Perpustakaan Digital ITB

Persaingan pada industri manufaktur semakin ketat seiring dengan siklus hidup produk yang semakin singkat. PT Mattel Indonesia, salah satu industri manufaktur yang bergerak di industri mainan telah menerapkan cobot dengan tujuan meningkatkan produktivitas perusahaan. Siklus hidup produk yang pendek dan meningkatnya pemanfaatan teknologi yang lebih canggih membuat lintas perakitan produk harus dapat menyesuaikan dengan produk yang sedang dikembangkan. Munculnya jalur alternatif perakitan produk serta alternatif tipe operator yang dapat melakukan perakitan disebut sebagai sistem ASALBP-HRC. Kasus ASALBP-HRC yang cenderung rumit dapat diselesaikan dengan metode metaheuristik yang mampu menghasilkan solusi layak dengan waktu komputasi yang relatif cepat. Metode metaheuristik yang diusulkan untuk dikembangkan dalam penelitian ini adalah algoritma genetika. Algoritma genetika terdiri dari dua proses utama, yaitu proses pembangkitan solusi awal (solution construction) dan proses perbaikan solusi (solution improvement). Pada penelitian ini, diusulkan prosedur khusus untuk tahap pembangkitan solusi awal, seleksi turnamen, pindah silang (crossover), dan mutasi yang disesuaikan dengan karakteristik sistem ASALBP-HRC. Usulan algoritma genetika ditransformasikan ke dalam bahasa pemrograman Python dan digunakan untuk memperoleh solusi dari beberapa kasus ASALBP-HRC. Berdasarkan hasil penelitian, didapati bahwa algoritma genetika mampu menghasilkan solusi optimal pada beberapa set data dengan selisih rata-rata sebesar 8,62% dan memiliki waktu komputasi yang lebih cepat dengan rata-rata gap waktu sebesar 54%. Pada waktu komputasi yang sama dengan model analitis, algoritma genetika mampu menghasilkan solusi layak dengan nilai objektif yang lebih baik. Berdasarkan hasil perancangan eksperimen, didapati bahwa parameter ukuran populasi (P) dan jumlah generasi (N) mempengaruhi kinerja algoritma genetika secara signifikan terhadap pencarian solusi.