PENJADWALAN PRODUKSI SARUNG TANGAN GOLF DENGAN PENDEKATAN PARTICLE SWARM OPTIMIZATION
DAN GENETIC ALGORITHM DI PT ADI SATRIA ABADI
Dika Prasisti1, Yohanes Anton Nugroho2
1,2) Jurusan Teknik Industri, Fakultas Sains dan Teknologi, Universitas Teknologi Yogyakarta Jl. Glagahsari No 63, Warungboto, Umbulharjo, Kota Yogyakarta, Daerah Istimewa Yogyakarta
55164
Email: [email protected], [email protected]
ABSTRAK
PT Adi Satria Abadi merupakan perusahaan manufaktur yang bergerak dalam produksi sarung tangan golf. Produk sarung tangan golf yang diproduksi mempunyai pasar yang luas, yaitu pasar ekspor luar negeri. Hal ini menyebabkan PT Adi Satria Abadi harus tetap mengedepankan pelayanan dan kualitas dari produk yang dihasilkan. Pelayanan yang dimaksud adalah ketepatan waktu pengiriman produk jadi sampai ke tangan konsumen.
Namun, dalam proses ini terdapat keterlambatan dalam pengiriman. Hal tersebut dapat terjadi karena terdapat brand X yang memesan produk sarung tangan sejumlah 11.880 dengan waktu selesai yaitu tanggal 22 Mei, namun sehari sebelumnya masih terdapat 1.205 produk yang belum diselesaikan. Keterlambatan dapat terjadi jika perusahaan tidak menerapkan overtime pada karyawan karena target produksi tiap hari hanya berjumlah 1000 produk. Metode penelitian yang digunakan adalah metode kuantitatif dengan menggunakan berbagai data yang mendukung, seperti data waktu proses, data mesin dan proses produksi, dan data permintaan. Penjadwalan produksi pada penelitian ini dilakukan dengan menggunakan dua metode metaheuristik, yaitu metode particle swarm optimization algorithm dan algoritma genetika. Perbandingan metode tersebut berkaitan dengan permasalahan yang ada. Perhitungan penjadwalan produksi dengan kedua metode tersebut dilakukan sesuai dengan prosedur masing-masing metode menggunakan software Matlab R2020a. Hasil dari perhitungan akan dianalisis untuk mendapatkan metode penjadwalan produksi yang paling optimal untuk menyelesaikan permasalahan yang ada. Berdasarkan pengolahan data yang dilakukan dengan dua metode yang berbeda, yaitu particle swarm optimization dan algoritma genetika didapatkan sebuah hasil penjadwalan. Hasil penjadwalan particle swarm optimization mempunyai urutan job, yaitu J1, J3, J2, J4, J5, J6 dengan makespan sebesar 273 menit. Sedangkan hasil penjadwalan produksi dengan metode algoritma genetika diperlukan waktu proses total (makespan) untuk memproduksi job dengan urutan J1, J4, J6, J5, J2, J3 sebesar 281 menit. Berdasarkan hasil makespan masing-masing metode menunjukkan bahwa hasil penjadwalan produksi dengan metode particle swarm optimization memiliki waktu lebih cepat 8 menit dibandingkan dengan metode genetic algorithm. Hal ini menyimpulkan bahwa metode particle swarm optimization merupakan metode yang paling optimal untuk penjadwalan produksi karena memiliki nilai makespan yang paling minimum.
Kata Kunci: Penjadwalan, Makespan, Particle Swarm Optimization, Algoritma Genetika
PRODUCTION SCHEDULING OF GOLF GLOVES USING PARTICLE SWARM OPTIMIZATION AND GENETIC ALGORITHM APPROACH AT PT ADI SATRIA ABADI
ABSTRACT
PT Adi Satria Abadi is a manufacturing company engaged in producing golf gloves.
Golf glove products have a broad market, namely the foreign export market. It causes PT Adi Satria Abadi to prioritize service and the quality of its products. The service in question is the timeliness of delivery of finished products to the hands of consumers. However, in this process, there is a delay in delivery. It could happen because brand X ordered 11,880 glove products with a completion date of May 22, but the day before, there were still 1,205 products that had not been completed.
