DAFTAR PUSTAKA
[1] Baroto, Teguh. Perancangan dan Pengendalian Produksi. Ghalia Indonesia. Jakarta. 2002
[2] Berlianty, Intan dan Arifin M. Teknik-teknik Optimasi Heuristik. Graha Ilmu . Yogjakarta. 2010
[3] Chong E. Kuan, Omar K. Mohamed, dan Bakar A. Nooh. Solving
Assembly Line Balancing Problem Using Genetic Algorithm with
Heuristic Treated Initial Population. Proceedings of Word Congress on
Engineering Vol II. 2008
[4] Gen, Mitsuo dan Cheng R. Genetic Algorithms & Engineering
Optimization. John Willey & Sons Inc. Canada. 2000
[5] Grant L Eugene, Ireson. Handbook of Industrial Engineering and Management. Printice-Hall Of India. New Delhi. 1974
[6] Goldberg, E David. Genetic Algoritms in Search Optimation & Machine
Learning. Addison-Wisley Publishing Company Inc. Canada. 1989
[7] Iftikar Z Sutalaksana. Teknik Tata Cara Kerja. Bandung: Institut Teknologi Bandung. 1979.
[8] Kusumadewi, sri dan Purnomo H. Penyelesaian Masalah Optimasi dengan Teknik-teknik Heuristik. Graha Ilmu. Yogjakarta. 2005
[9] Michalewicz, Zbigniew. Genetic Algorithms + Data Structures =
[10] Ponnambalam G.S, Avarindan P, Naidu M. G. A Multi-Objective Genetic
Algorithm for Solving Assembly Line Balancing Problem. Int J Manuf
Technol 16:341-352 Springer-Verlag London Limited. 2000
[11] Simaria. S Ana, Vilarinho. M Pedro. A Genetic Algorithm Based Approach
to The Mixed-Model Assembly Line Balancing Problem Type II. Computer
& Industrial Engineering 47(2004) 391-407.
[12] http://ilmukomputer.com/2014/03/29/algoritma-genetikadan- contoh-aplikasinya/ . Tanggal Akses 20 September 2014
3.1. Lini Produksi1
1. Lini fabrikasi, merupakan lintasan produksi yang terdiri atas sejumlah operasi pekerjaan yang bersifat membentuk atau mengubah bentuk benda kerja.
Lini produksi adalah penempatan area-area kerja dimana operasi-operasi diatur secara berurutan dan material bergerak secara kontinu melalui operasi yang terangkai seimbang. Menurut karakteristiknya proses produksinya, lini produksi dibagi menjadi dua.
2. Lini perakitan, merupakan lintasan produksi yang terdiri atas sejumlah operasi perakitan yang dikerjakan pada beberapa stasiun kerja dan digabungkan menjadi benda assembly atau subassembly.
Beberapa keuntungan yang dapat diperoleh dari perencanaan lini produksi yang baik adalah :
1. Jarak perpindahan material yang minim diperoleh dengan mengatur susunan dan tempat kerja.
2. Aliran benda kerja (material), mecakup gerakan dari benda kerja yang kontinu. Alirannya diukur dengan kecepatan produksi dan bukan oleh jumlah spesifik.
1 Baroto,Teguh. Pengendalian dan Perencanaan Produksi. Ghalia Indonesia. Jakarta. 2002.Hal
saat yang sama di seluruh lintasan produksi.
5. Operasi unit. Lintasan dimaksudkan sebagai penghasil unit tunggal, satu seri operasi atau grup pekerja di tugaskan untuk suatu produk. Seluruh lintasan merupakan satu unit produksi.
6. Gerakan benda kerja tetap sesuai dengan set-up dari lintasan dan bersifat tetap. 7. Proses memerlukan waktu minium.
Persyaratan yanag harus diperhatikan untuk menunjang kelangsungan lintasan produksi antara lain sebagai berikut :
1. Pemerataan distribusi kerja yang seimbang disetiap stasiun kerja yang terdapat di dalam suatu lintasan produksi fabrikasi atau suatu lintasan perakitan yang bersifat manual.
2. Pergerakan aliran benda kerja yang kontinu pada kecepatan yang seragam. Alirannya tergantung pada waktu operasi.
3. Arah aliran meterial harus tetap sehingga memperkecil daerah penyebaran dan mencagah timbulnya atau setidak-tidaknya mengurangi waktu menunggu karena keterlambatan benda kerja.
3.2. Line Balancing
Kriteria umum keseimbangan lintasan produksi adalah untuk memaksimumkan efisiensi atau meminimumkan balance delay. Tujuan pokok dari penggunaan metode ini adalah untuk mengurangi atau meminimumkan waktu menganggur (idle time) pada lintasan yang ditentukan oleh operasi yang paling lambat.
Tujuan perencanaan kesimbangan lintasan adalah mendistribusikan unit-unit kerja atau elemen-elemen kerja pada setiap stasiun kerja agar waktu menganggur dari stasiun kerja pada suatu lintasan produksi dapat ditekan seminimal mungkin, sehingga pemanfaatan dari peralatan maupun operator dapat digunakan semaksimal mungkin.
Pembuatan suatu produk pada umumnya dilakukan melalui beberapa tahapan proses produksi pada beberapa departemen berupa aliran proses produksi. Aliran proses produksi disini adalah yang diperlukan untuk memindahkan elemen-elemen produksi, seperti bahan atau material, part, orang, dan lain-lain, mulai dari awal proses sampai produk yang dikehendaki bisa melalui lintasan produksi.
atau bahan bergerak secara kontinu dalam tingkat rata-rata seragam pada seluruh urutan stasiun kerja di mana pekerjaan perakitan dilakukan. Lini perakitan akan menjadi bagian utama dari manufucturing dan operasi perakitan, walaupun pekerjaannya mungkin digantikan oleh robot. Pengaturan kerja sepanjang lini perakitan akan bervariasi sesuai ukuran produk yang akan dirakit, kebutuhan proses pendahuluan, ketersediaan ruang, elemen pengerjaan dan kondisi pengerjaan, yang akan dikenakan pada job. Adapun dua permasalahan penting dalam penyeimbangan lini adalah :
1. Penyeimbangan antara stasiun kerja,
2. Menjaga kelangsungan produksi di dalam lini perakitan.
balancing.
Precedence diagram. Precedence diagram merupakan gambaran secara grafis
dari urutan kerja operasi kerja, serta ketergantungan pada operasi kerja lainnya yang tujuannya untuk memudahkan pengontrolan dan perencanaan kegiatan yang terkait di dalamnya. Adapun tanda-tanda yang dipakai sebagai berikut:
1. Symbol lingkaran dengan huruf atau nomor di dalamnya untuk mempermudah identifikasi dari suatu proses operasi
2. Tanda panah menunjukkan ketergantungan dan urutan proses operasi. Dalam hal ini, operasi yang berada pada pangkal panah berarti mendahului operasi kerja yang ada pada ujung anak panah
3. Angka di atas symbol lingkaran adalah waktu standar yang diperlukan untuk menyelesaikan setiap operasi
Asssamble product
Adalah produk yang melewati urutan work stasiun di mana tiap work stasiun (WS ) memberikan proses tertentu hingga selesai menjadi produk akhir pada perakitan akhir
Work elemen
Adalah tempat pada lini perakitan di mana proses perakitan dilakukan. Setelah menentukan interval waktu siklus, maka jumlah stasiun kerja efisien dapat ditetapkan dengan rumus berikut:
Di mana:
Ti : waktu operasi/elemen ( I=1,2,3,…,n) C :waktu siklus stasiun kerja
N : jumlah elemen
Kmin : jumlah stasiun kerja minimal
Cycle time (CT)
CT : waktu siklus (cycle time) P : jam kerja efektif per hari
Q : jumlah produksi per hari
Station time (ST)
Jumlah waktu dari elemen kerja yang dilakukan pada suatu stasiun kerja yang sama
Idle time (I)
Merupakan selisih (perbedaan) antara cycle time (CT) dan stasiun time (ST) atau CT dikurangi ST.
