123 Bab VI Hasil dan Pembahasan Hasil dari penelitian ini terdiri dari: x Model dasar penyeimbangan lintasan perakitan dengan kolaborasi manusia- robot (model dasar ALB-HRC): 1. Model A1: dengan fungsi tujuan minimisasi biaya total 2. Model A2: dengan fungsi tujuan minimisasi waktu siklus x Model penyeimbangan lintasan perakitan dengan kolaborasi manusia-robot dan alternatif subgraf (model ALB-HRC-AS): 1. Model B1: dengan fungsi tujuan minimisasi biaya total 2. Model B2: dengan fungsi tujuan minimisasi waktu siklus x Algoritma pencarian solusi berbasis ant colony optimization (ACO) untuk model ALB-HRC-AS: 1. Algoritma ACO B1: dengan fungsi tujuan minimisasi biaya total 2. Algoritma ACO B2: dengan fungsi tujuan minimisasi waktu siklus Verifikasi bagi keempat model telah dilakukan untuk menjamin validitas internal model. Verifikasi ini dilakukan dengan cara: 1. Pemeriksaan konsistensi dimensi setiap persamaan. 2. Pengujian ekstrim dengan menggunakan model untuk permasalahan dasar (SALBP): Model A1 dan B1 diuji dengan contoh soal SALBP-1, sedangkan Model A2 dan B2 diuji dengan contoh soal SALBP-2. Ternyata hasil dari Model A1 dan B1 telah sesuai dengan hasil SALBP-1, dan hasil dari Model A2 dan B2 telah sesuai dengan hasil SALBP-2. 3. Pengujian dengan beberapa contoh numerik untuk melihat apakah model bekerja sesuai ekspektasi (mental model). Verifikasi bagi Algoritma ACO B1 dan Algoritma ACO B2 dilakukan dengan cara membandingkan hasilnya dengan hasil metode eksak, khususnya dengan ukuran permasalahan kecil. Kedua algoritma telah terverifikasi karena beberapa contoh kasus dengan ukuran kecil (n T = 14, n T = 22) memberikan hasil yang sama dengan hasil optimal metode eksak. 124 VI.1 Pembahasan Model A1, Model B1 dan Algoritma ACO B1 Model A1 dan B1 berada dalam satu kerangka permasalahan yang sama yaitu ALBP-HRC yang berfungsi tujuan minimisasi biaya total. Kedua model ini digunakan jika perusahaan memiliki pilihan untuk mengubah, khususnya menambah, konfigurasi sumber daya yang terdiri dari manusia, robot, dan alat robot, namun waktu siklus lintasan telah ditetapkan. Peranan model menjadi penting untuk memberikan solusi optimal, yang sulit dibayangkan tanpa bantuan model. Beberapa pengetahuan yang diperoleh dari pengujian numerik model: x Pemilihan sumber daya tidak bisa dilihat dari kinerja masing-masing saja. Dalam kasus pengujian Model A1 Skenario 1 (Tabel IV.2), walaupun seluruh pekerjaan yang ada memiliki alternatif pengerjaan oleh robot, dan waktu proses robot adalah dua kali lebih cepat dibandingkan manusia, namun minimisasi biaya menunjukkan bahwa solusi optimal hanya satu stasiun robot dan lima stasiun manusia (manual). Walaupun robot memiliki kecepatan lebih tinggi, dan biaya operasi lebih rendah dibandingkan manusia, namun dengan waktu siklus yang telah ditetapkan ternyata hanya diperlukan satu stasiun kerja robot. Dalam contoh ini, stasiun robot dan stasiun manusia terpisah, tidak ada stasiun kerja yang memiliki robot sekaligus manusia. x Ketersediaan awal sumber daya sangat berpengaruh dalam solusi akhir. Sebagaimana dibahas di pembahasan biaya pengadaan robot dan alat robot, keputusan menyediakan sejumlah sumber daya adalah keputusan strategis yang dilakukan sebelum ALBP. Dalam Model A1 Skenario 2 (Tabel IV.3), ketersediaan manusia dan robot membuat biaya total lebih kecil karena tidak diperlukan penambahan manusia dan robot. Dalam contoh ini, ternyata didapatkan solusi dengan sebuah stasiun kerja yang operatornya terdiri dari manusia dan robot sekaligus, tetapi masing-masing mengerjakan pekerjaan yang berbeda. Dalam Model B1 Skenario 4 (Tabel V.6) ditunjukkan pula bahwa jumlah robot yang tersedia akan cenderung dimanfaatkan selama memang terdapat alternatif pengerjaan oleh robot. 