PENJADWALAN PRODUKSI DENGAN MENGGUNAKAN METODE CROSS ENTROPY GENETIC ALGORITHM UNTUK
TIPE PRODUKSI FLOW SHOP PADA PT. SOCFIN INDONESIA KEBUN TANAH BESIH
TUGAS SARJANA
Diajukan untuk Memenuhi Sebagian dari Syarat-syarat Memperoleh Gelar Sarjana Teknik
Oleh
TENGKU HENY KARTIKA NIM : 120403065
D E P A R T E M E N T E K N I K I N D U S T R I F A K U L T A S T E K N I K
UNIVERSITAS SUMATERA UTARA M E D A N
2 0 1 7
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yang Maha Esa yang senantiasa memberikan rahmat dan karunia-Nya kepada penulis sehingga dapat menyelesaikan Tugas Sarjana ini dengan baik.
Tugas Sarjana ini merupakan langkah awal bagi penulis untuk mengenal dan memahami lingkungan kerja serta menerapkan ilmu yang telah dipelajari dan diperoleh selama perkuliahan dan ditujukan untuk memenuhi syarat dalam mendapatkan gelar sarjana teknik di Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara. Judul untuk tugas sarjana ini adalah
“Penjadwalan Produksi Dengan Menggunakan Metode Cross Entropy Genetic Algorithm Untuk Tipe Produksi Flow Shop Pada PT. Socfin Indonesia Kebun Tanah Besih”.
Penulis menyadari bahwa Tugas Sarjana ini masih jauh dari kesempurnaan. Oleh karena itu, penulis sangat mengharapkan saran yang membangun dari para pembaca. Semoga tugas sarjana ini dapat bermanfaat bagi penulis sendiri dan juga pembaca lainnya.
UNIVERSITAS SUMATERA UTARA PENULIS
MEDAN, FEBRUARI 2017
UCAPAN TERIMA KASIH
Puji dan syukur penulis ucapkan kepada Tuhan Yang Maha Esa yang telah memberikan kesempatan kepada penulis untuk dapat mengikuti pendidikan di Departemen Teknik Industri USU serta telah memberikan nikmat kesehatan dan ilmu kepada penulis selama masa kuliah dan dalam penyelesaian laporan Tugas Sarjana ini.
Dalam penulisan Tugas Sarjana ini penulis telah mendapatkan bimbingan dan bantuan dari berbagai pihak, baik berupa materil, spiritual, informasi maupun administrasi. Oleh karena itu sudah selayaknya penulis mengucapkan terima kasih kepada:
1. Orangtua penulis tercinta, Ayahanda Tengku Nazahary dan Ibunda Endang Kartini serta adik penulis Tengku M. Andre Syahputra yang selalu membantu dan mendukung penulis selama penyelesaian Tugas Sarjana ini.
2. yang tiada hentinya mendukung baik secara moril maupun materil sehingga laporan ini dapat diselesaikan dengan baik.
3. Ibu Ir. Khawarita Siregar, M.T., selaku Ketua Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara, Medan.
4. Bapak Ir. Mangara M. Tambunan, M.Sc. selaku Dosen Pembimbing I atas waktu, bimbingan, arahan, dan masukan yang diberikan kepada penulis dalam penyelesaian Tugas Sarjana ini.
5. Ibu Rahmi M. Sari, ST. MM(T). selaku Dosen Pembimbing II yang telah meluangkan waktunya untuk membimbing penulis dalam penyelesaian laporan.
6. Ibu Ir. Rosnani Ginting, M.T., selaku Koordinator Tugas Akhir atas saran, nasihat dan dukungan yang diberikan kepada penulis selama penyelesaian Tugas Sarjana ini.
7. Seluruh dosen Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara yang telah memberikan pengajaran selama perkuliahan yang menjadi bekal penulis dalam meyelesaikan penulisan Tugas Sarjana ini.
8. Seluruh staff dan karyawan Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara yang banyak membantu dalam penyelesaian administrasi untuk melaksanakan Tugas Sarjana ini.
9. Bapak Andy, Ibu Henny, Situmorang, Bapak Isrok, Bapak Leonard, dan Bapak Yudha dan staff pegawai PT. Socfin Indonesia yang telah memberikan bantuan kepada penulis selama penelitian di PT. Socfin Indonesia khususnya staff dan pegawai Kebun Tanah Besih.
10. Rekan-rekan seperjuangan Tugas Akhir di Socfindo, Yulianti Irawati, Ridho Saputra Situmeang, dan Sarmida Novianna yang telah banyak memberi motivasi dan saran kepada penulis dalam penyelesaian Tugas Sarjana ini.
11. Rekan-rekan asisten Laboratorium Studio Audio Visual dan Menggambar Teknik (SAVIGAT), Yoga Prayuda, ST., Mahmud Fauzi, ST., Amanda Kwayyis, ST., Yessi Claudia, ST., Yusuf Hanifiah, ST., Ridho Saputra S. ST., Mhd. Arif Lubis, Arnita Rahmi, Aji Prasetyo, Wawan Andrian, M. Ananda
Rizki, Agastya R., Ulfa Audina, Jesica U., Sundari, Novi Andry, Nita Khairani, Jefrincer, Armayani, Teuku Aldy, dan Shifa yang telah banyak memberikan dukungan, motivasi dan saran kepada penulis dalam penyelesaian Tugas Sarjana ini.
12. Sahabat-sahabat seperjuangan di Departemen Teknik Industri, Dika Ayu Hardianti, Yulianti Irawati, Lailan Rahmadani, Tioni R., Khairini Wijaya, Elsa Putri, Laila Asri, Ridho Saputra, Oka Trijona, Aulia Mhd. Solly, Mhd.
Akbar, Echsendy, Rian Maulana, Askari Muflihin, Rori Rumenda, Mhd. Arif L., Febry Eudina, dan Rahmat Solihin yang selama ini selalu membantu dan mendukung dalam setiap kegiatan perkuliahan, serta dalam penyelesaian Tugas Sarjana ini.
13. Teman-teman, abang/ kakak dan adik-adik di Departemen Teknik Industri, Fakultas Teknik, Universitas Sumatera Utara khususnya angkatan 2012 (Duabelati) yang telah memberikan dukungan kepada penulis dalam penyelesaian Tugas Sarjana ini.
14. Dan seluruh pihak yang telah membantu penulis yang tidak mungkin disebutkan satu per satu.
DAFTAR ISI
BAB HALAMAN
LEMBAR JUDUL ... i
LEMBAR PENGESAHAN ... ii
SERTIFIKAT EVALUASI TUGAS SARJANA ... iii
KATA PENGANTAR ... iv
UCAPAN TERIMA KASIH ... v
ABSTRAK ... viii
DAFTAR ISI ... ix
DAFTAR TABEL ... xvi
DAFTAR GAMBAR ... xx
DAFTAR LAMPIRAN ... xxii
I PENDAHULUAN ... I-1 1.1. Latar Belakang ... I-1 1.2. Rumusan Masalah... I-5 1.3. Tujuan dan Manfaat ... I-6 1.4. Batasan Masalah dan Asumsi ... I-7 1.5. Sistematika Penulisan Laporan ... I-8
II GAMBARAN UMUM PERUSAHAAN ... II-1 2.1. Sejarah Perusahaan ... II-1
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
2.2. Ruang Lingkup Bidang Usaha ... II-1 2.3. Lokasi Perusahaan ... II-2 2.4. Daerah Pemasaran ... II-2 2.5. Dampak Sosial Ekonomi Terhadap Lingkungan .... II-3 2.6. Struktur Organisasi ... II-3 2.6.1. Struktur Organisasi Perusahaan ... II-3 2.6.2. Jam Kerja ... II-6 2.7. Proses Produksi... II-7 2.7.1. Standar Mutu Bahan / Produk ... II-7 2.7.2. Bahan yang Digunakan ... II-9 2.7.2.1. Bahan Baku ... II-9 2.7.2.2. Bahan Penolong ... II-9 2.7.2.3. Bahan Tambahan ... II-10 2.7.3. Uraian Proses ... II-10 2.8. Mesin dan Peralatan ... II-13 2.8.1. Mesin Produksi ... II-13 2.8.2. Peralatan (Equipment) ... II-13
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
III LANDASAN TEORI ... III-1 3.1. Penjadwalan ... III-1 3.1.1. Jenis-jenis Penjadwalan ... III-4 3.1.2. Aturan Prioritas Sequencing ... III-7 3.1.3. Parameter Performansi ... III-7 3.2. Metode Metaheuristik ... III-8 3.2.1. Cross Entropy ... III-9 3.2.2. Cross Entropy Sebagai Kombinasi
Optimisasi ... III-11 3.2.3. Genetic Algorithm... III-13 3.2.3.1. Komponen Utama Dalam Genetic
Algorithm ... III-14 3.2.4. Hybrid of Cross Entropy with Genetic
Algorithm (CEGA) ... III-19 3.3. Pengukuran Waktu (Time Study) ... III-20
3.3.1. Langkah-langkah Sebelum Melakukan
Pengukuran Waktu ... III-23 3.3.2. Pengujian Keseragaman Data ... III-25 3.3.3. Menghitung Jumlah Data Pengamatan
yang Diperlukan (N’) ... III-26
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
3.4. Peramalan ... III-27 3.4.1. Pendefinisian Tujuan Peramalan ... III-28 3.4.2. Karekteristik Peramalan yang Baik ... III-29 3.4.3. Klasifikasi Teknik Peramalan ... III-31 3.4.4. Metode Peramalan Kuantitatif ... III-34 3.4.4.1. Metode Time Series ... III-35 3.4.4.1.1. Metode Penghalusan
