BAB I

PENDAHULUAN

1.1. Latar Belakang Penelitian

Penelitian yang dilakukan penulis merupakan penelitian mengenai
penjadwalan mesin. Disini penulis mengembangkan penelitian dari Tugas Akhir
(TA) dari mahasiswa Teknik Industri yang bernama Robert Simons (960403035).
Penulis mengembangkan data yang diperoleh dari Tugas Akhir (TA) yang
berjudul “Rescheduling dengan Metode Interger Programing pada Algoritma
Genetik di PT X”. Adapun pengembangkan yang dilakukan penulis yaitu dengan
mengembangkan penjadwalan mesin memakai metode interger.
Literatur tambahan yang digunakan penulis untuk mendukung landasan teori
berdasarkan jurnal internet yang berjudul “Algoritma Genetik Hibrida dalam
Penyelesaian Job-Shop Schedulling” dan “Algoritma Branch and Bound untuk
Masalah Penjadwalan pada Mesin Pararel”.
Adapun permasalahan yang dihadapi pihak perusahaan adalah perusahaan
harus merencanakan ulang penjadwalan produksi setiap kali order datang. Hal ini
disebabkan karena kedatangan order tidak menentu dalam suatu periode
perencanaan produksi. Setiap order baru datang, perusahaan harus
mempertimbangkan apakah perusahaan sanggup memenuhi batas waktu
penyelesaian (due date) yang disepakati dengan konsumen sesuai dengan sumber
daya yang ada di perusahaan. Pihak perusahaan harus mengambil keputusan
apakah menerima atau menolak order tersebut.
Disisi lain, setiap kedatangan order akan mempengaruhi penjadwalan pada
mesin dan peralatan pada lantai produksi. Hal ini disebabkan terbatasnya jumlah
dari mesin dan peralatan pada lantai produksi. Perusahaan harus bisa mengatur
penggunaan mesin dan peralatan (utilitas) agar dapat memenuhi due date dari
setiap order yang masuk. Hal ini bisa didapat bila ada penjadwalan yang baik
terhadap mesin dan peralatan.
1.2. Perumusan Masalah
Bedasarkan latar belakang yang telah diuraikan maka permasalahan yang
ingin dipecahkan dalam penelitian ini adalah :
1. Bagaimana mendapatkan penjadwalan yang baik sehingga dapat
memenuhi due date setiap order yang datang.
2. Bagaimana mendapatkan penjadwalan yang baik tanpa mengurangi
efektivitas penggunaan mesin produksi.
3. Bagaiamana mendapatkan pengurutan pekerjaan (job sequencing) yang
dapat mengurangi makespan produksi dan meningkatkan efektivitas
penggunaan (utilitas) mesin dengan pendekatan interger.

1.3. Tujuan Penelitian

Tujuan penelitian dibagi dalam dua bagian yaitu :
1. Tujuan Umum
a. Rescheduling dengan Metode Interger Programing pada Algoritma
Genetik di PT X.
2. Tujuan Khusus
a. Melakukan penjadwalan ulang (rescheduling) terhadap order lama yang
sedang dikerjakan pada saat order baru datang.
b. Menentukan semua model pengurutan job (job sequencing) yang mampu
memenuhi kriteria yang ditentukan terhadap order yang baru diterima
perusahaan.
c. Mempersingkat waktu proses produksi dari job order dengan melakukan
penjadwalan yang baik.

1.4. Manfaat Penelitian

Manfaat penelitian yang diperoleh adalah :
1. Meningkatkan produktivitas perusahaan dengan cara melakukan
pengurutan job dengan menggunakan algoritma genetik pada kondisi yang
dinamis.
 2. Meningkatkan kualitas pelayanan terhadap pelanggan dengan memenuhi
due date yang telah disepakati.
3. Meningkatkan efisiensi produksi yang menuju kepada penghematan biaya.

1.5. Pembatasan Masalah

Adapun batasan yang diambil dalam memecahkan masalah adalah sebagai
berikut :
1. Rescheduling dilakukan jika terjadi kedatangan order baru ditengah-tengah
jalannya kegiatan.
2. Kriteria penjadwalan yang digunakan hanya berupa pengurutan job (job
sequencing) dengan dasar penilaian fungsi makespan dan utilitas rata-rata
mesin sementara diabaikan.
3. Kriteria optimalitas penjadwalan yang digunakan dibatasi pada minimisasi
makespan dan maksimisasi utilitas mesin.
4. Panjadwalan dilakukan utuk mesin-mesin produksi pada bagian Back Post.

