• Tidak ada hasil yang ditemukan

Usulan Perbaikan Lintasan Produksi Produk Kemeja Lengan Panjang Dewasa Dalam Upaya Mencapai Target Produksi Dengan Menggunakan Algoritma Genetika (Studi Kasus Di CV.Surya Advertising & T-Shirt, Bandung).

N/A
N/A
Protected

Academic year: 2017

Membagikan "Usulan Perbaikan Lintasan Produksi Produk Kemeja Lengan Panjang Dewasa Dalam Upaya Mencapai Target Produksi Dengan Menggunakan Algoritma Genetika (Studi Kasus Di CV.Surya Advertising & T-Shirt, Bandung)."

Copied!
45
0
0

Teks penuh

(1)

i Universitas Kristen Maranatha

ABSTRAK

“CV SURYA ADVERTISING & T’SHIRT” merupakan perusahaan yang

bergerak di bidang industri garment. Jenis produk yang diproduksi perusahaan meliputi kemeja lengan panjang, kemeja lengan pendek, kaos oblong, kaos wangki, polo shirt, celana training, jaket, dll. Produk yang diproduksi secara mass production oleh perusahaan ini adalah kemeja lengan panjang dewasa, sedangkan produk lainnya tergantung dari pesanan konsumen (make to order). Objek pengamatan penulis adalah produk kemeja lengan panjang dewasa. Adapun masalah yang terjadi dalam perusahaan adalah tidak tercapainya target produksi yang dikarenakan ketidakseimbangan pembagian tugas antar stasiun kerja. Dari pengamatan terlihat adanya tumpukan barang setengah jadi (WIP inventory) di beberapa stasiun kerja, sedangkan stasiun kerja lainnya terlihat idle. Oleh karena itu penulis mengusulkan penyeimbangan beban kerja antar stasiun kerja yang diharapkan dapat meningkatkan kapasitas produksi sehingga target produksi dapat tercapai. Target produksi yang ditetapkan perusahaan adalah sebesar 1000 unit produk/minggunya.

Dalam melakukan penyeimbangan lintasan produksi, penulis terlebih dahulu melakukan pengukuran waktu siklus dari tiap elemen kerja, kemudian dilakukan uji normal, seragam dan cukup. Waktu siklus yang telah diuji diberikan faktor penyesuaian dan kelonggaran untuk memperoleh waktu baku. Selanjutnya penulis membuat peta proses operasi (OPC) sebagai dasar pembuatan precedence diagram. Penulis melakukan penyeimbangan lintasan dengan menggunakan 3 alternatif metode yaitu metode Helgeson-Birnie Approach (Rank Positional Weight/RPW), metode Kilbridge-Wester Heuristic (Region Approach) dan metode Algoritma Genetika. Dimana penulis membuat software Algoritma Genetika dengan tujuan untuk mempersingkat waktu perhitungan. Software yang telah dibuat di uji validasi terlebih dahulu dengan membandingkan hasil perhitungan software dengan hasil perhitungan manual.

(2)

v Universitas Kristen Maranatha

Daftar Lampiran... xii BAB 1 PENDAHULUAN

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

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

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

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

2.3 Pengertian Line Balancing……… 2-11

2.4 Istilah-istilah Dalam Line Balancing………... 2-11

2.5 Batasan-batasan Yang Terdapat Dalam Line Balancing……… 2-13 2.6 Ukuran Kinerja Dalam Line Balancing……… 2-14

(3)

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

2.8 Metode Algoritma Genetika (GA)……… 2-17

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

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

2.11 Operator Genetik………..……… 2-20

BAB 3 METODOLOGI PENELITIAN

3.1Studi Pendahuluan……… 3-1

3.2Identifikasi Masalah………. 3-1

3.3Pembatasan Masalah Dan Asumsi……… 3-1

3.4Perumusan Masalah……….. 3-4

3.5Tujuan Penelitian……….. 3-4

3.6Studi Pustaka……… 3-4

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

3.8Pengumpulan Data……….... 3-5

3.9Pengolahan Data………... 3-5

3.10 Analisis Data……….. 3-20

3.11 Kesimpulan dan Saran……… 3-20

BAB 4 PENGUMPULAN DATA

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

4.8Stasiun Kerja Kondisi Perusahaan……….……… 4-9

4.9Layout Pabrik………. 4-10 BAB 5 PENGOLAHAN DAN ANALISIS DATA

5.1 Pengolahan Data………... 5-1

(4)

vii Universitas Kristen Maranatha 5.1.1.1 Pengujian Kenormalan Data... 5-1 5.1.1.2 Pengujian Keseragaman Data... 5-3 5.1.1.3 Pengujian Kecukupan Data... 5-4 5.1.2 Perhitungan Waktu Baku……….………. 5-6

5.1.2.1 Penyesuaian………... 5-6

5.1.2.2 Kelonggaran………... 5-8

5.1.2.3 Waktu Baku………... 5-9 5.1.3 Lintasan Produksi Saat Ini ……… 5-10

5.1.4 Tahapan Penyeimbangan Lintasan Produksi………. 5-11 5.1.4.1 Tahapan Penyeimbangan Lintasan Helgeson-Birnie

Approach (RPW)………..… 5-11 5.1.4.2 Tahapan Penyeimbangan Lintasan Kilbridge-Wester Heuristic (Region Approach)……….. 5-15 5.1.4.3 Tahapan Penyeimbangan Lintasan Algoritma

