9
5.1.5 Penentuan Metode Penyeimbangan Lintasan Produksi
Yang Sebaiknya Digunakan Perusahaan……… 5-11
5.2 Analisis Data………... 5-15
5.2.1 Analisis Uji Validasi Software……….. 5-15 5.2.2 Analisis Kelemahan Metode Yang Diterapkan
Perusahaan Saat Ini……… 5-16 5.2.3 Analisis Metode Penyeimbangan Lintasan Usulan... 5-16 5.2.4 Analisis Perbandingan Metode Perusahaan Dengan
Metode Usulan Terpilih………... 5-17 5.2.5 Analisis Keunggulan Dan Kelemahan Metode Yang
Usulan Terpilih………..………. 5-19 BAB 6 KESIMPULAN DAN SARAN
6.1 Kesimpulan... 6-1 6.2 Saran... 6-2
DAFTAR PUSTAKA……… xi
(5)
viii Universitas Kristen Maranatha
DAFTAR TABEL
Tabel Nama Tabel Halaman
4.1 Waktu Kerja Karyawan 4-2
4.2 Data Mesin Keseluruhan 4-3
4.3 Data Mesin Lintasan Yang Diamati 4-3
4.4 Waktu Proses 4-5
5.1 Efisiensi Lintasan Saat Ini 5-1
5.2 Pembobotan Setiap Elemen Kerja 5-2
5.3 Pengurutan Bobot Setiap Elemen Kerja 5-3
5.4 Penugasan Elemen Kerja Metode RPW 5-4
5.5 Efisiensi Lintasan Total Metode RPW 5-5
5.6 Pengurutan Elemen Kerja Ke Dalam Region 5-6 5.7 Penugasan Setiap Elemen Kerja Metode Region 5-7
5.8 Efisiensi Lintasan Total Metode Region 5-8
5.9 Penugasan Mesin Simple Case 5-9
5.10 Efisiensi Lintasan Total Metode Algoritma Genetika 5-11 5.11 Perbandingan Efisiensi Lintasan Total Antar Metode 5-11 5.12 Perbandingan Efisiensi Lintasan Total Usulan 5-16 5.13 Perbandingan Metode Perusahaan Dan Usulan 5-17
(6)
ix Universitas Kristen Maranatha
DAFTAR GAMBAR
Gambar Nama Gambar Halaman
2.1 Proses Seleksi Dengan Regular Sampling Space 2-20 2.2 Proses Seleksi Dengan Enlarge Sampling Space 2-21
3.1 Flowchart Penelitian 3-2
3.2 Langkah-langkah Algoritma Genetika 3-5
3.3 Diagram Alir Proses Encoding Awal 3-6
3.4 Diagram Alir Proses Decoding 3-10
3.5 Diagram Alir Proses Crossover 3-11
3.6 Diagram Alir Proses Mutasi 3-14
3.7 Diagram Alir Proses Seleksi 3-18
4.1 Struktur Organisasi Perusahaan 4-2
4.2 Layout Keseluruhan Perusahaan 4-4
4.3 Diagram Aliran Aktual 4-5
4.4 OPC Produk Jaket 4-7
4.5 Precedence Diagram 4-8
5.1 Penetapan RegionPredence Diagram 5-6
5.2 Precedence Diagram Simple Case 5-9
5.3 Perbandingan Efisiensi Lintasan Total Antar Metode 5-12
5.4 Diagram Aliran Usulan 5-13
(7)
x Universitas Kristen Maranatha
DAFTAR LAMPIRAN
Lampiran Nama Lampiran
A Perhitungan Simple Case Secara Manual
B Hasil Perhitungan Simple Case Menggunakan Software
C Langkah-langkah Penyelesaian Kasus Perusahaan Menggunakan Software
(8)
LAMPIRAN A
PERHITUNGAN SIMPLE CASE
SECARA MANUAL E
(9)
Lampiran A-1
Simple Case
Contoh kasus line balancing :
O - 1 O - 2 O - 5 O - 6 O - 9 O - 10
O - 3 O - 4
O - 7 O - 8
O - 11 O - 12
20 “ 20 “ 30 “ 35 “
40 “ 35 “
40 “ 30 “
20 “ 25 “ 50 “ 25 “
Jenis Mesin Operasi Waktu (detik)
1 20 2 20 3 40 4 30 5 30 6 40 7 35 8 35 9 20 10 25
C 11 50
D 12 25
A
B
Target produksi : 300 unit/hari Jam kerja : 8 jam kerja/hari
Waktu siklus (C) =
= 96 detik Parameter algoritma genetika :
Ukuran populasi = 4
Jumlah generasi = 2
Probabilitas crossover (Pc) = 0.95
Probabilitas mutasi (Pm) = 0.10
Langkah-langkah pengerjaan simple case secara manual adalah :
Langkah 1 : Menentukan Encoding generasi ke-0
Dalam proses encoding ini terbentuk 4 buah kromosom sebagai populasi awal sesuai dengan ukuran populasi yang telah ditentukan di awal.
Berdasarkan precedence diagram yang telah dibentuk, maka semua elemen kerja ditugaskan dalam masing-masing kromosom dengan memperhatikan :
(10)
Lampiran A-2
Waktu setiap stasiun kerja tidak boleh melebihi waktu siklus aktual.
Jenis mesin yang digunakan dalam satu stasiun kerja adalah sama.
Urutan penugasan elemen kerja dalam suatu stasiun kerja tidak boleh ada yang backtrack.
Berikut ini adalah kromosom-kromosom yang terbentuk :
Kromosom 1 1 2 1 2 2 4 1 3 5 5 6 7
Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6
Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6
Kromosom 4 1 2 1 1 2 4 2 3 5 5 6 7
Berdasarkan kromosom yang telah terbentuk diatas, maka didapatkan hasil penugasan elemen kerja untuk setiap kromosom sebagai berikut :
1. Kromosom 1
Stasiun Kerja Mesin Operasi ti Cum ti
1 20 20
3 40 60
7 35 95
2 20 20
4 30 50
5 30 80
3 B 8 35 35
4 A 6 40 40
9 20 20
10 25 45
6 C 11 50 50
7 D 12 25 25
B 5
1 A
2 A
2. Kromosom 2
Stasiun Kerja Mesin Operasi ti Cum ti
1 20 20
2 20 40
3 40 80
4 30 30
5 30 60
7 35 95
3 A 6 40 40
8 35 35
9 20 55
10 25 80
5 C 11 50 50
6 D 12 25 25
B 4
1 A
(11)
Lampiran A-3 3. Kromosom 3
Stasiun Kerja Mesin Operasi ti Cum ti
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 A 6 40 40
8 35 35
9 20 55
10 25 80
5 C 11 50 50
6 D 12 25 25
4 B
1 A
2 A
4. Kromosom 4
Stasiun Kerja Mesin Operasi ti Cum ti
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 B 8 35 35
4 A 6 40 40
9 20 20
10 25 45
5 C 11 50 50
6 D 12 25 25
B 5
2 A
(12)
Lampiran A-4
Langkah 2 : Menghitung Decoding
Ukuran dari fitness value yang digunakan adalah efisiensi lintasan total (ELT), sebab dengan semakin besarnya nilai ELT, maka suatu lintasan produksi dapat dikatakan lebih efisien.