(Smoothing) ... III-37 3.4.4.1.2. Metode Proyeksi
Kecenderungan dengan
Regresi ... III-38 3.4.4.1.3. Metode Dekomposisi ... III-39 3.4.5. Kriteria Performance Peramalan... III-41 3.4.5. Proses Verifikasi ... III-43
IV METODOLOGI PENELITIAN ... IV-1 4.1. Tempat dan Waktu Penelitian... IV-1 4.2. Jenis Penelitian ... IV-1
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
4.5. Instrumen Penelitian yang Digunakan ... IV-2 4.6. Kerangka Berpikir ... IV-3 4.7. Rancangan Penelitian ... IV-3
V PENGUMPULAN DAN PENGOLAHAN DATA .... V-1 5.1. Pengumpulan Data ... V-1 5.1.1. Data Mesin ... V-1 5.1.2. Data Pengukuran Waktu Proses
Tiap Produk ... V-2 5.1.3. Waktu Set Up ... V-3 5.1.4. Data Permintaan Produk 3CV 50,
3CV 60, dan SIR 10 untuk Periode
Oktober 2015 – September 2016 ... V-3 5.2. Pengolahan Data ... V-4
5.2.1. Peramalan Permintaan Bulan Oktober 2016 dengan Menggunakan
Metode Time Series ... V-4 5.2.1.1. Peramalan Besarnya Permintaan
Latex 3CV 60 ... V-4
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
5.2.1.2. Peramalan Besarnya Permintaan
Latex 3CV 50 ... V-15 5.2.2. Perhitungan Waktu Standar ... V-25 5.2.2.1. Uji Keseragaman Data ... V-25 5.2.2.2. Uji Kecukupan Data ... V-29 5.2.3. Penentuan Waktu Siklus untuk Setiap
Work Center ... V-32 5.2.4. Waktu Penyelesaian ... V-32 5.2.5. Penjadwalan Metode Aktual Perusahaan ... V-33 5.2.6. Penjadwalan dengan Cross Entropy –
Genetic Algorithm ... V-35
VI ANALISA PEMECAHAN MASALAH ... VI-1 6.1. Analisis Penjadwalan Produksi dengan Metode
Aktual Perusahaan ... VI-1 6.2. Analisis Penjadwalan dengan Metode Cross
Entropy-Genetic Algorithm ... VI-2 6.3. Analisis Perbandingan Metode Perusahaan dengan
DAFTAR ISI (LANJUTAN)
BAB HALAMAN
6.4.1. A n a l i s i s P e r f o r m a n s i d e n g a n
Efficiency Index (EI) ... VI-3 6.4.2.A n a l i s i s P e r f o r m a n s i d e n g a n
R e l a t i v e E r r o r ( R E ) ... VI-3
VII KESIMPULAN DAN SARAN ... VII-1 7.1. Kesimpulan ... VII-1 7.2. Saran ... VII-1
DAFTAR PUSTAKA LAMPIRAN
DAFTAR TABEL
TABEL HALAMAN
1.1. Data Keterlambatan Pengiriman Periode Oktober 2015 –
September 2016 untuk Tipe Produk 3CV 60 dan 3CV 50... I-2 1.2. Data Penjualan Produk Jenis Latex SIR 10 Periode Oktober
2015 – September 2016 ... I-3 2.1. Jam Kerja Sistem Non Shift PT. Socfin Indonesia Kebun
Tanah Besih ... II-6 2.2. Jam Kerja Sistem Shift PT. Socfin Indonesia Kebun Tanah
Besih ... II-7 2.3. Syarat Mutu SNI 1903 : 2015 PT. Socfin Indonesia Kebun
Tanah Besih ... II-8 5.1. Jumlah Mesin di Setiap Stasiun Kerja ... V-1 5.2. Data Pengukuran Waktu Proses Pada Setiap Work Center ... V-2 5.3. Waktu Set Up Mesin Pada Setiap Stasiun Kerja ... V-3 5.4. Data Permintaan Latex 3CV 60 ... V-4 5.5. Rekapitulasi Nilai Faktor Musim dan Nilai Indeks Musim
Latex 3CV 60 ... V-7 5.6. Persamaan Garis Trend Latex 3CV 60... V-8 5.7. Perhitungan Parameter Peramalan Latex 3CV 60
DAFTAR TABEL (LANJUTAN)
TABEL HALAMAN
5.8. Perhitungan MSE untuk Metode Dekomposisi Latex 3CV 60 ... V-11 5.9. Perhitungan MSE untuk Metode Siklis Latex 3CV 60 ... V-11 5.10. Nilai Ramalan dengan Menggunakan Metode Dekomposisi
Latex 3CV 60 ... V-12 5.11. Hasil Peramalan untuk Periode Oktober 2016 – September
2017 Latex 3CV 60 ... V-13 5.12. Data Permintaan Latex 3CV 50 ... V-14 5.13. Rekapitulasi Nilai Faktor Musim dan Nilai Indeks Musim
Latex 3CV 50 ... V-17 5.14. Persamaan Garis Trend Latex 3CV 50... V-18 5.15. Perhitungan Parameter Peramalan Latex 3CV 50 dengan
Metode Siklis ... V-19 5.16. Perhitungan MSE untuk Metode Dekomposisi Latex 3CV 50 ... V-21 5.17. Perhitungan PE dan SEE untuk Metode Siklis Latex 3CV 50 .... V-21 5.18. Nilai Ramalan dengan Menggunakan Metode Dekomposisi
Latex 3CV 50 ... V-22 5.19.Hasil Peramalan untuk Periode Oktober 2016 -
September 2017 Latex 3CV 50 ... V-23 5.20. Data Permintaan Produk Bulan Oktober 2016 PT. Socfin
Indonesia Kebun Tanah Besih ... V-24
DAFTAR TABEL (LANJUTAN)
TABEL HALAMAN
5.21. Hasil Uji Keseragaman Waktu Proses Pada Setiap Work
Center ... V-27 5.22. Uji Kecukupan Data untuk produk Latex 3CV 60 pada Setiap
Work Center ... V-29 5.23. Uji Kecukupan Data untuk produk Latex 3CV 50 pada Setiap
Work Center ... V-31 5.24. Rekapitulasi Waktu Siklus untuk Setiap Work Center ... V-32 5.25. Data Kapasitas dan Waktu Setup Tiap Work Center ... V-32 5.26. Waktu Penyelesaian Tiap Job pada Tiap Work Center ... V-33 5.27. Urutan Pekerjaan Produk Latex ... V-33 5.28. Makespan Penjadwalan Aktual Perusahaan... V-34 5.29. Perhitungan Makespan Penjadwalan Cross Entropy Genetic
Algorithm Sampel X1 ... V-38 5.30. Perhitungan Makespan Penjadwalan Cross Entropy Genetic
Algorithm Sampel X2 ... V-39 5.31. Rekapitulasi Perhitungan Makespan Untuk Semua Sampel ... V-39 5.32. Rekapitulasi Perhitungan Makespan Semua Sampel Elit ... V-40 5.33. Pembangkitan Bilangan Random Penentuan Cross Over ... V-44
DAFTAR TABEL (LANJUTAN)
TABEL HALAMAN
6.2. Nilai Makespan untuk Kedua Metode ... VI-3
DAFTAR GAMBAR
GAMBAR HALAMAN
2.1. Denah Lokasi Pabrik Kebun Tanah Besih PT. Socfin
Indonesia ... II-2 2.2. Struktur Organisasi PT. Socfin Indonesia Kebun Tanah
Besih ... II-5 3.1. Elemen-Elemen Sistem Penjadwalan ... III-2 3.2. Flowchart Algoritma Cross Entropy ... III-12 3.3. Ilustrasi Prosedur PMX ... III-18 3.4. Flowchart Cross Entropy Genetic Algorithm ... III-20 3.5. Block Diagram Peramalan ... III-35 3.6. Pola Siklis ... III-36 3.7. Pola Musiman ... III-36 3.8. Pola Horizontal... III-37 3.9. Pola Trend ... III-37 3.10. Moving Range Chart ... III-43 4.1. Stopwatch ... IV-2 4.2. Kerangka Berpikir ... IV-3 4.3. Flowchart Metode Peramalan ... IV-6 4.4. Flowchart Perhitungan Waktu Standar ... IV-8
DAFTAR GAMBAR (LANJUTAN)
GAMBAR HALAMAN
5.1. Scatter Diagram Permintaan Latex 3CV 60 ... V-6 5.2. Scatter Diagram Hasil Peramalan Latex 3CV 60 ... V-14 5.3. Scatter Diagram Permintaan Latex 3CV 50 ... V-16 5.4. Scatter Diagram Hasil Peramalan Latex 3CV 50 ... V-24
DAFTAR LAMPIRAN
LAMPIRAN
1. Peta Kontrol Uji Keseragaman Data ... L-1 2. Surat Permohonan Tugas Sarjana ... L-2 3. Formulir Penetapan Tugas Sarjana ... L-3 4. Surat Permohonan Riset Tugas Sarjana ... L-4 5. Surat Balasan Penerimaan Riset Tugas Sarjana ... L-5 6. Surat Keputusan Tugas Sarjana Mahasiswa ... L-6 7. Form Asistensi Dosen Pembimbing I ... L-7 8. Form Asistensi Dosen Pembimbing II ... L-8
ABSTRAK
PT. Socfin Indonesia ingin memperbaiki dan merancang penjadwalan produksi untuk beberapa produk. Objek penelitian yang diamati adalah urutan proses produksi produk jenis crumb rubber 3CV 50 dan 3CV 60. Urutan penjadwalan yang diperoleh dengan menggunakan metode Cross Entropy-Genetic Algortihm adalah urutan job A – job B dengan nilai makespan 111,04 jam sedangkan nilai makespan untuk penjadwalan dengan menggunakan metode First Come First Serve adalah115,30 jam. Terdapat pengurangan makespan sekitar 3,83 %, serta nilai Efficiency Index (EI) yang diperoleh adalah1,038 (nilai EI > 1) dan nilai Relative Error (RE) dari hasil perhitungan adalah 3,83%. Hal ini menunjukkan bahwa metode Cross Entropy-Genetic Algortihm memiliki performansi yang lebih baik dibandingkan dengan metode perusahaan (FCFS) dan adanya perbedaan makespan antara metode Cross Entropy-Genetic Algortihm dan metode perusahaan (FCFS).