Genetika (GA)……….... 5-19

5.1.5 Pembentukan Lintasan Baru Berdasarkan Jam

Kerja Pemerintah ……….. 5-21

5.1.6 Laju Aliran Lintasan Produksi………..………. 5-23 5.1.6.1 Laju Aliran Algoritma Genetika………. 5-23 5.1.6.2 Laju Aliran Sesuai Jam Kerja Pemerintah……....5-25 5.1.7 Penentuan Metode Penyeimbangan Lintasan

5.2.3 Analisis Metode Penyeimbangan Lintasan Usulan... 5-29 5.2.4 Analisis Perbandingan Metode Perusahaan Dengan

Metode Usulan Terpilih………... 5-30 5.2.5 Analisis Keunggulan Dan Kelemahan Metode Yang

(5)

viii Universitas Kristen Maranatha 5.2.6 Analisis Penyeimbangan Lintasan Baru Berdasarkan

Jam Kerja Pemerintah..………. 5-31

BAB 6 KESIMPULAN DAN SARAN

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

DAFTAR PUSTAKA……… xi

(6)

ix Universitas Kristen Maranatha

4.4 Data Waktu Siklus Tiap Elemen Kerja 4-9

5.1 Uji Normal Elemen Kerja 01 5-1

5.2 Ringkasan Uji Kenormalan Data 5-2

5.3 Uji Keseragam Elemen Kerja 01 5-4

5.4 Ringkasan Uji Keseragaman Data 5-5

5.5 Ringkasan Uji Kecukupan Data 5-6

5.6 Faktor Penyesuaian 5-8

5.7 Faktor Kelonggaran 5-10

5.8 Perhitungan Waktu Baku 5-12

5.9 Efisiensi Lintasan Saat ini 5-16

5.10 Pembobotan Setiap Elemen Kerja 5-19

5.11 Pengurutan PW Setiap Elemen Kerja 5-21

5.12 Penugasan Elemen Kerja Metode RPW 5-22

5.13 Efisiensi Lintasan Total Metode RPW 5-23

5.14 Pembagian Region Elemen Kerja 5-26

5.15 Penugasan Setiap Elemen Kerja Metode Region 5-27

5.16 Efisiensi Lintasan Total Metode Region 5-28

5.17 Efisiensi Lintasan Total Metode Algoritma Genetika 5-31 5.18 Perbandingan Efisiensi dan Kapasitas Produksi Lintasan

Antar Metode 5-32

5.19 Perbandingan Lintasan Saat Ini Dengan Metode Usulan

(7)

x Universitas Kristen Maranatha

DAFTAR TABEL

Tabel Nama Tabel Halaman

5.20 Perbandingan Jumlah Mesin Saat Ini Dengan Metode

Usulan 5-33

5.21 Efisiensi Lintasan Total Metode Algoritma Genetika

(8)

xi Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar Nama Gambar Halaman

2.1 Proses Seleksi Dengan Regular Sampling Space 2-29 2.2 Proses Seleksi Dengan Enlarge Sampling Space 2-30

3.1 Flowchart Penelitian 3-2

3.2 Flowchart Pengolahan Data dan Analisis 3-5 3.3 Flowchart Uji Normal, Seragam Dan Cukup 3-6 3.4 Langkah-Langkah Metode Helgeson-Birnie Approach

(Rank Positional Weight/RPW) 3-8

3.5 Langkah-Langkah Metode Kilbridge-Wester Heuristic

(Region Approach) 3-9

3.6 Langkah-langkah Algoritma Genetika 3-10

3.7 Flowchart Proses Encoding Awal 3-11

3.8 Flowchart Proses Decoding 3-14

3.9 Flowchart Proses Crossover 3-16

3.10 Flowchart Proses Mutasi 3-19

3.11 Flowchart Proses Seleksi 3-23

4.1 Struktur Organisasi Perusahaan 4-2

4.2 Kemeja Lengan Panjang Dewasa 4-3

4.3 Mesin Yang Diamati 4-4

4.4 Layout Pabrik Lantai 1 4-5

4.5 Layout Pabrik Lantai 2 4-5

4.6 Skema Aliran Proses Antar Stasiun Kerja Lintasan Produksi

Saat Ini 4-7

5.1 Kurva Wilayah Kritis Elemen Kerja 01 5-2

5.2 Uji Keseragaman Elemen Kerja 01 5-4

(9)

xii Universitas Kristen Maranatha

DAFTAR GAMBAR

Gambar Nama Gambar Halaman

5.4 Precedence Diagram Kemeja Lengan Panjang Dewasa 5-15

5.5 Penetapan Region Predence Diagram 5-25

5.6 Skema Aliran Proses Antar Stasiun Kerja Lintasan Produksi

Usulan 5-37

5.7 Layout Usulan 5-38

(10)

xiii Universitas Kristen Maranatha

DAFTAR LAMPIRAN

Lampiran Judul Halaman

A Perhitungan Algoritma Genetika Pada Simple Case

Secara Manual A – 1

B Hasil Simple Case Menggunakan Software B – 1

(11)

LAMPIRAN A

Perhitungan Algoritma Genetika Pada

(12)

Lampiran A-1 Simple Case

Contoh kasus line balancing :

Target produksi : 1200 unit/hari Jam kerja : 8 jam kerja/hari

Waktu siklus (C) = waktu kerja yang tersedia

target produksi =

8 ∗ 6

= 24 detik Parameter algoritma genetika :

 Ukuran populasi = 4

 Jumlah generasi = 2

 Probabilitas crossover (Pc) = 0.95

(13)

Lampiran A-2

Langkah-langkah pengerjaan simple case secara manual adalah :

Langkah 1 : Menentukan Encoding generasi ke-0

Dalam proses encoding ini terbentuk 4 buah kromosom sebagai populasi awal sesuai dengan ukuran populasi yang telah ditentukan di awal.