Berikut ini adalah nilai decoding dari setiap kromosom awal : 1. Efisiensi Kromosom 1
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%) 1 20 20
3 40 60 7 35 95 2 20 20 4 30 50 5 30 80
3 B 8 35 35 36.84 4 A 6 40 40 42.11
9 20 20 10 25 45
6 C 11 50 50 52.63 7 D 12 25 25 26.32 55.64 Efisiensi Total
B
5 47.37
1 A 100
2 A 84
2. Efisiensi Kromosom 2
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%) 1 20 20
2 20 40 3 40 80 4 30 30 5 30 60 7 35 95
3 A 6 40 40 42.11 8 35 35
9 20 55 10 25 80
5 C 11 50 50 52.63 6 D 12 25 25 26.32 64.91 B
4 84.21
Efisiensi Total
1 A 84
(13)
Lampiran A-5 3. Efisiensi Kromosom 3
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 A 6 40 40 44.44
8 35 35
9 20 55
10 25 80
5 C 11 50 50 55.56
6 D 12 25 25 27.78
68.52
4 B 88.89
Efisiensi Total
1 A 100
2 A 94
4. Efisiensi Kromosom 4
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 B 8 35 35 38.89
4 A 6 40 40 44.44
9 20 20
10 25 45
5 C 11 50 50 55.56
6 D 12 25 25 27.78
58.73 Efisiensi Total
B
5 50.00
100
2 A 94
1 A
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.
(14)
Lampiran A-6
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.
Kromosom baru hasil proses crossover dinamakan offspring crossover. Bilangan random untuk Pc kromosom 1 : 0.825
Bilangan random untuk Pc kromosom 2 : 0.921 Bilangan random untuk Pc kromosom 3 : 0.485 Bilangan random untuk Pc kromosom 4 : 0.734
Bilangan random yang diperoleh untuk crossing site pasangan kromosom 1 dan 4 adalah : 6 dan 9.
Bilangan random yang diperoleh untuk crossing site pasangan kromosom 2 dan 3 adalah : 5 dan 9.
Kromosom 1 1 2 1 2 2 4 1 3 5 5 6 7
Kromosom 4 1 2 1 1 2 4 2 3 5 5 6 7
1 2 3 4 5 6 7 8 9 10 11
Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6
Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6
1 2 3 4 5 6 7 8 9 10 11
Hasil crossover dari kedua pasangan kromosom tersebut adalah :
Offspring Crossover Kromosom 1 1 2 1 2 2 4 2 3 5 5 6 7 Tidak Valid
Offspring Crossover Kromosom 4 1 2 1 1 2 4 1 3 5 5 6 7 Tidak Valid
Offspring Crossover Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6 Valid
Offspring Crossover Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6 Valid
Suatu kromosom dikatakan valid apabila kromosom tersebut memenuhi kriteria sebagai berikut :
Waktu proses total setiap stasiun kerja ≤ waktu siklus aktual.
Semua elemen kerja dalam satu stasiun kerja menggunakan jenis mesin yang sama.
(15)
Lampiran A-7
Offspring crossover kromosom 1 dikatakan tidak valid, karena waktu stasiun 2 melebihi waktu siklus aktual yang ada. Sementara Offspring crossover kromosom 4 juga dikatakan tidak valid, karena waktu stasiun 1 melebihi waktu siklus aktual yang ada.
Hasil offspringcrossover kromosom yang valid adalah sebagai berikut : 1. Offspring Crossover Kromosom 2
Stasiun Kerja Mesin Operasi ti Cum ti
1 20 20
2 20 40
3 40 80
4 30 30
5 30 60
7 35 95
3 A 6 40 40
8 35 35
9 20 55
10 25 80
5 C 11 50 50
6 D 12 25 25
4 B
2 A
1 A
2. Offspring Crossover Kromosom 3
Stasiun Kerja Mesin Operasi ti Cum ti
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 A 6 40 40
8 35 35
9 20 55
10 25 80
5 C 11 50 50
6 D 12 25 25
4 B
2 A
(16)
Lampiran A-8
Langkah 4 : Menghitung Decoding
Decoding hasil crossover generasi ke-1 yang valid adalah : 1. Offspring crossover Kromosom 2
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
2 20 40
3 40 80
4 30 30
5 30 60
7 35 95
3 A 6 40 40 42.11
8 35 35
9 20 55
10 25 80
5 C 11 50 50 52.63
6 D 12 25 25 26.32
64.91 Efisiensi Total
4 B 84.21
2 A 100
1 A 84
2. Offspring crossover Kromosom 3
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 A 6 40 40 44.44
8 35 35
9 20 55
10 25 80
5 C 11 50 50 55.56
6 D 12 25 25 27.78
68.52 Efisiensi Total
4 B 88.89
2 A 94
1 A 100
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.
(17)
Lampiran A-9
Jika bilangan random lebih kecil dari Pm, maka kromosom tersebut mengalami mutasi.
Proses mutasi dilakukan menggunakan metode order-based mutation, dengan ketentuan sebagai berikut :
Jika nilai bilangan random lebih kecil atau sama dengan ½ Pm, maka kurangi nilai gen dengan satu. Jika nilai gen tersebut adalah satu, maka tambahkan nilai gen tersebut dengan satu.
Jika nilai bilangan random lebih besar dari ½ Pm hingga nilai Pm, maka tambahkan nilai gen tersebut dengan satu.
Kromosom baru hasil proses mutasi dinamakan offspring mutasi.
Berikut ini adalah bilangan random yang dibangkitkan untuk setiap gen pada semua kromosom :
Kromosom 1 1 2 1 2 2 4 1 3 5 5 6 7 0.311 0.252 0.124 0.571 0.675 0.752 0.234 0.514 0.718 0.225 0.574 0.554 Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6
0.231 0.385 0.412 0.304 0.174 0.714 0.215 0.712 0.512 0.612 0.343 0.275 Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6
0.543 0.477 0.674 0.921 0.807 0.932 0.527 0.614 0.724 0.815 0.435 0.522 Kromosom 4 1 2 1 1 2 4 2 3 5 5 6 7
0.649 0.358 0.482 0.537 0.238 0.158 0.242 0.411 0.162 0.782 0.214 0.349 Offspring Crossover Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6
0.246 0.586 0.264 0.167 0.544 0.268 0.246 0.971 0.257 0.264 0.552 0.681 Offspring Crossover Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6
0.649 0.964 0.864 0.915 0.934 0.468 0.664 0.494 0.647 0.249 0.346 0.548
Semua kromosom tidak mengalami mutasi, karena nilai setiap bilangan randomnya lebih besar dari nilai Pm yakni 0.10.