Kata Kunci:Penjadwalan Produksi, First Come First Serve, Cross Entropy Genetic Algorithm, Efficiency Index, Relative Error
BAB I
PENDAHULUAN
1.1. Latar Belakang
Lateks adalah getah kental yang dihasilkan banyak tumbuhan dan membeku ketika terkena udara bebas. Lateks kebun akan menggumpal atau membeku secara alami dalam waktu beberapa jam setelah dikumpulkan.
Penggumpalan alami atau spontan dapat disebabkan oleh timbulnya asam-asam akibat terurainya bahan bukan karet yang terdapat dalam lateks akibat aktivitas mikroorganisme. Salah satu perusahaan yang memproduksi lateks adalah PT.
Socfin Indonesia.
PT. Socfin Indonesia adalah perusahaan agribisnis yang bergerak di perkebunan kelapa sawit dan karet serta produsen benih unggul kelapa sawit.
Untuk perkebunan karet, PT. Socfin Indonesia memproduksi karet jenis SIR 3CV untuk latex grade dan SIR 10 untuk lower grade. Secara umum, masalah yang dihadapi perusahaan adalah bagaimana menentukan urutan atau jadwal pekerjaan yang harus diproses dengan urutan proses setiap pekerjaan sama agar diperoleh waktu total penyelesaian pekerjaan (makespan) yang minimum.
Penjadwalan produksi flow shop merupakan salah satu kegiatan perencanaan yang terdapat pada perusahaan manufaktur. Dimana penjadwalan produksi melibatkan n job (jenis pekerjaan) dan m mesin (jenis mesin) yang
yangdikerjakan mengandung informasi tentang jenis produk. Pada dasarnya penjadwalan produksi yang menggunakan strategi flow shop bertujuan untukmenyelesaikan serangkaian pekerjaan (job) berdasarkan pada urutan proses (Hasan, 2015).
Salah satu metode yang dapat dipakai untuk mengatasi permasalahan penjadwalan yaitu dengan pendekatan metaheuristik. Metaheuristik yaitu metode untuk mencari solusi yang memadukan interaksi antara prosedur pencarian lokal dan strategi yang lebih tinggi untuk menciptakan proses yang mampu keluar dari titik-titik local optimum dan melakukan pencarian di ruang solusi untuk menemukan solusi global. Berbagai macam yang tergolong metode metaheuristic salah satu diantaranya yaitu algoritma cross entropy dan genetic algorithm (Santosa, 2011).
Berdasarkan penelitian yang telah banyak dilakukan sebelumnya, permasalahan dalam mengurangi waktu produksi pada kasus penjadwalan flow shop yang menggunakan metode Cross Entropy - Genetic Algorithm (CEGA) pernah diterapkan pada perusahaan pembuatan sepatu. Hasil penelitian menunjukkan penggunaan algoritma CEGA memberikan waktu total produksi 6,79% lebih efisien dibanding dengan metode yang diterapkan oleh perusahaan (Hasan, 2015).
Selain itu penelitian lainnya juga dilakukan oleh perusahaan yang memproduksi plastik yang membandingkan penggunaan metode Cross Entropy – Genetic Algorithm dengan metode Genetic Algorithm – Simulated Annealing, dan Hybrid Tabu Search. Hasil penelitian menunjukan penggunaan algoritma CEGA
memberikan waktu total produksi paling kecil yaitu 2,8 menit lebih cepat dibanding dengan metode lainnya (Wiratno, 2011).
Model algoritma yang digunakan dalam penelitian ini pada PT. Socfin Indonesia Kebun Tanah Besih yaitu algoritma Cross Entropy - Genetic Algorithm (CEGA). Penggunaan metode Cross Entropy-Genetic Algorithm ini dipilih karena dapat menurunkan total waktu produksi dan menunjukkan performansi yang lebih baik jika dibandingkan dengan algoritma lain.
Sehingga pada penelitan ini diterapkan metode Cross Entropy - Genetic Algorithm pada kasus penjadwalan flow shop dengan menurunkan total waktu produksi sehingga akan meningkatkan efisiensi utilitas produksi.
1.2. Perumusan Masalah
Berdasarkan latar belakang yang telah diuraikan sebelumnya, permasalahan yang dialami oleh PT. Socfin Indonesia Kebun Tanah Besih adalah menentukan urutan atau jadwal pekerjaan yang harus diproses dengan urutan proses setiap pekerjaan sama.
1.3. Tujuan dan Manfaat
Tujuan umum penelitian ini adalah untuk memperbaiki dan merancang penjadwalan produksi.
Tujuan khusus yang ingin dicapai dalam penelitian tugas akhir ini adalah:
1. Mendapatkan nilai total waktu penyelesaian seluruh job (makespan) berdasarkan metode perusahaan dengan metode Algoritma Cross Entropy- Genetic Algorithm.
2. Mendapatkan rancangan pengurutan job yang efisien dari segi waktu yaitu urutan yang memiliki makespan terendah.
3. Mendapatkan perbandingan performansi antara metode perusahaan dengan metode Algoritma Cross Entropy-Genetic Algorithm.
Manfaat dalam melakukan penelitian ini adalah sebagai berikut:
1. Bagi Mahasiswa
a. Mahasiswa dapat memperoleh kesempatan untuk menerapkan ilmu pengetahuan yang telah diperoleh dalam perkuliahan di lapangan kerja.
b. Memperoleh peluang untuk dapat memecahkan dan mencari solusi permasalahan-permasalahan di perusahaan dari sudut pandang akademis.
c. Menambah pengetahuan dan memperoleh pengalaman dalam bidang manufaktur dengan cara melihat serta membandingkan ilmu yang diperoleh di perkuliahan dengan keadaan di lapangan.
2. Bagi Fakultas
a. Menjalin hubungan kerjasama antara tempat pelaksanaan tugas sarjana dengan Jurusan Teknik Industri Universitas Sumatera Utara.
b. Memperkenalkan Jurusan Teknik Industri Universitas Sumatera Utara kepada masyarakat luas.
3. Bagi Perusahaan
a. Perusahaan dapat menjadikan laporan penelitian mahasiswa sebagai masukan untuk perbaikan yang bermanfaat untuk meningkatkan produktivitas perusahaan sesuai dengan hasil pengamatan yang dilakukan.
b. Sebagai salah satu sarana pertimbangan bagi perusahaan dalam hal penilaian kualitas mahasiswa yang pada akhirnya berhubungan pada penerimaan tenaga kerja fresh graduate.
1.4. Batasan Masalah dan Asumsi
Batasan-batasan yang digunakan dalam penelitian ini adalah : 1. Tidak dilakukan analisis biaya.
2. Pengamatan dilakukan pada produk yang dihasilkan PT. Socfin Indonesia Kebun Tanah Besih yaitu crumb rubber 3CV 50 dan 3CV 60.
3. Produk yang diamati merupakan produk job order.
4. Data permintaan yang digunakan sebagai objek penelitian adalah data permintaan dan data keterlambatan periode Oktober 2015 hingga September 2016.
Asumsi-asumsi yang digunakan dalam penelitian adalah : 1. Mesin dalam keadaan baik ketika beroperasi.
2. Tidak dilakukan penambahan atau pengurangan terhadap mesin-mesin atau peralatan produksi sehingga kondisinya adalah tetap sama dengan keadaan
4. Tidak ada job sisipan.
5. Pemesanan job dilakukan 1 bulan sebelumnya.
6. Operator dianggap telah menguasai pekerjaannya dalam proses produksi produk.
1.5. Sistematika Penulisan Laporan
Sistematika yang digunakan dalam penulisan laporan tugas sarjana adalah sebagai berikut:
Bab I Pendahuluan, menguraikan latar belakang permasalahan yang mendasari dilakukannya penelitian, perumusan permasalahan, tujuan dan manfaat penelitian, batasan dan asumsi yang digunakan dalam penelitian serta sistematika penulisan laporan penelitian.
