// <![CDATA[ALGORITMA GUIDED GREEDY RANDOMIZED ADAPTIVE SEARCH PROCEDURES WITH FIXED THRESHOLD UNTUK KESEIMBANGAN LINTASAN PERAKITAN U-SHAPED DENGAN KRITERIA MINIMISASI JUMLAH STASIUN KERJA]]> Arif Imran, S.Si., M.T., Ph.D. Dosen Pembimbing 1 Ir. Emsosfi Zaini., MT Dosen Pembimbing 2 KHAIRAN ADI PUTRA / 13-2008-133 Penulis
Assembly line balancing (ALB) adalah suatu penugasan penempatan pekerjaan pada stasiun kerja yang saling berhubungan antar lintasan produksi untuk memperoleh target laju produksi yang terpenuhi. Gutjahr and Nemhauser (1964) yang terdapat pada Andres et al (2003) menyatakan permasalahan ALB tersebut ke dalam permasalahan optimisasi kombinatorial (NPHard). Oleh karena itu dilakukan pendekatan dengan metode heuristik untuk menyelesaikan SALBP. Metode heuristik dapat menghasilkan solusi dalam waktu relatif singkat meskipun tidak menjamin solusi yang dihasilkan adalah solusi optimal. Lintasan U-shaped merupakan lintasan yang secara umum berbentuk U karena stasiun kerja yang pertama dan stasiun kerja yang terakhir terletak pada posisi yang sama. Penelitian ini bertujuan untuk mengembangkan algoritma Guided GRASP With Fixed Treshold terhadap lintasan perakitan U-shaped dengan kriteria minimisasi jumlah stasiun kerja. Algoritma Guided GRASP With Fixed Treshold terdiri dari dua tahap, yaitu tahap konstruksi dan tahap local search. Pada Tahap konstruksi dilakukan pembangkitan solusi inisial. Solusi inisial dihasilkan dari pembentukan restricted candidate list (RCL) yang disusun berdasarkan suatu fungsi greedy dan elemen kerja didalam RCL dipilih secara random. Pada proses pembentukan RCL, pemilihan elemen kerja dilakukan berdasarkan precedence relation yang dilihat dari precedence diagram serta batasan waktu siklus (CT). Elemen kerja dipilih secara pseudo random berdasarkan selisih terkecil dari CT – STi dalam RCL untuk ditempatkan pada stasiun kerja tertentu. Tahap local search merupakan tahap perbaikan dari pembangkitan solusi inisial yang telah dibentuk pada tahap konstruksi. Tahap ini bertujuan untuk mengurangi jumlah stasiun kerja, sehingga efesiensi lintasan yang diberikan besar. Seluruh tahap ini dilakukan beberapa kali (iterasi) sehingga local optimum terbaik dipilih sebagai solusi dengan menambahkan fungsi nilai threshold. Pengujian algoritma usulan dilakukan dengan menggunakan tiga skenario, Skenario 1 menggunakan set data Scholl (1999) dengan n = 12, Skenario 2 menggunakan set data Jackson (1956) yang terdapat pada Rahayuningtyas (2011) dengan n = 11, Skenario 3 menggunakan set data Baykaso_lu (2006) dengan n = 12. Berdasarkan hasil perbandingan algoritma usulan dengan algoritma penelitian-penelitian sebelumnya diperoleh kesimpulan algoritma usulan menghasilkan solusi yang lebih baik dari penelitian sebelumnya yang telah dipublikasikan