Langkah 6 : Menghitung Decoding
Hasil dari offspring mutasi yang valid, dihitung decodingnya. Pada contoh kasus yang dihitung oleh penulis, tidak ada kromosom yang mengalami mutasi, maka tidak dilakukan perhitungan decoding untuk hasil mutasi.
(18)
Lampiran A-10
Langkah 7 : Melakukan seleksi generasi 1
Hasil efisiensi total dari setiap kromosom yang valid adalah:
No. Kromosom Efisiensi Lintasan Total (%) 1 Kromosom 1 55.64
2 Kromosom 2 64.91 3 Kromosom 3 68.52 4 Kromosom 4 58.73 5 Offspring Crossover Kromosom 2 64.91 6 Offspring Crossover Kromosom 3 68.52
Karena ukuran populasi adalah 4, maka kromosom yang dipilih untuk dilakukan generasi ke-2 adalah 4 buah hasil kromosom terbaik.
Untuk kasus ini, kromosom yang dipilih adalah :
No. Kromosom Efisiensi Lintasan Total (%)
1 Kromosom 2 64.91
2 Kromosom 3 68.52
3 Offspring Crossover Kromosom 2 64.91
4 Offspring Crossover Kromosom 3 68.52
Langkah 8 : Melakukan Crossover untuk generasi 2
Bilangan random untuk Pc kromosom 2 : 0.213 Bilangan random untuk Pc kromosom 3 : 0.591
Bilangan random untuk Pc offspring crossover kromosom 2 : 0.462 Bilangan random untuk Pc offspring crossover kromosom 3 : 0.784
Bilangan random yang diperoleh untuk crossing site pasangan kromosom 2 dan 3 adalah : 1 dan 11.
Bilangan random yang diperoleh untuk crossing site pasangan offspring crossover
kromosom 2 dan offspring crossover 3 adalah : 5 dan 11.
Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6
Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6
1 2 3 4 5 6 7 8 9 10 11
Offspring Crossover Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6
Offspring Crossover Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6
(19)
Lampiran A-11
Hasil crossover dari kedua pasangan kromosom tersebut adalah :
Offspring Crossover Kromosom 2 Generasi 2 1 2 1 1 2 3 2 4 4 4 5 6 Valid
Offspring Crossover Kromosom 3 Generasi 2 1 1 1 2 2 3 2 4 4 4 5 6 Valid
Offspring Crossover 2 Kromosom 2 Generasi 2 1 1 1 2 2 3 2 4 4 4 5 6 Valid
Offspring Crossover 2 Kromosom 3 Generasi 2 1 2 1 1 2 3 2 4 4 4 5 6 Valid
Suatu kromosom dikatakan valid apabila kromosom tersebut memenuhi kriteria sebagai berikut :
Waktu proses total setiap stasiun kerja ≤ waktu siklus aktual.
Semua elemen kerja dalam satu stasiun kerja menggunakan jenis mesin yang sama.
Hasil offspringcrossover kromosom yang valid adalah sebagai berikut : 1. Offspring Crossover Kromosom 2 Generasi ke-2
Stasiun Kerja Mesin Operasi ti Cum ti 1 20 20 3 40 60 4 30 90 2 20 20 5 30 50 7 35 85 3 A 6 40 40 8 35 35 9 20 55 10 25 80 6 C 11 50 50 7 D 12 25 25
A 1
A 2
B 4
(20)
Lampiran A-12
2. Offspring Crossover Kromosom 3 Generasi ke-2
Stasiun Kerja Mesin Operasi ti Cum ti 1 20 20 2 20 40 3 40 80 4 30 30 5 30 60 7 35 95 3 A 6 40 40 8 35 35 9 20 55 10 25 80 5 C 11 50 50 6 D 12 25 25
4 B
2 A
1 A
3. Offspring Crossover 2 Kromosom 2 Generasi ke-2
Stasiun Kerja Mesin Operasi ti Cum ti 1 20 20 2 20 40 3 40 80 4 30 30 5 30 60 7 35 95 3 A 6 40 40 8 35 35 9 20 55 10 25 80 5 C 11 50 50 6 D 12 25 25
4 B
2 A
1 A
4. Offspring Crossover 2 Kromosom 3 Generasi ke-2
Stasiun Kerja Mesin Operasi ti Cum ti
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 B 6 40 40
8 35 35
9 20 55
10 25 80
5 C 11 50 50
6 D 12 25 25
4 B
2 A
(21)
Lampiran A-13
Langkah 9 : Menghitung Decoding
Decoding hasil crossover generasi ke-2 yang valid adalah : 1. Offspring crossover Kromosom 2 Generasi 2
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 A 6 40 40 44.44
8 35 35
9 20 55
10 25 80
6 C 11 50 50 55.56
7 D 12 25 25 27.78
68.52 94 A 1 A 2 B 4 88.89 Efisiensi Total 100
2. Offspring crossover Kromosom 3 Generasi 2
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
2 20 40
3 40 80
4 30 30
5 30 60
7 35 95
3 A 6 40 40 42.11
8 35 35
9 20 55
10 25 80
5 C 11 50 50 52.63
6 D 12 25 25 26.32
64.91 Efisiensi Total
4 B 84.21
2 A 100
84
(22)
Lampiran A-14 3. Offspring crossover 2 Kromosom 2 Generasi 2
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
2 20 40
3 40 80
4 30 30
5 30 60
7 35 95
3 A 6 40 40 42.11
8 35 35
9 20 55
10 25 80
5 C 11 50 50 52.63
6 D 12 25 25 26.32
64.91 Efisiensi Total
4 B 84.21
2 A 100
1 A 84
4. Offspring crossover 2 Kromosom 3 Generasi 2
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
3 40 60
4 30 90
2 20 20
5 30 50
7 35 85
3 B 6 40 40 44.44
8 35 35
9 20 55
10 25 80
5 C 11 50 50 55.56
6 D 12 25 25 27.78
68.52 Efisiensi Total
4 B 88.89
2 A 94
100
1 A
Langkah 10 : 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.
Jika bilangan random lebih kecil dari Pm, maka kromosom tersebut mengalami mutasi.
(23)
Lampiran A-15
Proses mutasi dilakukan menggunakan metode order-based mutation, dengan ketentuan sebagai berikut :
Jika nilai bilangan random lebih kecil atau sama dengan ½ Pm, maka kurangi nilai gen dengan satu. Jika nilai gen tersebut adalah satu, maka tambahkan nilai gen tersebut dengan satu.