Delays can occur if the company does not apply overtime to employees because the daily production target is only 1000 products. The research method used is quantitative, using various supporting data, such as processing time data, machine and production process data, and demand data. Production scheduling in this study was carried out using two metaheuristic methods: particle swarm optimization and genetic algorithms. The comparison of these methods is related to the existing problems. Production scheduling calculations with the two methods are carried out according to the procedures for each scenario using the Matlab R2020a software.
The results of the calculations will be analyzed to obtain the most optimal production scheduling method to solve existing problems. A scheduling result is obtained based on data processing carried out using two different methods, namely particle swarm optimization and genetic algorithms. The particle swarm optimization scheduling results have a job sequence, namely J1, J3, J2, J4, J5, and J6, with a makespan of 273 minutes. While the results of production scheduling using the genetic algorithm method required a total processing time (makespan) to produce jobs in the order J1, J4, J6, J5, J2, and J3 of 281 minutes. The results of each method's makespan show that the production scheduling results using the particle swarm optimization method are 8 minutes faster than the genetic algorithm method. This concludes that the particle swarm optimization is the most optimal method for the production schedule because it has the minimum makespan value.
Keywords: Scheduling, Makespan, Particle Swarm Optimization, Genetic Algorithm
DAFTAR PUSTAKA
Amin, G. R., & El-Bouri, A. (2018). A minimax linear programming model for dispatching rule selection. Computers & Industrial Engineering, 121, 27–35.
Antara Jurnalis. (2021). Lima Sektor Ekonomi Penyumbang Pertumbuhan Ekonomi
7,07%. Retrieved from
https://economy.okezone.com/read/2021/08/05/320/2451320/5-sektor-usaha- penyumbang-pertumbuhan-ekonomi-7-07
Fanggidae, A., & Lado, F. R. (2015). Algoritma Genetika dan penerapannya.
Penerbit Teknosain. Yogyakarta.
Fedrizal, Z. (2020). Penjadwalan Produksi Menggunakan Metode Theory of Constraint Untuk Meminimasi Makespan. Universitas Islam Negeri Sultan Syarif Kasim Riau.
Fontes, D. B. M. M., Homayouni, S. M., & Gonçalves, J. F. (2022). A hybrid particle swarm optimization and simulated annealing algorithm for the job shop scheduling problem with transport resources. European Journal of
Operational Research.
https://doi.org/https://doi.org/10.1016/j.ejor.2022.09.006
Habibi, R., Panjaitan, A. C., & Firdaus, M. H. (2021). Minimasi Makespan Pada Persoalan Penjadwalan Ordered Flowshop Menggunakan PSO. MES: Journal of Mathematics Education and Science, 6(2), 40–48.
Hanindia, M., Swari, P., Putra, C. A., & Handika, I. P. S. (2022). Analisis Perbandingan Algoritma Genetika dan Modified Improved Particle Swarm Optimization dalam Penjadwalan Mata Kuliah Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI | 93. 11, 92–101.
Hashim, F. A., Hussain, K., Houssein, E. H., Mabrouk, M. S., & Al-Atabany, W.
(2021). Archimedes optimization algorithm: a new metaheuristic algorithm for solving optimization problems. Applied Intelligence, 51(3), 1531–1551.
https://doi.org/10.1007/s10489-020-01893-z
Hatim, H. A., & Ahmad, F. (2022). Pendekatan Algoritma Genetika Dalam Upaya Optimalisasi Penjadwalan Di PT. Nuansa Indah. 9(2), 13–22.
Imanullah, M. A. (2017). Skripsi penjadwalan. Universitas Islam Negeri Sunan Kalijaga.
Irman, A., Febianti, E., & Khasanah, U. (2019). Minimizing makespan on flow shop scheduling using Campbel Dudek and Smith, particle swarm optimization, and proposed heuristic algorithm. IOP Conference Series: Materials Science and Engineering, 673(1). https://doi.org/10.1088/1757-899X/673/1/012099 Komarudin. (2011). No Title. Retrieved February 12, 2011, from Staff Blog UI
website: https://staff.blog.ui.ac.id/komarudin74/job-shop-scheduling- penjadwalan-job-shop/
Kulsum, K., & Utami, D. A. (2018). Usulan Perencanaan Penjadwalan Produksi Di Pt X. Journal Industrial Servicess, 4(1).