1.6. Asumsi Yang Digunakan

Asumsi-asumsi yang digunakan adalah sebagai berikut :
1. Asumsi untuk karakteristik job
a. Setiap job mempunyai waktu penyerahan yang tertentu sesuai
perjanjian dengan konsumen.
b. Teknologi pembuatan produk telah diketahui.
2. Asumsi untuk karakteristik mesin
a. Mesin siap dibebani secara kontinu selama periode sequencing.
b. Hal-hal yang dapat menyebabkan penundaan selama penugasan mesin
seperti kerusakan mesin tidak diperhitungkan.
3. Asumsi untuk Karakteristik Proses
a. Waktu set-up termasuk dalam waktu proses.
b. Sistem produksi berjalan ormal dan tidak mengalami gangguan.
 BAB II
LANDASAN TEORI

2.1. Definisi Penjadwalan1)

Pengertian penjadwalan secara umum dapat diartikan seperti “Scheduling
is the allocation of resources overtime to perform collection of risk”, yang artinya
penjadwalan adalah pengalokasian sumberdaya yang terbatas untuk mengerjakan
sejumlah pekerjaan.
Penjadwalan adalah pengurutan pembuatan / pengerjaan produk secara
menyeluruh yang dikerjakan pada beberapa buah mesin. Dengan demikian
masalah sequencing (pengurutan) senantiasa melibatkan pengerjaan sejumlah
komponen yang sering disebut dengan istilah job. Job sendiri merupakan
komposisi dari sejumlah elemen-elemen dasar yang disebut aktivitas atau operasi.
Tiap aktivitas atau operasi ini membutuhkan alokasi sumber daya tertentu yang
sering disebut dengan waktu proses.
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, peralatan), kemudian dilakukan
pengurutan kerja pada tiap-tiap pusat pemrosesan sehingga dicapai optimalitas
utilisasi kapasitas yang ada. Pada penjadwalan ini, permintaan akan produk-
produk yang tertentu (jenis dan jumlah) dari MPS akan ditugaskan pada pusat-
pusat pemrosesan tertentu untuk periode harian.

2.2. Tujuan Pejadwalan2)

Bedworth (1987) mengidentifikasikan beberapa tujuan dari aktivitas
penjadwalan sebagai berikut :
1. Meningkatkan penggunaan sumber daya atau mengurangi waktu
tunggunya, sehingga total waktu proses dapat berkurang dan
produktivitasnya dapat meningkat.
1) Rosnani Ginting. Penjadwalan Mesin. 2009. Graha Ilmu. Yogyakarta. Hal : 4-6
2) Rosnani Ginting. Penjadwalan Mesin. 2009. Graha Ilmu. Yogyakarta. Hal : 2
 2. Mengurangi persediaan barang setengah jadi atau mengurangi sejumlah
pekerjaan yang menunggu dalam antrian ketika sumberdaya yang ada
masih mengerjakan tugas yang lain. Teori Baker mengatakan jika aliran
kerja suatu jedawal konstan , maka aliran antrian yang mengurangi rata-
rata waktu alir akan mengurangi rata-rata persediaan barang setengah jadi.
3. Mengurangi beberapa keterlambatan pada pekerjaan yang mempunyai
batas waktu penyelesaian sehingga akan meminimisasi penalty cost (biaya
keterlambatan).
4. Membantu pengambilan keputusan mengenai perencanaan kepasitas
pabrik dan jenis kapasitas yang dibutuhkan sehingga penambahan biaya
dapat dihindarkan.

2.3. Model Penjadwalan3)

Menurut Baker (1974), Model penjadwalan dibedakan menjadi 4 jenis
keadaan, yaitu :
1. Mesin yang digunakan dapat berupa proses dengan mesin tunggal atau
proses dengan mesin majemuk.
2. Pola aliran proses dapat berupa aliran identik atau sembarang.
3. Pola kedatangan pekerjaan statis atau dinamis.
4. Sifat informasi yang diterima dapat bersifat deterministic atau stokastik.
Pada kedaan pertama, sejumlah mesin dapat dibedakan atas mesin tunggal
dan mesin majemuk. Model mesin tunggal adalah pekerjaan yang dilakukan pada
satu mesin saja dan mesin majemuk pekerjaan dilakukan dengan banyak mesin.
Pada keadaan kedua, pola aliran dapat dibedakan atas flowshop dan
jobshop. Pada flowshop dijumpai pola aliran proses dari urutan tertentu yang
sama. Flowshop dibedakan menjadi pure flowshop dan general flowshop. Pada
pure flowshop berebagai pekerjaan akan mengalir pada lini produksi yang sma
dan tidak dimungkinkan adanya variasi.

