PENERAPAN ALGORITMA GENETIKA UNTUK MASALAH PENJADWALAN JOB SHOP PADA LINGKUNGAN INDUSTRI PAKAIAN

Nama : Puguh Ramadhan
Npm : 50407665
Kelas : 4 IA 03

Rangkuman
Penjadwalan job shop untuk industri pakaian adalah suatu penjadwalan yang menggunakan banyak mesin yang fleksibel disertai banyak operasi yang menyertainya Dengan menerapkan metode Genetic Algorithm (GA), solusi masalah penjadwalan job shop yang berbaur dan multi produk menjadi lebih efektif yaitu dengan meminimalkan total pinalti E/T (Earliness/Tardiness) pada job shop dengan menentukan masing–masing pesanan sesuai waktu awal produksi dan tugas operasi pada job shop. Algoritma genetika dapat digunakan untuk mencari solusi dari segala macam Pada umumnya suatu penerapan algoritma genetika secara generasional sederhana terdiri dari 3 bagian, yaitu: 1) Memilih populasi awal (inisial populasi), 2) Evaluasi nilai fitness dari setiap individu didalam populasi 3) Ulangi sampai proses berhenti (nilai fitness terbaik terpenuhi).
Pada jurnal ini, model matematika penjadwalan job shop yang diusulkan akan menggunakan A. asumsi-asumsi sebagai berikut: 1) Ketika sekali suatu operasi mulai dijalankan, maka tidak dapat disela. 2) Tidak ada kasus kekurangan material, gangguan mesin dan ketidakhadiran operator mesin job shop dalam kerjanya. 3) Job shop digunakan untuk memodelkan adalah dalam keadaan inisialisasi awal job shop kosong, dengan kata lain tidak ada kerja yang menumpuk sebelumnya (Work in Process / WIP) pada setiap stasiun-kerja. B. Batasan-batasan dalam Pemodelan, C. Fungsi Obyektif, D. Inisialisasi Populasi, E. Fitness dan Seleksi, F. Pindah Silang (Crossover) dan G. Mutasi (Mutation). Pada tahap uji coba dilakukan pada perangkat keras komputer dengan spesifikasi prosesor: AMD Turion(tm) 64 X2, memori 1 GB dan perangkat lunak: program penjadwalan job shop berbasis pemrograman Matlab dengan sistem operasi Windows XP SP2. Permasalahan penjadwalan job shop terbagi menjadi 2 bagian eksperimen. Pembagian data ini bertujuan untuk melihat kinerja program algoritma genetika dalam menyelesaikan berbagai jenis permasalahan penjadwalan job shop. Hasil yang didapatkan dalam program algoritma genetika yang dijalankan berupa lini produksi operasi dari setiap order. Pada uji coba eksperimen yang dilakukan, waktu transportasi (ET) dan waktu pengaturan mesin (STP) dianggap masuk dalam waktu proses (T). Parameter yang digunakan tetap, yaitu jumlah populasi = 200, probabilitas pindah silang = 0.6, probabilitas mutasi = 0.01, dan jumlah generasi = 60.
Dari hasil uji coba dan analisis pada setiap eksperimen memiliki masalah penjadwalan sendiri dan pada setiap bagian eksperimen terdapat metode yang berbeda yaitu mode 1 dan mode 2. Pada mode 1 pengolahan order 1 dijalankan dahulu kemudian selama waktu tertentu ditunda untuk menjalankan pengolahan order hingga selesai. Setelah itu pengolahan order 1 dijalankan kembali hingga selesai. Sifat produk yang dihasilkan multi produk. Sedangkan pada mode 2 pengolahan order 1 dijalankan dahulu kemudian saat waktu tertentu pengolahan order 1 dan order 2 dijalankan secara simultan sampai order 2 terpenuhi. Setelah itu pengolahan order 1 dijalankan kembali hingga selesai. Sifat produk yang dihasilkan berbaur dan multi produk. Pada tabel Penugasan Mesin merupakan hasil pada eksperimen 1 berupa lini operasi produksi dari mesin 1-14 dan terbagi dalam setiap pengolahan order yang dijalankan. Pada tabel Penugasan Mesin merupakan hasil pada eksperimen 2 berupa lini operasi produksi dari mesin 1-11 dan setiap mesin mampu menampung maksimal 2 operasi serta terbagi dalam setiap pengolahan order yang dijalankan.
Hasil menunjukkan bahwa program algoritma genetika yang diujikan dapat menyelesaikan permasalahan penjadwalan job shop yang produknya bersifat berbaur dan multi produk secara efektif. Diantaranya adalah ketidakpastian permintaan konsumen, gangguan mesin, kekurangan bahan baku, ketidakhadiran operator mesin, dan lainnya. Hal-hal tersebut sangat berpengaruh dan menyebabkan perubahan yang cukup signifikan terhadap proses penjadwalan job shop. Begitu juga dengan pembatalan order yang telah terjadwal akan berakibat pada perubahan susunan operasi yang dikerjakan pada mesin produksi. Pada tabel Hasil Penjadwalan Optimasi Genetika terlihat bahwa program algoritma genetika untuk masalah penjadwalan job shop mampu meminimalkan total pinalti E/T (Earliness/Tardiness).