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

 Waktu setiap stasiun kerja tidak boleh melebihi waktu siklus aktual.

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

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

Berikut ini adalah kromosom-kromosom yang terbentuk :

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

1. Kromosom 1

Kerja Mesin Operasi Ti Cum Ti

(14)

Lampiran A-3 2. Kromosom 2

3. Kromosom 3

Stasiun

Kerja Mesin Operasi Ti Cum Ti

13 6 6

Kerja Mesin Operasi Ti Cum Ti

(15)

Lampiran A-4 4. Kromosom 4

Langkah 2 : Menghitung Decoding

Ukuran dari fitness value yang digunakan adalah efisiensi lintasan total (ELT), sebab dengan semakin besarnya nilai ELT, maka suatu lintasan produksi dapat dikatakan lebih efisien.

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

Stasiun

Kerja Mesin Operasi Ti Cum Ti

13 6 6

Kerja Mesin Operasi Ti Cum Ti

(16)

Lampiran A-5 2. Kromosom 2

3. Kromosom 3

Stasiun

Kerja Mesin Operasi Ti Cum Ti

Efisiensi

Kerja Mesin Operasi Ti Cum Ti

(17)

Lampiran A-6 4. Kromosom 4

Langkah 3 : Melakukan Crossover

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

 Menetapkan probabilitas crossover (Pc).

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

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

 Menentukan pasangan parent yang akan di crossover secara acak.

 Tentukan crossing site secara acak dengan menggunakan metode partial-mapped crossover, kemudian tukarkan nilai yang ada dalam crossing site tersebut pada masing-masing pasangan parent.

 Kromosom baru hasil proses crossover dinamakan offspring crossover. Bilangan random untuk Pc kromosom 1 : 0.478

Bilangan random untuk Pc kromosom 2 : 0.547 Bilangan random untuk Pc kromosom 3 : 0.248 Bilangan random untuk Pc kromosom 4 : 0.765

Stasiun

Kerja Mesin Operasi Ti Cum Ti

(18)

Lampiran A-7

Bilangan random yang diperoleh untuk crossing site pasangan kromosom 1 dan 3 adalah : 5 dan 9.

Bilangan random yang diperoleh untuk crossing site pasangan kromosom 2 dan 4 adalah : 5 dan 8.

Hasil crossover dari kedua pasangan kromosom tersebut adalah :

Suatu kromosom dikatakan valid apabila kromosom tersebut memenuhi kriteria sebagai berikut :

 Waktu proses total setiap stasiun kerja ≤ waktu siklus aktual.

 Semua elemen kerja dalam satu stasiun kerja menggunakan jenis mesin yang sama.

 Tidak melanggar precedence diagram.

Offspring crossover kromosom 1 dikatakan tidak valid, karena stasiun 2 melanggar precedence diagram, dimana elemen kerja O–13 dan O-14 menggunakan mesin B sedangkan elemen kerja O-6, O-8, dan O-9 menggunakan mesin A. Offspring crossover kromosom 2 juga dikatakan tidak valid, karena waktu stasiun 2 melebihi waktu siklus aktual yang ada. Sedangkan offspring crossover kromosom 3 juga dikatakan tidak valid, karena waktu stasiun 1

melebihi waktu siklus aktual yang ada.

(19)

Lampiran A-8

Berikut adalah hasil dari Offsrping Crossover Kromosom 4:

Langkah 4 : Menghitung Decoding

Decoding hasil crossover generasi ke-1 yang valid adalah Offspring crossover Kromosom 4.

Stasiun

Kerja Mesin Operasi Ti Cum Ti

13 6 6

Kerja Mesin Operasi Ti Cum Ti

(20)

Lampiran A-9

Langkah 5 : Melakukan Mutasi

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

 Menetapkan probabilitas mutasi (Pm).

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

 Jika bilangan random lebih kecil dari Pm, maka kromosom tersebut mengalami mutasi.

 Proses mutasi dilakukan menggunakan metode order-based mutation, dengan ketentuan sebagai berikut :

 Jika nilai bilangan random lebih kecil atau sama dengan ½ Pm, maka kurangi nilai gen dengan satu. Jika nilai gen tersebut adalah satu, maka tambahkan nilai gen tersebut dengan satu.

 Jika nilai bilangan random lebih besar dari ½ Pm hingga nilai Pm, maka tambahkan nilai gen tersebut dengan satu.

 Kromosom baru hasil proses mutasi dinamakan offspring mutasi.

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

Semua kromosom tidak mengalami mutasi, karena nilai setiap bilangan randomnya lebih besar dari nilai Pm yakni 0.01.