Balance delay (D)
Sering disebut balancing loss, adalah ukuran dari ketidakefisiensinan lintasan yang dihasilkan dari waktu menganggur sebenarnya yang disebabkan karena pengalokasian yang kurang sempurna di antara stasiun-stasiun kerja. Balance
delay ini dinyatakan dalam persentase. Balance delay dapat dirumuskan:
Di mana:
n : jumlah stasiun kerja
Adalah rasio dari total waktu di stasiun kerja dibagi dengan waktu siklus dikalikan jumlah stasiun kerja
Di mana:
STi : waktu stasiun dari stasiun ke-1 K : jumlah(banyaknya) stasiun kerja CT : waktu siklus
Smoothes index (SI)
Adalah suatu indeks yang menunjukkan kelancaran relative dari penyeimbangan lini perakitan tertentu
SI=
Di mana:
St max : maksimum waktu di stasiun Sti : waktu stasiun di stasiun kerja ke-i
Output production (Q)
Adalah jumlah waktu efektif yang tersedi dalam suatu periode dibagi dengan
cycle time
Di mana:
Pada akhirnya, akan didapatkan solusi-solusi yang paling tepat bagi permasalahan yang dihadapi. Untuk menggunakan algoritma genetik, solusi permasalahan direpresentasikan sebagai khromosom. Tiga aspek yang penting untuk penggunaan algoritma genetik:
satu muridnya, David Goldberg (1989). Dimana mendefenisikan algoritma genetik ini sebagai metode algoritma pencarian berdasarkan pada mekanisme seleksi alam dan genetik alam.
Algoritma genetik adalah algoritma yang berusaha menerapkan pemahaman mengenai evolusi alamiah pada tugas-tugas pemecahan-masalah (problem
solving). Pendekatan yang diambil oleh algoritma ini adalah dengan menggabungkan secara acak berbagai pilihan solusi terbaik di dalam suatu kumpulan untuk mendapatkan generasi solusi terbaik berikutnya yaitu pada suatu kondisi yang memaksimalkan kecocokannya atau lazim disebut fitness. Generasi ini akan merepresentasikan perbaikan-perbaikan pada populasi awalnya. Dengan melakukan proses ini secara berulang, algoritma ini diharapkan dapat mensimulasikan proses evolusioner.
2
Jika ketiga aspek di atas telah didefinisikan, algoritma genetik akan bekerja dengan baik. Tentu saja, algoritma genetik bukanlah solusi terbaik untuk memecahkan segala masalah. Sebagai contoh, metode tradisional telah diatur untuk untuk mencari penyelesaian dari fungsi analitis convex yang “berperilaku baik” yang variabelnya sedikit. Pada kasus-kasus ini, metode berbasis kalkulus lebih unggul dari algoritma genetik karena metode ini dengan cepat menemukan solusi minimum ketika algoritma genetik masih menganalisa bobot dari populasi awal.
Untuk problem-problem ini pengguna harus mengakui fakta dari pengalaman ini dan memakai metode tradisional yang lebih cepat tersebut. Akan tetapi, banyak persoalan realistis yang berada di luar golongan ini. Selain itu, untuk persoalan yang tidak terlalu rumit, banyak cara yang lebih cepat dari algoritma genetik. Jumlah besar dari populasi solusi, yang merupakan keunggulan dari algoritma genetik, juga harus mengakui kekurangannya dalam dalam kecepatan pada sekumpulan komputer yang dipasang secara seri-fitness
function dari tiap solusi harus dievaluasi. Namun, bila tersedia komputer-
3.4. Struktur Umum Algoritma Genetik
Algoritma genetik memberikan suatu pilihan bagi penentuan nilai parameter dengan meniru cara reproduksi genetik, pembentukan kromosom baru serta seleksi alami seperti yang terjadi pada makhluk hidup. Algoritma Genetik secara umum dapat diilustrasikan dalam diagram alir berikut ini.
Gambar 3.1. Diagram Alir Algoritma Genetik
karakteristik-karakteristik yang perlu diketahui sehingga dapat terbedakan dari prosedur pencarian atau optimasi yang lain, yaitu:
1. Algoritma genetik dengan pengkodean dari himpunan solusi permasalahan berdasarkan parameter yang telah ditetapkan dean bukan parameter itu sendiri. 2. Algoritma genetik pencarian pada sebuah solusi dari sejumlah individu- individu
yang merupakan solusi permasalahan bukan hanya dari sebuah individu.
3. Algoritma genetik informasi fungsi objektif (fitness), sebagai cara untuk mengevaluasi individu yang mempunyai solusi terbaik, bukan turunan dari suatu fungsi.
4. Algoritma genetik menggunakan aturan transisi peluang, bukan aturan-aturan deterministik.
Variabel dan parameter yang digunakan pada algoritma genetik adalah:
1. Fungsi fitness (fungsi tujuan) yang dimiliki oleh masing-masing individu untuk menentukan tingkat kesesuaian individu tersebut dengan criteria yang ingin dicapai.
2. Populasi jumlah individu yang dilibatkan pada setiap generasi. 3. Probabilitas terjadinya persilangan (crossover) pada suatu generasi. 4. Probabilitas terjadinya mutasi pada setiap individu.
5. Jumlah generasi yang akan dibentuk yang menentukan lama penerapan algoritma genetik.
1. Membangkitkan populasi awal
Populasi awal ini dibangkitkan secara random sehingga didapatkan solusi awal. Populasi itu sendiri terdiri atas sejumlah kromosom yang
merepresentasikan solusi yang diinginkan. 2. Membentuk generasi baru
Untuk membentuk generasi baru, digunakan operator reproduksi/ seleksi,
crossover dan mutasi. Proses ini dilakukan berulang-ulang sehingga
didapatkan jumlah kromosom yang cukup untuk membentuk generasi baru dimana generasi baru ini merupakan representasi dari solusi baru. Generasi baru ini dikenal denga istilah anak (offspring).
3. Evaluasi solusi
Fungsi fitness tersebut sebagai berikut:
Fitness 1
1 + Penalti (3.1) dimana: ∑ Penalti =∑Bp + ∑Np
Dari persamaan diatas nilai fitness ditentukan oleh nilai penalty. Penalty tersebut menunjukkan jumlah pelanggaran kendala pada suatu kromosom. Semakin tinggi nilai fitness akan semakin besar kemungkinan kromosom tersebut terpilih ke generasi berikutnya. Jadi nilai penalty berbanding terbalik dengan nilai fitness, semakin kecil nilai penalty (jumlah pelanggaran) semakin besar nilai fitnessnya.
Jadi fungsi fitness:
Keterangan:
Bp : Bobot Pelanggaran
Np : Indikator Pelanggaran
3.5. Pengkodean
untuk diciptakan dan mudah dimanipulasi. Pengkodean biner memberikan banyak kemungkinan untuk kromosom walaupun dengan jumlah nilai-nilai yang mungkin terjadi pada suatu gen yang sedikit (0 dan 1). Di pihak lain, pengkodean biner sering tidak sesuai untuk banyak masalah dan kadang pengoreksian harus dilakukan setelah operasi
crossover dan mutasi.
2. Pengkodean bilang riil adalah suatu pengkodean bilangan dalam bentuk riil. Masalah optimalisasi fungsi dan optimalisasi kendala lebih tepat jika diselesaikan dengan pengkodean bilangan riil karena struktur topologi ruang genotif untuk pengkodean bilangan riil identik dengan ruang fenotifnya, sehingga mudah membentuk operator genetik yang efektif dengan cara memakai teknik yang dapat digunakan yang berasal dari metode konvensional.
3. Pengkodean bilangan bulat adalah metode yang mengkodekan bilangan dalam bentuk bilangan bulat. Pengkodean ini baik digunakan untuk masalah optimisasi kombinatorial.
4. Pengkodean struktur data adalah model pengkodean yang menggunakan struktur data. Pengkodean ini digunakan untuk masalah kehidupan yang lebih kompleks seperti perencanaan jalur robot, dan masalah pewarnaan
3.6. Operator Genetik
Algoritma genetik merupakan proses pencarian yang heuristik dan acak sehingga penekanan pemilihan operator yang digunakan sangat menentukan keberhasilan algoritma genetik dalam menemukan solusi optimum suatu masalah yang diberikan. Hal yang harus diperhatikan adalah menghindari terjadinya konvergensi premature, yaitu mencapai solusi optimum yang belum waktunya, dalam arti bahwa solusi yang diperoleh adalah hasil optimum lokal.
Operator genetik yang digunakan setelah proses evaluasi tahap pertama membentuk populasi baru dari generasi sekarang. Operator-operator tersebut adalah operator seleksi, crossover dan mutasi.
3.6.1. Seleksi
Seleksi bertujuan memberikan kesempatan reproduksi yang lebih besar bagi anggota populasi yang paling fit. Langkah pertama dalam seleksi ini adalah pencarian nilai fitness. Masing-masing individu dalam suatu wadah seleksi akan menerima probabilitas reproduksi yang tergantung pada nilai objektif dirinya sendiri terhadap nilai objektif dari semua individu dalam wadah seleksi tersebut. Nilai fitness inilah yang nantinya akan digunakan pada tahap seleksi berikutnya.
Kemampuan algoritma genetik untuk memproduksi kromosom yang lebih baik secara progresif tergantung pada penekanan selektif (selective
dalam dua cara. Cara pertama adalah membuat lebih banyak kromosom anak yang dipelihara dalam populasi dan memilih hanya kromosom-kromosom terbaik bagi generasi berikut. Walaupun orang tua dipilih secara acak, metode ini akan terus menghasilkan kromosom yang lebih baik berhubungan dengan penekanan selektif yang diterapkan pada individu anak tersebut.