Jika nilai bilangan random lebih besar dari ½ Pm hingga nilai Pm, maka tambahkan nilai gen tersebut dengan satu.
Kromosom baru hasil proses mutasi dinamakan offspring mutasi.
Elemen Kerja 1 2 3 4 5 6 7 8 9 10 11 12
Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6 0.568 0.241 0.204 0.684 0.345 0.649 0.167 0.264 0.256 0.415 0.486 0.154 Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6
0.516 0.134 0.554 0.380 0.318 0.234 0.264 0.594 0.497 0.216 0.349 0.154
Offspring Crossover Kromosom 2 1 1 1 2 2 3 2 4 4 4 5 6 0.594 0.473 0.679 0.345 0.064 0.782 0.306 0.315 0.467 0.341 0.548 0.645
Offspring Crossover Kromosom 3 1 2 1 1 2 3 2 4 4 4 5 6 0.557 0.634 0.456 0.486 0.657 0.201 0.404 0.647 0.559 0.643 0.594 0.371 Offspring Crossover Kromosom 2 Generasi 2 1 2 1 1 2 3 2 4 4 4 5 6
0.564 0.684 0.578 0.241 0.316 0.915 0.346 0.135 0.504 0.167 0.318 0.348 Offspring Crossover Kromosom 3 Generasi 2 1 1 1 2 2 3 2 4 4 4 5 6
0.648 0.514 0.216 0.514 0.349 0.975 0.647 0.384 0.346 0.213 0.349 0.348 Offspring Crossover Kromosom 2 Generasi 2 1 1 1 2 2 3 2 4 4 4 5 6
0.216 0.349 0.143 0.213 0.261 0.746 0.346 0.264 0.316 0.371 0.316 0.892
Offspring Crossover Kromosom 3 Generasi 2 1 2 1 1 2 3 2 4 4 4 5 6 0.215 0.035 0.193 0.084 0.461 0.751 0.642 0.301 0.326 0.234 0.164 0.349
Gen yang mengalami mutasi menggunakan metode order-based mutation dari kromosom diatas adalah :
1. Offspring crossover kromosom 2 generasi 1
Elemen kerja ke-5 dengan nilai bilangan random sebesar 0.064 > ½ Pm, maka elemen kerja tersebut yang seharusnya dikerjakan di stasiun 2 menjadi dikerjakan di stasiun 3.
2. Offspring crossover kromosom 3 generasi 2
Elemen kerja ke-2 dengan nilai bilangan random sebesar 0.035 ≤ ½ Pm, maka elemen kerja tersebut yang seharusnya dikerjakan di stasiun 2 menjadi dikerjakan di stasiun 1.
(24)
Lampiran A-16
Elemen kerja ke-4 dengan nilai bilangan random sebesar 0.084 > ½ Pm, maka elemen kerja tersebut yang seharusnya dikerjakan di stasiun 1 menjadi dikerjakan di stasiun 2.
Jadi, hasil mutasi generasi ke-2 adalah :
Offspring Mutasi Crossover Kromosom 2 1 1 1 2 3 3 2 4 4 4 5 6
Offspring Mutasi Crossover Kromosom 3 Generasi 2 1 1 1 2 2 3 2 4 4 4 5 6
Berdasarkan hasil mutasi, penugasan elemen kerja untuk kromosom offspringnya
adalah sebagai berikut :
1. Offspring Mutasi Crossover Kromosom 2
Stasiun Kerja Mesin Operasi ti Cum ti 1 20 20 2 20 40 3 40 80 4 30 30 7 35 65 5 30 30 6 40 70 8 35 35 9 20 55 10 25 80 5 C 11 50 50 6 D 12 25 25
A 2 A 3 4 B 1 A
2. Offspring Mutasi Crossover Kromosom 3 Generasi 2
Stasiun Kerja Mesin Operasi ti Cum ti
1 20 20
2 20 40
3 40 80
4 30 30
5 30 60
7 35 95
3 B 6 40 40
8 35 35
9 20 55
10 25 80
5 C 11 50 50
6 D 12 25 25
4 B
2 A
(25)
Lampiran A-17
Langkah 11 : Menghitung Decoding
Berikut ini adalah hasil offspring mutasi untuk setiap kromosom yang terbentuk untuk mengetahui efisiensi lintasannya :
1. Offspring Mutasi Crossover Kromosom 2 Generasi 1
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
2 20 40
3 40 80
4 30 30
7 35 65
5 30 30
6 40 70
8 35 35
9 20 55
10 25 80
5 C 11 50 50 62.50
6 D 12 25 25 31.25
77.08 Efisiensi Total A 2 A 3 81.25 87.50
4 B 100
1 A 100
2. Offspring Mutasi Crossover Kromosom 3 Generasi 2
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%)
1 20 20
2 20 40
3 40 80
4 30 30
5 30 60
7 35 95
3 B 6 40 40 42.11
8 35 35
9 20 55
10 25 80
5 C 11 50 50 52.63
6 D 12 25 25 26.32
64.91 Efisiensi Total
4 B 84.21
2 A 100
1 A 84.21
Langkah 12 : Melakukan seleksi generasi 2
Hasil efisiensi total dari setiap kromosom yang valid adalah:
No. Kromosom Efisiensi Lintasan Total (%)
1 Kromosom 2 Generasi ke-1 64.91
2 Kromosom 3 Generasi ke-1 68.52
3 Offspring Crossover Kromosom 2 Generasi ke-1 64.91 4 Offspring Crossover Kromosom 3 Generasi ke-1 68.52 5 Offspring Crossover Kromosom 2 Generasi ke-2 68.52 6 Offspring Crossover Kromosom 3 Generasi ke-2 64.91 7 Offspring Crossover Kromosom 2 Generasi ke-2 64.91 8 Offspring Crossover Kromosom 3 Generasi ke-2 68.52 9 Offspring Mutasi Crossover Kromosom 2 Generasi ke-2 77.08
(26)
Lampiran A-18
Kromosom yang terpilih menjadi populasi baru generasi ke-2 adalah :
No. Kromosom Efisiensi Lintasan Total (%)
1 Kromosom 3 Generasi ke-1 68.52
2 Offspring Crossover Kromosom 3 Generasi ke-1 68.52 3 Offspring Crossover Kromosom 3 Generasi ke-2 68.52 4 Offspring Mutasi Crossover Kromosom 2 Generasi ke-2 77.08
Maka kromosom yang terpilih adalah yang memiliki efisiensi lintasan total terbesar yaitu offspring Mutasi Crossover Kromosom 2 generasi ke-2 sebesar 77.08 %.
