ABSTRAK
Jumlah produksi dapat dimaksimalkan dengan mengoptimalkan produktivitas dari operator dalam
menggunakan mesin produksi dan menempatkan setiap operator pada mesin yang tepat. Hal ini
dapat terlaksana dengan dibuatnya suatu sistem penugasan yang tepat bagi para operatornya.
Terdapat konsep yang digunakan untuk menyelesaikan masalah penugasan yaitu Algoritma
Hungarian dan Generate and Test. Generate and Test merupakan salah satu metode yang sering
digunakan dalam menyelesaikan travelling sales problem (TSP) atau yang lebih dikenal dengan
pencarian rute terpendek, namun dalam penelitian ini digunakan sebagai metode dalam
menyelesaikan masalah penugasan (problem assignment) dengan tujuan peningkatan jumlah
produksi. Pada penelitian ini akan membahas mengenai penugasan operator dengan menggunakan
algoritma Hungarian dan generate and test yang hasilnya akan dibandingkan untuk menentukan
metode terbaik yang dilihat dari hasil produksi sehingga akan diperoleh sistem penugasan yang
optimal dalam upaya meningkatkan kapasitas produksi. Berdasarkan hasil pegolahan data dapat
diketahui bahwa metode Hungarian memberikan hasil penugasan yang lebih baik dengan hasil
produksi 206 batch sedangkan hasil prduksi dengan algoritma generate and test yaitu 203 batch
dimana dipengaruhi oleh perbedaan penugasan dengan kedua metode tersebut yaitu pada shift 2
grup A dan shift 3 grup A.
1
Jurnal Intech Teknik Industri ISSN: 2407-781x
2
Jurnal Intech Teknik Industri ISSN: 2407-781x
elemen menunjukkan tingkat keuntungan atau produksi. Selanjutnya, hasil dari pencarian
indeks produktifitas. penugasan dari masing-masig metode akan
Langkah pertama dalam masalah dibandingkan hasilnya berdasarkan jumlah
maksimasi adalah mengubah matriks keuntungan produk yang dapat dihasilkan. Metode yang
menjadi suatu matriks opportunity loss. dikatakan optimal adalah metode yang memiliki
(Subagyo, dkk, 1999). Selanjutnya, Mencari nilai nilai lebih besar yang menunjukkan jumlah
terbesar dari setiap baris kemudian megurangkan produksi optimal.
dengan setiap nilai yang ada pada baris. Untuk
langkah selanjutnya sama dengan langkah- 5. HASIL DAN PEMBAHASAN
langkah pada permasalahan dengan fungsi tujuan 5.1 Pengumpulan Data
minimasi sampai dengan diperoleh solusi Kegiatan produksi di PT. dibagi menjadi 3
optimal. shift dimana pada setiap shift untuk produksi
pellet dikerjakan oleh 1 grup yang berjumlah 4
3. ALGORITMA GENERATE AND TEST orang setiap grup. Pada bagian pellet memiliki 3
Menurut Rahmadi (2010) metode Generate grup operator. Setiap grup bertukar shift secara
and Test adalah sebuah metode dari beberapa berurutan setiap minggunya, adapun pembagian
konsep pencarian heuristik. Helvin (2007) juga formasi shift perminggunya dibagi menjadi 3
mengungkapkan bahwa metode ini merupakan formasi:
penggabungan antara depth-first-search dengan 1. Formasi A-B-C : Grup A pada shift 1, grup B
pelacakan mundur (backtracking), yaitu bergerak pada shift 2, dan grup C pada shift 3.
kebelakang menuju pada suatu keadaan awal. 2. Formasi B-C-A : Grup B pada shift 1, grup C
Metode Generate and Test merupakan salah satu pada shift 2, dan grup A pada shift 3.
metode yang dapat digunakan untuk 3. Formasi C-A-B : Grup C pada shit 1, grup A
menyelesaikan masalah pendistribusian. pada shift 2, dan grup B pada shift 3.