Cara lain menerapkan penekanan selektif adalah memilih orang tua yang lebih baik ketika membuat keturunan baru. Dengan metode ini, hanya kromosom sebanyak yang dipelihara dalam populasi yang perlu dibuat bagi generasi berikutnya. Walaupun penekanan selektif tidak diterapkan ke level keturunan, metode ini akan terus menghasilkan kromosom yang lebih baik, karena adanya penekanan selektif yang diterapkan ke orangtua.
Ada beberapa metode untuk memilih kromosom yang sering digunakan antara lain adalah seleksi roda rolet (roulette wheel selection), seleksi ranking (rank selection) dam seleksi turnamen (tournament selection).
Dalam penelitian ini, metode yang digunakan adalah seleksi roda rolet (roulette wheel selection). Pada seleksi ini, orang tua dipilih berdasarkan fitness mereka. Lebih baik kualitas suatu kromosom, lebih besar peluangnya untuk terpilih. Probabilitas suatu individu terpilih untuk crossover sebanding dengan
fitness-nya. Cara penyeleksian ini merupakan peniruan dari permainan roda
3.6.2. Crossover
Crossover (perkawinan silang) bertujuan menambah keanekaragaman
string dalam populasi dengan penyilangan antar-string yang diperoleh dari sebelumnya. Beberapa jenis crossover tersebut adalah:
1. Crossover 1-titik
Pada crossover dilakukan dengan memisahkan suatu string menjadi dua bagian dan selanjutnya salah satu bagian dipertukarkan dengan salah satu bagian dari string yang lain yang telah dipisahkan dengan cara yang sama. Proses yang demikian dinamakan operator crossover satu titik seperti diperlihatkan pada Tabel 3.1. berikut:
Tabel 3.1 Contoh Crossover 1-titik
Kromosom Orangtua 1 11001011
Kromosom Orangtua 2 11011111
Keturunan 11001111
2. Crossover 2-titik
Tabel 3.2 Contoh Crossover 2-titik
Kromosom Orangtua 1 11001011
Kromosom Orangtua 2 11011111
Keturunan 11011111
3. Crossover seragam
Crossover seragam manghasilkan kromosom keturunan dengan menyalin bit-bit secara acak dari kedua orangtuanya.
Tabel 3.3 Contoh Crossover Seragam
Kromosom Orangtua 1 11001011
Kromosom Orangtua 2 11011111
Keturunan 11011111
3.6.3. Mutasi
Mutasi merupakan proses mengubah nilai dari satu atau beberapa gen dalam suatu kromosom. Operasi crossover yang dilakukan pada kromosom dengan tujuan untuk memperoleh kromosom-kromosom baru sebagai kandidat solusi pada generasi mendatang denga fitness yang lebih baik, dan lama-kelamaan menuju solusi optimum yang diinginkan. Akan tetapi, untuk mencapai hal ini, penekanan selektif juga memegang peranan yang penting. Jika dalam proses pemilihan kromosom-kromosom cenderung pada kromosom yang memiliki fitness yang tinggi saja, konvergensi premature, yaitu mencapai solusi yang optimal lokal sangat mudah terjadi
Proses mutasi dalam sistem biologi berlangsung dengan mengubah isi
allele gen pada suatu locus dengan allele yang lain. Proses mutasi ini bersifat
acak sehingga tidak selalu menjamin bahwa setelah proses mutasi akan diperoleh kromosom dengan fitness yang lebih baik.
Operator mutasi merupakan operasi yang menyangkut satu kromosom tertentu. Beberapa cara operasi mutasi diterapkan dalam algoritma genetik menurut jenis pengkodean terhadap phenotype, antara lain:
1. Mutasi dalam Pengkodean Biner
Mutasi pada pengkodean biner merupakan operasi yang sangat sederhana. Proses yang dilakukan adalah menginversi nilai bit pada posisi tertentu yang terpilih secara acak (atau menggunakan skema tertentu) pada kromosom, yang disebut inverse bit.
Tabel 3.4 Contoh Mutasi pada Pengkodean Biner
Kromosom sebelum mutasi 1 0 0 1 0 1 1 1 Kromosom setelah mutasi 1 0 0 1 0 0 1 1
2. Mutasi dalam Pengkodean Permutasi
Tabel 3.5 Contoh Mutasi pada Pengkodean Permutasi
Kromosom sebelum mutasi 1 2 3 4 6 5 8 7 9 Kromosom setelah mutasi 1 2 7 4 6 5 8 3 9
3. Mutasi dalam Pengkodean Nilai
Mutasi pada pengkodean nilai hampir sama dengan yang dilakukan pada pengkodean biner, tetapi yang dilakukan bukan menginversi nilai bit. Penerapannya bergantung pada jenis nilai yang digunakan. Sebagai contoh untuk nilai riil, proses mutasi dapat dilakukan seperti yang dilakukan pada pengkodean permutasi, dengan saling mempertukarkan nilai dua gen pada kromosom.
Tabel 3.6 Contoh Mutasi Pengkodean Nilai
Keadaan Kromosom Proses Mutasi
Kromosom sebelum mutasi 1,45 2,67 1,87 2,56 Kromosom sesudah mutasi 1,55 2,67 1,77 2,56
4. Mutasi dalam Pengkodean Pohon
5. Order-based mutation
Proses mutasi dilakukan menggunakan metode order-based mutation, dengan ketentuan sebagai berikut :
a. 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.
3.6.4. Parameter Genetik
Pengoperasian algoritma genetik dibutuhkan 4 yaitu: 1. Probabilitas Persilangan (Crossover Probability)
Menunjukkan kemungkinan crossover terjadi antara 2 kromosom. Jika tidak terjadi crossover maka keturunannya akan sama persis dengan kromosom orangtua, tetapi tidak berarti generasi yang baru akan sama persis dengan generasi yang lama. Jika probabilitas crossover 100% maka semua
keturunannya dihasilkan dari crossover. Crossover dilakukan dengan harapan bahwa kromosom yang baru akan lebih baik.
2. Probabilitas Mutasi (Mutation Probability)
3. Jumlah Individu
Menunjukkan jumlah kromosom yang terdapat dalam populasi (dalam satu generasi). Jika hanya sedikit kromosom dalam populasi maka algoritma genetik akan mempunyai sedikit variasi kemungkinan untuk melakukan crossover antara orangtua karena hanya sebagian kecil dari search space yang dipakai. Sebaliknya jika terlalu banyak maka algoritma genetik akan berjalan lambat. 4. Jumlah Generasi
3.7. Metode Pengukuran Waktu3
Pengukuran waktu ditujukan untuk mendapatkan waktu baku penyelesaian pekerjaan yaitu waktu yang dibutuhkan secara wajar oleh seorang pekerja normal untuk menyelesaikan suatu pekerjaan yang dijalankan dalam sistem kerja terbaik. Ini dimaksudkan untuk menunjukkan bahwa waktu baku yang dicari bukanlah waktu penyelesaian yang diselesaikan secara tidak wajar seperti terlalu cepat atau terlalu lambat.
Secara garis besar, metode pengukuran waktu terbagi ke dalam dua bagian, yaitu:
1. Pengukuran secara langsung
Pengukuran yang dilakukan secara langsung di tempat dimana pekerjaan yang bersangkutan dijalankan. Dua cara yang termasuk pengukuran langsung adalah cara jam henti (stopwatch time study) dan sampling kerja (work sampling). 2. Pengukuran secara tidak langsung merupakan pengukuran waktu tanpa harus
berada ditempat kerja yaitu dengan membaca tabel-tabel yang tersedia asalkan mengetahui jalannya pekerjaan melalui elemen pekerjaan atau elemen-elemen gerakan. Yang termasuk pengukuran tidak langsung adalah data waktu baku dan data waktu gerakan.
Dengan salah satu cara ini, waktu penyelesaian pekerjaan yang dikerjakan dengan suatu sistem kerja tertentu dapat ditentukan. Sehingga jika pengukuran dilakukan terhadap beberapa alternatif sistem kerja, kita dapat memilih yang
3 Iftikar Z Sutalaksana. Teknik Tata Cara Kerja. Bandung: Institut Teknologi Bandung. 1979. h.
terbaik dari segi waktu yaitu sistem yang membutuhkan waktu penyelesaian yang tersingkat.