(27)
LAMPIRAN B
HASIL PERHITUNGAN SIMPLE CASE
MENGGUNAKAN SOFTWARE
(28)
Lampiran B-1
Output hasil perhitungan Simple Case menggunakan software yang telah dibuat adalah sebagai berikut :
1 2 3 4 5 6 7 8 9 10 11 12
0 1 55.64% 1 2 1 2 2 4 1 3 5 5 6 7
0 2 64.91% 1 1 1 2 2 3 2 4 4 4 5 6
0 3 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
0 4 58.73% 1 2 1 1 2 4 2 3 5 5 6 7
1 C2&3-5&10 64.91% 1 1 1 2 2 3 2 4 4 4 5 6
1 C2&3-5&10 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
1 1 64.91% 1 1 1 2 2 3 2 4 4 4 5 6
1 2 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
1 3 64.91% 1 1 1 2 2 3 2 4 4 4 5 6
1 4 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
2 C1&2-1&12 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
2 C1&2-1&12 64.91% 1 1 1 2 2 3 2 4 4 4 5 6
2 C4&3-5&12 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
2 C4&3-5&12 64.91% 1 1 1 2 2 3 2 4 4 4 5 6
2 M3 77.08% 1 1 1 2 3 3 2 4 4 4 5 6
2 M8 64.91% 1 1 1 2 2 3 2 4 4 4 5 6
2 1 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
2 2 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
2 3 68.52% 1 2 1 1 2 3 2 4 4 4 5 6
2 4 77.08% 1 1 1 2 3 3 2 4 4 4 5 6
Operasi
Kromosom Efisiensi
Populasi Generasi
(29)
Lampiran B-2 Keterangan :
Pada generasi ke-1, terlihat penulisan C 2&3 – 5&10, yang berarti : kromosom 2 dan 3 dari hasil generasi ke-0 (encoding) dilakukan proses crossover dengan nilai crossing site adalah 5 dan 9 (10-1).
Pada generasi ke-2, terlihat penulisan m3, yang berarti : mutasi dilakukan pada kromosom 3 dari generasi 1. Sedangkan m8 berarti : mutasi dilakukan pada hasil crossover kromosom 4 dari generasi ke-2.
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 77.08%, dengan susunan kromosom sebagai berikut :
Stasiun Kerja Mesin Operasi ti Cum ti Efisiensi Stasiun (%) 1 20 20
2 20 40 3 40 80 4 30 30 7 35 65 5 30 30 6 40 70 8 35 35 9 20 55 10 25 80
5 C 11 50 50 62.50 6 D 12 25 25 31.25 77.08 Efisiensi Total
A 2
A 3
81.25 87.50
4 B 100
(30)
LAMPIRAN C
LANGKAH-LANGKAH PENYELESAIAN
KASUS PERUSAHAAN MENGGUNAKAN
(31)
Lampiran C-1
Langkah-langkah untuk menyelesaikan kasus efisiensi lintasan perusahaan menggunakan software yang telah dibuat, adalah sebagai berikut :
1. Tampilan awal dari software
Tampilan menu awal terdiri dari 2 bagian yaitu : input product dan proses. Sebelum memproses, terlebih dahulu melakukan input data dengan mengklik menu input product, kemudian memasukan data awal yang dibutuhkan untuk proses perhitungan untuk mendapatkan efisiensi suatu lintasan produksi, sedangkan menu Proses digunakan untuk melihat efisiensi lintasan yang paling tinggi.
2. Pilih menu input product
Pada input product akan menampilkan suatu jendela input seperti : target produksi, jumlah jam kerja, jenis operasi, jenis mesin yang digunakan, operasi pendahulu, operasi pengikut, dan waktu operasi.
(32)
Lampiran C-2
Cara menginput data awal ke dalam menu input product adalah:
Langkah 1 :
Pada kolom input produk berisi jumlah elemen kerja yang diinginkan,
Kemudian mengisi jumlah produksi atau target produksi yang ingin dicapai.
Lalu pilih simpan produk.
Langkah 2 :
Pada kolom input mesin, kita melakukan input terhadap semua jenis mesin yang akan digunakan dalam proses produksi semua elemen kerja tersebut.
Setiap memasukkan nama mesin, pilih menu simpan mesin.
Kemudian masukkan nama mesin berikutnya dan pilih menu simpan mesin sampai semua jenis mesin selesai di input.
(33)
Lampiran C-3
Langkah 3 :
Jumlah elemen kerja akan ditampilkan sesuai dengan angka yang dimasukkan ke jumlah operasi pada input produk.
Lakukan pengisian pada nama operasi.
Operasi pendahulu (Predecessor) merupakan no. operasi pendahulu dari jenis operasi yang bersangkutan sesuai dengan urutan dalam precedence diagram.
Operasi pengikut (followers) merupakan no. operasi pengikut dari jenis operasi yang bersangkutan sesuai dengan urutan dalam
precedence diagram.
Waktu proses merupakan waktu dari elemen kerja.
Jenis mesin dipilih berdasarkan operasi yang menggunakan jenis mesin tersebut.
Langkah 4 :
Setelah semua data dimasukkan, maka pilih menu save kasus untuk melakukan penyimpanan semua data awal yang dibutuhkan untuk perhitungan efisiensi lintasan.
(34)
Lampiran C-4
Setelah data disimpan, keluar (exit) ke menu utama dan pilih menu proses.
Cara melakukan proses data adalah sebagai berikut :
Langkah 1 :
Melakukan load case dengan mengetik nama file yang sama saat di save kasus pada menu input product.
Maka total operasi dan jumlah produksi akan tampil sesuai yang telah di input di menu input product..
Langkah 2 :
Melakukan load parameter pada algoritma genetika.
Melakukan input terhadap jumlah generasi dan jumlah populasi yang diinginkan.
(35)
Lampiran C-5
Menyimpan (save) parameter genetika algoritma yang digunakan untuk memproses data.
Langkah 3 :
Melakukan proses untuk mendapatkan efisiensi lintasan tertinggi.
Replikasi berguna untuk melakukan pengulangan proses data dengan menggunakan parameter yang sama, sesuai dengan yang kita inginkan.