3) Rosnani Ginting. Penjadwalan Mesin. 2009. Graha Ilmu. Yogyakarta. Hal : 2

Sedangkan pada jobshop, setiap pekerjaan memiliki pola aliran kerja yang
berbeda. Aliran proses yang tidak searah ini mengakibatkan pekerjaan yang
dikerjakan disuatu mesin dapat berupa pekerjaan baru atau pekerjaan yang sedang
dikerjakan (work in process) atau pekerjaan yang akan menjadi produk jadi
(finished good) telah diproses di mesin tersebut.
Pada kedaan ketiga, pola kedatangan pekerjaan dapat dibedakan atas pola
kedatangan statis dan dinami. Pada pola statis, pekerjaan datang bersamaan pada
waktu nol dan siap dikerjakan atau kedatangan pekerjaan bisa tidak bersamaan
tetapi saat kedatangan telah diketahui sejak waktu nol. Pada pola dinamis
mempunyai sifat kedatangan pekerjaan tidak menentu, artinya terdapat variabel
waktu sebagai faktor yang berpengaruh.
Pada keadaan keempat, perilaku elemen-elemen penjadwalan dibedakan
atas deterministik dan stokastik. Model deterministik memiliki kepastian
informasi tentang parameter dalam model, sedangkan model stokastik
mengandung unsur ketidak pastian.

2.4. Penjadwalan Mesin dengan Algoritma Genetik4)

Metode algoritma genetik dikembangkan oleh Jhon Holland dari
University of Michigan. Metode ini termasuk salah satu metode yang bekerja
berdasarkan pada prinsip seleksi alam dan teknik evolusi. Penelitian metodologi
terhadap algoritma genetik terdiri atas penelitian dan aplikasi yang
memperhatikan analogi-analogi ilmiah, analisis matematika, dan perhitungan
komputasi untuk mencari solusi atas masalah yang terjadi dari berbagai latar
belakang bidang studi.
Dalam teori genetik, gen merupakan operator pembawa sifat individu yang
terdapat di dalam kromosom.

4)Rosnani Ginting. Penjadwalan Mesin. 2009. Graha Ilmu. Yogyakarta. Hal : 131
Spesifikasi bentuk susunan gen pada sepanjang kromosom tersebut dinamakan
Schemata. Susunan genetik individu tersebut mengalami perubahan dan
berlangsung secara bertahap dari suatu generasi ke generasi berikutnya.
Perubahan susunan genetik individu dipengaruhi oleh sifat-sifat pengerjaan
genetik yang terdiri atas tiga faktor, yaitu :
1. Reproduksi
Merupakan proses terjadinya peniruan terhadap individu induk lain
berdasarkan besarnya kemampuan individu tersebut untuk bertahan hidup.

2. Pindah Silang
Dalam pindah silang, individu terlebih dahulu mencari pasangannya
secara random (acak) , kemudian dilakukan pemilihan lokasi silang, juga
dilakukan secara random. Berdasarkan hal ini dilakukan pindah silang adalah
yang mempunyai kemampuan.
3. Mutasi
Mutasi merupakan perubahan apapun dalam bahan genetik yang
disebabkan oleh aberasi kromosom (penyimpangan kromosom) yang
menyebabkan perubahan bagian kromosom seperti inversi, translokasi, dan
duplikasi, serta perubahan dalam jumlah kromosom.

