Pesatnya pertumbuhan industri di Indonesia membuat tingkat persaingan yang sangat tinggi,
sehingga perusahaan harus mampu memenuhi keinginan pelanggannya. Ketepatan jumlah dan waktu
pengiriman produk merupakan tuntutan yang harus dipenuhi oleh setiap perusahaan.
PT. Braja Mukti Cakra merupakan salah satu perusahaan manufaktur yang bergerak di industri
komponen otomotif. Permasalahan yang terjadi pada lini produksi adalah kapasitas produksi tidak
dapat memenuhi target produksi. Setelah dilakukan penelitian awal, faktor penyebab tidak
terpenuhinya target produksi adalah terdapat ketidakseimbangan pada lini perakitan produk. Untuk
menyelesaikan masalah, langkah pertama yang dilakukan adalah membuat klasifikasi skill dari
operator. Pada lini perakitan terdapat 22 elemen kerja dan dikelompokkan dalam 2 kelas, yaitu, kelas 0
& 1. Dalam seluruh elemen, elemen 10 & 21 dikategorikan sebagai kelas 1, elemen lainnya masuk kelas
0. Elemen yang termasuk kelas 0 adalah elemen yang dapat digabung dengan elemen lain dalam satu
stasiun kerja, sedangkan elemen kelas 1 adalah elemen yang tidak dapat digabung dengan elemen lain
dalam satu stasiun kerja. Setelah itu dilakukan perbaikan waktu elemen dengan menggunakan peta
proses tangan kiri & tangan kanan menghasilkan penghematan sebanyak 70 detik/produk.
Penyeimbangan lini dengan menggunakan metode genetic algorithm menghasilkan completion time
sebesar 1032 detik/unit, jumlah stasiun kerja 7 dan kapasitas produksi sebanyak 28 unit/hari, sehingga
metode genetic algorithm menghasilkan penghematan waktu sebesar 13.85% dan meningkatkan
efisiensi lini sebesar 16%. Berdasarkan hasil perhitungan penyeimbangan lini dengan metode genetic
algorithm , target produksi belum tercapai akan tetapi terjadi peningkatan produksi sebesar 4 unit/hari.
Kata Kunci : simple assembly line balancing problem, genetic algorithm, ranked position weight,
Peta proses tangan kiri&kanan
dilakukan mutasi atau tidak. Setelah dari perakitan produk, lalu menentukan nilai
pengecekan maka terbentuk generasi baru yang bobot posisi dari tiap elemen, selanjutkan
berisikan urutan perakitan yang optimal. diurutkan berdasarkan nilai bobot posisi
Pada metode ranked position weight, terbesar, lalu dialokasikan kesetiap stasiun
pertama menentukan elemen kerja pengikut kerja.
Mulai
Penelitian Pendahuluan
Melakukan pengamatan secara langsung di
PT. Braja Mukti Cakra dan melakukan
wawancara langsung dengan beberapa pihak
di perusahaan
Identifikasi Masalah
Diperlukannya peningkatan kapasitas
produksi karena kapasitas produksi saat ini
belum bisa memenuhi target produksi
Studi Pustaka
Tujuan Penelitian
Melakukan penyeimbangan lini perakitan
produk Drum Brake Assy TL 110 dengan
menggunakan metode Genetic Algorithm dan
metode Ranked Position Weight untuk
meningkatkan kapasitas produksi pada PT.
Braja Mukti Cakra.
Pengumpulan Data
1. Data umum perusahaan.
2. Data jumlah operator dan klasifikasi skill nya
3. Data jam kerja yang diberlakukan
4. Data jumlah produk Drum Brake Assy TL 110 yang dihasilkan
5. Data waktu siklus perakitan produk Drum Brake Assy
6. Precendence Diagram produk Drum Brake Assy TL 110
7. Activity On Node (AON) produk Drum Brake Assy TL 110
Pengolahan Data
1. Memperbaiki waktu elemen kerja dengan
menggunakan Peta Tangan Kiri & Tangan Kanan
2. Menghitung Waktu Baku
3. Mengklasifikasikan Skill operator per elemen
4. Menyeimbangkan lini perakitan dengan
menggunakan metode Genetic Algorithm
5. Menyeimbangkan lini perakitan dengan
menggunakan metode Ranked Position Weight
Analisa Hasil
Memberikan usulan untuk menyelesaikan
permasalahan yang terjadi pada departemen
produksi di Line 2 Drum Brake Assy di PT.
Braja Mukti Cakra
Selesai
Setelah didapatkan hasil dari peta tangan kiri & tangan kanan sekarang, dianalisa lagi dengan
mengurangi waktu menganggur dari tiap pengerjaan. Berikut peta tangan kiri & tangan kanan
usulannya.
4.4. Data Waktu Siklus, Waktu Baku & Waktu Normal Untuk Metode Usulan
Setelah melakukan analisa menggunakan peta tangan kiri & tangan kanan, didapatkan waktu
siklus, waktu normal dengan mempertimbangkan faktor penyesuaian dan waktu baku dengan
mempertimbangkan faktor kelonggaran sebagai berikut:
Tabel 6. Waktu Dengan Urutan Perakitan Hasil Metode Genetic Algorithm (detik)
Stasiun Elemen Start Time Processing Time Waktu Setup (Detik) Completion Time (Detik) Worker Skill CT/Stasiun
1 0 16 16 0
13 16 20 36 0
19 36 29 65 0
1 17 65 33 98 0 160
3 98 13 111 0
6 111 28 139 0
8 139 21 160 0
20 160 98 30 288 0
2 160
18 288 32 320 0
3 10 320 55 30 405 1 85
9 405 31 30 466 0
16 466 20 486 0
4 12 486 30 516 0 162
5 516 25 541 0
15 541 26 567 0
7 567 14 30 611 0
5 165
22 611 121 732 0
14 732 50 30 812 0
11 812 27 839 0
6 164
4 839 46 885 0
2 885 11 896 0
7 21 896 106 30 1032 1 136
Completion Time 1032
2. Penyeimbangan lini dengan menggunakan Algorithm for Flexible Flow Shop Problems
metode Genetic Algorithm yang with Unrelated Parallel Machines, Setup
menghasilkan completion time sebesar Times, and Dual Criteria. International
1032 detik dengan jumlah stasiun sebanyak Journal Advance Manufacture Technology,
7. Sehingga menghasilkan penghematan Vol. 37: 354-370.
waktu sebesar 13.85% dan meningkatkan Sutalaksana, Iftikar Z. dkk. Teknik Tata Cara
efisiensi lini sebanyak 16%. Kerja, Departemen Teknik Industri ITB,
3. Penyeimbangan lini dengan menggunakan Bandung, 2006.
metode ranked position weight yang Windjosubroto, Sritomo. 2006. Pengantar
menghasilkan completion time sebesar Teknik dan Manajemen Industri. Surabaya:
1062 detik dengan jumlah stasiun sebanyak Guna Widya. (e-book).
8. Metode ini menghasilkan penghematan
waktu sebesar 11.35% dan meningkatkan
efisiensi lini sebanyak 8%.
4. Berdasarkan perhitungan dengan
menggunakan metode genetic algorithm,
didapatkan peningkatan kapasitas produksi
dari 24 unit/hari menjadi 28 unit/hari
dengan target produksi sebanyak 30
unit/hari.
6. DAFTAR PUSTAKA