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

0,780 0,591 0,205 0,350 0,499 0,297 0,126 0,688 0,437 0,765 0,615 0,369 0,472 0,924 0,318

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

0,781 0,569 0,526 0,162 0,993 0,385 0,331 0,888 0,578 0,476 0,869 0,029 0,872 0,682 0,673

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

0,635 0,931 0,396 0,128 0,163 0,299 0,225 0,036 0,060 0,447 0,153 0,259 0,141 0,650 0,150

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

0,990 0,744 0,658 0,342 0,889 0,959 0,592 0,450 0,379 0,191 0,205 0,377 0,053 0,380 0,369

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

(21)

Lampiran A-10

Langkah 6 : Menghitung Decoding

Hasil dari offspring mutasi yang valid, dihitung decodingnya. Pada contoh kasus yang dihitung oleh penulis, tidak ada kromosom yang mengalami mutasi, maka tidak dilakukan perhitungan decoding untuk hasil mutasi.

Langkah 7 : Melakukan seleksi generasi 1

Hasil efisiensi total dari setiap kromosom yang valid adalah:

Karena ukuran populasi adalah 4, maka kromosom yang dipilih untuk dilakukan generasi ke-2 adalah 4 buah hasil kromosom terbaik.

Untuk kasus ini, kromosom yang dipilih adalah :

Langkah 8 : Melakukan Crossover untuk generasi 2

Bilangan random untuk Pc kromosom 1 : 0.793 Bilangan random untuk Pc kromosom 3 : 0.852 Bilangan random untuk Pc kromosom 4 : 0.392

Bilangan random untuk Pc offspring crossover kromosom 4 : 0.861

No Kromosom Efisiensi Lintasan

1 Kromosom 1 73,81%

2 Kromosom 2 70,45%

3 Kromosom 3 77,50%

4 Kromosom 4 73,81%

5 Offspring Crossover Kromosom 4 77,50%

No Kromosom Efisiensi Lintasan

1 Kromosom 1 73,81%

2 Kromosom 3 77,50%

3 Kromosom 4 73,81%

(22)

Lampiran A-11

Bilangan random yang diperoleh untuk crossing site pasangan kromosom 1 dan 3 adalah : 12 dan 15.

Bilangan random yang diperoleh untuk crossing site pasangan kromosom 4 dan offspring crossover 4 adalah : 6 dan 9.

Hasil crossover dari kedua pasangan kromosom tersebut adalah :

Suatu kromosom dikatakan valid apabila kromosom tersebut memenuhi kriteria sebagai berikut :

 Waktu proses total setiap stasiun kerja ≤ waktu siklus aktual.

 Semua elemen kerja dalam satu stasiun kerja menggunakan jenis mesin yang sama.

 Tidak melanggar precedence diagram.

(23)

Lampiran A-12

Hasil offspring crossover kromosom yang valid adalah sebagai berikut : 1. Offspring Crossover Kromosom 4 Generasi ke-2

2. Offspring Crossover OC Kromosom 4 Generasi ke-2

Stasiun

Kerja Mesin Operasi Ti Cum Ti

13 6 6

Kerja Mesin Operasi Ti Cum Ti

(24)

Lampiran A-13

Langkah 9 : Menghitung Decoding

Decoding hasil crossover generasi ke-2 yang valid adalah : 1. Offspring crossover Kromosom 3 Generasi 2

2. Offspring crossover Kromosom 4 Generasi 2

Stasiun

Kerja Mesin Operasi Ti Cum Ti

Efisiensi

Kerja Mesin Operasi Ti Cum Ti

(25)

Lampiran A-14

Langkah 10 : Melakukan Mutasi generasi 2

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

 Menetapkan probabilitas mutasi (Pm).

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

 Jika bilangan random lebih kecil dari Pm, maka kromosom tersebut mengalami mutasi.

 Proses mutasi dilakukan menggunakan metode order-based mutation, dengan ketentuan sebagai berikut :

 Jika nilai bilangan random lebih kecil atau sama dengan ½ Pm, maka kurangi nilai gen dengan satu. Jika nilai gen tersebut adalah satu, maka tambahkan nilai gen tersebut dengan satu.

 Jika nilai bilangan random lebih besar dari ½ Pm hingga nilai Pm, maka tambahkan nilai gen tersebut dengan satu.

 Kromosom baru hasil proses mutasi dinamakan offspring mutasi.

Langkah 11 : Menghitung Decoding

Hasil dari offspring mutasi yang valid, dihitung decodingnya. Pada contoh kasus yang dihitung oleh penulis, tidak ada kromosom yang mengalami mutasi, maka tidak dilakukan perhitungan decoding untuk hasil mutasi.

