Penjadwalan Flow Shop Multikriteria dengan Kombinasi Metode Genetic Algorithm dengan Data Envelopment Analysis (GA-DEA) di PT. Morawa Electric Transbuana

Abstract

PT.Morawa Electric Transbuana merupakan perusahaan swasta nasional yang bergerak di bidang produksi transformator yaitu piranti listrik yang berfungsi untuk memindahkan arus bolak-balik dari suatu rangkaian ke rangkaian lainnya. Trafo tiga phasa merupakan produk perusahaan yang paling banyak dipesan oleh pelanggan dalam jumlah yang besar. Masalah penjadwalan produksi di lantai pabrik terkait dengan kemampuan perusahaan untuk memenuhi seluruh order yang datang sesuai dengan batas waktu penyerahan (due date) yang telah ditentukan. Masalah penjadwalan job (job scheduling) ini berkaitan dengan semua sumber yang ada di lantai pabrik mulai dari waktu proses, jumlah stasiun kerja yang ada serta jumlah order yang datang. Penelitian ini disajikan konsep pengurutan job aktual di perusahaan berdasarkan waktu proses pada 9 stasiun kerja dengan metode stopwatch time study. Perhitungan makespan aktual dilakukan dengan metode Earliest Due Date. Kemudian akan diiterasi secara acak untuk mendapatkan urutan job usulan dengan kombinasi metode Genetic Algorithm dengan Data Envelopment Analisis (GADEA) untuk memperoleh nilai setiap kriteria penjadwalan yang terkecil dimana DEA digunakan untuk menghitung efisiensi relatif dari masing-masing kriteria. Untuk menilai performansi penjadwalan tersebut digunakan penyelesaian penjadwalan dengan tiga kriteria, yaitu makespan, total weighted tardiness dan mean flow time. Solusi pemecahan masalah diperoleh berdasarkan kombinasi urutan job yang dilakukan secara random sebanyak 15 iterasi setiap penurunan nilai kriteria penjadwalan sampai mencapai kondisi steady state, dimana nilai efisiensi relatif setiap kriteria penjadwalan sama dengan 1. Kondisi tersebut terjadi pada nilai makespan 729. Berdasarkan nilai total weighted tardiness memberikan nilai yang terkecil sebesar 919 dan nilai mean flow time sebesar 432,4. Urutan job yang baru terjadi pada urutan Job 200 KVA – 160 KVA – 100 KVA – 25 KVA – 50 KVA. Dari hasil penelitian diperoleh bahwa penjadwalan usulan dengan kombinasi metode Genetic Algorithm dengan Data Envelopment Analysis adalah lebih baik daripada penjadwalan aktual.