• Tidak ada hasil yang ditemukan

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

N/A
N/A
Protected

Academic year: 2017

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

Copied!
10
0
0

Teks penuh

(1)

BAB I

PENDAHULUAN

1.1. LatarBelakang

Penjadwalan produksi didefinisikan sebagai rencana pengaturan urutan

kerja serta pengalokasian sumberdaya, baik waktu maupun fasilitas untuk setiap

operasi yang harus diselesaikan (Thomas E, 1998). Penjadwalan sebagai proses

pengambilan keputusan memiliki peranan penting dalam kegiatan produksi dan

informasi. Oleh sebab itu, dibutuhkan pengembangan dan pendekatan untuk

mendapatkan penjadwalan yang efektif dan efisien. Salah satu usaha yang

dilakukan untuk tercapainya penjadwalan yang optimal adalah dengan

meminimalkan total waktu penyelesaian serangkaian job (makespan).

Penjadwalan produksi flow shop merupakan salah satu kegiatan

perencanaan yang terdapat pada perusahaan manufaktur. Dimana penjadwalan

produksi melibatkan n job (jenis pekerjaan) dan m mesin (jenis mesin) yang

dalam prosesproduksinya, produk mendatangi mesin denganurutan tahap yang

sama dan pada setiap tahapterdiri atas 1 buah mesin yang mana setiap job yang

dikerjakan mengandung informasi tentang jenis produk. Pada dasarnya

penjadwalan produksi yang menggunakan strategi flow shop bertujuan untuk

menyelesaikan serangkaian pekerjaan (job) berdasarkan pada urutan proses

(Hasan, 2015).

Penelitian ini dilakukan di PT. Florindo Makmur yang memproses

(2)

Rampah, Kabupaten Serdang Bedagai, Propinsi Sumatera Utara.Perusahaan

sangat membutuhkan jadwal produksi yang handal untuk mendukung kinerja

yang optimal. Secara umum, masalah yang dihadapi adalah bagaimana

menentukan urutan atau jadwal pekerjaan yang harus diproses pada beberapa

mesin dengan urutan proses setiap pekerjaan sama agar diperoleh waktu total

penyelesaian pekerjaan (makespan) yang minimum.Proses produksi yang ada di

PT. Florindo Makmur diantaranya Proses Pencucian, Pemarutan, Ekstraksi,

Sparasi, Center View, Pengeringan, Pendinginan, Pengayakan, dan Pengepakan.

Lamanya waktu pemerosesan tersebut menjadi penyebab terjadinya

keterlambatan.

Data keterlambatanpengirimankepadakonsumenseperti yang ditunjukkan

Tabel. 1.1.

Tabel 1.1. Data KeterlambatanPengirimanPeriodeMaret 2016 – Februari 2017

(3)

Pada Tabel 1.1. menunjukkan jumlah keterlambatan setiap bulan dalam

pengiriman produk oleh PT. Florindo Makmur. Data pesanan produk perusahaan

menunjukkan adanya keterlambatan (lateness) yang terjadi pada beberapa

pesanan. Keterlambatan ini dapat disebabkan oleh kurangnya kapasitas produksi,

lamanya waktu total penyelesaian, ataupun factor lingkungan yang berakibat pada

lamanya waktu pengiriman.

Kapasitas produksi perusahaan telah cukup untuk memenuhi besarnya

permintaan. Bahan baku singkong yang telah tiba pada bagian persediaan bahan

baku pun langsung diproses untuk menghindari kerusakan akibat kontaminasi

faktor linkungan serta mengurangi keterlambatan. Sehingga penyebab utama dari

keterlambatan pengiriman produk disebabkan oleh lamanya waktu total

penyelesaian pada produk. Pihak perusahaan memberlakukan kebijakan untuk

batas toleransi dalam keterlambatan pengiriman produk sebesar 10-13 % dari

jumlah pengiriman produk. Sementara keterlambatan pengiriman produk yang

selama ini terjadi mencapai 23 % dari jumlah fekwensi pengiriman produk.

Dampak yang ditimbulkan oleh permasalahan tersebut adalah perusahaan

harus membayar biaya penalty (denda) kepada konsumen. Selain itu dampak

terhadap produk yang mengalami keterlambatan pengiriman yaitu menurunnya

kualitas produk tersebut.

Perusahaan ini berproduksi berdasarkan order yang diterima (make to

order), dengan kebijakan First Come First Serve (FCFS) dalam merespon

pesanan pelanggan. Kebijakan FCFS yaitu job yang dating diproses sesuai

(4)

konsumen kebijakan ini dapat dinilai kurang baik karena masih ada beberapa job

yang belum dapat diselesaikan dalam waktu yang diinginkan oleh pelanggan. Hal

ini disebabkan karena aktivitas produksi yang terlalu lama, sehingga dapat

mengurangi kepuasan dan kepercayaan konsumen.