Bab II Gambaran UmumPT. Socfin Indonesia yang menguraikan sejarah perusahaan, visi dan misi perusahaan, proses produksi, struktur organisasi dan uraian tugas.
Bab III Landasan Teori, menguraikan teori-teori yang digunakan dalam analisis pemecahan masalah. Teori-teori ini meliputi teori tentang peramalan, penjadwalan, klasifikasi penjadwalan, kriteria penjadwalan, algoritma cross entropy, algoritma gentik, dan pengukuran waktu. Sumber teori atau literatur yang digunakan berupa buku, jurnal penelitian dan tugas sarjana mahasiswa yang pernah mengangkat topik permasalahan yang sama.
Bab IV Metodologi Penelitian, menjelaskan langkah-langkah penelitian yang dilaksanakan yaitu meliputi penentuan lokasi penelitian, jenis penelitian,
objek penelitian, variabel penelitian, instrumen penelitian, kerangka konseptual, definisi variabel operasional, serta langkah-langkah penelitian meliputi pengumpulan data, pengolahan data, analisis pemecahan masalah, serta kesimpulan dan saran.
Bab V Pengumpulan dan Pengolahan Data, berisi tentang pengumpulan data-data primer dan sekunder yang diperoleh dari penelitian serta teknik yang digunakan untuk mengolah data dalam memecahkan masalah dan diperoleh hasil optimal dalam meminimasi makespan.
Bab VI Analisis Pemecahan Masalah, menguraikan hasil analisis pengolahan data, analisis pengolahan Cross Entropy-Genetic Algorithm serta melakukan perbandingan hasil yang diperoleh dengan menggunakan Cross Entropy-Genetic Algorithm dan metode aktual perusahaan.
Bab VII Kesimpulan dan Saran, berisi kesimpulan dari analisis pemecahan masalah yang disesuaikan dengan tujuan penelitian dan saran berkaitan dengan penelitian yang dilaksanakan.
BAB II
GAMBARAN UMUM PERUSAHAAN
2.1. Sejarah Perusahaan
PT. Socfin Indonesia (SOCFINDO) berdiri pada tanggal 7 Desember 1930 dengan nama Socfin Medan S.A. Pada tahun 1965, PT. Socfin Indonesia dialihkan di bawah pengawasan pemerintah Indonesia berdasarkan peraturan Presiden No. 6 Tahun 1965. Pada tahun 1968, PT. Socfin Indonesia menjadi perusahaan gabungan antara Plantation Nord Sumatra S.A.-Belgia (pemilik saham SOCFINDO) dengan pemerintah R.I dengan nama PT. Socfin Indonesia berdasarkan UU penanaman modal asing No. 01/1967 dengan perbandingan kepemilikan 60% saham Plantation Nord Sumatra dan 40% saham pemerintah R.I..
2.2. Ruang Lingkup Bidang Usaha
PT. Socfin Indonesia adalah perusahaan yang bergerak dibidang pengolahan karet SIR 3CV dan SIR 10 dengan jenis produk latex grade dan lower grade. Hasil produksi karet digunakan oleh perusahan-perusahaan luar negeri yang bergerak di bidang manufaktur untuk memproduksi produk-produk yang menggunakan bahan baku karet.
2.3. Lokasi Perusahaan
PT. Socfin Indonesia berdasarkan akta pendiriannya beralamat di Jl. K.L.
Yos Sudarso No.106, Medan, merupakan perusahaan agribisnis yang bergerak di bidang perkebunan kelapa sawit dan karet, serta produksi benih unggul kelapa sawit.
Dan lokasi pabrik beralamat di Jl. Lintas Sumatera, Sumatera Utara.
Gambar 2.1. Denah Lokasi Pabrik Kebun Tanah Besih PT. Socfin Indonesia
2.4. Daerah Pemasaran
Daerah pemasaran dari hasil produksi perusahaan diekspor seluruhnya keluar negeri, yaitu Eropa dan Amerika.
2.5. Dampak Sosial Ekonomi Terhadap Lingkungan
PT. Socfin Indonesia memiliki tingkat sosialitas yang tinggi. Perusahaan ini selalu menyalurkan bantuan setiap tahun di daerah sekitar lingkungan perusahaan. Setiap bulan Ramadhan PT. Socfin Indonesia memberikan sembako kepantiasuhan, masjid, serta kepada orang-orang yang tidak mampu untuk berbagi bersama masyarakat sekitar. Pada perayaan natal, perusahaan juga memberikan kado natal pada organisasi-organisasi yang memiliki visi sosial terhadap penganut agama kristiani untuk saling berbagi. Perusahaan juga memberikan bantuan di lingkungan sekitar seperti pembangunan jalan, sumbangan irigasi, dan bantuan pembangunan tempat-tempat sosial lainnya.
Selain itu, secara tidak langsung perusahaan telah membantu perekonomian masyarakat sekitar, karena dengan adanya perusahaan membuat beberapa orang membuka usaha, seperti rumah makan dilingkungan perusahaan.
Limbah yang dihasilkan dari pabrik perusahaan telah dikelola dengan baik.
Limbah ditampung dalam kolam-kolam limbah yang berjumlah sebanyak 6 buah, yang terletak di sekitar lingkungan pabrik. Selain itu, jarak antara pabrik dengan rumah penduduk cukup jauh sehingga tidak mengganggu penduduk dengan bau karet dan bau limbah yang dihasilkan.
2.6. Organisasi dan Manajemen 2.6.1. Struktur Organisasi Perusahaan
Secara umum, struktur organisasi di PT. Socfin Indonesia Kebun Tanah Besih memiliki struktur organisasi lini dan fungsional. Alasan dikatakan lini dan
fungsional karena wewenang dari pimpinan tertinggi dilimpahkan kepada kepala bagian yang mempunyai jabatan fungsional untuk dikerjakan kepada para pelaksana yang mempunyai keahlian khusus. Struktur organisasi dapat dilihat pada Gambar 2.2.
PENGURUS KEBUN / ADM
TEKNIKER – I (KEPALA PABRIK)
TEKNIKER – II (ASISTEN PABRIK)
PENGOLAHAN/
PACKING LABORATORIUM ADMINISTRASI
PABRIK MESIN INDUK / PLN BENGKEL UMUM TRANSPORT G U D A N G TUKANG KAYU / KARYAWAN SIPIL ASISTEN KEBUN/
LAPANGAN
Hubungan Lini Keterangan
Hubungan Fungsional Sumber: PT. Socfin Indonesia Kebun Tanah Besih
Gambar 2.2. Struktur Organisasi PT. Socfin Indonesia Kebun Tanah Besih
2.7. Proses Produksi
Industri manufaktur memiliki proses pengolahan dari mulai bahan baku hingga menjadi produk jadi. Proses ini disebut proses produksi yang dapat didefinisikan sebagai suatu cara, metode, dan teknik-teknik untuk mengubah input menjadi output, sehingga hasil yang berupa barang atau jasa serta hasil sampingnya memiliki nilai tambah yang lebih bermanfaat.
Proses produksi yang dilakukan perusahaan PT. Socfin Indonesia Kebun Tanah Besih menggunakan teknologi yang memanfaatkan tenaga listrik PLN untuk menggerakkan sistem permesinan dan bekerja secara otomatis dan untuk kebutuhan akan sumber air, PT. Socfin Indonesia Kebun Tanah Besih menggunakan sumur bor untuk memenuhi kebutuhan air pada pabrik. Proses produksi yang dilakukan untuk pengolahan latex grade menjadi SIR 3CV dan lower grade menjadi SIR 10.
2.7.1. Standar Mutu Bahan / Produk
PT. Socfin Indonesia Kebun Tanah Besih menerapkan standar mutu yang tinggi melalui aplikasi ISO 9001:2008, ISO 14001:2007, OHSAS 18001:2007, dan juga sebagai anggota dari RSPO standar ini merupakan standar internasional untuk sistem manajemen mutu/kualitas. ISO 9001:2008 menetapkan persyaratan dan rekomendasi untuk desain dan penilaian suatu sistem manajemen mutu. Quality Management Systems (ISO 9001:2008) merupakan prosedur
terhadap kebutuhan atau persyaratan tertentu, dimana kebutuhan atau persyaratan tertentu tersebut ditentukan oleh pelanggan dan organisasi. Untuk standar mutu bahan dan produknya akan diperiksa dengan metode AQL (Acceptable Quality Level), dimana metode ini merupakan proporsi maksimum dari cacat atau kesalahan yang diperbolehkan untuk setiap 100 unit produk.
2.7.2. Bahan yang Digunakan
Bahan-bahan yang digunakan pada proses produksi pengolahan crumb rubber meliputi bahan baku, bahan penolong, dan bahan tambahan.
2.7.2.1. Bahan Baku
Bahan baku merupakan bahan utama yang digunakan dalam proses produksi untuk menghasilkan sebuah produk. Bahan baku yang digunakan PT.
Socfin Indonesia Kebun Tanah Besih terbagi menjadi 2 jenis, yaitu latex grade dan lower grade. Latex grade dan lower grade merupakan karet yang dihasilkan dari perkebunan milik PT. Socfin Indonesia Kebun Tanah Besih.
2.7.2.2. Bahan Penolong
Bahan penolong merupakan bahan yang digunakan untuk memperlancar proses produksi, namun tidak terlihat di bagian akhir produk. Bahan penolong yang digunakan antara lain sebagai berikut.
