ABSTRAK Faradiva Ramaputri
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
COVER_Faradiva Ramaputri.pdf
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB I_Faradiva Ramaputri.pdf
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB II_Faradiva Ramaputri.pdf
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB III_Faradiva Ramaputri.pdf
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB IV_Faradiva Ramaputri.pdf
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB V_Faradiva Ramaputri.pdf
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
BAB VI_Faradiva Ramaputri.pdf
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
PUSTAKA Faradiva Ramaputri
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
LAMPIRAN_Faradiva Ramaputri.pdf
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan
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.