Salah satu metode yang dapat dipakai untuk mengatasi permasalahan

penjadwalan yaitu dengan pendekatan metaheuristik. Metaheuristik yaitu metode

untuk mencari solusi yang memadukan interaksi antara prosedur pencarian lokal

dan strategi yang lebih tinggi untuk menciptakan proses yang mampu keluar dari

titik-titik local optimum dan melakukan pencarian di ruang solusi untuk

menemukan solusi global. Berbagai macam yang tergolong metode metaheuristic

salah satu diantaranya yaitu algoritma cross entropy dan genetic algorithm

(Santosa, 2011).

Berdasarkan penelitian yang telah dilakukan sebelumnya yang berjudul

Penjadwalan Flow Shop Dengan Penerapan Cross Entropy-Genetic Algorithm

(Cega)Untuk Meminimasi Makespan yang dilakukan oleh Hasan Bashori,

Pratikto, Sugionodidapatkannilai makespan sebesar 5822detik pada metode

CEGA dengan urutan job 2-4-1-3 dan job 2-4-3-1 sedangkan dari metode

perusahaan didapatkan nilai makespan sebesar 6246detik. Maka diperoleh selisih

nilai makespan sebesar 424 detik atau berkisar 7 menit. Sedangkan dari hasil

perhitungan nilai efisiensi, diperoleh nilai sebesar 6.79% yang berarti bahwa

peran algoritma CEGA dalam meminimasi makespan pada penjadwalan

(5)

diperusahaan saat ini. Sehingga terdapat 2 alternatif penjadwalan job yang dapat

dilakukan oleh perusahaan.

Penelitian selanjutnya yang berjudul pendekatan Cross Entropy-Genetic

Algorithm Pada Permasalahan Multi Objective Job Shop Scheduling yang

dilakukan oleh Liliek Nurkhalida dan Budi Santosa didapatkan bahwa hibridasi

Cross Entropy-Genetic Algorithm terbukti efisien. Karena dapat menghasilkan

solusi yang kompetitif terutama pada problem skala kecil. Namun demikian

algoritma ini memiliki kekurangan dan kelebihan. Cross Entropy-Genetic

Algorithm lebih unggul dari segi diversifikasi solusi dibanding Simulated

Annealing yang menggunakan mekanisme neighborhood search. Namun, Cross

Entropy-Genetic Algorithm lebih buruk dari sisi penentuan solusi non-dominated

karena hanya melakukan evaluasi solusi berdasarkan nilai objektif tunggal.

Penelitan yang berjudul Penjadwalan Flow Shop Dengan Pendekatan

Cross Entropy-Genetic Algorithm Untuk Menurunkan Makespan Pada

Pembuatan Roda Gigi yang dilakukan oleh Dian Setiya Widodo, Mario Sarisky

dan Dwi Ellianto menyatakan bahwa urutan pekerjaan yang optimal terletak pada

kondisi urutan pekerjaan 2-1-3-4-5 dengan nilai makespan sebesar 10829 detik.

Jika dibandingkan dengan nilai makespan antara metode CEGA dengan

perusahaan tersebut akan didapatkan efisiensi sebesar 10,06%. Sehingga

diharapkan hasil penelitian ini menjadi bahan pertimbangan perusahaan untuk

(6)

Model algoritma yang digunakan dalam penelitian ini pada PT. Florindo

Makmur yaitu melakukan penggabungan algoritma Cross Entropy - Genetic

Algorithm (CEGA). Penggunaan metode Cross Entropy-Genetic Algorithm ini

dipilih karena berdasarkan penelitian terdahulu yang telah dilakukan dengan

menggunakan metodeCross Entropy-Genetic Algorithm (CEGA) yang bertujuan

menurunkan total waktu makespan dan menunjukkan performansi yang lebih

baik berdasarkan nilai makespan dan waktu komputasi jika dibandingkan dengan

algoritma lain.

Sehingga pada penelitan ini diterapkan metode Cross Entropy - Genetic

Algorithm untuk diterapkan pada kasus penjadwalan flow shop dengan

mengoptimalkan makespany ang diharapkan dapat meminimasi waktu proses

sehingga akan meningkatkan efisiensi utilitas produksi.

1.2. PerumusanMasalah

Berdasarkan latar belakang yang telah diuraikan sebelumnya,

Permasalahan yang dialami oleh PT. Florindo Makmur adalah keterlambaatan

pengiriman produk dikarenakan pelaksanaan penjadwalan produksi perusahaan.

.