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

0,243 0,182 0,377 0,327 0,848 0,354 0,136 0,862 0,930 0,650 0,229 0,417 0,153 0,426 0,386

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

0,686 0,565 0,285 0,787 0,293 0,316 0,705 0,732 0,135 0,065 0,344 0,100 0,666 0,534 0,189

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

0,550 0,509 0,104 0,981 0,162 0,624 0,673 0,763 0,565 0,320 0,901 0,535 0,709 0,697 0,840

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

0,794 0,923 0,429 0,409 0,219 0,130 0,762 0,399 0,982 0,612 0,409 0,606 0,403 0,394 0,291

OC Kromosom 4 Generasi 2 2 2 3 2 3 3 5 3 4 4 5 5 1 1 6

0,467 0,102 0,161 0,752 0,418 0,165 0,525 0,691 0,192 0,960 0,125 0,984 0,326 0,859 0,417

OC OC Kromosom 4 Generasi 2 2 2 3 2 3 4 5 2 4 4 5 5 1 1 6

(26)

Lampiran A-15

Langkah 12 : Melakukan seleksi generasi 2

Hasil efisiensi total dari setiap kromosom yang valid adalah:

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

Maka kromosom yang terpilih adalah yang memiliki efisiensi lintasan total terbesar yaitu Kromosom 3 dan offspring Crossover Kromosom 4 yaitu sebesar 77,50%. Sesuai dengan hasil software yang dihasilkan lintasan yang dipilih adalah Offspring Crossover Kromosom 4

No Kromosom Efisiensi Lintasan

1 Kromosom 1 73,81%

2 Kromosom 3 77,50%

3 Kromosom 4 73,81%

4 Offspring Crossover Kromosom 4 77,50% 5 OC Kromosom 4 Generasi 2 64,59% 6 OC OC Kromosom 4 Generasi 2 73,81%

No Kromosom Efisiensi Lintasan

1 Kromosom 3 77,50%

2 Offspring Crossover Kromosom 4 77,50%

3 Kromosom 4 73,81%

(27)

LAMPIRAN B

Hasil Simple Case Menggunakan

(28)

Lampiran B-1

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

Keterangan :

 Pada generasi ke-1, terlihat penulisan C 2&4 – 5&8, yang berarti : kromosom 2 dan 4 dari hasil generasi ke-0 (encoding) dilakukan proses crossover dengan nilai crossing site adalah 5 dan 8.

 Pada generasi ke-2, terlihat penulisan C 4&3 – 6&8, yang berarti : kromosom 4 dan 3 dari hasil generasi ke-1 (encoding) dilakukan proses crossover dengan nilai crossing site adalah 6 dan 8.

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

Dari tabel rangkuman hasil output software, terlihat bahwa nilai efisiensi tertinggi adalah sebesar 77,50% dengan susunan kromosom sebagai berikut :

Generasi Populasi Efisiensi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

Kerja Mesin Operasi Ti Cum Ti

(29)

LAMPIRAN C

Langkah-langkah Penggunaan

(30)

Lampiran C-1

Langkah-langkah untuk menyelesaikan kasus efisiensi lintasan perusahaan menggunakan software yang telah dibuat, adalah sebagai berikut :

1. Tampilan awal dari software

Pada tampilan awal ini terdiri dari 2 bagian yaitu: Input product dan Proses. Pilih menu ”input product untuk menginput data awal yang dibutuhkan untuk proses perhitungan dan penyeimbangan lintasan produksi. Setelah mengisi ”input product”, pilih menu ”proses” untuk menjalankan progam tersebut serta menampilkan hasilnya .

2. Pilih menu input product

Pada input product akan menampilkan suatu jendela input seperti : target produksi, jumlah jam kerja, jenis operasi, jenis mesin yang digunakan, operasi pendahulu, operasi pengikut, dan waktu operasi.

(31)

Lampiran C-2

Langkah 1 :

 Pada kolom input produk berisi jumlah elemen kerja yang diinginkan (disesuaikan dengan peta proses operasi yang diamati)

 Kemudian mengisi jumlah produksi atau target produksi yang ingin dicapai.

 Lalu pilih simpan produk.

Langkah 2 :

 Pada kolom input mesin, kita melakukan input terhadap semua jenis mesin yang akan digunakan dalam proses produksi semua elemen kerja tersebut.

 Setiap memasukkan nama mesin, pilih menu simpan mesin.

(32)

Lampiran C-3

Langkah 3 :

 Jumlah elemen kerja akan ditampilkan sesuai dengan angka yang dimasukkan ke jumlah operasi pada input produk.

 Lakukan pengisian pada nama operasi.

 Operasi pendahulu (Predecessor) merupakan no. operasi pendahulu dari jenis operasi yang bersangkutan sesuai dengan urutan dalam precedence diagram.

 Operasi pengikut (followers) merupakan no. operasi pengikut dari jenis operasi yang bersangkutan sesuai dengan urutan dalam precedence diagram.

 Waktu proses merupakan waktu dari elemen kerja.

 Jenis mesin dipilih berdasarkan operasi yang menggunakan jenis mesin tersebut.

Langkah 4 :

(33)

Lampiran C-4

 Setelah data disimpan, keluar (exit) ke menu utama dan pilih menu proses.

Cara melakukan proses data adalah sebagai berikut :

Langkah 1 :

 Melakukan load case dengan mengetik nama file yang sama saat di save kasus pada menu input product.

(34)

Lampiran C-5

Langkah 2 :

 Melakukan load parameter pada algoritma genetika.

 Melakukan input terhadap jumlah generasi dan jumlah populasi yang diinginkan.

 Menentukan probabilitas crossover (Pc) dan probabilitas mutasi (Pm).

 Menyimpan (save) parameter genetika algoritma yang digunakan untuk memproses data.

Langkah 3 :

 Melakukan proses untuk mendapatkan efisiensi lintasan tertinggi.