Algoritma dari Generate and test adalah Kemampuan setiap operator dalam
sebagai berikut: (Kusumadewi, 2003) menhasilkan produk pada masing-masing shift
1. Bangkitkan suatu kemungkinan solusi. Solusi juga berbeda. Pada formasi A-B-C rata-rata
bisa berupa keadaan (State) tertentu (seperti jumlah produksi yang dihasilkan oleh tiap
pada masalah gelas air), atau sebuah jalur dari operator dapat di lihat pada tabel 1. berikut ini:
satu posisi asal ke posisi tujuan (seperti pada
masalah pencarian rute terpendek). Tabel 1. Kemampuan rata-rata produksi
2. Uji, apakah solusi tersebut merupakan solusi formasi A-B-C
yang bisa diterima sesuai dengan kriteria yang Grup A
Operator
diberikan. (shift 1)
X Amin Suta Robby Dodi
3. Jika solusi ditemukan, keluar. Jika tidak,
Y (A) (B) (C) (D)
ulangi langkah dari awal. 5 5 5 5
1
6 6 5 5
2
Mesin
6 5 6 5
3
5 5 6 5
4
Grup B
Operator
(shift 2)
X Toha Anji Rio Dani
Gambar 1. Metode Generate And Test
Y (A) (B) (C) (D)
6 5 5 6
1
4. METODE PENELITIAN 6 6 5 5
Metode yang digunakan pada penelitian ini 2
Mesin
adalah metode Hungarian dan algoritma generate 5 5 5 5
3
and test dimana dengan kedua metode ini akan 5 6 5 4
dilakukan analisis penugasan operator mesin 4
3
Jurnal Intech Teknik Industri ISSN: 2407-781x
Grup C
Operator
(shift 3)
x Doni Agus Karman Anto
Y (A) (B) (C) (D)
1 6 5 6 5
2 5 5 5 6
Mesin
3 5 4 6 5
4 4 4 5 4 Tabel 3. Kemampuan rata-rata produksi
formasi C-A-B
Pada formasi B-C-A rata-rata jumlah produksi
Grup C
yang dihasilkan oleh tiap operator dapat di lihat Operator
pada tabel 2. (shift 1)
x Doni Agus Karman Anto
Tabel 2. Kemampuan rata-rata produksi Y (A) (B) (C) (D)
formasi B-C-A
1 6 5 6 5
Grup B
Operator 2 5 6 5 6
(shift 1) Mesin
3 5 5 6 5
x Toha Anji Rio Dani
4 5 5 6 5
Y (A) (B) (C) (D)
Grup A
1 6 5 5 6 Operator
(shift 2)
2 6 6 5 5
Mesin x Amin Suta Robby Dodi
3 5 5 6 5
Y (A) (B) (C) (D)
4 5 6 6 5
1 6 5 5 6
Grup C 6 6 5 5
Operator 2
Mesin
(shift 2) 3 5 5 5 5
x Doni Agus Karman Anto 4 5 6 5 4
Y (A) (B) (C) (D) Grup B
Operator
1 6 5 6 5 (shift 3)
2 5 6 5 6
Mesin x Toha Anji Rio Dani
3 5 5 6 5 Y (A) (B) (C) (D)
4 5 4 5 5 1 6 5 5 6
Grup A 2 6 6 4 5
Operator Mesin
(shift 3) 3 5 5 5 5
x Amin Suta Robby Dodi 4 5 5 4 4
Y (A) (B) (C) (D)
5
5.2 Pembangkitan Solusi Menggunakan
1 5 5 4
Algoritma Generate And Test
2 6 6 5 5
Mesin Penyelesaian dengan metode Generate
3 5 5 5 5 and Test dilakukan dengan membangkitkan
4 5 4 5 4 solusi-solusi melalui penyusunan titik-titik
secara berurutan. Dengan variabel mesin
yang berjumlah 4, maka pohon pencarian
Pada formasi C-A-B rata-rata jumlah produksi yang akan dibuat pun memiliki 4 level.
yang dihasilkan oleh tiap operator dapat di lihat Setelah ditentukan jumlah level pada pohon
pada tabel 3. pencarian maka dibuatlah lintasan dengan
tiap-tiap node seperti gambar 1.