Berdasarkan penugasan elemen kerja ke dalam stasiun kerja menggunakan
software genetika algoritma (GA) yang diusulkan, dengan menggunakan parameter sebagai berikut :
Ukuran populasi : 5
Jumlah generasi : 10
Probabilitas Crossover (Pc) : 0.95
(36)
Lampiran C-6
Maka didapatkan efisiensi lintasan total yang paling tinggi adalah sebesar 55.18%, dengan susunan kromosom adalah sebagai berikut :
Stasiun Mesin Operasi ti Cum ti Efisiensi Stasiun (%) 1 Mesin Jahit 1 150 150 93.75 2 Mesin Jahit 2 150 150 93.75
8 18 18 11 18 36 19 45 81 3 20 20 4 62 82 9 18 100 12 18 118 20 20 138 5 37 37 6 100 137 7 25 25 10 35 60 13 35 95 14 46 141 15 14 14 16 40 54 17 40 94 18 35 129
8 Mesin Obras 21 35 35 21.875 9 Mesin Jahit 22 50 50 31.25 10 Mesin Obras 23 30 30 18.75 11 Mesin Rantai 24 60 60 37.5 12 Mesin Jahit 25 50 50 31.25 13 Mesin Jahit 26 160 160 100 14 Gunting 27 60 60 37.5 15 Manual 28 60 60 37.5 16 Steam 29 40 40 25 17 Manual 30 30 30 18.75
55.18 Mesin Obras
3 50.625
4 Mesin Jahit 86.25
80.625 Mesin Jahit
7
Efisiensi Lintasan Total
85.625 Mesin Jahit
5
88.125 6 Mesin Obras
(37)
DATA PENULIS
Nama : Fenndy Halim
Tempat/Tanggal Lahir : Pematangsiantar/04 Desember 1989
Alamat : Jl. Prambanan No. 68
Pematangsiantar, Sumatera Utara No. Handphone : 081-8090-777-55
Alamat E-mail : fenndyhalim_89@yahoo.com Pendidikan : SMA Methodist Pematangsiantar
Teknik Industri Universitas Kristen Maranatha Nilai Tugas Akhir : 3.58 (A)
(38)
KOMENTAR DOSEN PENGUJI
Nama Mahasiswa : Fenndy Halim
NRP : 0723061
Tanggal USTA : 01 July 2011
Judul Tugas Akhir : Upaya Perbaikan Lintasan Produksi ”CV. Watoo-Watoo
Garment Bandung” Menggunakan Pendekatan
Algoritma Genetika
Komentar dan Saran Dosen Penguji I (Ir. Kartika Suhada, MT.) :
1. Pertimbangkan kembali penempatan stasiun kerja, karena terlihat crowded
(39)
KOMENTAR DOSEN PENGUJI
Nama Mahasiswa : Fenndy Halim
NRP : 0723061
Tanggal USTA : 01 July 2011
Judul Tugas Akhir : Upaya Perbaikan Lintasan Produksi ”CV. Watoo-Watoo
Garment Bandung” Menggunakan Pendekatan
Algoritma Genetika
Komentar dan Saran Dosen Penguji II (Vivi Arisandhy, ST., MT.) :
1. Pertimbangkan kembali penempatan stasiun kerja, karena terlihat crowded
alirannya.
2. Presentasi : - Suara jelas.
- Slide cukup baik, hanya ada tabel-tabel yang tulisannya kurang jelas (mungkin karena warna background & ukuran huruf kecil tp warna huruf tipis).
3. Buat Diagram Alir untuk kondisi saat ini.
4. Perbaiki layout usulan, karena alirannya agak susah kalau mau diterapkan Bagaimana material handlingnya?
(40)
KOMENTAR DOSEN PENGUJI
Nama Mahasiswa : Fenndy Halim
NRP : 0723061
Tanggal USTA : 01 July 2011
Judul Tugas Akhir : Upaya Perbaikan Lintasan Produksi ”CV. Watoo-Watoo Garment Bandung” Menggunakan Pendekatan Algoritma Genetika
Komentar dan Saran Dosen Penguji III (Victor Suhandi, ST., MT.) : 1. Penguasaan teori.
(41)
1-1 Universitas Kristen Maranatha
BAB 1
PENDAHULUAN
1.1Latar Belakang Masalah
Perkembangan industri yang dinamis saat ini membawa dampak yang sangat besar, seperti persaingan yang semakin ketat antar perusahaan. Perubahan akan permintaan konsumen yang semakin kritis juga menuntut perusahaan agar dapat menyediakan produk yang tepat waktu dan sesuai dengan keinginan konsumen. Perekonomian dunia, kemajuan teknologi informasi hingga persaingan perusahaan yang harus antisipatif dalam mendapatkan konsumen merupakan perubahan yang membawa pengaruh besar terhadap pengelolaan perusahaan.
Dalam suatu industri, perencanaan produksi sangat memegang peranan penting dalam membuat penjadwalan produksi terutama dalam penugasan kerja yang harus dilakukan. Jika pengaturan dan perencanaan yang dilakukan kurang tepat, maka akan mengakibatkan suatu stasiun kerja dalam lintasan produksi tersebut mempunyai kecepatan produksi yang berbeda. Hal ini mengakibatkan lintasan produksi menjadi tidak efisien, karena terjadi penumpukan material, waktu tunggu yang tinggi dan operator yang menganggur karena beban kerja yang tidak teratur.
“CV WATTOO–WATTOO GARMENT” merupakan perusahaan yang bergerak di bidang industri garment. Dalam produksinya, CV WATTOO–WATTOO GARMENT ini memproduksi bermacam-macam pakaian anak-anak sesuai dengan kebutuhan pasar. Pakaian yang diproduksi secara mass production oleh perusahaan ini adalah jaket anak-anak dan baju kaos oblong anak-anak-anak-anak, sedangkan job order tergantung dari pemesanan buyer. Pakaian yang dihasilkan juga dipasarkan di luar kota Bandung, seperti kota Jogyakarta.
Berdasarkan hasil wawancara dan pengamatan yang dilakukan, penulis melihat bahwa masalah yang dihadapi oleh perusahaan saat ini
(42)
Bab 1 Pendahuluan 1-2
Tugas Akhir Teknik Industri 2011 Universitas Kristen Maranatha adalah terjadinya delay dan antrian pada stasiun kerja jenis mass production produk jaket anak-anak, sehingga target produksi yang diinginkan perusahaan tidak tercapai. 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.
1.2Identifikasi Masalah
Penulis mengamati “CV WATTOO–WATTOO GARMENT” yang berlokasi di Jalan Kopo Jaya III no 3, Bandung, Jawa Barat. Adapun masalah yang terjadi pada perusahaan ini adalah terjadinya delay dan antrian pada stasiun kerja jenis mass production produk jaket anak-anak, sehingga target produksi yang diinginkan perusahaan tidak tercapai. Delay
terjadi di beberapa stasiun seperti stasiun 3, 6, 8, 9, 11, 12, 13, 14, 15, 21, 22. Sedangkan antrian terjadi di stasiun 1.
Melalui Tugas Akhir ini, penulis berharap dapat membantu pihak perusahaan dalam menyelesaikan masalah delay dan antrian yang mengakibatkan rendahnya nilai efisiensi lintasan produksi, dengan mempertimbangkan jenis mesin yang digunakan pada setiap stasiun kerja, sehingga target produksi perusahaan dapat tercapai dengan baik.
1.3Pembatasan Masalah Dan Asumsi
Adapun pembatasan masalah dilakukan oleh penulis karena keterbatasan waktu, tenaga, dan biaya.