Adapun beberapa istilah di dalam metode pengukuran waktu, yaitu: 1. Waktu Siklus
Waktu Siklus merupakan data waktu sesungguhnya yang terukur oleh pengamat yang diawali dan diakhiri oleh suatu elemen operasi yang sama. Pengukuran waktu siklus haruslah mencakup seluruh elemen operasi (gerakan) yang mungkin muncul pada saat pekerjaan dilakukan.
a. Pengujian Kecukupan Data
Untuk memastikan data yang dikumpulkan adalah cukup secara objektif. b. Pengujian Keseragaman Data
Ini dilakukan untuk memastikan bahwa data yang terkumpul berasal dari suatu sistem yang sama.
2. Waktu Siklus Rata-rata (Ws)
Waktu diperoleh dari dengan cara menjumlahkan seluruh data waktu siklus, kemudian dibagi dengan banyaknya data yang telah terkumpul.
3. Waktu Normal
Dalam melakukan pekerjaannya, seorang operator dapat saja menunjukkan kecepatan kerja yang tidak konsisten. Operator dapat bekerja secara cenderung cepat, atau bahkan sebaliknya cenderung lambat. Data waktu yang terukur dari cara kerja seperti ini, haruslah ditambah dengan rating factor (Rf).
4. Waktu Standar (Waktu Baku)
Disamping melakukan pekerjaan rutin, seorang operator mungkin saja hanya melakukan aktivitas-aktivitas lain yang tidak berhubungan secara langsung dengan pekerjaan. Aspek ini di koreksi dengan menambahkan suatu nilai yang disebut dengan allowance (kelonggaran).
Wb = Wn x (1 + allowance)
Waktu Baku adalah waktu yang dibutuhkan oleh seorang pekerja normal untuk bekerja secara wajar dalam sistem kerja yang terbaik.
3.7.1 Pengukuran Waktu Jam Henti (Stopwatch Time Study)
Sesuai dengan namanya, maka pengukuran waktu ini menggunakan jam henti (stopwatch) sebagai alat utamanya. Cara ini tampaknya merupakan cara yang paling banyak dikenal, dan karenanya paling banyak dipakai.Salah satu yang menyebabkannya adalah kesederhanaan aturan-aturan yang dipakai.
Ada beberapa aturan pengukuran yang dijalankan untuk mendapatkan hasil yang baik.Aturan-aturan tersebut dijelaskan dalam langkah-langkah berikut ini. 1. Langkah-langkah sebelum melakukan pengukuran
a. Penetapan tujuan pengukuran
b. Melakukan penelitian pendahuluan
Yang dicari dari pengukuran waktu adalah waktu yang pantas diberikan kepada pekerja untuk menyelesaikan suatu pekerjaan. Tentu suatu kondisi yang ada dapat dicari waktu yang pantas tersebut, artinya akan didapat juga waktu yang pantas untuk menyelesaikan pekerjaan dengan kondisi yang bersangkutan. Suatu perusahaan biasanya menginginkan waktu kerja yang sesingkat-singkatnya agar dapat meraih keuntungan yang sebesar-besarnya. Keuntungan demikian tidak akan diperoleh jika kondisi kerja dari pekerjaan-pekerjaan yang ada diperusahaan tersebut tidak menunjang tercapainya hasil tadi.
c. Memilih operator
d. Melatih operator
Walaupun operator yang baik telah didapat, kadang-kadang masih diperlukan adalah bagi operator tersebut terutama jika kondisi dan cara kerja yang dipakai tidak sama dengan yang biasa dilakukan operator. Hal ini terjadi jika pada saat penelitian pendahuluan kondisi kerja atau cara kerja sesudah mengalami perubahan. Dalam keadaan ini operator harus dilatih terlebih dahulu karena sebelum diukur operator harus terbiasa dengan kondisi kerja yang telah ditetapkan.Harap diingat bahwa yang dicari adalah waktu penyelesaian pekerjaan yang didapat dari suatu penyelesaian yang wajar dan bukan penyelesaian dari orang-orang yang bekerja kaku dengan berbagai kesalahan.
e. Mengurai pekerjaan atas elemen-elemen pekerjaan
dari gerakan-gerakan kerjanya, untuk memudahkan mengamati terjadinya elemen yang tidak baku yang mungkin saja dilakukan pekerja, untuk memungkinkan dikembangkannya data waktu standard atau tempat kerja yang bersangkutan.
f. Menyiapkan alat-alat pengukuran
Setelah kelima langkah tersebut dapat dijalankan dengan baik, tibalah sekarang pada langkah terakhir sebelum melakukan pengukuran yaitu menyiapkan alat-alat yang diperlukan.
Alat-alat tersebut adalah: 1. Stopwatch
2. Lembar pengamatan 3. Pena atau pensil 4. Papan pengamatan 2. Melakukan pengukuran waktu
mengikuti dengan baik saat-saat suatu siklus atau elemen bermula dan berakhir. Umumnya posisi agak menyimpang dibelakang operator sejauh 1,5 m merupakan tempat yang baik. Hal pertama yang dilakukan adalah pengukuran pendahuluan.Tujuan pengukuran pendahuluan ialah untuk mengetahui berapa kali pengukuran harus dilakukan untuk tingkat ketelitian dan keyakinan yang diinginkan.Pengukuran pendahuluan pertama dilakukan dengan melakukan beberapa buah pengukuran yang banyaknya ditentukan oleh pengukur.Biasanya sepuluh kali atau lebih.
3. Tingkat ketelitian dan tingkat keyakinan
Tingkat ketelitian dan keyakinan adalah pencerminan tingkat kepastian yang diinginkan oleh pengukur setelah memutuskan tidak akan melakukan pengukuran yang sangat banyak. Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari waktu penyelesaian sebenarnya.Sedangkan tingkat keyakinan menunjukkan besarnya keyakinan pengukur bahwa hasil yang diperoleh memenuhi syarat ketelitian tadi.
4. Melakukan perhitungan waktu baku
3.7.2 Rating Factor
Rating Factor (faktor penyesuaian) merupakan perbandingan performansi
seseorang pekerja atau individual dengan konsep normalnya. Ada beberapa kriteria rating factor (Rf) dari pekerja yaitu:
1. Pekerja normal
Rf = 100% =1 (waktu normal). 2. Pekerja terampil
Rf > 1 ( waktu pekerja lebih kecil dari waktu normal). 3. Pekerja lamban
Rf < 1 ( waktu pekerja lebih besar dari waktu normal). Ada beberapa cara menentukan rating factor antara lain: 1. Cara Persentase
Cara ini merupakan cara yang paling awal digunakan dalam melakukan penyesuaian. Di sini besarnya faktor penyesuian sepenuhnya ditentukan oleh pengukur melalui pengamatan selama pengukuran.
WN=14,6 x 1,1 = 16,6 menit. 2. Cara Shumard
Tabel 3.7. Penyesuaian Menurut Cara Shumard
Kelas Penyesuaian
Superfast 100
Fast + 95
Fast 90
Fast – 85
Excellent 80
Good + 75
Good + 75
Good 70
Good – 65
Normal 60
Fair + 55
Fair 50
Fair – 45
Poor 40
3. Cara Westinghouse
Cara Westinghouse mengarahkan penilaian pada empat faktor yang dianggap menentukan kewajaran atau ketidakwajaran dalam bekerja yaitu keterampilan, usaha, kondisi kerja dan konsistensi. Setiap faktor terbagi kedalam kelas-kelas dengan nilainya masing-masing. Penyesuaian menurut
Tabel 3.8. Penyesuaian Menurut Westinghouse
Faktor Kelas Lambang Penyesuaian
Keterampilan Superskill A1 +0,15
A2 +0,13
pengamatan karenanya setelah mendapatkan waktu normal perlu ditambahkan kelonggaran. Dalam menghitung besarnya allowance, bagi keadaan yang dianggap wajar diambil harga allowance =100 %. Sedangkan bila terjadi penyimpangan dari keadaan ini, harga p harus ditambah dengan faktor-faktor yang sesuai dengan waktu siklus yang diperoleh dan waktu ini dicapai berdasarkan setiap departemen.
Kelonggaran diberikan untuk tiga hal, yaitu:
1. Kelonggaran untuk kebutuhan pribadi (personal)
Yang termasuk didalam kebutuhan pribadi adalah hal-hal sepeti minum
sekedarnya untuk menghilangkan rasa haus, ke kamar kecil, bercakap-cakap dengan teman sekedarnya untuk menghilangkan ketegangan ataupun kejenuhan dalam sewaktu bekerja.
2. Kelonggaran untuk menghilangkan rasa fatique.
Fatique merupakan hal yang akan terjadi pada diri seseorang sebagai akibat
dari melakukan suatu pekerjaan.
3. Kelonggaran untuk hambatan-hambatan tidak terhindarkan (delay)
Hambatan-hambatan tidak terhindarkan terjadi karena berada diluar kekuasaan/kendali pekerja.