4
Jurnal Intech Teknik Industri ISSN: 2407-781x
Level 1
A B C D
Level 2
B C D A C D A B D A B C
Level 3
CCC D B D B C C D A D A C B D A D A B B C A C A B
Level 4
D C D B C B D C D D C A D B D A B A C B C A B A
5
Jurnal Intech Teknik Industri ISSN: 2407-781x
untuk tabel alur pencarian grup A padashift 1 grup berdasarkan nilai-nilai yang didapatkan dari
ditampilkan pada pada tabel 4. tiap lintasan yang berbeda. Secara lengkap tabel
alur pencarian penugasan setiap grup pada setiap
Tabel 4. Alur pencarian grup A pada shift 1 shift terdapat pada lampiran. Adapun hasil
Lintasan Produksi
pencarian penugasan selengkapnya dari tiap grup
No Lintasan Produksi ditampilkan pada tabel 5.
Terpilih Terpilih
Tabel 5. Hasil keseluruhan lintasan terpilih
1 ABCD 22 ABCD 22 setiap group
2 ABDC 22 ABCD 22 Waktu Lintasan Jumlah
Formasi Group
3 ACBD 20 ABCD 22 kerja Terpilih Produksi
4 ACDB 20 ABCD 22
Shift 1 A DBAC 23
5 ADBC 21 ABCD 22
A-B-C Shift 2 B DACB 23
6 ADCB 21 ABCD 22
Shift 3 C ADCB 22
7 BACD 22 ABCD 22
Shift 1 B DACB 24
8 BADC 22 ABCD 22
B-C-A Shift 2 C ABCD 23
9 BCAD 21 ABCD 22
Shift 3 A CBDA 21
10 BCDA 20 ABCD 22
Shift 1 C ADCB 23
11 BDAC 22 ABCD 22
C-A-B Shift 2 A DBCA 22
12 BDCA 21 ABCD 22
Shift 3 B DACB 22
13 CABD 21 ABCD 22
14 CADB 21 ABCD 22 Jumlah 203
5.3 Pembangkitan Solusi Menggunakan
15 CBAD 22 ABCD 22
Metode Hungarian.
16 CBDA 21 ABCD 22 Fungsi tujuan dari metode Hungarian yang
17 CDAB 21 ABCD 22 digunakan pada penelitian ini adalah fungsi
18 CDBA 20 ABCD 22
tujuan maksimasi dimana pencarian dilakukan
terhadap produksi maksimal yang dapat
19 DABC 22 ABCD 22 dihasilkan oleh karyawan. Dalam kegiatan
20 DACB 22 ABCD 22 produksi, jumlah mesin sama dengan jumlah
21 DBAC 23 DBAC 23
karyawan yang mengoperasikannya dan satu
karyawan hanya mengerjakan satu mesin yaitu
22 DBCA 22 DBAC 23 masing-masing berjumlah 4 (empat). Sehingga
23 DCAB 21 DBAC 23 hal ini sesuai dengan karakteristik pada metode
24 DCBA 20 DBAC 23
Hungarian.
Berdasarkan tabel 4.4. telah ditemukan sistem Berikut ini dilakukan pengolahan data masalah
penugasan untuk grup A pada shift 1 dengan penugasan pada formasi grup A di setiap shift 1
jumlah produksi paling tinggi yaitu lintasan D-B- dengan metode Hungarian.
