digilib@itb.ac.id +62 812 2508 8800

Penelitian ini bertujuan untuk mengembangkan algoritma metaheuristik Ant Colony Optimization (ACO) sebagai alternatif penyelesaian permasalahan lintasan perakitan kolaborasi manusia-robot atau Assembly Line Balancing Problem Human Robot Collaboration (ALBP-HRC) dengan memperhatikan waktu setup. Fungsi tujuan dari algoritma yang dikembangkan adalah meminimalkan waktu siklus. Data yang digunakan adalah data sekunder yang diperoleh dari empat penelitian sebelumnya dengan berbagai ukuran data dan variasi precedence. Pengembangan algoritma ACO dibagi menjadi tiga tahapan. Tahap pertama adalah modifikasi prosedur ACO standar menjadi spesifik untuk ALBP-HRC dan menambahkan pengembangan agar pencarian solusi lebih efisien. Setelah itu, dilakukan simulasi dengan contoh permasalahan kecil untuk memastikan alur prosedur telah logis dan menghasilkan solusi layak, konvergen, dengan efisien. Tahap terakhir adalah pengembangan kode program sesuai dengan alur prosedur yang telah divalidasi. Hasil komputasi menggunakan data sekunder menunjukkan bahwa algoritma yang dikembangkan mampu mencapai solusi optimal pada data dengan jumlah tugas ? 25 dan mendekati optimal pada data dengan jumlah tugas > 25 dengan waktu yang jauh lebih cepat dibandingkan metode analitik. Di samping itu, terdapat parameter batas atas waktu siklus (?) yang ditambahkan pada penelitian ini yang secara empiris berkontribusi terhadap efisiensi algoritma sebesar 52% lebih cepat. Penelitian ini memberikan kontribusi terhadap perkembangan penelitian mengenai permasalahan ALBP-HRC melalui penggunaan algoritma ACO dengan mempertimbangkan waktu setup dan penambahan parameter untuk meningkatkan efektivitas algoritma. Secara performansi, algoritma ACO menghasilkan rata-rata perbedaan dengan solusi optimal sebesar 0,67% dan rata-rata penurunan waktu komputasi sebesar 61,75%. Penelitian ini diharapkan dapat berkontribusi terhadap pengambilan kebijakan di lintas perakitan sehingga lebih efektif dan efisien.