1.3. TujuandanManfaat

Tujuanumumpenelitianiniadalahuntuk memperbaiki dan merancang

penjadwalan produksi untuk mendapatkan urutan pengerjaan job yang efisien

dengan mengurangi total waktu produksi yang dibutuhkan untuk menyelesaikan

(7)

Tujuan khusus yang ingin dicapai dalam penelitian tugas akhirini adalah:

1. Mendapatkan nilai total waktu penyelesaian seluruh job (makespan)

berdasarkan metode perusahaan dengan metode Algoritma Cross

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.

(8)

a. Perusahaan dapat menjadikan laporan penelitian mahasiswa sebagai

masukan untuk perbaikan yang bermanfaat untuk meningkatkan

produktivitas perusahaan sesuai dengan hasil pengamatan yang dilakukan.

b. Sebagai salah satu sarana pertimbangan bagi perusahaan dalam hal

penilaian kualitas mahasiswa yang pada akhirnya berhubungan pada

penerimaan tenaga kerja fresh graduate.

1.4. Batasan Masalah dan Asumsi

Batasan-batasan yang digunakan dalam penelitian ini adalah :

1. Tidak dilakukan analisis biaya.

2. Pengamatan dilakukan pada produk yang dihasilkan PT. Florindo Makmur

yaitu tepung tapioka.

3. Data permintaan yang digunakan sebagai objek penelitian adalah data

permintaan dan data keterlambatan periode Maret 2016 hingga Februari 2017.

Asumsi-asumsi yang digunakan dalam penelitiana dalah :

1. Tidak adanya mesin yang rusak ketika melakukan operasi.

2. Produksi berjalan normal

3. Tidak dilakukan penambahan atau pengurangan terhadap mesin-mesin atau

peralatan produksi sehingga kondisinya adalah tetap sama dengan keadaan

sekarang.

4. Pembatalan suatu job tidak boleh terjadi.

5. Tidak ada job sisipan.

(9)

7. Operator dianggap telah menguasai pekerjaannya dalam proses produksi

produk.

1.5. Sistematika Penulisan Laporan

Sistematika yang digunakan dalam penulisan laporan tugas sarjana adalah

sebagai berikut:

Bab I Pendahuluan, menguraikan latar belakang permasalahan yang

mendasari dilakukannya penelitian, perumusan permasalahan, tujuan dan manfaat

penelitian, batasan dan asumsi yang digunakan dalam penelitian serta sistematika

penulisan laporan penelitian.

Bab II Gambaran Umum PT. Florindo Makmur yang menguraikan sejarah

perusahaan, visi dan misi perusahaan, proses produksi, struktur organisasi dan

uraian tugas.

Bab III Landasan Teori, menguraikan teori-teori yang digunakan dalam

analisis pemecahan masalah. Teori-teori ini meliputi teori tentang penjadwalan,

klasifikasi penjadwalan, kriteria penjadwalan, algoritma cross entropy,

algoritmagentik, dan pengukuran waktu. Sumber teori atau literatur yang

digunakan berupa buku, jurnal penelitian dan tugass arjana mahasiswa yang

pernah mengangkat topik permasalahan yang sama.

Bab IV Metodologi Penelitian, menjelaskan langkah-langkah penelitian

yang dilaksanakan yaitu meliputi penentuan lokasi penelitian, jenis penelitian,

(10)

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

Gambar

Tabel 1.1. Data KeterlambatanPengirimanPeriodeMaret 2016 –

Referensi

Dokumen terkait

Salah satu fasilitas produksi adalah mesin untuk melakukan suatu pekerjaan dengan menentukan urutan proses produksi suatu produk yang tepat agar dapat meminimalkan

Hasil penelitian untuk order bulan April 2016 menunjukkan makespan yang diperoleh dengan metode aktual perusahaan yaitu metode FCFS adalah 2166,92 jam dan

Hal ini juga didukung oleh penelitian terdahulu dengan menggunakan metode Cross Entropy-Genetic Algorithm (CEGA) pada kasus penjadwalan job shop dalam meminimasi makespan

Pendekatan Algoritma Cross Entropygenetic Algorithm untuk Menurunkan Makespan pada Penjadwalan Flow Shop. Ergonomi Studi Gerak

Penjadwalan flowshop dengan fungsi tujuan meminimalkan total waktu proses (makespan) untuk setiap job dari n job pada m mesin dengan urutan tertentu agar batas waktu yang

Berdasarkan penelitian yang telah banyak dilakukan sebelumnya, permasalahan dalam mengurangi waktu produksi pada kasus penjadwalan flow shop yang menggunakan metode Cross Entropy

job dibangkitkan secara random. 3) Perhitungan fungsi tujuan, dihitung berdasarkan nilai makespan. 4) Penentuan sampel elit, maka nilai makespan dari semua sampel diurutkan

Sedangkan pada penjadwalan produksi tipe flowshop umum adalah setiap produk harus melalui mesin produksi yang sama dengan urutan yang sama dan alur yang sama,