3.8. Pengujian Data
3.8.1. Kecukupan Data
Pengujian data yang pertama adalah uji kecukupan data. Uji kecukupan data diperlukan untuk memastikan bahwa data yang telah dikumpulkan adalah cukup secara objektif. Idealnya pengukuran dilakukan dalam jumlah yang banyak, bahkan sampai jumlah yang tak terhinga agar data hasil pengukuran layak untuk digunakan. Namun pengukuran dalam jumlah yang tak terhingga sulit dilakukan mengingat keterbatasan-keterbatasan yang ada, baik dari segi tenaga, biaya, waktu, dan sebagainya. Sebaliknya pengumpulan data dalam jumlah yang sekedarnya juga kurang baik karena tidak mewakili keadaan yang sebenarnya. Untuk itu pengujian kecukupan data dilakukan dengan berpedoman pada konsep statistik, yaitu tingkat ketelitian dan tingkat keyakinan. Tingkat ketelitian dan tingkat keyakinan adalah pencerminan tingkat kepastian yang diingkinkan oleh pengukur setelah memutuskan tidak akan melakukan pengukuran dalam jumlah banyak. Tingkat ketelitian menunjukkan penyimpangan maksimum hasil pengukuran dari waktu penyelesaian sebenarnya. Sedang tingkat keyakinan menunjukkan besarnya keyakinan pengukur akan ketelitian data waktu yang telah diamati dan dikumpulkan. Pengaruh tingkat ketelitian dan tingkat keyakinan adalah bahwa semakin tinggi tingkat ketelitian semakin besar tingkat keyakinan, semakin banyak pengukuran yang diperlukan.
Tes kecukupan data dapat dilakukan dengan menggunakan rumus sebagai berikut.
K = Tingkat keyakinan = 99% ≈ 3
= 95% ≈ 2
s = Derajat ketelitian
N = Jumlah data pengamatan N’ = Jumlah data teoritis
Jika N’≤ N, data dianggap cukup, jika N’>N, data dianggap tidak cukup (kurang) dan perlu dilakukan penambahan kembali.
3.8.2. Keseragaman Data
Untuk memastikan bahwa data yang terkumpul berasal dari sistem yang sama, maka dilakukan pengujian terhadap keseragaman data. Sebagai contoh, pada suatu hari seorang operator dalam melakukan pengerjaan dinilai terlalu lamban, karena pada malam harinya tidak tidur semalaman. Dibandingkan dengan hari-hari sebelumnya data yang terkumpul pada hari itu jelas akan jauh berbeda. Untuk itu diperlukan pengujian keseragaman data untuk memisahkan data yang memiliki karakteristik yang berbeda. Adapun rumus yang digunakan dalam pengujian keseragaman data untuk stop watch adalah sebagai berikut.
BKA = Batas kontrol atas BKB = Batas kontrol bawah
BAB IV
METODOLOGI PENELITIAN
4.1. Tempat dan Waktu Penelitian
Penelitian dilakukan di CV. Super Plates yang merupakan industri yang bergerak di bidang perakitan baterai aki mobil dengan merek Samson yang beralamat di Jalan Balai Desa No. 141 Kec Polonia, Medan. Penelitian dilakukan pada bulan Agustus 2014 sampai dengan bulan November 2014 untuk mengetahui kondisi perusahaan dan permasalahan yang terjadi di perusahaan tersebut.
4.2. Jenis Penelitian
Jenis penelitian yang dilakukan adalah penelitian deskriptif (deskriptif
research) yaitu penelitian yang berusaha untuk memaparkan pemecahan masalah
terhadap suatu masalah yang ada sekarang secara sistematis dan faktual berdasarkan data. Jadi penelitian ini meliputi proses pengumpulan, penyajian dan pengolahan data, serta analisis dan interpretasi data.
4.3. Objek Penelitian
Objek yang diteliti adalah data elemen-elemen kerja dalam proses pembuatan baterai aki, waktu pengerjaan setiap elemen kerja tersebut, dan lintasan kerja awal
4.4. Variabel Penelitian
Variabel yang digunakan dalam penelitian ini adalah : 1. Variabel dependen
Variabel dependen adalah variabel yang nilainya dipengaruhi atau ditentukan oleh variabel lain. Adapun variabel dependen dalam penelitian ini adalah Efesiensi lini.
2. Variabel independen
Variabel independen adalah variabel yang mempengaruhi variabel dependen baik secara positif maupun secara negatif. Adapun variabel independen atau bebas dalam penelitian ini adalah elemen kerja, waktu baku pekerjaan tiap operasi, stasiun kerja.
4.5. Instrumen Penelitian
Pada penelitian ini instrumen penelitian yang digunakan adalah a. Pengukuran kerja langsung dengan stopwatch
Gambar 4.1. Stopwatch
2. Melakukan penelitian pendahuluan 3. Memilih operator
4. Menguraikan pekerjaan atas elemen-elemen 5. Menyiapkan alat pengukuran
6. Melakukan pengukuran waktu repetitif timing. b. Uji Keseragaman (uniformity test)
Data yang seragam yaitu berasal dari sistem sebab yang sama dan berada dalam batas kontrol, data tidak seragam apabila berasal dari sistem sebab berbeda dan berada diluar batas kontrol.
c. Uji Kecukupan (adequacy test)
Untuk memenuhi tingkat ketelitian dan keyakinan yang diinginkan perlu dilakukan perhitungan jumlah pengamatan yang diperlukan. Dengan tingkat ketelitian 5 % dan tingkat keyakinan 95 %, jumlah pengamatan yang diperlukan :
Dengan :
K = Tingkat keyakinan = 99% ≈ 3
= 95% ≈ 2
s = Derajat ketelitian
Jika N’≤ N, data dianggap cukup, jika N’>N, data dianggap tidak cukup (kurang) dan perlu dilakukan penambahan kembali.
4.6. Kerangka Konseptual
Kerangka berpikir dalam penelitian adalah dasar pemikiran dari penelitian yang disintesiskan dari fakta, observasi dan telaah kepustakaan. Uraian dalam kerangka berpikir menjelaskan hubungan dan keterkaitan antar variabel penelitian secara logis. Kerangka pemikiran yang baik yaitu apabila mengidentifikasi variabel-variabel penting yang sesuai dengan permasalahan penelitian, dan secara logis mampu menjelaskan keterkaitan antar variabel tersebut.
Adapun kerangka konseptual penelitian ini dapat dilihat pada Gambar 4.2.
Keseimbangan Lintasan Kerja
Elemen Kerja
Waktu siklus
Stasiun Kerja
Pengelompokan tugas-tugas pada stasiun kerja dengan kapasitas/tingkatan output
yang sama
4.7. Pelaksanaan Penelitian
Adapun prosedur penelitian tersebut dapat dilihat pada Gambar 4.3.
STUDI PENDAHULUAN
- Studi literatur
- Melakukan pengamatan langsung ke perusahaan
PENGUMPULAN DATA
- Stasiun kerja - Waktu siklus
- Elemen Kerja
PENGOLAHAN DATA - Uji keseragaman
- Uji kecukupan - Pengukuran kerja
- Pengolahan Metode Algoritma Genetik (GA)
ANALISA PENGOLAHAN DATA
Data yang telah diolah pada pengolahan data akan dianalisis
KESIMPULAN DAN SARAN
IDENTIFIKASI MASALAH DAN PENETAPAN TUJUAN
4.8. Pengolahan Data
Data masukan yang digunakan untuk AG adalah waktu siklus, waktu baku, dan precedance diagram. Adapun langkah-langkah yang harus dilakukan dalam AG adalah sebagai berikut :
1. Membangkitkan populasi awal.
2. Mengidentifikasi nilai fitnes, yang merupakan baik tidaknya sebuah individu.
3. Melakukan proses seleksi.
4. Melakukan kawin silang (cross over). 5. Melakukan mutasi gen.
6. Kembali ke poin 3 sampai generasi ke-n 7. Stopping Criteria
Adapun flow chart pengolahan data pada penelitian ini dapat dilihat pada gambar 4.4.