1. Air sebagai pelarut dan pencampur zat-zat kimia dengan karet.
2. Hydroxylamine Ammonium Sulphate (HAS) digunakan sebagai memantapkan viskositas Mooney karet.
3. Sodium Metabisulfite (SMBS) digunakan sebagai bahan pengawet pada latex grade.
4. HCOOH digunakan sebagai koagulan latex.
5. Ammonia digunakan agar latex tidak membeku.
2.7.2.3. Bahan Tambahan
Bahan tambahan adalah bahan yang digunakan dalam proses produksi dan berfungsi memberikan nilai tambah pada produk serta merupakan bagian dari produk akhir. Bahan tambahan yang digunakan antara lain sebagai berikut.
1. Plastik Pembungkus digunakan sebagai pembungkus crumb rubber yang sudah jadi.
2. Pallet
Pallet digunakan untuk membatasi produk yang akan dimasukkan ke dalam panel box.
3. Panel Box merupakan kotak-kotak yang berfungsi sebagai packaging produk akhir.
2.7.3. Uraian Proses
Berikut ini merupakan uraian proses pembuatan crumb rubber di PT.
1. Proses Pencampuran (Compounding)
Pada tahap ini, latex grade yang sudah diterima pabrik dari kebun dicampurkan dengan Hydroxylamine Ammonium Sulphate (HAS). Setelah itu ditambahkan dengan Sodium Metabisulfite (SMBS).
2. Proses Koagulasi (Coagulating)
Pada tahap ini latex dipadatkan menjadi balok-balok dengan dicampurkan HCCOH.
3. Proses Coagulating Trough
Pada tahap ini dilakukan pemecahan latex.
4. Proses Pengeringan
Latex yang sudah dipecahkan kemudian dimasukkan ke dalam Box Dryer.
5. Proses Inspeksi Mutu
Pada tahap ini diambil sampel dari latex yang sudah dikeringkan untuk diperiksa tingkat viskositasnya.
6. Proses Finishing
Tahap pada proses finishing adalah sebagai berikut : a. Penimbangan
b. Proses Pengepressan
c. Proses Pemeriksaan Kadar Besi d. Packing
2.8. Mesin dan Peralatan 2.8.1. Mesin Produksi
Mesin produksi adalah mesin-mesin yang secara langsung berperan dalam proses produksi. Berikut adalah beberapa mesin yang digunakan oleh PT. Socfin Indonesia Kebun Tanah Besih.
1. Mesin Prebreaker.
2. Bucket Elevator.
3. Mesin extruder.
4. Mesin Single Dryer. 5. Mesin Press.
6. Mesin Metal Detector.
2.8.2 Peralatan (Equipment)
Peralatan yang digunakan oleh PT. Socfin Indonesia Kebun Tanah Besih adalah sebagai berikut:
1. pH meter.
2. Metrolax.
3. Viscosity.
4. Stopwatch.
5. Beaker glass.
6. Kipas.
BAB III
LANDASAN TEORI
3.1. Penjadwalan
1
a. Meningkatkan penggunaan sumber daya atau mengurangi waktu tunggunya, sehingga total waktu proses dapat berkurang, dan produktivitas meningkat.
Penjadwalan adalah pengurutan pembuatan / pengerjaan produk secara menyeluruh yang dikerjakan pada beberapa buah mesin. Penjadwalan merupakan alat ukur yang baik bagi perencanaan agregat. Pesanan – pesanan aktual pada tahap ini akan ditugaskan pertama kalinya pada sumber daya tertentu (fasilitas, pekerja, dan peralatan) kemudian dilakukan pengurutan kerja pada tiap-tiap pusat pemrosesan sehingga dicapai optimalitas utilisasi kapasitas yang ada.
Penjadwalan bertujuan untuk :
b. Mengurangi persediaan barang setengah jadi atau mengurangi sejumlah pekerjaan yang menunggu dalam antrian ketika sumber daya yang ada masih mengerjakan tugas lain.
c. Mengurangi beberapa kelambatan pada pekerjaan yang mempunyai batas waktu penyelesaian sehingga akan meminimisasi penalty cost (biaya keterlambatan).
d. Membantu pengambilan keputusan mengenai perencanaan kapasitas pabrik dan jenis kapasitas yang dibutuhkan sehingga penambahan biaya yang mahal dapat dihindarkan.
1Rosnani Ginting, “Sistem Produksi”, Yogyakarta : Graha Ilmu., 2012, hal. 255-256
2
a. Pembebanan (Loading)
Pekerjaan-pekerjaan yang merupakan alokasi kapasitas untuk order- order, penugasan prioritas job, dan pengendalian jadwal produksi membutuhkan informasi terperinci, dimana informasi-informasi tersebut akan menyatakan input dari sistem penjadwalan. Bila digambarkan, maka elemen-elemen input – output, prioritas-prioritas pekerjaan dan ukuran kinerja dari sistem penjadawalan dapat dilihat pada Gambar 2.1.
Sumber : Rosnani Ginting, Penjadwalan Mesin, h.8
Gambar 3.1. Elemen-Elemen Sistem Penjadwalan
Untuk memastikan bahwa suatu aliran kerja yang lancar akan melalui tahapan produksi, maka sistem penjadwalan harus membentuk aktifitas-aktifitas output, yaitu :
Pembebanan melibatkan penyesuaian kebutuhan kapasitas untuk order-order
dilakukan dengan menugaskan order-order pada fasilitas-fasilitas, operator- operator, dan peralatan tertentu.
b. Pengurutan (Sequencing)
Pengurutan merupakan penugasan tentang order-order mana yang diprioritaskan untuk diproses dahulu bila suatu fasilitas harus memproses banyak job.
c. Prioritas Job (Dispaching)
Dispachingmerupakan priotitas kerja tentang job-job mana yang diseleksi dan diprioritaskan untuk diproses.
d. Pengendalian Kinerja Penjadwalan
Pengendalian kinerja penjadwalan dilakukan dengan :
a. Meninjau kembali status order-order pada saat melalui sistem tertentu.
b. Mengatur kembali urutan-urutan, misalnya expeditingorder-order yang jauh dibelakang atau mempunyai prioritas utama
e. Up-dating jadwal
Up-dating jadwal dilakukan sebagai refleksi kondisi operasi yang terjadi dengan merevisi prioritas-prioritas.
3.1.1. Jenis-jenis Penjadwalan3
a. Penjadwalan Flow Shop
Penjadwalan produksi terbagi atas :
Penjadwalan Flow Shop merupakan suatu pergerakan unit-unitnyang terus menerus melalui suatu rangkaian stasiun-stasiun kerja ynag disusun berdasarkan produk. Sususnan suatu proses produksi jenis flowshopdapat diterapkan dengan tepat untuk produk-produk dengan desain yang stabil dan diproduksi secara banyak (volume produk), sehingga investasi dengan tujuan khusus (specialpurpose) yang dapat secepatnya kembali.
Suatu masalah kritis dalam flow shop adalah pengelompokkan tugas-tugas yang dibutuhkan dalam stasiun kerja, sehingga dicapai suatu kondisi yang memenuhi pembatas-pembatas urutan dan terjadi keseimbangan pada tingkat output produksi. Jika tingkat output bervariasi untuk masing-masing stasiun kerja, maka hal ini berarti bahwa lintasan produksi tersebut tidak seimbang.
Keseimbangan lintasan akan menghasilkan aliran yang tidak teratur dan rendahnya utilisasi kapasitas yang disebabkan turunnya kecepatan aliran pada stasiun-stasiun penyebab bottleneck (operasi akan berjalan terputus-putus).
Masalah yang kritis pada flowshop:
1. Pengelompokkan tugas-tugas yang dibutuhkan dalam stasiun kerja sehingga dicapai kesetimbangan pada tingkat output dan memenuhi pembatasan urutan.
2. Ketegangan yang diakibatkan susunan aliran lini terhadap pekerja. Pekerja akan bosan karena terbatasnya variasi kerja pada tiap stasiun dan panjang rentang pengendalian sepanjang lintasannya.
3. Prioritas order pada flow shop dipengaruhi terutama pada pengirimnya dibandingkan tanggal pemrosesan. Dengan syarat : flowshop digunakan khusus hanya untuk satu jenis produk.
Problem lain pada penjadwalan flowshopadalah berhubungan dengan ketegangan yang diakibatkan susunan aliran ini terhadap pekerja.
b. Penjadwalan Batch
Keputusan-keputusan yang dihadapi oleh manajer produksi dalam sistem produksi batch adalah berapa jumlah produksi dalam setiap batch-nya berikut urut-urutannya, atau perintah mengenai produk-produk mana saja yang harus dibuat secara batch. Kuantitas dari batch(bisa ditentukan berdasarkan panjang waktu yang dibutuhkan untuk setiap productionrun) dan frekuensi produk akan mempengaruhi tingkat persediaan dan biaya setup yang lebih panjang, maka dibutuhkan persediaan lebih banyak tetapi dengan setup yang lebih sedikit.
Kuantitas batchyang optimal dapat dihitung dengan menggunakan model EPQ.
