Detail Cantuman

Penjadwalan job shop memiliki karakteristik sebagai penjadwalan n job pada m mesin. Setiap job mempunyai pola aliran atau rute proses pada tiap mesin yang spesifik, dan bisa berbeda untuk tiap job (Baker, 1974). Telah banyak pendekatan heuristik yang digunakan untuk menyelesaikan masalah penjadwalan. Salah satu pendekatannya adalah algoritma genetik, yaitu suatu metode pencarian solusi yang mekanismenya mengadaptasi mekanisme evolusi pada manusia. Telah banyak penelitian yang membahas masalah penjadwalanjob shop menggunakan algoritma genetik, diantaranya penelitian yang dilakukan oleh Gen et a/. ( I995) dan Gen & Cheng (I997) dalam Liu & Tang (I999). Asumsi yang digunakan pada penelitian-penelitian tersebut adalah bahwa setiap stasiun kerja hanya dapat memproses 1 (satu) job pada saat yang sama, karena di setiap stasiun kerja hanya terdapat 1 (satu) mesin. Di pihak lain, telah banyak penelitian-penelitian yang membahas penjadwalan kelompok mesin menggunakan algoritma genetik, namun penelitian-penelitian tersebut hanya membahas sistem manufaktur kelompok mesin dengan 1 (satu) stasiun kerja saja (single stage).
Penelitian ini membahas model penjadwalan job shop kelompok mesin parallel heterogen menggunakan algoritma genetik untuk meminimasi malrespan. Penelitian ini merupakan pengembangan dari penelitian yang dilakukan oleh Gen et a/. ( I995) dalam Gen & Cheng (1997) dalam Liu & Tang (1999). Kedua penelitian tersebut membahas penjadwalan job shop untuk mesin tunggal. Representasi kromosom yang digunakan adalah operation-based representation dan adanya perhitungan completion time yang digunakan untuk permasalahan penjadwalan job shop mesin tunggal. Pada penelitian ini, sistem manufaktur yang digunakan dikembangkan menjadi sistem manufaktur job shop dengan stasiun kerja dan mesin paralel yang masing-masing berjumlah lebih dari I (satu). Representasi kromosom yang digunakan merupakan modiftkasi dari operation-based representation, yaitu dengan menambahkan persamaan baru yang dinamakan persamaan sub-completion time untuk memilih mesin parallel yang digunakan. Pada penelitian ini, perhitungan completion time yang digunakan juga merupakan modifikasi dari penelitian sebelumnya hingga dapat digunakan untuk permasalahan job shop kelompok mesin paralel heterogen. Model yang dikembangkan diuji menggunakan 3 skenario. Skenario 1 digunakan untuk menguji cara kerja model. Skenario 2 digunakan untuk membandingkan basil dari model dengan basil dari penelitian-penelitian sebelumnya, serta digunakan untuk mengetahui perilaku model terhadap perubahan jumlah job, jumlah stasiun kerja, dan jumlah mesin. Skenario 3 digunakan untuk parameter-parameter yang digunakan pada model ini.
Penelitian ini bisa menghasilkan nilai malrespan yang lebih baik dibandingkan dengan penelitian-penelitian sebelumnya. Dibandingkan dengan penelitian Puryani (2003), dari 16 kasus didapat 4 kasus menghasilkan malrespan yang lebih kecil, 1 kasus menghasilkan malrespan yang lebih besar, dan 11 kasus lainnya menghasilkan malrespan yang sama. Dibandingkan dengan penelitian Gustira (2004), dari I6 kasus didapat 3 kasus menghasilkan malrespan yang lebih kecil, 1 kasus menghasilkan malrespan yang lebih besar, dan 12 kasus lainnya menghasilkan malrespan yang sama. Dibandingkan dengan penelitian Zulfrrman (2004), dari 16 kasus didapat 6 kasus menghasilkan malrespan yang lebih kecil, I kasus menghasilkan malrespan yang lebih besar, dan 9 kasus lainnya menghasilkan malrespan yang sama. Model yang dikembangkan mampu menyelesaikan persoalan penjadwalan dengan berbagai variasi jumlah job, stasiun kerja, dan jumlah mesin pada stasiun kerja. Hasil pengujian terhadap model juga menunjukkan bahwa nilai parameter probabilitas crossover ( p c), probabilitas mutase (Pm), ukuran populasi (pop_size) dan jumlah generasi (max_gen) akan mempengaruhi performansi dari algoritma.