 Replikasi berguna untuk melakukan pengulangan proses data dengan menggunakan parameter yang sama, sesuai dengan yang kita inginkan.

Berdasarkan penugasan elemen kerja ke dalam stasiun kerja menggunakan software genetika algoritma (GA) yang diusulkan, dengan menggunakan parameter sebagai berikut :

 Ukuran populasi : 30

 Jumlah generasi : 300

 Probabilitas Crossover (Pc) : 0.95

(35)

Lampiran C-6

Maka didapatkan efisiensi lintasan total yang paling tinggi adalah sebesar 73,66%, dengan susunan kromosom adalah sebagai berikut :

Stasiun

4 Menjahit bagian depan kanan 55,78

7 Menjahit tutup saku kanan 56,87

5 Menjahit saku kanan 44,52

10 Menjahit Bagian depan kiri 56,01

11 Menjahit saku kiri 46,07

2 Menyambung badan belakang atas bagian depan dengan badan

belakang atas bagian belakang 43,21

12 Memasang saku kiri 98,43

18 Menyetrika kain keras untuk scoder tangan kanan 8,22 22 Menyetrika kain keras untuk manset tangan kanan 8,22 26 Menyetrika kain keras untuk scoder tangan kiri 10,57 30 Menyetrika kain keras untuk manset tangan kiri 10,57

36 Menyetrika kain keras untuk kaki kerah 8,63

38 Menyetrika kain keras untuk daun kerah 8,57

6 Memasang saku kanan 98,84

13 Menjahit tutup saku kiri 58,77

8 Memasang tutup saku kanan 28,60

14 Memasang tutup saku kiri 28,16

27 Menjahit scoder tangan kiri 31,97

31 Menjahit manset tangan kiri 38,89

39 Menjahit daun kerah 20,12

3 Menyambung badan belakang atas dan badan belakang bawah 30,83

9 Mengobras Bahu kanan 30,7

15 Mengobras bahu kiri 30,78

19 Menjahit scoder tangan kanan 31,97

23 Menjahit manset tangan kanan 38,89

37 Menjahit kaki kerah 20,15

40 Merakit kerah 66,55

16 Menjahit scoder tangan kanan 100,65

28 Memasang scoder tangan kiri 42,13

17 Memasang panel kanan 100,95

29 Menjahit tangan kiri 49,45

20 Memasang scoder tangan kanan 42,13

32 Memasang manset tangan kiri 108,35

21 Menjahit tangan kanan 49,45

24 Memasang manset tangan kanan 108,35

25 Memasang tangan kanan ke badan 34,95

33 Memasang tangan kiri ke badan 36,23

34 Mengobras samping kiri 38,95

35 Mengobras samping kanan 39,00

41 Memasang kerah 83,98

42 Klem bagian bawah 40,00

15 43 Mengobras keseluruhan bagian depan Obras 77,12 77,12 48,87%

16 44 Mengobras keseluruhan bagian dalam Obras 120,86 120,86 76,59%

17 45 Memasang lubang kancing Pelubang kancing 100,83 100,83 63,90%

18 46 Memasang kancing Pasang kancing 98,43 98,43 62,38%

19 47 Inspeksi jahitan Manual 41,05 41,05 26,01%

20 48 Menyetrika pakaian jadi Steam 67,68 67,68 42,89%

21 49 Dipacking Manual 26,12 26,12 16,55%

(36)

KOMENTAR DOSEN PENGUJI

Nama Mahasiswa : Vincent Nataprawira

NRP : 0923048

Judul Tugas Akhir : Usulan Perbaikan Lintasan Produksi Produk Kemeja Lengan Panjang Dewasa Dalam Upaya Mencapai Target Produksi Dengan Menggunakan Algoritma Genetika (Studi Kasus Di CV Surya Advertising And T-Shirt, Bandung)

Dosen : Ir. Heru Susilo, M.Sc.

Komentar-Komentar Dosen Penguji:

1. Saran yang ditulis harus dapat dipahami dan dimengerti dengan jelas oleh pengelola perusahaan: apa saja dan upaya-upaya apa saja yang harus dilakukan oleh perusahaan agar dapat memperbaiki kekurangan maupun kelemahan proses kerja/produksi yang ada diperusahaan saat ini

2. Saran yang ditulis belum menjawab “point 1” diatas. Saran harus menjabarkan hasil analisa yang telah dibuat, dalam bentuk oprasional upaya-upaya perbaikan yang harus dilakukan.

(37)

KOMENTAR DOSEN PENGUJI

Nama Mahasiswa : Vincent Nataprawira

NRP : 0923048

Judul Tugas Akhir : Usulan Perbaikan Lintasan Produksi Produk Kemeja Lengan Panjang Dewasa Dalam Upaya Mencapai Target Produksi Dengan Menggunakan Algoritma Genetika (Studi Kasus Di CV Surya Advertising And T-Shirt, Bandung)

Dosen : Santoso, S.T., M.T.

Komentar-Komentar Dosen Penguji: 1. Cek salah-salah ketik

(38)

KOMENTAR DOSEN PENGUJI

Nama Mahasiswa : Vincent Nataprawira

NRP : 0923048

Judul Tugas Akhir : Usulan Perbaikan Lintasan Produksi Produk Kemeja Lengan Panjang Dewasa Dalam Upaya Mencapai Target Produksi Dengan Menggunakan Algoritma Genetika (Studi Kasus Di CV Surya Advertising And T-Shirt, Bandung)

Dosen : Vivi Arisandhy, S.T., M.T.