Algoritma genetik dapat diimplementasikan untuk mendapatkan solusi

terbaik dari suatu penjadwalan baik job-shop maupun flow-shop yang bertipe
make to order, tergantung pada fungsi objektif yang ditetapkan padanya.
Cara penelusuran solusi terbaik dilakukan berdasarkan urutan pengerjaan
job-job (sequence of job), setiap satu urutan job tersebut sebagai satu individu
yang memiliki formasi kromosom, yang diperoleh dari setiap populasi pada setiap
generasi. Pembangkitan individu dalam suatu populasi dilakukan dengan cara
acak terkoordinasi, maksudnya individu yang menjadi anggota populasi harus
memenuhi kriteria, seperti makespan dari individu itu sama atau lebih kecil dari
waktu yang tersedia dan memiliki nilai fungsi objektif global sama atau lebih
kecil dari parent-nya. Dari suatu populasi dipilih satu individu yang memiliki nilai
fungsi objektif optimal, seperti minimisasi atau maksimisasi fungsi objektif
tersebut. Individu yang terpilih dari suatu populasi inilah yang akan menjadi
parent untuk proses reproduksi pada suatu generasi. Parent akan tetap bertahan
sebagai parent jika pada proses produksi tidak ditemukan individu yang lebih baik
dari padanya pada suatu generasi, selanjutnya parent ini akan berfungsi sebagai
parent untuk generasi berikutnya, demikian sebaliknya.
Algoritma genetik memiliki dua sub algoritma yaitu sub algoritma untuk
melakukan penjadwalan ulang (algoritma penjadwalan ulang) dan sub algoritma
untuk menentukan job yang akan dikerjakan (algoritma genetik untuk pengurutan
job).
Elemen -elemen dari penjadwalan dengan metode algoritma genetik
adalah sebagai berikut :
1. Data waktu proses pengerjaan tiap job pada masing-masing mesin.
2. Data jumlah order (job) yang masuk serta due date dari masing-masing
job.
3. Data waktu set-up mesin untuk tiap proses.
4. Data jumlah order yang dikerjakan serta mesin yang digunakan.
5. Data pendukung proses seperti jumlah mesin, kondisi mesin, dan hal-hal
yang lebih dahulu dibatasi dan diasumsikan.
6. Teori dasar penjadwalan dan pengurutan job, teori dasar algoritma
genetik, teori pemograman, keilmuan lain yang berinteraksi dengan
kondisi ini yang terlebih dahulu diasumsikan dan dibatasi.
7. Kondisi tempat penelitian serta gambaran umum perusahaan tempat
penelitian.
8. Objek-objek lain yang mungkin termasuk dalam penelitian, namun tidak
terlalu berpengaruh karena telah diasumsikan serta dibatasi.

2.5. Penjadwalan Mesin dengan Interger Programming 5)

Model program interger membutuhkan keseluruhan asumsi mutlak pada
program linier terkecuali bahwa variabel spesifik tidak harus bernilai interger non
negatif pada solusi optimal. Jika keseluruhan variabel harus bernilai interger,
model merupakan program interger murni., dimana subset harus interger, model
tesebut disebut model mixed interger programming.
Teknik numerik harus dapat dikembangkan untuk menyelesaikan model
program interger. Tentu ada yang ganjil karena mengapa model program linier
regular tidak dapat digunakan dengan hasil nilai dari variabel keputusan “rounded
off” atau pembulatan ke nilai interger terdekat. Bayangkan, apabila ada model
program linier dengan n variabel yang harus bernilai interger, dan dimana kd.n,
memiliki nilai pecahan kedalam solusi optimal program linier. Penyederhanaan
dari masing-masing k variabel keputusan ke nilai interger terdekat mungkin
menyebabkan kelayakan dengan jumlah pembatas dalam model. Untuk
memastikan solusi interger layak dengan pendekatan intuisi ini, harus dievaluasi
banyak solusi, memastikan setiap variabel n-k bernilai interger pada nilai, dan
secara sistematis menetapkan setiap variabel k memperoleh “lower integer” dan
“higher interger”. Kemudian kita harus mengevaluasi 2k perbedaan solusi interger
yang layak, menyeleksi solusi interger layak yang terbaik untuk fungsi tujuan.
Walaupun dengan baik membuat keseluruhan pengecekan layak, tidak dapat
menjamin solusi interger optimal karena kita tidak dapat mengira bahwa n-k
bernilai interger dalam solusi program linier.
Walaupun model kecil dan solusi optimal dapat dengan trial dan error,
contoh menunjukkan bahwa solusi optimal interger tidak selalu ditemukan
sepanjang nilai pecahan variabel keputusan mendekati nilai interger

2.5.1. Formula Pemograman Interger6)

Masalah penjadwalan mesin pada mesin pararel tidak berelasi
diformulasikan program interger campuran kosong-satu (MIP : Mixed Interger
Programming).
Minimalisasi Cmax
Berdasarkan pada :