A-C dengan nilai 23, maka untuk Grup A pada 1. Menentukan nilai terbesar dari jumlah
shift 1 sistem penugasannya ialah: produksi yang dapat dihasilkan oleh karyawan
1. Operator D pada mesin 1 dengan jumlah Grup A pada shift 1 pada tiap baris.
produksi rata-rata 5 batch
2. Operator B pada mesin 2 dengan jumlah
produksi rata-rata 6 batch
3. Operator A pada mesin 3 dengan jumlah
produksi rata-rata 6 batch
4. Operator C Padamesin 4 dengan jumlah
produksi rata-rata 6 batch.
Tabel alur pencarian digunakan untuk semua
6
Jurnal Intech Teknik Industri ISSN: 2407-781x
Karyawan Amin 3 6
Suta 2 6
A 23
Mesin A B C D Robby 4 6
Doddy 1 5
1 0 0 0 0 Toha 2 6
Anji 4 6
2 0 0 1 1 1 B 24
Rio 3 6
3 0 1 0 1 Dani 1 6
4 1 1 0 1 Doni 1 6
Agus 3 5
C 23
Karman 4 6
4. Membentuk Penugasan Optimum
Anto 2 6
Amin 2 6
Suta 4 6
A 23
Robby 3 5
2
Doddy 1 6
Toha 2 6
B 23
Anji 4 6
7
Jurnal Intech Teknik Industri ISSN: 2407-781x
6. PEMBAHASAN
Berdasarkan pengolahan data yang telah 7. KESIMPULAN
dilakukan dapat diketahui solusi penugasan Berdasarkan analisis yang telah dilakukan,
dengan menggunakan algoritma generate and test maka dapat ditarik kesimpulan yaitu sebagai
dan metode Hungarian. Hasil pengolahan data berikut:
menunjukkan bahwa terdapat perbedaan hasil 1. Secara berurutan penugasan pada mesin
antara algoritma generate and test dan metode 1,2,3,4 dengan algoritma generate and test
Hungarian. Perbedaan tersebut terletak pada yaitu shift 1 grup A penugasannya operator D-
penugasan untuk shift 2 grup A yaitu: B-A-C dengan jumlah produksi 23 batch, shift
1. Pada algoritma generate and test solusi 1 grup B penugasannya operator D-A-C-B
penugasannya: dengan jumlah produksi 24 batch, shift 1 grup
Operator D (Doddy) pada mesin 1 C penugasannya operator A-D-C-B dengan
Operaor B (Suta) pada mesin 2 jumlah produksi 23 batch. Shift 2 grup A
Operator C (Robby) pada mesin 3 penugasannya D-B-C-A dengan jumlah
Operaor A (Amin) pada mesin 4 produksi 22 batch, shift 2 grup B
Total produksi sebanyak 22 batch penugasannya D-A-C-B dengan jumlah
2. Pada metode Hungarian solusi penugasannya: produksi 23 batch, shift 2 grup C
Operator D (Doddy) pada mesin 1 penugasannya A-B-C-D dengan jumlah
Operator A (Amin) pada mesin 2 produksi 23 batch. Shift 3 grup A
Operator C (Robby) pada mesin 3 penugasannya C-B-D-A dengan jumlah
Operator B (Suta) pada mesin 4 produksi 21 batch, shift 3 grup B
Total produksi sebanyak 23 batch penugasannya D-A-C-B dengan jumlah
Perbedaan hasil penugasan lainnya juga terdapat produksi 22 batch, shift 3 grup C
pada shift 3 grup A, yaitu: penugasannya A-D-C-B denga jumlah
1. Pada algoritma generate and test solusi produksi 22 batch. Total produksi pada
penugasannya: penugasan ini adalah 203 batch.
