135 Bab VII Kesimpulan Penelitian ini telah berhasil mengembangkan model penyeimbangan lintasan perakitan dengan kolaborasi manusia-robot dan alternatif subgraf (assembly line balancing with human-robot collaboration and alternative subgraphs, ALB-HCR- AS), baik yang meminimumkan biaya total maupun yang meminimumkan waktu siklus. Keluaran akhir dari penelitian ini adalah Model B1, yaitu model ALB-HCR- AS yang meminimumkan biaya total, beserta Algoritma ACO B1, dan Model B2, yaitu model ALB-HCR-AS yang meminimummkan waktu siklus, beserta Algoritma ACO B2. Model matematis yang dikembangkan dapat menghasilkan solusi optimal melalui metode eksak untuk set data berukuran kecil hingga sedang. Untuk set data berukuran besar, penggunaan metode eksak untuk model matematis ini membutuhkan waktu komputasi yang sangat besar sehingga sulit untuk dimanfaatkan secara praktis. Keterbatasan metode eksak ini berusaha diatasi dengan dikembangkannya algoritma ACO dalam penelitian ini. Algoritma ACO B1 yang telah dikembangkan mampu menghasilkan solusi yang baik, dengan melihat selisih (gap) solusinya terhadap solusi metode eksak. Algoritma ini dapat menghasilkan solusi optimal yang sama dengan metode eksak untuk set data berukuran kecil, yang membuktikan algoritma ini benar (verified). Untuk set data berukuran sedang, solusi yang dihasilkan bisa sangat mendekati dengan solusi optimal, dengan gap hasil percobaan sebesar 3%. Adapun untuk set data berukuran besar, algoritma juga bisa menghasilkan solusi yang baik, namun gap yang terjadi bisa antara 5% – 11% tergantung pada kompleksitas maupun parameterisasi permasalahannya. Secara keseluruhan rata-rata gap solusi algoritma ini adalah sebesar 3,96% dibanding metode eksak.