5)Rosnani Ginting. Penjadwalan Mesin. 2009. Graha Ilmu. Yogyakarta. Hal : 230
Dimana :
Xjk = 1 jika pekerjaan j diserahkan kepada mesin k dan bernilai 0
Pjk = waktu pemrosesan pekerjaan j pada mesin k
Mj = kumpulan mesin yang layak untuk melakukan proses pada pekerjaan j
C max = waktu maksimum yang dibutuhkanuntuk melakukan suatu proses kerja
MIP ini dapat digunakan secara optimal untuk menyelesaikan masalah
yang terdapat di dalam makalah ini. Akan tetapi, ketika jumlah mesin dan
pekerjaannya bertambah banyak, MIP menjadi terlalu besar untuk dipecahkan
dalam waktu yang terbatas. Oleh karena itu, algoritma branch and bound
dikembangkan untuk menyelesaikan permasalahan ini dengan lebih efisien untuk
jumlah mesin dan pekerjaan yang besar.

2.6. Algoritma Branch and Bound7)

Dalam masalah yang dibahas di sini, n buah pekerjaan diproses dengan
menggunakan m buah mesin tak berelasi. Setelah sekumpulan pekerjaan
diserahkan kepada mesin, pencarian urutan pekerjaan tidak diperlukan lagi dalam
mesin tersebut, karena yang menjadi tujuan utama adalah untuk meminimisasi
Cmax dan tidak tergantung dengan waktu pengurutan. Oleh karena itu, algoritma
branch and bound dikembangkan untuk menentukan penyerahan pekerjaan secara
optimal kepada mesin.

6) dan 7) Jurnal Internet. Algoritma Branch and Bound untuk Masalah Penjadwalan pada Mesin
Pararel. Jeffry Setiawan Sutanto.
Branch and Bound adalah suatu prosedur yang paling umum untuk mencari solusi
optimal pada masalah optimasi kombinatorial seperti masalah penjadwalan. Di
dalam algoritma Branch and Bound, terdapat tiga buah bagian utama, yaitu :
ekspresi batas bawah (Lower Bound (LB)), strategi pencarian dan pencabangan
(branching). Di dalam prosedur ini, suatu maslah dipecah menjadi beberapa
submasalah yang merepresentasikan pembagian kerja secara parsial. Simpul-
simpul terus bercabang lebih jauh sampai diperoleh solusi lengkap. Jika LB tidak
digunakan, maka segala kemungkinan penyelesaian harus dienumerasikan satu
per satu. Oleh karena itu, LB dikalkulasikan pada setiap simpul. Jika nilai LB
yang dikalkulasikan lebih besar dari nilai solusi lengkap terbaik, eliminasi simpul
tersebut. Prosedur ini terus diulang sampai pencarian pada pohon berakhir dan
solusi optimal ditemukan.

2.6.1. Strategi pencabangan (branching)8)

Pencarian dimulai dengan jadwal kosong Q0, dimana tidak ada pekerjaan
yang harus dilakukan. Untuk masalah dengan n buah pekerjaan (j1, j2, ..., jn) dan
mbuah mesin (k1, k2, ..., km), diperoleh suatu urutan [k1, k1, k2, k1, ... kh], yang
berarti pekerjaan (j1, j2, j4) dilakukan oleh mesin k1, pekerjaan j3 dilakukan oleh
mesin k2, dan jn dilakukan oleh mesin h. Pada tingkat (aras) pertama dari pohon
dibuat mn buah cabang. Pada tingkat L dari pohon ini, setiap simpul mengandung
L buah pekerjaan, dan dapat bercabang menjadi m(n-L) buah simpul. Saat tingkat
terakhir dicapai, jumlah cabang yang diperoleh adalah nol karena n = L. Jika
prosedur ini dilakukan sepenuhnya, n! buah simpul akan dihasilkan pada pohon
tingkat n. Jika pada kenyataannya hal ini yangterjadi, berarti enumerasi total telah
dilakukan. Oleh karena itu, prosedur pembatas (bounding procedure) dibutuhkan
untuk mengurangi jumlah simpul yang ada di dalam pohon.