Modifikasi urutan batch ini dikarenakan urutan produk juga harus dipertimbangkan. Urutan produk juga akan mempengaruhi biaya, karena biaya setup akan bervariasi bergantung dari perubahan urutan urutan-urutan produk.
c. Penjadwalan Job Shop
Penjadwalan pada proses produksi tipe jobshop lebih sulit dibandingkan penjadwalan flow shop. Hal ini desebabkan oleh 3 alasan, yaitu :
1. Job shop menangani variasi produk yang sangat banyak, dengan pola aliran yang berbeda-beda melalui pusat-pusat kerja.
2. Peralatan pada job shop digunakan bersama-sama oleh bermacam-macam orderpada prosesnya, sedangkan peralatan pada flowshop digunakan khusus untuk satu jenis produk.
3. Job-job yang berbeda mungkin ditentukan oleh prioritas berbeda pula. Hal ini mengakibatkan produk tertentu yang dipilih harus diproses seketika pada saat order tersebut ditugaskan pada suatu pusat kerja. Sedangkan pada flow shop tidak terjadi permasalahan seperti tersebut karena keseragaman output yang diproduksi untuk persedian. Prioritas order pada flow shop dipengaruhi terutama pada pengirimannya dibandingkan tanggal pemrosesan.
Adapun masalah job shop tersebut sebagai berikut :
1. Job shop loading artinya memutuskan pusat-pusat kerja yang mana suatu job harus ditugaskan. Menggunakan gantt chart dan metode penugasan.
2. Job shop sequencing artinya harus menentukan bagaimana urutan proses dari bermacam-macam job harus ditugaskan pada mesin-mesin tertentu atau pusat kerja tertentu.
3.1.2. Aturan Prioritas Sequencing4
a. First – Come – First – Serve (FCFS)
Beberapa aturan-aturan prioritas sequencing yang umum antara lain adalah sebagai berikut :
Job yang datang diproses sesuai dengan job mana yang datag lebih dahulu.
b. Earliest Due Date (EDD)
Prioritas antara diberikan kepada job-job yang mempunyai tanggal batas waktu penyerahan (due date) paling awal.
c. Shortest Processing Time (SPT)
Job dengan waktu proses produksi terpendek akan diproses lebih dahulu, demikian berlanjut untuk job yang waktu prosesnnya terpendek kedua.
Aturan SPT ini tidak mempedulikan due date maupun kedatangan order baru.
3.1.3. Parameter Performansi5
a. Efficiency Index (EI)
Dalam penelitian ada beberapa performance parameter yang digunakan untuk menentukan metode yang lebih baik yaitu
Efficiency Index (EI) adalah perbandingan antara algoritma heuristik terbaru dengan metode yang digunakan perusahaan, dirumuskan sebagai berikut :
EI= Makespan Metode Makespan Perusahaan
4Ibid., hal. 269
5Rosnani Ginting, “PenjadwalanMesin”, Yogyakarta : Graha Ilmu, 2009, hal. 56-57
Bila EI = 1 maka kedua metode memiliki perormance yang sama, bila EI < 1 maka algoritma heuristik memiliki performance yang kurang baik dibanding dengan metode yang digunakan perusahaan, demikian juga sebaliknya.
b. Relative Error (RE)
Relative Error (RE) digunakan untuk mengetahui seberapa jauh perbedaan makespanyang dihasilkan oleh kedua metode, dapat dihitung menggunakan rumus sebagai berikut :
RE= Makespan Metode–MakespanMetode Perusahaan
Makespan metode x 100%
3.2. Metode Metaheuristik
6
Metaheuristik pada sebenarnya adalah metode pendekatan yang didasarkan pada metode heuristik.Sehingga tidak heran bahwa metode heuristik sering kali diintegrasikan di dalam metode metaheuristik.Perbedaan utaman dari metode heuristik dan metaheuristik adalah metode heuristik bersifat problem
Metaheuristik memiliki aplikasi luas untuk bidang teknik, sains, dan bidang-bidang lain yang melibatkan komputasi yang intensif. Metode metaheuristik menyajikan algoritma-algoritma dasar sehingga akan mudah mengembangkan untuk aplikasi lain yang lebih kompleks. Untuk implementasinya dalam masalah lain atau di bidang lain tentu saja perlu dilakukan bermacam langkah modifikasi untuk menyesuaikan dengan format algoritma yang akan diterapkan.
independent.Problem dependent artinya bergantung pada permasalahan, jadi
metode heuristik itu hanya bisa dipakai untuk jenis permasalahan terntentu.Sedangkan problem independent berarti tidak bergantung pada jenis permasalahan (Sri, 2005).
Penerapan metode metaheuristik tidak bergantung pada jenis permasalahan, alias bisa dipakai untuk berbagai jenis permasalahan. Contoh dari metode metaheuristik adalah Genetic Algorithm (GA), Simulated Annealing (SA), Particle Swam Optimization (PSO), Ant Colony Optimization (ACO), Cross Entropy (CE), hingga Harmony Search (HS).
3.2.1. Cross Entropy7
Dalam metode CE ada aturan penting untuk memperbaharui parameter.
Ide utama dari metode CE untuk optimasi dapat dinyatakan sebagai berikut : Metode Cross Entropy pada awalnya diterapkan untuk simulasi kejadian langka (rare event), lalu dikembangkan untuk beberapa kasus seperti optimasi kombinatorial, optimasi kontinyu, machine learning, penjadwalan dan beberapa masalah lain. Dalam hal estimasi, CE memberikan cara yang adaptif untuk menemukan distribusi sampling yang optimal untuk beberapa problem yang cukup luas cakupannya. CE juga berhasil diterapkan untuk menyelesaikan berbagai masalah seperti, Travelling Salesman Problem (TSP), Vehicle Routing Problem (VRP), Orienteering Problem, Crew Scheduling, Penjadawalan Pekerjaan dan lain sebagainya.
7Ibid., hal. 256-258
misalnya terdapat suatu masalah untuk meminimasi suatu fungsi f(x) pada setiap x yang berasal dari X dimana nilai minimum yang didapat adalah γ* = min f(x), x ϵ X. Metode CE melibatkan prosedur iterasi, dimana tiap iterasi dapat dipecah menjadi 2 fase :
a. Membangkitkan sampel random (x) dengan menggunakan mekanisme atau distribusi tertentu.
b. Memperbaharui parameter (v) dari mekanisme random berdasarkan data sampel elite untuk menghasilkan sampel yang lebih baik pada iterasi berikutnya.
Sampel elite adalah berapa persen dari sampel keseluruhan yang dipilih untuk memperbaiki atau memperbaharui parameter yang digunakan dalam permasalahan yang diselesaikan. Jika 2 fase tersebut diuraikan maka akan diperoleh tahapan sebagai berikut :
a. Tentukan nilai N, yaitu banyaknya sampel v0
b. Bangkitkan sampel sebanyak N dengan mekanisme tertentu.
, x dan ρ.
c. Evaluasi sampel dengan memasukkan ke dalam fungsi tujuan. Lalu diurutkan nilai fungsi tujuan.
d. Memperbaharui γtsecara adaptif. Untuk memperbaharui parameter vektor v dapat dilakukan dengan rumus vt = α wt + (1 – α) vt-1, dimana wt adalah parameter vektor yang didapatkan dari solusi dan α adalah parameter smoothing.
3.2.2. Cross Entropy Sebagai Kombinasi Optimisasi8
Dalam kasus penjadwalan diperlukan parameter P di tempat v. P adalah matriks transisi di mana setiap entri pi,jmenunjukkan probabilitas ke-j, untuk i = 1, 2 , .. , n , j = 1 , 2 , ... , n , di mana n adalah jumlah pekerjaan . Untuk P awal dapat ditempatkan nilai-nilai yang sama dengan semua entri yang berarti bahwa probabilitas dari pekerjaan ke tempat j didistribusikan merata .
Berdasarkan matriks P, akan menghasilkan N urutan pekerjaan. Setiap urutan (Zi) akan dievaluasi berdasarkan S(zi) di mana S = nilai Cmax untuk setiap urutan. Dari urutan N dapat diambilρN sampel elit persen dengan S terbaik (bukan menggunakan γ sebagai batas untuk memilih sampel elit). Rumus ES = ρN, diberikan olehPt(i,j)
1. Pilih referensi transisi/inisiasi awal matriks P sebagai berikut:
𝑷𝑷(𝒊𝒊,𝒋𝒋)𝒏𝒏 = ∑𝑬𝑬𝑬𝑬𝒊𝒊=𝟏𝟏𝑰𝑰{𝒛𝒛𝒊𝒊=𝒇𝒇}
𝑬𝑬𝑬𝑬
Algoritma utama Cross Entropy (CE) yang digunakan dalam penjadwalan adalah sebagai berikut:
0
2. Dihasilkan sampel Z1,… , ZN urutan pekerjaan melalui algoritmadengan P = t - 1 dan pilih ρN sampel elitdengan kinerja terbaik dari S(z).
, semua entri sama dengan 1/n, dimana n adalah jumlah pekerjaan, atur t = 1.
3. Gunakan sampel elit untuk memperbarui Pt
4. Terapkan untuk menghasilkan matriks Pt
8Ibid., hal. 258-260
5. Jika untuk beberapat ≥ d , misalkan d = 5 , γt = γt-1 = … = γt-d
Langkah-langkah algoritma cross entropy secara umum ditunjukkan pada Gambar 3.2.
kemudian berhenti, jika tidak diatur t = t + 1 dan ulangi dari langkah 2.