Pembatasan masalah yang dilakukan dalam penelitian adalah :
1. Pengamatan dilakukan hanya terhadap lintasan produksi produk jaket anak-anak merk watoo-watoo (mass production), karena beberapa stasiun kerja di lintasan produksi ini mengalami delay dan antrian.
(43)
Bab 1 Pendahuluan 1-3
Tugas Akhir Teknik Industri 2011 Universitas Kristen Maranatha Asumsi yang digunakan dalam penelitian ini adalah :
1. Mesin yang akan digunakan berada dalam kondisi baik. 2. Bahan baku yang akan digunakan selalu tersedia. 3. Operator pada setiap stasiun kerja sudah terampil.
4. Data waktu tiap elemen kerja merupakan data waktu standar yang telah ditentukan dari pihak perusahaan.
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 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?
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.
1.6Sistematika Penulisan
Sistematika penulisan yang dilakukan oleh penulis dalam melakukan penelitian adalah :
(44)
Bab 1 Pendahuluan 1-4
Tugas Akhir Teknik Industri 2011 Universitas Kristen Maranatha 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 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.
(45)
6-1 Universitas Kristen Maranatha
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan pengolahan data dan analisis yang telah dilakukan, maka penulis menyimpulkan :
1. Kelemahan dari metode yang sedang diterapkan oleh perusahaan saat ini adalah :
a. Jumlah stasiun kerja yang digunakan lebih banyak yakni : 22 buah stasiun, sehingga melibatkan jumlah mesin dan jumlah operator yang lebih banyak juga.
b. Efisiensi lintasan produksi total dari perusahaan sangatlah rendah yaitu : 23%.
c. Waktu siklus sebesar : 300 detik, sehingga output yang dihasilkan hanya sebanyak 552 unit/minggu. Lintasan produksi yang diterapkan oleh perusahaan belum dapat mencapai target produksi yang diinginkan.
2. Metode penyeimbangan lintasan yang sebaiknya diterapkan oleh pihak perusahaan adalah metode Algoritma Genetika (GA), dengan efisiensi lintasan total sebesar 55.18%. Jika menggunakan metode
Helgeson-Birnie Approach(Rank Positional Weight/RPW) dan metode
Kilbridge-Wester Heuristic (Region Approach) maka diperoleh efisiensi lintasan total sebesar 46.91 %, sedangkan jika menggunakan metode penyeimbangan lintasan Algoritma Genetika didapatkan efisiensi lintasan total yang paling tinggi yaitu sebesar 55.18%.
3. Keunggulan dari metode yang diusulkan yakni metode Algoritma Genetika adalah :
a. Pihak perusahaan dapat meningkatkan efisiensi lintasan produksi total sebesar 32.18, yang semula 23% menjadi 55.18%.
(46)
Bab 6 Kesimpulan Dan Saran 6-2
Tugas Akhir Teknik Industri Universitas Kristen Maranatha b. Jumlah stasiun kerja yang sebelumnya diterapkan oleh
perusahaan adalah sebanyak 22 buah stasiun kerja, setelah menggunakan metode penyeimbangan lintasan Algoritma Genetika diperoleh sebanyak 17 buah stasiun kerja. Sehingga pihak perusahaan dapat menghemat penggunaan jumlah mesin dan operator dalam memproduksi produk tersebut.
Jenis mesin yang dapat dihemat menggunakan metode Algoritma Genetika adalah mesin jahit berkurang sebanyak 3 buah, sedangkan mesin obras berkurang sebanyak 2 buah. Jika jumlah mesin semakin sedikit, berarti jumlah operator juga menjadi semakin kecil. Mesin yang berkurang sebanyak 5 buah, dapat digunakan untuk produksi produk lain atau disimpan, begitu juga dengan jumlah operator yang berkurang sebanyak 5 orang, dapat digunakan untuk melakukan proses produksi produk lain.
c. Waktu siklus menggunakan metode Algoritma Genetika adalah sebesar 160 detik, sedangkan jika menggunakan metode perusahaan, waktu yang dibutuhkan untuk menghasilkan satu produk adalah sebesar 300 detik.
d. Target produksi 1000 unit jaket anak-anak per minggu dapat tercapai dengan baik, karena penempatan stasiun kerja lebih teratur.
6.2 Saran
Saran yang dapat diberikan penulis untuk perusahaan adalah sebagai berikut :
1. Untuk mencapai target produksi dan efisiensi lintasan produksi total dengan baik dan teratur, pihak perusahaan dapat menerapkan metode penyeimbangan lintasan produksi dengan pendekatan Algoritma Genetika (GA).
(47)
Bab 6 Kesimpulan Dan Saran 6-3
Tugas Akhir Teknik Industri Universitas Kristen Maranatha 2. Jika produksi produk tersebut diganti, maka harus berhati-hati dalam
menentukan parameter genetika (jumlah populasi, jumlah generasi, probabilitas crossover, dan probabilitas mutasi). Semakin kompleks proses produksi suatu produk, maka jumlah populasi dan generasi akan menjadi semakin besar pula.
Saran untuk penelitian selanjutnya adalah :
(48)
xi Universitas Kristen Maranatha
DAFTAR PUSTAKA
1. Baroto, Teguh, 2002, “Perencanaan Dan Pengendalian Produksi”, Penerbit Ghalia Indonesia.
2. Bedworth, David D. and Bailey, E James, 1987, “Integrated Production Control System”, 2nd ed, New York : John Wiley & Sons.
3. Bodenhofer, Ulrich, “Genetic Algorithms : Theory and Application”, Fuzzy Logic Laboratorium , Hagenberg. 2003/2004.
4. Boysen, Nils, Fliedner, Malte and School Armin, “Assembly Line
Balancing : Which Model To Used When?”, Friedrich-Schiller-Universitat, Jena. 2006.
5. Davis, Lawrence., 1991, “Handbook Of Genetic Algorithm”, New York:
Van Nostrand Reinhold.
6. Elsayed, Elsayed A. and Boucher, Thomas O, 1985, “Analysis And Control Of Production System”, New Jersey : Prentice-Hall.
7. Falkenauer, Emanuel, “Line Balancing In The Real World”, Inderscience Enterprises Ltd. Belgium.
8. Gen, Mitsui and Runwei Cheng, 1997, “Genetic Algortihm And Engineering Design”, New York : John Wiley & Sons.
9. Kusuma, Hendra, 2002, “Perencanaan Dan Pengendalian Produksi”, Penerbit ANDI Yogyakarta.
10.Mitchell, Melanie, 2002, “ An Introduction To Genetic Algorithms”,
Prentice-Hall of India.