4.9. Analisis Pemecahan Masalah
Pengamatan
BAB V
PENGUMPULAN DAN PENGOLAHAN DATA
5.1. Pengumpulan Data
Data yang dikumpulkan untuk digunakan dalam pengolahan data adalah : 1. Data urutan elemen kerja yang diperoleh dari wawancara dengan operator. 2. Pengukuran waktu elemen kerja atau waktu siklus yang diperoleh dari
Tabel 5.1. Urutan Elemen Kerja Proses Pembuatan Baterai Aki
No Stasiun Kerja Elemen Kerja
1
Greed Casting
Timah Hitam
Timah hitam dilebur 1 tungku 100 kg dengan temparatur 325 derajat celcius selama 1 jam
2 Menuangkan timah hitam cair
3 Dibasahi Greed Sand Mold timah hitam dengan air
4 Menginjak pedal greed casting
5 Dibiarkan sampai dingin hasil cetakan timah hitam
6 Memotong plate dan dibersihkan
7
Greed Casting
Timah Putih
Timah putih dilebur 1 tungku 100 kg dengan temparatur 323 derajat celcius selama 1 jam
8 Menuangkan timah putih cair
9 Dibasahi Greed Sand Mold timah putih dengan air
10 Dibiarkan dingin hasil cetakan timah putih
11 Mengeluarkan hasil cetakan
12 Dibawa ke mesin molen
13 Hasil cetakan timah putih di grinding dengan mesin
Molen kecepatan 24 rpm selama 8 jam
14
Pasting Process
Mengoleskan pasta
15 Menyusun plate ke rak pasting
16 Di press
17 Menyusun ke rak press pasting
18 Dibawa ke tempat drying
19 Drying Di drying press pasting di outdoor selama 3 jam
20
Cell Assembly Menyusun plate @5 buah
21 Menyolder plate
22
Elektrolisis Process
Diisi air raksa kedalam box
23 Menyusun plate +,-, dan fiber
24 Memasukan plate +,-,dan fiber kedalam box
25 Mengikat plate + dan -
26 Menghubungkan kabel jumper ke terminal plate
27 Set up tegangan 12Volt dan arus sesuai standar
28 Proses elektrolisis selama 12 jam
29 Melepaskan kabel jumper
30 Mengeluarkan plate dari dalam box
31
Assembly
Mengunting fiber
32 Menyusun plate dan fiber
Tabel 5.1. Urutan Elemen Kerja Proses Pembuatan Baterai Aki
(Lanjutan)
No Stasiun Kerja Elemen Kerja
34 Memasukkan plate ke box bekas
35 Memasang alas solder
36 Menyolder terminal posts
37 Membuka alas solder
38 Mengeluarkan plate dari dalam box bekas
39 Memasukkan plate kedalam box baru
40 Menyolder socket
41 Memasukkan box kedalam mesin press
42 Menekan tombol press
43 Mengeluarkan box dari mesin press
44 Di bawa ketempat elektrolisis untuk di charger
45 Charger
Proses pembuatan baterai aki dapat dilihat pada gambar 5.1 berikut
I
1. Timah hitam dilebur 1 tungku 100 kg dengan temparatur 325 derajat celcius selama 1 jam 2. Menuangkan timah hitam cair
3. Dibasahi Greed Sand Mold timah hitam dengan air 4. Menginjak pedal greed casting
5. Dibiarkan sampai dingin hasil cetakan timah hitam 6. Memotong plate dan dibersihkan
III 1. Mengoleskan pasta
2. Menyusun plate ke rak pasting 3. Di press
4. Menyusun ke rak press pasting 5. Dibawa ke tempat curing
IV
1.Curing press pasting di outdoor selama 3 jam
V
1. Menyusun plate @5 buah 2. Menyolder plate
VI
1. Diisi air raksa kedalam box 2. Menyusun plate +,-, dan fiber
3. Memasukan plate +,-,dan fiber kedalam box 4. Mengikat plate + dan –
5. Menghubungkan kabel jumper ke terminal plate 6. Set up tegangan 12Volt dan arus sesuai standar 7. Proses elektrolisis selama 12 jam
8. Melepaskan kabel jumper 9. Mengeluarkan plate dari dalam box
VIII
1. Di charger selama 12 jam
VII
1. Mengunting fiber 2. Menyusun plate dan fiber 3. Menggunting tangkai plate 4. Memasukkan plate ke box bekas 5. Memasang alas solder
6. Menyolder terminal posts 7. Membuka alas solder
8. Mengeluarkan plate dari dalam box bekas 9. Memasukkan plate kedalam box baru 10 Menyolder socket
11.Memasukkan box kedalam mesin press 12. Menekan tombol press
13. Mengeluarkan box dari mesin press
14. Di bawa ketempat elektrolisis untuk di charger II
1. Timah putih dilebur 1 tungku 100 kg dengan temparatur 232 derajat celcius selama 1 jam 2. Menuangkan timah putih cair
3. Dibasahi Greed Sand Mold timah putih dengan air 4. Dibiarkan dingin hasil cetakan timah putih 5. Mengeluarkan hasil cetakan
6. Dibawa ke mesin molen
7. Hasil cetakan timah putih di grinding dengan mesin Molen kecepatan 24 rpm selama 8 jam
sampai keenam dapat dilihat di lampiran 1. Untuk lebih jelasnya dapat dilihat pada Tabel 5.2 sampai Tabel 5.7.
Tabel 5.2. Pengamatan Work Station Greed Casting Timah Hitam
OBSERVATION SHEET
Melebur timah hitam dan mencetak plate DATE
OPERATOR
OBSERVER
Agus
06-09-2014 Putra Purba
NO ELEMENTS Unit/element 1 2 3 4 5 6 7 8 9 10 TOTAL TIME NO. OF OBS’NS AVERAGE TIME READING OCCURE
.
MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME
Timah hitam dilebur 1 tungku 100 kg dengan temparatur 325 derajat celcius selama 1 jam
1
Menuangkan timah hitam cair 2
Dibasahi Greed Sand Mold timah hitam dengan air
3
Menginjak pedal greed casting 4
Dibiarkan sampai dingin hasil cetakan timah hitam
112 115 114 113 112 116 114 115 114 114 1139 10 114 114 112 114
113 114 114 114 115 115 113 112 114 116 1140 10 114 114 112 114
152 156 156 157 159 780 5 156 156 152 156
795 796 793 796 795 3975 795,
796
795 793 795
Tabel 5.3. Pengamatan Work Station Greed Casting Timah Putih
Melebur timah putih dan membuat pasta DATE
OPERATOR
OBSERVER
Ipul
06-09-2014 Putra Purba
NO ELEMENTS Unit/element 1 2 3 4 5 6 7 8 9 10 TOTAL TIME NO. OF OBS’NS AVERAGE TIME READING OCCURE. MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME
Timah putih dilebur 1 tungku 100 kg dengan temparatur 323 derajat celcius selama 1 jam
1
Menuangkan timah putih cair
2
Dibasahi Greed Sand Mold timah putih dengan air
3
Dibiarkan dingin hasil cetakan timah putih
3600 3600 1 3600 3600
303 298 298 301 300 300 298,
300 298 300 5
1500
121 123 119 119 118 600 5 120 119 118 120
7 Hasil cetakan timah putih di grinding dengan mesin Molen kecepatan 24 rpm
selama 8 jam
120 6400 6400 6400
FOREMAN HERMAN
PASTING
OPERATOR Rido
NO ELEMENTS Unit/element 1 2 3 4 5 6 7 8 9 10 TOTAL TIME NO. OF OBS’NS AVERAGE TIME READING OCCURE. MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME
Mengoleskan pasta 1
Menyusun plate ke rak pasting 2
Di press 3
Menyusun ke rak press pasting 4
1039 1041 1042 1039 1039 5200 5 1040 1039 1039 1040
208 1040 5 208 208
148 150 151 152 149 750 5 150 148 150
1041 1039 1038 1039 1039 1038
208 209 207 208 208 207
Tabel 5.5. Pengamatan Cell Assambly
OBSERVATION SHEET
NO ELEMENTS Unit/element 1 2 3 4 5 6 7 8 9 10 TOTAL TIME NO. OF OBS’NS AVERAGE TIME READING OCCURE
.
MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME
Menyusun plate @5 buah
FOREMAN HERMAN
Mengisi tegangan dan arus
OPERATOR Sugeng
NO ELEMENTS Unit/element 1 2 3 4 5 6 7 8 9 10 TOTAL TIME NO
. OF OBS’NS
AVERAGE TIME READING OCCURE MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME
Diisi air raksa kedalam box
1
Menyusun plate +,-, dan fiber
2
Memasukan plate +,-,dan fiber kedalam box
3
Mengikat plate + dan -
4
Menghubungkan kabel jumper ke terminal plate
5
Set up tegangan 12Volt dan arus sesuai standar
7 Proses elektrolisis selama 12 jam 1 7200 7200 1 7200 7200
8
9
Melepaskan kabel jumper
Mengeluarkan plate dari dalam box
Merakit plate dan packing
NO ELEMENTS Unit/element 1 2 3 4 5 6 7 8 9 10 TOTAL TIME NO
. OF OBS’NS
AVERAGE TIME READING OCCURE MOST FREQUENTLY MINIMUM TIME REPRESENTATIVE TIME
Mengunting fiber
Memasukkan plate ke box bekas
4
7 Membuka alas solder 2 25 249 10 25 25
OPERATION
8
9
Mengeluarkan plate dari dalam box bekas
Memasukkan plate kedalam box baru
6
Memasukkan box kedalam mesin press Menekan tombol press
Mengeluarkan box dari mesin press Di bawa ketempat elektrolisis untuk di charger
Tabel 5.8. Data Pengukuran Waktu Proses Produksi Baterai Aki (Lanjutan)
5.2.1 Pengujian Data Waktu Pengamatan
5.2.1.2 Uji Keseragaman Data
Pengujian ini dilakukan untuk memastikan bahwa data yang terkumpul berasal dari sistem yang sama. Berikut langkah-langkah pengujian keseragaman data untuk elemen kerja 1.