8) Jurnal Internet. Algoritma Branch and Bound untuk Masalah Penjadwalan pada Mesin
Pararel. Jeffry Setiawan Sutanto.
2.6.2. Batas Bawah (Lower Bounds)9)
LB yang digunakan dalam algoritma branch and bound ini ditentukan oleh
(1):

(1)
Pembuktian :
Untuk pembuktian yang lebih sederhana, pembuktian yang dituliskan di
bawah ini tidak menyinggung kelayakan mesin. Akan tetapi pembuktian ini tetap
berlaku jika kelayakan mesin diperhitungkan. Asumsikan, tanpa kehilangan hal
yang sudah umum, bahwa tidak ada pekerjaan yang sudah dijadwalkan, waktu
penyelesaian untuk pekerjaan terakhir pada mesin k diberikan oleh (2) :

(2)
Nk adalah jumlah pekerjaan yang dijadwalkan pada mesin k, Pjk adalah
waktu pemrosesan pekerjaan j pada mesin k dan jk,i adalah pekerjaan ke ith yang
dijadwalkan pada mesin k. Untuk total m buah mesin, fungsi ini ditujukan untuk
meminimalisasi Cmax, seperti yang didefinisikan pada :

(3)
Jika vektor c εRm didefinisikan dengan komponen Ck, maka fungsi ini dapat
dituliskan sebagai :

(4)

Berdasarkan Golub and Van Loan, rumus berikut berlaku untuk vektor c εRm.

(5)

9) Jurnal Internet. Algoritma Branch and Bound untuk Masalah Penjadwalan pada Mesin
Pararel. Jeffry Setiawan Sutanto.
Pertidaksamaan (5) juga berlaku untuk minimisasi c* dari Cmax yang berarti
penjadwalan optimal. Dengan menyederhanakan (2) dan (5), kita peroleh rumus
berikut :

(6)
(jm,n)* adalah pekerjaan ke nth yang dijadwalkan pada mesin m pada jadwal
yang optimal. Jika kj* berarti mesin dimana pekerjaan j akan diproses pada
penjadwalan yang optimal, maka untuk n buah pekerjaan pertidaksamaan (6)
dapat dituliskan sebagai :

(7)
Akan tetapi, jika min{Pj,.} adalah masukkan minimum dari pemrosesan matrix P
pada baris j, kita peroleh :
min {Pj}< Pj,k j = 1...., n

(8)
Ekspresi LB didefinisikan pada (8) dapat ditunjukkan berkorespondensi dengan
nilai Cmax optimal dari masalah penjadwalan yang terdiri dari mesin-mesin
seragam dengan P=[ min{P1,.} min{Pn,.} ] ketika preemption dibolehkan.
 BAB III
METODOLOGI PENELITIAN

3.1. Metodologi Pengumpulan Data

Penyelesaian masalah penjadwalan membutuhkan sejumlah data yang
relevan. Pengumpulan data dilakukan dengan cara sebagai berikut :
1. Melakukan pengamatan langsung terhadap objek yang diteliti. Variabel
yang diteliti dan diukur adalah waktu pengerjaan tiap komponen produk
yang sedang diproduksi.
2. Melakukan wawancara dengan pihak perusahaan yang dapat memberikan
informasi yang diperlukan untuk menunjang penyelesaian masalah.
3. Pengumpulan dokumen atau arsip yang dimiliki perusahaan yang
digunakan dalam penelitian.
Data yang diperlukan daam pemecahan masalah antara lain :
1. Data Primer
Data primer pada umumnya merupakan data yang dikumpulkan melalui
pengamatan, wawancara atau eksperimen melalui sampling. Data primer
yang dikumpulkan dalam penelitian berupa :
a. Waktu pemrosesan komponen produk
b. Jenis mesin yang dipergunakan
c. Urutan proses tiap job order
Instrumen yang digunakan dalam data primer adalah wawancara.
2. Data Sekunder
Data ini dikumpulkan dengan mencatat data dan informasi dari laporan-
laporan perusahaan yang ada atau dengan cara mereview laporan tersebut,
yang mencakup data kedatangan dan due date order, baik order lama
maupun order baru, serta jumlah order atas komponen yang diteliti.
Instrumen yang digunakan dalam data mengambil data sekunder adalah
laporan data-data yang ada.
3.2. Metodologi Analisis
Metodologi analisis merupakan langkah-langkah penyelesaian masalah.
Hal ini akan dijadikan pedoman selama dilakukannya penelitian yang dilakukan
secara terstruktur dengan langkah-langkah yang jelas. Tahapan metodologi
analisis yang dilakukan selama penelitian adalah sebagai berikut :

3.2.1. Perumusan Masalah dan Penetapan Tujuan

Masalah yang akan diselesaikan adalah bagaimana mendapatkan
penyesuaian penjadwalan yang optimum bila waktu kedatangan order tidak
menentu. Sedangkan tujuan penelitian yang ingin dicapai adalah mendapatkan
model penjadwalan yang optimum berdasarkan kriteria optimalitas yang
ditetapkan.