11.Narasimhan, Seetharama L., and Mcleavey, Dennis W., 1995, “Production
Planning And Inventory Control”, 2nd ed, New Jersey : Prentice Hall, Inc. 12.Obitko, Marek,. 1998, web :
(1)
Bab 1 Pendahuluan 1-3
Tugas Akhir Teknik Industri 2011 Universitas Kristen Maranatha
Asumsi yang digunakan dalam penelitian ini adalah : 1. Mesin yang akan digunakan berada dalam kondisi baik. 2. Bahan baku yang akan digunakan selalu tersedia. 3. Operator pada setiap stasiun kerja sudah terampil.
4. Data waktu tiap elemen kerja merupakan data waktu standar yang telah ditentukan dari pihak perusahaan.
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 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?
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.
1.6Sistematika Penulisan
Sistematika penulisan yang dilakukan oleh penulis dalam melakukan penelitian adalah :
(2)
Bab 1 Pendahuluan 1-4
Tugas Akhir Teknik Industri 2011 Universitas Kristen Maranatha
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 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.
(3)
6-1 Universitas Kristen Maranatha
BAB 6
KESIMPULAN DAN SARAN
6.1 Kesimpulan
Berdasarkan pengolahan data dan analisis yang telah dilakukan, maka penulis menyimpulkan :
1. Kelemahan dari metode yang sedang diterapkan oleh perusahaan saat ini adalah :
a. Jumlah stasiun kerja yang digunakan lebih banyak yakni : 22 buah stasiun, sehingga melibatkan jumlah mesin dan jumlah operator yang lebih banyak juga.
b. Efisiensi lintasan produksi total dari perusahaan sangatlah rendah yaitu : 23%.
c. Waktu siklus sebesar : 300 detik, sehingga output yang dihasilkan hanya sebanyak 552 unit/minggu. Lintasan produksi yang diterapkan oleh perusahaan belum dapat mencapai target produksi yang diinginkan.
2. Metode penyeimbangan lintasan yang sebaiknya diterapkan oleh pihak perusahaan adalah metode Algoritma Genetika (GA), dengan efisiensi lintasan total sebesar 55.18%. Jika menggunakan metode Helgeson-Birnie Approach (Rank Positional Weight/RPW) dan metode Kilbridge-Wester Heuristic (Region Approach) maka diperoleh efisiensi lintasan total sebesar 46.91 %, sedangkan jika menggunakan metode penyeimbangan lintasan Algoritma Genetika didapatkan efisiensi lintasan total yang paling tinggi yaitu sebesar 55.18%.
3. Keunggulan dari metode yang diusulkan yakni metode Algoritma Genetika adalah :
a. Pihak perusahaan dapat meningkatkan efisiensi lintasan produksi total sebesar 32.18, yang semula 23% menjadi 55.18%.
(4)
Bab 6 Kesimpulan Dan Saran 6-2
Tugas Akhir Teknik Industri Universitas Kristen Maranatha
b. Jumlah stasiun kerja yang sebelumnya diterapkan oleh perusahaan adalah sebanyak 22 buah stasiun kerja, setelah menggunakan metode penyeimbangan lintasan Algoritma Genetika diperoleh sebanyak 17 buah stasiun kerja. Sehingga pihak perusahaan dapat menghemat penggunaan jumlah mesin dan operator dalam memproduksi produk tersebut.
Jenis mesin yang dapat dihemat menggunakan metode Algoritma Genetika adalah mesin jahit berkurang sebanyak 3 buah, sedangkan mesin obras berkurang sebanyak 2 buah. Jika jumlah mesin semakin sedikit, berarti jumlah operator juga menjadi semakin kecil. Mesin yang berkurang sebanyak 5 buah, dapat digunakan untuk produksi produk lain atau disimpan, begitu juga dengan jumlah operator yang berkurang sebanyak 5 orang, dapat digunakan untuk melakukan proses produksi produk lain.
c. Waktu siklus menggunakan metode Algoritma Genetika adalah sebesar 160 detik, sedangkan jika menggunakan metode perusahaan, waktu yang dibutuhkan untuk menghasilkan satu produk adalah sebesar 300 detik.
d. Target produksi 1000 unit jaket anak-anak per minggu dapat tercapai dengan baik, karena penempatan stasiun kerja lebih teratur.
6.2 Saran
Saran yang dapat diberikan penulis untuk perusahaan adalah sebagai berikut :
1. Untuk mencapai target produksi dan efisiensi lintasan produksi total dengan baik dan teratur, pihak perusahaan dapat menerapkan metode penyeimbangan lintasan produksi dengan pendekatan Algoritma Genetika (GA).
(5)
Bab 6 Kesimpulan Dan Saran 6-3
Tugas Akhir Teknik Industri Universitas Kristen Maranatha
2. Jika produksi produk tersebut diganti, maka harus berhati-hati dalam menentukan parameter genetika (jumlah populasi, jumlah generasi, probabilitas crossover, dan probabilitas mutasi). Semakin kompleks proses produksi suatu produk, maka jumlah populasi dan generasi akan menjadi semakin besar pula.
Saran untuk penelitian selanjutnya adalah :
(6)
xi Universitas Kristen Maranatha
DAFTAR PUSTAKA
1. Baroto, Teguh, 2002, “Perencanaan Dan Pengendalian Produksi”, Penerbit
Ghalia Indonesia.
2. Bedworth, David D. and Bailey, E James, 1987, “Integrated Production
Control System”, 2nd ed, New York : John Wiley & Sons.
3. Bodenhofer, Ulrich, “Genetic Algorithms : Theory and Application”, Fuzzy Logic Laboratorium , Hagenberg. 2003/2004.
4. Boysen, Nils, Fliedner, Malte and School Armin, “Assembly Line Balancing : Which Model To Used When?”, Friedrich-Schiller-Universitat, Jena. 2006.
5. Davis, Lawrence., 1991, “Handbook Of Genetic Algorithm”, New York: Van Nostrand Reinhold.
6. Elsayed, Elsayed A. and Boucher, Thomas O, 1985, “Analysis And Control Of Production System”, New Jersey : Prentice-Hall.
7. Falkenauer, Emanuel, “Line Balancing In The Real World”, Inderscience Enterprises Ltd. Belgium.
8. Gen, Mitsui and Runwei Cheng, 1997, “Genetic Algortihm And Engineering Design”, New York : John Wiley & Sons.
9. Kusuma, Hendra, 2002, “Perencanaan Dan Pengendalian Produksi”,
Penerbit ANDI Yogyakarta.
10.Mitchell, Melanie, 2002, “ An Introduction To Genetic Algorithms”, Prentice-Hall of India.
11.Narasimhan, Seetharama L., and Mcleavey, Dennis W., 1995, “Production Planning And Inventory Control”, 2nd ed, New Jersey : Prentice Hall, Inc. 12.Obitko, Marek,. 1998, web :