Tabel 5.9. Pengkuran Waktu Uji Keseragaman Data untuk Elemen Kerja 1
Elemen Kerja
Pengukuran (Detik)
1 2 3 4 5 6
a. Menghitung nilai rata-rata elemen kerja
b. Menghitung standar deviasi
Sehingga diperoleh :
Peta kontrol elemen kerja 1 dapat dilihat pada gambar 5.2.
Dari gambar diatas dapat dilihat bahwa nilai rata-rata pengukuran 3600, BKA 3600 dan BKB 3600, hal ini dapat dikatakan bahwa data seragam karena masih didalam batas kontrol. Untuk semua elemen kerja dapat dilihat pada Tabel 5.10.
Tabel 5.10. Uji Keseragaman Data Elemen Kerja
Tabel 5.10. Uji Keseragaman Data Elemen Kerja (Lanjutan)
5.2.1.3 Uji Kecukupan Data
Uji kecukupan data dilakukan apakah data hasil pengamatan sudah cukup atau tidak. Contoh perhitungan untuk elemen kerja 1.
Tabel 5.11. Pengkuran Waktu Untuk Uji Kecukupan Data Elemen Kerja 1
Tabel 5.11. Pengkuran Waktu Untuk Uji Kecukupan Data Elemen Kerja 1
(Lanjutan)
Pengukuran Waktu
(Detik) X
2
Total 21600 77760000
Dari Tabel 5.3 diperoleh nilai N= 6, ∑X 2 = 77760000, ∑X = 21600, sedangkan untuk nilai k = 2 (tingkat keyakinan 95%) dan s = tingkat ketelitian 5% maka nilai N’ adalah :
Karena nilai N’= 0 lebih kecil dari nilai N= 6 maka data yang digunakan cukup. Untuk hasil pengujian kecukupan data setiap elemen kerja dapat dilihat pada Tabel 5.12.
Tabel 5.12. Uji Kecukupan Data Setiap Elemen Kerja
Tabel 5.12. Uji Kecukupan Data Setiap Elemen Kerja (Lanjutan)
5.2 Perhitungan Waktu Baku
5.2.1 Rating Factor (Rf) atau Penyesuaian
Besar faktor penyesuaian ditentukan menggunakan cara Westinghouse yang dinilai secara subjektif oleh pengamat terhadap operator di setiap stasiun kerja. Dengan melakukan performance rating maka diharapkan waktu kerja yang diukur dapat dinormalkan. Pemilihan operator yang akan dinilai didapatkan dari
supervisor CV. Super Plates. Berikut ini diberikan contoh perhitungan
performance rating seorang operator pada elemen kerja pertama adalah sebagai
berikut.
Penetapan performance rating (PR) pada elemen kerja pertama ini dapat dijelaskan
sebagai berikut:
- Keterampilan : Super skill, tampak seperti telah terlatih dengan sangat baik,
dikerjakan (sudah sangat otomatis), secara umum dapat dikatakan bahwa pekerjaan yang bersangkutan adalah pekerjaan terbaik.
- Usaha: Excellent, jelas terlihat kecepatan kerjanya yang tinggi, penuh perhatian pada pekerjaannya, bangga atas kelebihannya, bekerjanya sistematis.
- Kondisi kerja : Good, hal ini karena ruangan yang digunakan cukup nyaman dan tidak bising serta pencahayaan cukup baik.
- Konsistensi : Perfect, hal ini karena operator dapat menyelesaikan pekerjaan dengan waktu yang tetap dari saat ke saat.
Berdasarkan hasil perhitungan performance rating sebesar 1,29 maka dapat dikatakan bahwa operator pada proses greed casting timah hitam di elemen kerja pertama (O-1) bekerja dengan cepat atau bekerja dengan kinerja 129 % dari keadaan normal. Begitu juga dengan elemen kerja berikutnya dapat dilakukan seperti perhitungan diatas. Hasil perhitungan performance rating operator pada operasi lainnya dapat dilihat pada Tabel 5.13.
Tabel 5.13. Faktor Penyesuaian Elemen Kerja
No Task (EK)
Penyesuaian
Total Keterampilan Usaha Kondisi
Tabel 5.13. Faktor Penyesuaian Elemen Kerja (Lanjutan)
No Task (EK)
Penyesuaian
Total Keterampilan Usaha Kondisi
5.2.2 Allowance atau Kelonggaran
Perhitungan allowance ditentukan secara subjektif oleh pengamat terhadap operator di setiap stasiun kerja. Berikut ini diberikan contoh perhitungan
allowance time operator pada elemen kerja pertama (O-1).
Kebutuhan pria (A) : 2% Keadaan lingkungan yang baik (H) : 4%
Total : 26%
+
Untuk perhitungan allowance setiap elemen kerja dapat dilihat pada Tabel 5.14.
Tabel 5.14. Perhitungan Allowance Setiap Elemen Kerja
Dari penentuan rating factor dan allowance diatas dapat di hutung waktu baku untuk elemen kerja O-1.
Waktu Normal = Waktu siklus x Rating Factor = 3600 x 1,29 = 4644 detik Waktu Baku =
= 6276 detik
Selanjutnya rekapitulasi perhitungan waktu baku setiap elemen kerja dapat dilihat pada Tabel 5.15.
Tabel 5.15. Rekapitulasi Perhitungan Waktu Baku
5.3 Lintasan Produksi Aktual
Lintasan Produksi aktual perusahaan dapat dilihat pada Tabel. 5.16
Tabel 5.16. Lintasan Produksi Aktual Perusahaan
Tabel 5.16. Lintasan Produksi Aktual Perusahaan (Lanjutan)
5.3.1 Perhitungan Balance Delay, Efisiensi Lini dan Smoothing Index
Aktual
1.Balance Delay
Balance Delay adalah ukuran dari ketidakefisiensinan lintasan yang
dihasilkan dari waktu menganggur sebenarnya yang disebabkan karena pengalokasian yang kurang sempurna di antara stasiun-stasiun kerja. Balance
Di mana:
n : jumlah stasiun kerja
C : waktu siklus terbesar dalam stasiun kerja : jumlah waktu operasi dari semua operasi
: waktu operasi : balance delay (%)
2.Efisiensi Lini
Untuk lebih jelasnya dapat dilihat lintasan produksi aktual pada gambar 5.3 berikut.
I
II III
IV V VI VII VIII
8756
62380 4365
29077 828 77239 1486 60923
Gambar 5.3. Lintasan Produksi Aktual
Syarat waktu siklus lini :
Waktu elemen kerja terbesar ≤ Waktu Siklus ≤ Waktu Total
5.4. Rangking Positional Weight (RPW)
Metode RPW digunakan sebagai inisialisasi awal populasi untuk kromosom 2. Langkah-langkah dalam metode RPW adalah sebagai berikut :
1. Buat precedence diagram untuk tiap proses. Dapat di lihat di lampiran 1. 2. Tentukan bobot posisi untuk masing-masing elemen kerja yang berkaitan
dengan waktu operasi untuk waktu pengerjaan yang terpanjang dari mulai operasi permulaan hingga sisa operasi sesudahnya. Dapat dilihat pada Tabel 5.17.
Tabel 5.17. Bobot Elemen Operasi
Operasi Bobot Operasi Bobot
Tabel 5.17. Bobot Elemen Operasi (Lanjutan)
Operasi Bobot
43 60998
44 60993
45 60923
3. Membuat rangking tiap elemen pengerjaan berdasarkan bobot posisi di langkah 2. Pengerjaan yang mempunyai bobot terbesar diletakkan pada rangking pertama. Dapat dilihat pada Tabel 5.18.
Tabel 5.18. Rangking Bobot Elemen Operasi
Tabel 5.18. Rangking Bobot Elemen Operasi (Lanjutan)
4. Tentukan waktu siklus (CT). Waktu siklus harus sama atau lebih besar dari waktu operasi terbesar yang merupakan penyebab terjadinya bottle neck (kemacetan). Dalam hal ini waktu siklus terbesar adalah 77143 detik.