125 Hal ini karena biaya operasi robot cenderung lebih murah dibandingkan biaya operasi manusia, walaupun biaya penambahan robot dan alat robot lebih besar dibandingkan penambahan manusia. x Adanya estimasi manfaat dalam satuan uang dari penggunaan R dan HRC sangat berpengaruh dalam pembentukan solusi. Dalam Model A1 Skenario 3 (Tabel IV.5) ditunjukkan bahwa dengan adanya data estimasi penghematan uang yang dapat dijanjikan oleh penggunaan robot atau HRC, ternyata dapat dihasilkan biaya total yang lebih rendah. Seharusnya estimasi penghematan ini menjadi salah satu daya tarik utama penggunaan robot atau HRC untuk meningkatkan efisiensi sistem secara sistemik. x Efisiensi waktu proses yang ditawarkan proses R atau HRC dibandingkan manual dapat menjadi solusi bagi kondisi yang terdapat keterbatasan, baik dari sisi waktu siklus maupun jumlah maksimum stasiun kerja. Dalam contoh Model B1 Skenario 3a dan 3b, diketahui bahwa efisiensi waktu proses yang ditawarkan HRC bisa menjadi solusi jika terdapat keterbatasan jumlah stasiun, misalkan akibat lantai produksi yang terbatas. Dalam data Skenario 3a dan 3b tersebut, jika tidak ada proses yang bisa dikerjakan oleh R atau HRC, maka tidak ada solusi fisibel untuk keterbatasan panjang lintasan. Model B1 merupakan generalisasi dari Model A1 yaitu permasalahan A1 bisa dipecahkan menggunakan Model B1. Model B1 mengembangkan aspek alternatif subgraf terhadap Model A1. Dengan demikian jika alternatif subgraf ditiadakan dari Model B1, maka Model B1 akan menjadi Model A1. Untuk menggunakan Model B1 bagi permasalahan A1 perlu diperhatikan beberapa hal berikut ini: 1. Pendefinisian P sebagai himpunan pasangan predesesor-suksesor langsung (direct predecessor-successor) perlu sedikit diubah menjadi P i (himpunan predesesor langsung) dan Fi (himpunan suksesor langsung) 2. Himpunan entry nodes dan terminal nodes dinyatakan sebagai himpunan- himpunan kososng. 3. Walaupun di Model A1 tidak disyaratkan suatu precedence graph dengan satu source node dan satu sink node, tetapi untuk menggunakan Model B1 126 tetap harus dipenuhi syarat satu source node dan satu sink node tersebut. Jika precedence graph permasalahan belum memenuhi syarat tersebut dapat ditambahkan source node dan/atau sink node yang bersifat dummy. Algoritma ACO B1 dapat digunakan untuk mencari solusi yang baik dari permasalahan yang direpresentasikan oleh Model A1 dan Model B1. Walaupun baru dicoba dengan lima contoh set data, hasil yang diperoleh cukup menjanjikan (Tabel V.9). Untuk permasalahan berukuran 14 pekerjaan dan 22 pekerjaan, hasil Algoritma ACO B1 sama dengan solusi optimal. Hal ini merupakan dasar verifikasi algoritma dan implementasi programnya. Untuk permasalahan berukuran 46 pekerjaan, hasil solusi algoritma memiliki selisih 3% dengan hasil optimal. Hasil ini masih dianggap sangat baik karena kurang dari 5%.