Muharni, Y. (2018). Penerapan Algoritma Simulated Annealing untuk meminimasi Makespan pada Penjadwalan Flow Shop. Journal Industrial Servicess, 4(1).
Muharni, Y., Febianti, E., & Sofa, N. N. (2019). Minimasi Makespan Pada Penjadwalan Flow Shop Mesin Paralel Produk Steel Bridge B-60 Menggunakan Metode Longest Processing Time Dan Particle Swarm Optimization. Journal Industrial Servicess, 4(2).
https://doi.org/10.36055/jiss.v4i2.5154
Pradana, A. Y., & Setiafindari, W. (2020). Pengembangan Model Optimasi Artificial Neural Network Pada Penjadwalan Produksi Snack Tortilla. Jurnal DISPROTEK, 11(2), 67–77.
Purwanto, I. C. I., Nugroho, Y. A., & Suseno. (2020). Optimasi Penjadwalan Produksi Menggunakan Pendekatan Algoritma Harmony Search DI PT. Adi Satria Abadi (ASA). 11, 7–12.
Putri, N. A. (2017). Penerapan Algoritma Non-Delay dan Algoritma Genetika dalam Penjadwalan Produksi Job Shop untuk Meminimasi Total Completion Time dan Number of Tardy Job pada Semi Finish Komponen di PT.
Katsushiro Indonesia. Skripsi UI.
Ramdania, D. R., Irfan, M., Alfarisi, F., & Nuraiman, D. (2019). Comparison of genetic algorithms and Particle Swarm Optimization (PSO) algorithms in course scheduling. Journal of Physics: Conference Series, 1402(2), 22079.
https://doi.org/10.1088/1742-6596/1402/2/022079
Rao, S. S. (2019). Engineering optimization: theory and practice. John Wiley &
Sons.
Santosa, B. (2017). Pengantar Metaheuristik: Implementasi dengan Matlab (Vol.
1). ITS Tekno Sains.
Sutiawan, N. (2018). Penerapan Metode Algoritma Genetika Pada Optimasi Penjadwalan Produksi Untuk Minimasi Makespan (Studi Kasus: PT Kunango Jantan. Universitas Islam Negeri Sultan Syarif Kasim Riau.
Sya’bana, A. H. (2022). Penerapan Simulated Annealing Untuk Memperbaiki Konvergensi Prematur Pada Algoritma Genetika Dalam Penjadwalan Produksi. UPN" Veteran" Yogyakarta.
Tuegeh, M., Soeprijanto, S., & Purnomo, M. H. (2009). Modified improved particle swarm optimization for optimal generator scheduling. Seminar Nasional Aplikasi Teknologi Informasi (SNATI).
Utomo, P. B., & Setiafindari, W. (2021). Optimasi Penjadwalan Produksi Menggunakan Metode Simulated Annealing di Industri XYZ. Borobudur Engineering Review, 1(1), 49–55. https://doi.org/10.31603/benr.4610
Wahyudi, A. T., Wicaksana, B. I. A., & Andriani, M. (2021). Penjadwalan Produksi Job shop Mesin Majemuk Menggunakan Algoritma Non Delay untuk Meminimalkan Makespan. Jurnal Rekayasa Sistem Industri, 10(2), 183–190.
Wati, D. A. R., & Rochman, Y. A. (2013). Model Penjadwalan Matakuliah Secara Otomatis Berbasis Algoritma Particle Swarm Optimization (PSO). Jurnal Rekayasa Sistem Industri, 2(1), 22–31.
Widodo, C. E. (2014). Optimasi Penjadwalan Mesin Produksi dengan Menggunakan Metode Campbell Dudek Smith (cds) pada Perusahaan Manufaktur. Univ. Negeri Yogyakarta.
Widyastuti, M., Irawan, E., & Windarto, A. P. (2019). Penerapan Metode Gantt Chart dalam Menentukan Penjadwalan Kinerja Karyawan. Prosiding Seminar Nasional Riset Information Science (SENARIS), 1(September), 557.
https://doi.org/10.30645/senaris.v1i0.62
Wu, M., Yang, D., & Liu, T. (2022). An Improved Particle Swarm Algorithm with the Elite Retain Strategy for Solving Flexible Jobshop Scheduling Problem.
Journal of Physics: Conference Series, 2173(1). https://doi.org/10.1088/1742- 6596/2173/1/012082