Sumber : Hasan Bashori. 2015
Gambar 3.2. Flowchart Algoritma Cross Entropy
3.2.3. Genetic Algorithm9
a. Kromosom
Metode algoritma genonetika masuk kedalam kelompok Evolutionary Algorithm. GA didasarkan pada prinsip genetika dan seleksi alam. Elemen-elemen dasar dari genetika alam adalah reproduksi, crossover, dan mutasi. Istilah yang digunakan dalam GA adalah :
Kromosom merupakan bagian penting dari algoritma. Satu kromosom atau individu mewakili satu vektor solusi. Dalam algoritma genetik akan dibangkitkan populasi sebagai kumpulan dari kromosom, dimana masing- masing kromosom mewakili suatu vektor solusi. Setiap anggota kromosom disusun oleh gen-gen, dimana masing-masing gen mewakili elemen dari vektor solusi. Dengan dibangkitkannya populasi ini, maka akan tersedia banyak pilihan solusi.
b. Fitness
Fungsi fitness digunakan untuk mengukur tingkat kebaikan atau kesesuaian suatu solusi dengan solusi yang dicari. Fungsi fitness bisa berhubungan langsung dengan fungsi tujuan, atau bisa juga dengan sedikit modifikasi terhadap fungsi tujuan.
c. Elitisme
Konsep elitisme dalam algoritma genetika berarti berusaha mempertahanan individu-individu terbaik yang telah diperoleh di suatu generasi ke dalam generasi selanjutnya.
9Ibid., hal. 87-92
d. Crossover
Istilah crossover juga sering disebut kawin silang. Crossover terbagi 2 yaitu crossover sederhana dan crossover aritmatik. Crossover dilakukan untuk mendapatkan kombinasi yang lebih baik antara satu individu dengan individu yang lain dalam satu populasi.
e. Mutasi
Mutasi dimaksudkan untuk memunculkan individu baru yang berbeda sama sekali dengan individu yang sudah ada. Dalam konteks optimasi memungkinkan munculnya solusi baru untuk bisa keluar dari local optimum.
3.2.3.1.Komponen Utama Dalam Genetic Algorithm
Algoritma genetik memiliki lima buah komponen utama dalam proses penyelesaiannya, yaitu:
1. Teknik Pengkodean
Teknik pengkodean adalah bagaimana proses mengkodekan gen dari kromoson, dimana gen merupakan bagian dari kromoson. Satu gen biasanya akan mewakili satu variabel. Gen dapat direpresentasikan dalam bentuk bit, bilangan real, daftar aturan, elemen permutasi, elemen program atau representasi lainnya yang dapat diimplementasikan untuk operator genetika.
2. Membangkitkan Populasi Awal
Membangkitkan populasi awal adalah proses membangkitkan sejumlah
yang akan diimplementasikan. Setelah ukuran populasi ditentukan, kemudian dilakukan pembangkitan populasi awal.Syarat-syarat yang harus dipenuhi untuk menunjukkan suatu solusi harus benar-benar diperhatikan dalam setiap pembangkitan individunya.
Teknik dalam pembangkitan awal ini ada beberapa cara, diantaranya adalah:
a. Random generator
Inti dari cara ini adalah melibatkan pembangkitan bilangan random untuk setiap gen sesuai dengan representasi kromoson yang digunakan. Jika menggunakan representasi biner, salah satu penggunaan random generator adalah penggunaan rumus berikut untuk pembangkitan populasi awal.
IPOP = round{random[Nipop, Nbits
Dimana ipop adalah gen yang nantinya berisi pembulatan dari bilangan random yang dibangkitkan sebanyak N
]}
ipop(jumlah populasi) x Nbits
b. Pendekatan tertentu (memasukan nilai tertentu ke dalam gen) (jumlah gen tiap kromoson).
Cara ini adalah dengan memasukan nilai tertentu ke dalam gen populasi awal yang dibentuk.
c. Permutasi Gen
Permutasi gen dalam pembangkitan awal adalah penggunaan permutasi Josephus dalam permasalahan kombinatorial seperti TSP.
3. Seleksi
Seleksi digunakan untuk memilih individu-individu mana saja yang akan dipilih untuk proses kawin silang dan mutasi. Seleksi digunakan untuk mendapatkan calon yang baik. Induk yang baik akan menghasilkan keturunan yang baik. Semakin tinggi nilai fitness suatu individu semakin besar kemungkinannya untuk terpilih.
Langkah pertama yang dilakukan dalam seleksi ini adalah pencarian nilai fitness.Nilai fitness ini yang nantinya akan digunakan pada tahap-tahap seleksi berikutnya. Masing-masing individu dalam wadah seleksi akan menerima probabilitas reproduksi yang tergantung pada nilai obyektif dirinya sendiri terhadap nilai obyektif dari semua individu dalam wadah seleksi tersebut.
a. Seleksi dengan Mesin Roulette
Metode seleksi dengan mesin roulette ini merupakan metode yang paling sederhana dan sering dikenal dengan namastochastic sampling with replacement. Cara kerja metode ini adalah sebagai berikut:
1). Dihitung nilai fitness dari masing-masing individu (fi dimana i adalah individu ke-1 sampai ke-n).
2). Dihitung total fitness semua individu.
3). Dihitung probabilitas masing-masing individu.
4). Dari probabilitas tersebut, dihitung jatah masing-masing individu pada
6). Dari bilangan random yang dihasilkan, ditentukan individu mana yang terpilih dalam proses seleksi.
b. Seleksi dengan Turnamen
Pada seleksi dengan turnamen, ditetapkan nilai suatu tour untuk individu- individu yang dipilih secara random dari suatu populasi. Individu-individu yang terbaik dalam kelompok ini akan diseleksi sebagai induk. Parameter yang digunakan pada metode ini adalah ukuran tour yang bernilai antara 2 sampai N (jumlah individu dalam suatu populasi).
4. Crossover
Kawin silang (crossover) adalah operator dari algoritma genetika yang melibatkan dua induk untuk membentuk kromoson baru.Crossover menghasilkan titik baru dalam ruang pencarian yang siap diuji.Operasi ini tidak selalu dilakukan pada semua individu yang ada. Individu dipilih secara acak untuk dilakukan crossing dengan Pc antara 06 sampai dengan 0,95. Jika crossover tidak dilakukan, maka nilai dari induk akan diturunkan kepada keturunan. Prinsip dari crossover ini adalah melakukan operasi (pertukaran, aritmatika) pada gen-gen yang bersesuaian dari dua induk untuk menghasilkan individu baru. Proses crossover dilakukan pada setiap individu dengan probabilitas crossover yang ditentukan.
Untuk proses crossover dengan gen berbentuk permutasi metode yang digunakan adalah Partial-Mapped Crossover (PMX) seperti pada Gambar 2.6..PMX diciptakan oleh Goldberg dan Lingle.PMX merupakan rumusan modifikasi dari kawin silang 2 point.Hal yang penting dalam PMX adalah
kawin silang 2 point ditambah dengan beberapa prosedur tambahan. PMX mempunyai langkah kerja sebagai berikut:
a. Langkah 1: tentukan 2 posisi pada kromoson dengan aturan acak.
Substring yang berada dalam dua posisi ini dinamakan daerah pemetaan.
b. Langkah 2: tukar kedua substring antar induk untuk menghasilkan proto- child.
c. Langkah 3: tentukan hubungan pemetaan diantara 2 daerah pemetaan.
d. Langkah 4: tentukan kromoson keturunan dengan mengacu pada hubungan pemetaan.
Sumber : Entin, 2010.
Gambar 3.3. Ilustrasi Prosedur PMX
5. Mutasi
Operator berikutnya pada algoritma genetika adalah mutasi gen. Operator ini berperan untuk menggantikan gen yang hilang dari populasi akibat proses
random yang sangat kecil (ukuran langkah mutasi), dengan probabilitas yang rendah.Peluang mutase Pm
Ada beberapa pendapat mengenai laju mutase ini. Ada yang berpendapat bahwa laju mutase sebesar 1/n akan menghasilkan hasil yang cukup baik. Ada juga yang beranggapan bahwa laju mutasi tidak tergantung pada ukuran populasinya.Kromoson hasil mutase harus diperiksa, apakah masih berada pada domain solusi, dan bila perlu dilakukan perbaikan.
didefinisikan sebagai persentasi dari total gen pada populasi yang mengalami mutase. Peluang mutase mengendalikan banyaknya gen baru yang akan dimunculkan untuk dievaluasi. Jika peluang mutase terlalu kecil, banyak gen yang mungkin berguna tidak pernah dievaluasi. Tetapi bila peluang mutase ini terlalu besar, maka akan terlalu banyak gangguan acak sehingga anak akan kehilangan kemiripan dari induknya dan juga algoritma kehilangan kemampuan untuk belajar dari histori pencariaan.
3.2.4. Hybrid of Cross Entropy with Genetic Algorithm (CEGA)
Dalam pengabungan kedua algoritma yaitu Cross Entropy dan Genetic Algorithm, cross entropy digunakan sebagai dasar dalam perhitungan sementara genetic algorithm digunakan sebagai prosedur dalam adopsi generasi sampel.
Penjelasan akan langkah-langkah CEGA dapat dilihat pada Gambar 3.5.