Operator C (Robby) pada mesin 1 2. Secara berurutan penugasan pada mesin
Operator B (Suta) pada mesin 2 1,2,3,4 dengan metode Hungarian yaitu shift
Operator D (Doddy) pada mesin 3 1 grup A penugasannya D-B-A-C dengan
Operator A (Amin) pada mesin 4 jumlah produksi 23 batch, shift 1 grup B
Total produksi sebanyak 21 batch. penugasannya D-A-C-B dengan jumlah
2. Pada metode Hungarian solusi penugasannya: produksi 24 batch, shift 1 grup C
Operator A (Amin) pada mesin 1 penugasannya A-D-B-C dengan jumlah
8
Jurnal Intech Teknik Industri ISSN: 2407-781x
produksi 23 batch. Shift 2 grup A Fasilitas. Jurnal Teknologi Industri Vol 5 No.
penugasannya D-A-C-B dengan jumlah (1). 15-16.
produksi 23 batch, shift 2 grup B
penugasannya D-A-C-B dengan jumlah Kusumadewi, S., (2003), Artificial Inteligence
produksi 23 batch, shift 2 grup C (Konsep dan Aplikasinya), Yogyakarta: Graha
penugasannya A-B-C-D dengan jumlah Ilmu.
produksi 23 batch. Shift 3 grup A
penugasannya A-B-D-C dengan jumlah Paendong, M., (2011). Optimasi Pembagian
produksi 23 batch, shift 3 grup B Tugas Menggunakan Metode Hungarian. Jurnal
penugasannya D-A-C-B dengan jumlah Ilmiah Sains Vol. 11 No. (1). 110-111.
produksi 22 batch, shift 3 grup C
penugasannya A-D-C-B dengan jumlah Purwananto, Y., Purwitasari, D.,& Wibowo, A,
produksi 22 batch. Total produksi pada W., (2005). Implementasi dan Analisis Algoritma
penugasan ini adalah 206 batch. Pencarian Rute Terpendek di Kota Surabaya.
3. Terdapat perbedaan penugasan antara algorita Jurnal Penelitian dan pengembangan
generate and test dengan yaitu pada shift 2 TELEKOMUNIKASI, Vol.10 No. (2) 95-97
grup A dan shift 3 grup A.
4. Penugasan pada grup B cenderung tetap pada Raden L., Langi, Y, A, R.,& Manurung, T.,
setiap shift, sedangkan pada pada grup A dan (2011). Optimasi Pendistribusian Raskin dengan
C terdapat perbedaan formasi penugasan pada Menggunakan Goal Programing. Jurnal MIPA
setiap shift. UNSRAT Online Vol 2 No. (1). 13-14
5. Metode yang dapat memberikan solusi
optimum pada penelitian ini adalah metode Rahmadi, R., (2010). Implementasi Metode
Hungarian dengan jumlah produksi sebesar Generate And Test Dalam Menyelesaikan
206 batch sedangkan algoritma generate and Travelling Salesman Problem Menggunakan
test menghasilkan 203 batch. Robot Bersensor Sonar Dan Warna. Prosiding
Seminar Nasional Aplikasi Teknologi Informasi
DAFTAR PUSTAKA 2010 (SNATI 2010). Yogyakarta: FT Universitas
Aminudin, (2005), Prinsip-Prinsip Riset Operasi, Islam Indonesia, 19 Juni 2010. 29-34.
Erlangga, Jakarta.
Subagyo, P., Asri, M., HHandoko, H., (1999),
Helvin, I, E, S., Virginia, G.,& Purwadi, J., Dasar-dasar Operations Research, Edisi 2,
(2007). Perbandingan Algoritma Genetika Yogyakarta: BPFE.
Dengan Algoritma Generate and Test Pada Tata
Letak Fasilitas Rumah Sakit Umum.Jurnal Welianto, S., Santosa, R, G., Chrismanto, A, R.,
Informatika Vol. 3 No. (2). 49-51. (2011), Implementasi Algoritma Generate And
Test Pada Pencarian Rute Terpendek. Jurnal
Heriyanto, H, (2002). Pengembangan Algoritma Informatika, Vol. 7, No. 2.
Heuristik Modular Techniqeu untuk Layout