Tabel. 5.19. Penyususnan Stasiun Kerja Dengan Metode RPW
(CT=77143 detik) (Lanjutan)
Stasiun
Kerja Task Ti STk Idle
O-35 47
O-36 359
O-37 44
O-38 35
O-39 73
O-40 242
O-42 7
O-42 20
O-43 5
O-44 70
O-45 60923
Total 245195
Untuk mengukur performance dari pengelompokan operasi ke dalam stasiun kerja ini apakah sudah baik atau belum, perlu dihitung nilai LE (Line
6.1. Analisis Penyeimbangan Lintasan Produksi Aktual Perusahaan
Penyeimbangan lintasan produksi yang diterapkan perusahaan saat ini dapat di jabarkan sebagai berikut :
1. Dari hasil pengamatan jumlah stasiun kerja terdapat 8 stasiun dimana penugasan elemen kerja disetiap stasiun kerja tidak merata (terlihat dari waktu stasiun kerja) yang mengakibatkan terjadinya penumpukan sehingga menyebabkan delay.
2. Berdasarkan pengamatan dilantai pabrik surpervisor tidak pernah melakukan pengukuran kerja untuk mendapatkan waktu standar setiap operator dalam stasiun kerja. Hal ini mengakibatkan ketidakseimbangan beban kerja operator dalam setiap stasiun kerja.
3. Pada bab sebelumnya didapat hasil pengolahan data nilai efisiensi lintasan produksi yang diterapkan perusahaan saat ini sebesar 39,68 %, hal ini diakibatkan oleh banyaknya stasiun kerja yang pembebanannya tidak merata sehingga terjadi penumpukan yang mengakibatkan delay.
6.2. Analisis Penyeimbangan Lintasan Produksi dengan Metode
Algoritma Genetik
1. Pada bab sebelumnya telah dibahas perbaikan lintasan produksi dilakukan menggunakan metode algoritma genetik. Dari hasil metode usulan yang digunakan memiliki nilai efisiensi lintasan yang tinggi dan jumlah stasiun kerja yang sedikit. Nilai efisiensi lintasan dengan menggunakan metode algoritma genetik adalah 79,46%. Hal ini dikarenakan penugsaan elemen kerja di setiap stasiun kerja hampir merata.
2. Total stasiun kerja yang ada sebanyak 4 stasiun kerja. Hal ini dikarenakan adanya penggambungan stasiun kerja yang memiliki elemen kerja yang saling berhubungan dengan memperhatikan pembatas-pembatas yang ada yaitu aturan precedence dan waktu siklus.
3. Berdasarkan pengolahan data sebelum dilakukan penyeimbangan lintasan produksi efesiensi lini dengan mengunakan RPW dan algoritma genetik yang memiliki fitness velue yang sama sebesar 79,46% dan memiliki stasiun kerja yang sama yakni 4 stasiun. Metode RPW dipakai sebagai populasi awal dalam algoritma genetik yang ditempatkan di kromosom 2 tujuannya untuk mendapatkan fitness velue yang lebih tinggi dari keadaan aktual.
6.3. Analisis Penyeimbangan Lintasan Yang Diterapkan Perusahaan
Dengan Metode Usulan Algoritma Genetik
Perbandingan lintasan produksi yang diterapkan perusahaan dengan metode yang diusulkan (algoritma genetika) dapat dilihat dalam Tabel 6.1.
Tabel 6.1. Perbandingan Penyeimbangan Lintasan Kondisi
Perusahaan Dengan Metode Usulan Algoritma Genetik
Kondisi Perusahaan Algoritma Genetik
Jumlah stasiun kerja 8 4
Efesiensi Litasan Total 39,68% 79,46%
Jumlah stasiun kerja yang diterapkan perusahaan saat ini sebanyak 8 stasiun kerja, sedangkan stasiun kerja yang terbentuk oleh algoritma genetika sebanyak 4 stasiun kerja. Perbedaan ini terjadi karena pada algoritma genetika, perjadi penggabungan elemen kerja yang saling berhubungan. Nilai efisiensi lintasan dengan menggunakan metode algoritma genetika lebih besar dari lintasan produksi yang diterapkan perusahaan saat ini. Nilai efisiensi lintasan meningkat sebesar 39,78% dari kondisi semula. Hal ini diakibatkan karena cara penugasan elemen kerja pada stasiun kerja lebih merata dibandingkan dengan lintasan produksi yang diterapkan perusahaan.
BAB VII
KESIMPULAN dan SARAN
7.1. Kesimpulan
Dari hasil penelitian “Perancangan Lintasan Produksi Dengan Menggunakan Metode Algoritma Genetik di CV. Super Plates”, didapatkan beberapa kesimpulan akhir, yaitu sebagai berikut:
1. Dari hasil pengamatan jumlah stasiun kerja saat ini adalah sebanyak 8 stasiun kerja. Berdasarkan pengolahan data lintasan produksi saat ini memiliki nilai efesiensi lintasan total sebesar 39,68%. Untuk mengatasi penumpukan yang menyebabkan delay pada proses produksi digunakan metode penyeimbangan lintasan produksi yaitu algoritma genetik. Metode ini dapat mereduksi stasiun kerja menjadi 4 stasiun dengan cara menggabungkan elemen-elemen kerja yang saling berhubungan dengan memperhatikan pembatas-pembatas yang ada yaitu aturan precedence dan waktu siklus. Metode penyeimbangan lintasan dengan menggunakan algoritma genetik memiliki efesiensi lintasan total sebesar 79,46% dan stasiun kerja yang terbentuk sebanyak 4 stasiun kerja.
7.2. Saran
Saran yang dapat disampaikan dalam penelitian “Perancangan Lintasan Produksi Dengan Menggunakan Metode Algoritma Genetik di CV. Super Plates, ini adalah sebagai berikut:
1. Sebaiknya perusahaan melakukan pengukuran kerja sehingga nantinya akan didapatkan waktu baku yang normal, wajar dan terbaik yang dapat menguntungkan kedua belah pihak baik karyawan maupun perusahaan. 2. Perusahaan sebaiknya menggunakan metode algoritma genetik dalam
penyusunan lintasan produksi karena dengan metode ini lintasan produksinya akan semakin efisien.
2.1. Sejarah Perusahaan
CV. Super Plates didirikan pada tahun 1992 yang beralamat di Jl.Balai Desa 141 Polonia Medan. CV. Super Plates merupakan salah satu perusahaan yang bergerak di bidang industri perakitan baterai aki mobil. Perusahan ini didirikan dengan modal sendiri dan pinjaman dari Bank yang mana Deny Chandra sebagai pemilik usaha. Pada awalnya perusahaan ini memproduksi baterai televisi tahun 1984. Keterbatasan penyediaan dan distribusi listrik didaerah polonia pada waktu itu menganggap sebagai peluang usaha, sehingga Deny Chandra mulai membuat baterai televisi yang dipasarkan secara lokal di Polonia Medan.
2.2. Lokasi Perusahaan
CV. Super Plates berlokasi di Jl. Balai Desa No. 141 Kecamatan Polonia Medan. Sejak awal didirikannya perusahaan ini terletak berdampingan dengan rumah pemilik usaha, yang mana luas tanah ± 400 m2.
2.3. Struktur Organisasi
Struktur organisasi pada CV. Super Plates dapat dilihat pada Gambar 2.1 dibawah ini.
OWNER
Keuangan
Operator Office Boy Driver
Gambar 2.1. Struktur Organisasi CV. Super Plates
Struktur organisasi yang berbentuk hubungan garis dapat dijelaskan bahwa bawahan hanya mengenal seorang atasan. Bawahan tersebut hanya menerima tugas, tanggung jawab, wewenang serta haknya dari atasan tersebut. Bentuk hubungan ini dapat dilihat antara keuangan dengan operator, office boy dan driver.
Adapun tugas dan tanggung jawab dari karyawan CV. Super Plates adalah sebagai berikut :
1. Pemilik Usaha
Pemilik usaha merupakan pemilik modal yang bertanggungjawab atas penyusunan semua kebijakan di perusahaan.
2. Keuangan
Bertanggungjawab atas pembuatan laporan keuangan seperti, membuat laporan gaji karyawan, pembelian bahan baku dan peralatan, dan laporan jual/beli baterai aki.
3. Operator
Operator terdiri dari beberapa bidang perkerjaan, berikut adalah tugas masing-masing operator :
b. Operator pemotongan
Bertanggungjawab memeriksa semua kelengkapan dan memotong plate setelah selesai di cetak.
c. Operator pasting
Bertanggungjawab memeriksa semua kelengkapan dan melakukan pasting pada plate.
d. Operator press pasting
Bertanggungjawab memeriksa semua kelengkapan, penggilingan timah putih dan mem-press plate yang sudah di pasting.
e. Operator cell assambly
Bertanggungjawab memeriksa semua kelengkapan, menjemur plate yang sudah di press pasting hingga memastikan apakah sudah kering atau belum dan merangkai plate.
f. Assambly process
Bertanggugjawab memeriksa semua kelengkapan dan merangkai plate untuk dimasukkan kedalam box.
g. Press assambly