Input dan Output dalam langkah-langkah tersebut di definisikan berikut ini:
1. Number of population (N)
2. Ration of elite sample (ρ), rentang nilai ρyaitu 1% - 10%.
3. Smoothing coefficient (β), dengan rentang nilai 0-1 dan 0,4 – 0,9.
4. Initial crossover rate (P_ps) 5. Terminating criterion (ε)
Sumber : Budi Santoso, 2011
Gambar 3.4. Flowchart Cross Entropy Genetic Algorithm
3.3. Pengukuran Waktu (Time Study)10
Pengukuran waktu merupakan kegiatanyang dilakukan untuk mengamati pekerjaan dan mencatat waktu kerja dengan menggunakan alat yang sesuai.
penyelesaian dalam satuan waktu mulai dari bahan baku, diperoses hingga menjadi produk jadi. Pengukuran waktu kerja ini akan berhubungan dengan usaha-usaha untuk menekan waktu baku yang dibutuhkan guna menyelesaikan suatu pekerjaan. Waktu baku tersebut merupakan waktu yang dibutuhkan secara wajar oleh seorang pekerja normal untuk menyelesaikan suatu pekerjaan yang dijalankan dalam sistem kerja yang terbaik (Sutalaksana, 1979).
Waktu standar adalah waktu yang dibutuhkan oleh seorang operator untuk menyelesaikan satu siklus kegiatan yang dilakukan menurut metode tertentu, pada kecepatan normal dengan mempertimbangkan faktor-faktor keletihan, kelonggaran untuk kepentingan pribadi. Pada umumnya teknik-teknik pengukuran waktu terdiri dari dua bagian, pertama teknik pengukuran secara langsung dan kedua secara tidak langsung. Untuk pelaksanaannya penelitian waktu dapat dibagi atas tahap-tahap berikut ini:
1. Melaksanakan pengamatan terhadap departemen-departemen dengan memahami semua gerakan bahan, pekerja dan mesin.
2. Tahap komunikasi dengan mengadakan pendekatan pada karyawan dengan baik, sehingga karyawan dapat bekerja tanpa merasa terganggu.
3. Mengamati dan mencatat informasi mengenai operasi dan operator dari objek yang diamati.
4. Menentukan satu siklus kerja dan menguraikannya atas elemen-elemen kerja 5. Tahap pengukuran, pengamatan waktu pengerjaan (selected time) yang
dibutuhkan pekerja dan penentuan jumlah pengamatan yang dibutuhkan, penentuan penyesuaian (rating factor) serta kelonggaran (allowance).
6. Tahap penyelesaian, penelaahan hasil waktu yang dilakukan.
7. Menentukan jumlah tenaga kerja yang dibutuhkan sesuai dengan perhitungan yang dilakukan berdasarkan waktu standar.
8. Waktu standar digunakan sebagai dasar pengendalian biaya tenaga kerja.
Waktu baku ini merupakan waktu yang diperlukan oleh seorang pekerja yang memiliki tingkat kemampuan rata-rata untuk menyelesaikan suatu pekerjaan.
Disini sudah meliputi kelonggaran waktu yang diberikan dengan memperhatikan situasi dan kondisi pekerjaan yang dilakukan. Dengan demikian waktu baku ini dapat digunakan sebagai alat untuk membuat rencana penjadwalan kerja yang dibutuhkan dalam penyelesaian kerja.
Pada garis besarnya teknik-teknik pengukuran waktu dibagi kedalam dua bagian yaitu :
1. Pengukuran waktu secara langsung
Pengukuran ini dilaksanakan secara langsung yaitu ditempat dimana pekerjaan yang bersangkutan dijalankan. Misalnya pengukuran kerja dengan jam henti (stopwatchtimestudy) dan sampling kerja (worksampling).
2. Pengukuran secara tidak langsung
Pengukuran ini dilakukan dengan menghitung waktu kerja tanpa si pengamat harus berada ditempat kerja yang diukur. Pengukuran waktu dilakukan dengan membaca tabel-tabel yang tersedia asalkan mengetahui jalannya pekerjaan.
Misalnya aktivitas data waktu baku (standarddata), dan data waktu gerakan
Pada pengukuran waktu sampling pekerjaan, pengamat tidak harus menetap di tempat kerja, melainkan melakukan pengamatan secara sesaat pada waktu yang telah ditentukan secara random/acak. Untuk ini biasanya satu hari kerja dibagi ke dalam satuan-satuan waktu yang besarnya ditentukan oleh pengukur.
Panjang satu satuan waktu biasanya tidak terlalu singkat dan tidak terlalu panjang.
3.3.1. Langkah-langkah Sebelum Melakukan Pengukuran Waktu
Terdapat beberapa aturan pengukuran yang perlu dijalankan untuk mendapatkan hasil yang baik. Aturan-aturan tersebut akan dijelaskan dalam langkah-langkah berikut:
1. Penetapan tujuan pengukuran
Dalam melakukan pengukuran waktu, hal-hal penting yang harus diketahui dan ditetapkan adalah untuk apa hasil pengukuran digunakan, berapa tingkat ketelitian dan tingkat keyakinan yang diinginkan dari hasil pengukuran tersebut.
2. Melakukan penelitian pendahuluan
Tujuan utama dari aktivitas pengukuran kerja adalah waktu baku yang harus dicapai oleh seorang pekerja untuk menyelesaikan suatu pekerjaan. Waktu baku yang ditetapkan untuk suatu pekerjaan tidak akan benar apabila metoda untuk melaksanakan pekerjaan tersebut berubah, material yang dipergunakan sudah tidak lagi sesuai dengan spesifikasi semula, kecepatan kerja mesin atau proses produksi lainnya berubah pula, atau kondisi-kondisi kerja lainnya
sudah berbeda dengan kondisi kerja pada saat waktu baku tersebut ditetapkan jadi waktu baku pada dasarnya adalah waktu penyelesaian pekerjaan untuk suatu sistem kerja yang dijalankan pada saat pengukuran berlangsung sehingga waktu penyelesaian tersebut juga hanya berlaku untuk sistem kerja tersebut.
3. Memilih operator
Operator yang melakukan pekerjaan harus memenuhi persyaratan tertentu agar pengukuran dapat berjalan baik. Syarat-syarat tersebut adalah berkemampuan normal dan dapat diajak bekerja sama. Operator yang dipilih adalah pekerja yang pada saat pengukuran dilakukan dapat bekerja secara wajar dan operator mampu bekerja sama dengan pengamat (tidak terpengaruh dengan kehadiran si pengamat).
4. Melatih operator
Walaupun operator yang baik telah didapat, kadang-kadang masih diperlukan latihan bagi operator tersebut, terutama jika kondisi dan cara kerja yang digunakan tidak sama dengan yang biasa dijalankan operator. Hal ini terjadi jika pada saat penelitian kondisi kerja atau cara kerja sudah mengalami perubahan. Dalam keadaan ini operator harus dilatih terlebih dahulu karena sebelum diukur harus terbiasa dengan kondisi dan cara kerja yang telah ditetapkan.
5. Menguraikan pekerjaan atas elemen pekerjaan
diukur waktu siklusnyanya. Waktu siklus adalah waaktu penyelesaian satu satuan produksi sejak bahan baku mulai diproses di tempat kerja yang bersangkutan.
6. Menyiapkan alat-alat pengukuran
Setelah lima langkah diatas dijalankan dengan baik, tibalah sekarang pada langkah terakhir sebelum melakukan pengukuran yaitu menyiapkan alat-alat yang diperlukan. Alat-alat tersebut adalah :
a. Jam henti
b. Lembaran-lembaran pengamatan c. Pena atau pensil
d. Papan pengamatan
3.3.2. Pengujian Keseragaman Data
Pengujian keseragaman data adalah suatu pengujian yang berguna untuk memastikan bahwa data yang dikumpulkan berasal dari satu sistem yang sama.
Melalui pengujian ini kita dapat mendeteksi adanya perbedaan-perbedaan dan data-data yang di luar batas kendali (out of control) yang dapat kita gambarkan pada peta kontrol, Data-data yang demikian dibuang dan tidak dipergunakan dalam perhitungan selanjutnya. Langkah-langkah pengujian keseragaman data adalah sebagai berikut:
1. Menghitung harga rata-rata pengamatan (N) Dengan menggunakan rumus :
dimana: ∑ 𝑋𝑋𝑋𝑋 = jumlah waktu siklus pekerjaan yang diamati
∑ 𝑁𝑁 = jumlah pengamatan
2. Menghitung standar deviasi Dengan menggunakan rumus :
3. Menentukan batas kontrol atas (BKA) dan batas kontrol bawah (BKB)
Untuk menguji keseragaman data, digunakan peta kontrol dengan persamaan berikut :
BKA = X + kσ BKB = X - kσ
Jika X min> BKB dan X max
Jika X
< BKB, maka data seragam
min< BKB dan X max
Pengujian keseragaman data yang dihasilkan dari pengukuran tersebut dilakukan dengan peta kontrol, dibuat berdasarkan tingkat ketelitian sebesar 5%
dan tingkat keyakinan sebesar 95%
> BKB, maka data tidak seragam
3.3.3. Menghitung Jumlah Data Pengamatan yang Diperlukan (N’)
Jumlah data pengamatan yang diperlukan (N’) dapat dihitung dengan menggunakan data pengamatan yang diperlukan diatas. Kecukupan data dapat dihitung dengan menggunakan rumus umum sebagai berikut:
( )
2 22
k N