(39)

1-1 Universitas Kristen Maranatha

BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Saat ini dunia industri mengalami perkembangan yang sangat pesat. Hal tersebut tentunya berdampak besar bagi setiap perusahaan, khususnya dalam hal persaingan. Salah satu cara untuk bisa memenangkan persaingan adalah dengan cara menekan biaya produksi serendah mungkin sehingga harga jual produk dapat bersaing dengan para kompetitor.

“CV SURYA ADVERTISING & T’SHIRT” merupakan perusahaan yang bergerak di bidang industri garment. Perusahaan ini terletak di jalan Ph. Mustafa no 128, Bandung. Jenis produk yang diproduksi perusahaan meliputi kemeja lengan panjang, kemeja lengan pendek, kaos oblong, kaos wangki, polo shirt, celana training, jaket, dll. Produk yang diproduksi secara mass production oleh perusahaan ini adalah kemeja lengan panjang, sedangkan produk lainnya tergantung dari pesanan konsumen (make to order).

Berdasarkan hasil wawancara dan pengamatan yang dilakukan, penulis melihat bahwa masalah yang dihadapi oleh perusahaan saat ini adalah tidak tercapainya target produksi perusahaan pada lini produksi mass production produk kemeja lengan panjang dewasa. Untuk memenuhi target produksi, perusahaan melakukan subkontak kepada perusahaan lain. Hal ini tentuya berdampak pada biaya produksi perusahaan sehingga berpengaruh pada harga jual produk.

(40)

Bab 1 Pendahuluan 1-2

Tugas Akhir Teknik Industri 2013 Universitas Kristen Maranatha

1.2 Identifikasi Masalah

Berdasarkan hasil wawancara dan pengamatan yang dilakukan, penulis melihat masalah yang terjadi dalam perusahaan adalah tidak tercapainya target produksi perusahaan pada lini produksi mass production produk kemeja lengan panjang dewasa yang dikarenakan ketidakseimbangan pembagian tugas antar stasiun kerja. Hal ini tampak dari adanya tumpukan barang setengah jadi (WIP inventory) di beberapa stasiun kerja, sedangkan stasiun kerja lainnya terlihat idle.

Melalui Tugas Akhir ini, penulis berharap dapat membantu pihak perusahaan dalam menyelesaikan masalah yang ada dengan dilakukannya penyeimbangan di lintasan produksi.

1.3 Pembatasan Masalah dan Asumsi

Pembatasan masalah dan asumsi dilakukan agar luang lingkup permasalahan lebih terfokus dan tidak terlalu luas.

Pembatasan masalah yang dilakukan dalam penelitian adalah:

1. Periode pengukuran waktu siklus : 20-08-2012 s/d 30-08-2012 Asumsi yang digunakan dalam penelitian ini adalah:

1. Mesin yang digunakan dalam kondisi baik 2. Tidak dilakukan penambahan mesin

3. Bahan baku yang digunakan selalu tersedia

(41)

Bab 1 Pendahuluan 1-3

Tugas Akhir Teknik Industri 2013 Universitas Kristen Maranatha

1.4 Perumusan Masalah

Adapun perumusan masalah yang hendak diteliti adalah:

1. Apa kelemahan dari lintasan produksi yang diterapkan perusahaan saat ini? 2. Metode apa yang sebaiknya digunakan perusahaan untuk melakukan

penyeimbangan lintasan produksi saat ini?

3. Manfaat apa saja yang bisa diperoleh perusahaan dari penerapan metode penyeimbangan lintasan produksi yang diusulkan?

1.5 Tujuan Penelitian

Berdasarkan rumusan masalah, maka tujuan penelitian ini adalah:

1. Mengidentifikasi kelemahan dari lintasan produksi yang telah diterapkan oleh perusaan saat ini.

2. Mengusulkan metode penyeimbangan lintasan yang sebaiknya digunakan oleh pihak perusahaan.

3. Mengemukakan manfaat penerapan metode penyeimbangan lintasan produksi yang diusulkan.

1.6 Sistematika Penulisan

Sistematika penulisan yang dilakukan penulis dalam melakukan penelitian ini adalah:

BAB 1 PENDAHULUAN

Bab ini berisi latar belakang masalah, identifikasi masalah, pembatasan masalah dan asumsi, perumusan masalah, tujuan dan manfaat penelitian, dan sistematika penulisan tugas akhir

BAB 2 TINJAUAN PUSTAKA

(42)

Bab 1 Pendahuluan 1-4

Tugas Akhir Teknik Industri 2013 Universitas Kristen Maranatha BAB 3 METODOLOGI PENELITIAN

Bab ini menjelaskan mengenai perincian struktur kegiatan yang harus dilakukan dalam membuat tugas akhir, mulai dari penelitian pendahuluan, pengolahan data, sampai pada kesimpulan dan saran. Dibuat dalam bentuk flowchart berikut keterangannya.