3.2.2. Studi Orientasi dan Studi Literatur

Studi Orientasi merupakan studi ke pabrik dengan melakukan pengamatan
dan penelitian ke pabrik, wawancara dengan pihak perusahaan, sehingga dapat
melihat permasalahan dengan lebih jelas. Studi literatur merupakan studi atas
teori-teori yang akan digunakan untuk memecahakan masalah yang mencakup
teori pengukuran sistem kerja, penjadwalan mesin dengan metode algoritma
genetik, dan metode interger programming.

3.2.3. Pengumpulan Data

Langkah-langkah pengumpulan data yang dilakukan adalah sebagai
berikut :
1. Mengidentifikasi order yang datang dalam 1 bulan, yang terdiri atas
jenis dan jumlah order, data waktu kedatangan dan due date order.
2. Mengumpulkan data mengenai stasiun kerja dan urutan proses tiap
produk yang ditinjau.
3. Melakukan pengukuran waktu dengan menggunakan stop watch
terhadap operator yang mengerjakan tiap order pada tiap mesin.
 4. Melakukan pengamatan terhadap kondisi kerja dan operator dalam
setiap stasiun kerja.

3.2.4. Prosedur Penelitian

Adapun prosedur penelitian adalah sebagai berikut :
1. Menjelaskan latar belakang penelitian.
2. Menjelaskan tujuan penelitian.
3. Identifikasi permasalahan yang terjadi.
4. Teliti ruang lingkup permasalahan, dan cari solusiya dengan
landasan teori dari literatur.
5. Lakukan pengumpulan data.
6. Lakukan pengolahan data.
7. Lakukan pemecahan masalah dengan algoritma genetik dan metode
interger dengan algoritma branch and bound.
8. Lakukan pengujian untuk mengetahui kebenaran dari pemecahan
masalah.
9. Lakukan analisis dari pemecahan dan pengujian yang dilakukan.
10. Ambil kesimpulan.

3.2.5. Pengolahan Data

Pengolahan data yang dilakukan meliputi langkah-langkah :
1. Tentukan input yang akan dimasukkan dalam data yang dikelolah.
2. Tentukan waktu kedatangan order yang diambil dari pengumpulan data.
3. Identifikasi order yang merupakan hasil pengumpulan data.
4. Melakukan penjadwalan awal (jadwal inisial) untuk order yang lebih dahulu
datang.
5. Mendapatkan model optimisasi penjadwalan terhadap tiap job/ order baik
yang lama maupun yang baru dengan bantuan program komputer dengan
metode interger.
6. Melakukan perhitungan simulasi dengan algoritma genetika untuk
memperoleh urutan job berdasarkan kriteria performansi penjadwalan, yaitu
 fungsi maksimisasi utilitas rata-rata mesin dan minimisasi makespan. Dengan
asumsi 65 % probabilitas makespan dan 35 % probabilitas rata-rata utilitas
mesin.
7. Mencari solusi optimal dengan metode Branch and Bound pada interger
programming terhadap pemenuhan due date order apakah formasi terbaik
yang dihasilkan merupakan jadwal dengan urutan pengerjaan job yang layak.
8. Lakukan penjadwalan sesuai dengan jadwal kedatangan order sesuai dengan
due datenya.

3.2.6. Pengolahan Data Penjadwalan Ulang (Rescheduling) pada Algoritma

Genetik
Dalam Rescheduling langkah-langkah yang harus dilakukan adalah
sebagai berikut :
1. Masukkan Input, yaitu data mesin dan jumlah mesin, data order, data
waktu set-up, data waktu pengolahan mesin (waktu proses), urutan job.
2. Tentukan t’ sebagai waktu kedatangan order baru melalui pembangkitan
bilangan random.
3. Pada t’, identifikasi status mesin, sisa order lama, dan identifikasi order
baru.
4. Mundurkan waktu operasi order lama.
5. Lakukan Rescheduling dengan metode interger programming.
6. Didapat generasi yang baru.
7. Lakukan pengecekan apakah sesuai dengan due date
8. Jika sudah sesuai maka pengerjaan telah selesai.