BAB 4 PENGUMPULAN DATA

Bab ini berisi data-data yang berkaitan dengan perusahaan seperti: sejarah perusahaan, struktur organisasi perusahaan, data mesin yang digunakan dan data lain nya yang diperlukan sebagai bahan penelitian tugas akhir

BAB 5 PENGOLAHAN DATA DAN ANALISIS

Pada bab ini data-data yang sudah dikumpulkan diolah dengan menggunakan metode sesuai dengan topik tugas akhir kemudian dianalisis sesuai dengan perumusan masalah.

BAB 6 KESIMPULAN DAN SARAN

(43)

6 – 1 Universitas Kristen Maranatha

BAB VI

KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan pengolahan data dan analisis yang telah dilakukan, maka penulis menyimpulkan:

1. Kelemahan dari metode yang sedang diterapkan oleh perusahaan saat ini adalah :

a. Jumlah stasiun kerja yang dibentuk sebanyak 24 stasiun kerja sehingga membutuhkan jumlah mesin dan jumlah operator yang lebih banyak.

b. Efisiensi lintasan produksi yang saat ini diterapkan perusahaan relatif rendah yaitu sebesar 44,00%.

c. Kapasitas produksi lintasan saat ini tidak mencapai target produksi yang ditentukan oleh perusahaan, dimana target produksi ditetapkan sebanyak 1000 unit/minggu, sedangkan kapasitas produksi yang dihasilkan hanya 716 unit/minggu.

2. Metode penyeimbangan lintasan yang diusulkan adalah metode Algoritma Genetika karena memiliki nilai efisiensi tertinggi, yaitu sebesar 73,66% dan jumlah stasiun kerja terkecil yaitu sebanyak 21 stasiun kerja.

3. Keunggulan dari metode Algoritma Genetika adalah:

a. Perusahaan dapat meningkatkan efisiensi lintasan produksi sebesar 29,66%.

b. Perusahaan dapat menghemat sebanyak 3 stasiun kerja.

(44)

Bab 6 Kesimpulan Dan Saran 6 - 2

Tugas Akhir Teknik Industri 2013 Universitas Kristen Maranatha 4. Hasil lintasan produksi berdasarkan aturan jam kerja pemerintah

adalah:

a. Efisiensi lintasan produksi yang dihasilkan sebesar 74,83%. b. Jumlah stasiun kerja yang terbentuk adalah 23 stasiun kerja.

c. Kapasitas produksi yang dihasilkan adalah sebesar 1015 unit/minggu

6.2 Saran

Bagi perusahaan:

1. Perusahaan sebaiknya melakukan sosialisasi mengenai perubahaan pembebanan kerja untuk masing-masing stasiun kerja dan mengadakan pelatihan bila perlukan agar pekerja dapat terbiasa dengan beban kerja yang baru sesuai dengan susunan lintasan produksi yang diusulkan.

2. Perusahaan sebaiknya menerapkan layout usulan

3. Perusahaan sebaiknya mempertimbangkan penggunaan jam kerja berdasarkan aturan pemerintah karena dengan menerapkan metode usulan berdasarkan jam kerja pemerintah target produksi tetap bisa tercapai bahkan lebih 15 unit

Bagi penelitian selanjutnya:

(45)

xi Universitas Kristen Maranatha

DAFTAR PUSTAKA

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

Ghalia Indonesia.

2. Bedworth, D.D. & J.E. Bailey, 1987, “Integrated Production Control Systems”, John Wiley & Sons, Inc, New York.

3. Blank, Leland T., 1982, “Statistical Procedures for Engineering, Management, and Science”, International Student Edition, McGraw-Hill, Tokyo.

4. Davis, Lawrence., 1991, “Handbook Of Genetic Algorithm”, New York:

Van Nostrand Reinhold.

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

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

7. Kusuma, Hendra, 2002, “Perencanaan Dan Pengendalian Produksi”,

Penerbit ANDI Yogyakarta.

8. Mitchell, Melanie, 2002, “ An Introduction To Genetic Algorithms”,

Prentice-Hall of India.

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

Gambar

Tabel
Gambar

Referensi

Dokumen terkait

kelengkapan koleksi buku (AI-1), kelengkapan koleksi karya ilmiah (AI-2), kelengkapan koleksi jurnal dan majalah (AI-3), kelengkapan koleksi surat kabar (AI-4),

This study aims to analyze the vocabulary profile of English textbook used in grade 7 in Salatiga State Junior High School 7, produce list of vocabulary that are

Maka dari hasil analisis yang sudah dilakukan dapat disimpulkan secara garis besar RS Bersalin Asih membutuhkan e-CRM yang berbasis web, dimana para pasien bias memperoleh

Ada hubungan antara pola makan dengan status gizi pada mahasiswa fakultas kedokteran Universitas Kristen Maranatha Tahun 2016..

Berdasarkan data yang diperoleh, dengan menghitung MSE, PSNR, dan MSSIM, terlihat bahwa denoising pada citra menggunakan transformasi wavelet memberikan hasil yang

SiAdin Mahasiswa yang berbasis mobile web atau selanjutnya disebut sebagai Mobile Web SiAdin Mahasiswa diharapkan dapat mengatasi pemenuhan kebutuhan informasi akademik serta

Simpulan dari penelitian eksperimen ini adalah: (1) Tidak ada perbedaan pengaruh model pembelajaran SSCS (Search Solve Create and Share) melalui metode eksperimen

[r]