3.2.7. Pengolahan Data Interger Programing pada Algoritma Genetik

Dalam Rescheduling langkah-langkah yang harus dilakukan adalah
sebagai berikut :
1. Masukkan input, yaitu data mesin dan jumlah mesin, data order, data
waktu set-up, data waktu pengolahan mesin (waktu proses), urutan job.
2. Lakukan pengolahan input.
 3. Selesaikan dengan metode Branch and Bound untuk mendapatkan solusi
optimal.
4. Selesaikan sesuai dengan prosedur.
5. Sesuaikan dengan due date.
6. Selesai.

3.2.7. Pembahasan Masalah

Pada tahatapan ini dilakukan perbandingan antara kinerja penjadwalan
aktual perusahaan dengan kinerja penjadwalan usulan.

3.2.8. Membuat Kesimpulan

3.3. Blok Diagram Metodologi Penelitian

Blok diagram dalam prosedur penelitian “Rescheduling dengan Metode
Interger Programing pada Algoritma Genetik di PT X” adalah sebagai berikut :
 Latar Belakang
Penelitian

Tujuan Penelitian

Identidikasi
Permasalahan

Ruang Lingkup
Landasan Teori
Permasalahan

Pengumpulan Data

Pengolahan Data

Pemecahan Masalah

Pengujian

Analisis

Kesimpulan

Gambar 3.1. Blok Diagram Metodologi Penelitian

 Mulai

Input
n, t, tjk, dh

Tentukan t sebagai
waktu kedatangan
order

Identifikasi Order yang

berasal dari pengumpulan
data

Penjadwalan Ulang

Tentukan optimisasi

Tentukan urutan job

dengan algoritma Genetik
Tidak

diperik
sa?
Ya

Tentukan Solusi
optimal dengan
metode interger

Lakukan pengerjaan
order sesuai jadwal

Tidak

diperik
sa?
Ya

Stop

Gambar 3.2. Blok Diagram Pengolahan Data

 Mulai

Masukkan Input

Tentukan t’ sebagai
waktu kedatangan
order baru

Pada t’ :
-Identifikasi status Mesin
-Identifikasi sisa order lama
-Identifikasi order baru

Mundurkan waktu
operasi order lama

Lakukan Reschedulling
dengan Interger
Programming

Didapat generasi
yang baru

diperiksa
sesuai due
date ?

Selesai

Gambar 3.3. Blok Diagram Pengolahan Data Penjadwalan Ulang

(Rescheduling) pada Algoritma Genetik
 Mulai

Masukkan Input

Pengolahan Input

Selesaikan dengan
metode Branch and
Bounduntuk
mendapatkansolusi
optimal.

Selesaikan sesuai
dengan prosedur

Sesuaikan dengan
due date

Selesai

Gambar 3.4. Blok Diagram Interger Programing pada Algoritma Genetik

 Rescheduling dengan Metode Interger
Programing pada Algoritma Genetik di PT X

D
I
S
U
S
U
N
OLEH :
ABDUL HAFIS (050403019)

DEPARTEMEN TEKNIK INDUSTRI

FAKULTAS TEKNIK
UNIVERSITAS SUMATERA UTARA
MEDAN
2009
 KATA PENGANTAR

Puji dan syukur penulis panjatkan kehadirat TuhanYang Maha Kuasa, atas
berkah dan rahmatnya sehingga penulis dapat menyelesaikan tugas ini dengan
lancer.
Adapun tugas ini ditulis sebagai syarat mata kuliah penjadwalan mesin
dengan judul “Rescheduling dengan Metode Interger Programing pada Algoritma
Genetik di PT X”.
Tak lupa penulis mengucapkan terima kasih yang sebesar-besarnya kepada
pihak-pihak yang telah membantu penulis dalam pengerjaan laporan ini.
Penulis menyadari bahwa laporan ini jauh dari sempurna, untuk itu penulis
dengan kerendahan hati memohon kepada para pembaca untuk memberikan kritik
dan masukan untuk memperbaiki kekurangan ataupun kelemahan laporan ini.

Medan, April 2009

Abdul Hafis