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

Dalam permasalahan Assembliy Line Balancing Problem (ALBP) pada lintasan perakitan, waktu siklus dan minimnya pilihan operator pada lintasan perakitan menjadi suatu perhatian. Semakin kecil waktu siklus maka akan semakin cepat proses pengiriman produk ke pelanggan. Saat ini telah dikembangkan model matematis terkait minimasi waktu siklus dengan memanfaatkan Human-Robot Collaboration disertai pertimbangan pemasangan jenis tools pada end-effector cobot. Kelemahan dari model matematis atau analitik yaitu dalam hal waktu komputasinya yang sangat lama. Waktu komputasi yang lama ini akan menghambat proses rekonfigurasi lintasan perakitan. Untuk mengatasi permasalahan waktu komputasi tersebut, maka dalam penelitian ini dikembangkan suatu algoritma metaheuristik berupa Simulated Annealing (SA). Algoritma SA yang dikembangkan, terdiri dari dua algoritma besar yaitu : algoritma konstruksi untuk menghasilkan solusi awal, dan algoritma perbaikan SA yang terdiri dari algoritma outer loop yang merupakan prosedur umum algortima SA dan algoritma inner loop sebagai pembangkit dari solusi baru. Prosedur inner loop terdiri dari tiga prosedur yaitu pemindahan tugas, penukaran tugas dan penukaran sumber daya. Kontribusi lain yang dikembangkan yaitu penambahan parameter beta (?) sebagai parameter untuk membatasi ruang solusi berupa upper bound cycle time. Penelitian ini menggunakan design of experiment (DOE) berupa full factorial design untuk mengetahui parameter Simulated Annealing yang signifikan memengaruhi waktu siklus. Dilakukan juga penyetalan parameter ? sehingga akan didapatkan kombinasi parameter terbaik yang akan digunakan dalam pengujian algoritma SA. Dari perancangan eksperimen yang telah dilakukan, teradapat dua parameter SA yang signifikan memengaruhi waktu siklus. Kedua parameter tersebut yaitu jumlah penurunan suhu (M) dan jumlah iterasi disetiap suhu (N). Penyetelan parameter ? akan optimal ketika ? = 0,7 untuk data kecil dan ? = 0,9 untuk data besar Berdasarkan pengujian algoritma SA yang telah dikembangkan ini, didapatkan hasil berupa : perbaikan solusi baru sebesar 11,38% dari solusi awal, selisih gap waktu siklus antara metode analitik dan algoritma SA hanya sebesar 1,67%, serta penurunan waktu komputasi yang sangat signifikan antara metode analitik dan algoritma SA yaitu sebesar 88,78%. Melihat presentase hasil dari algortima SA, terbukti bahwa algoritma SA yang dikembangkan menghasilkan kualitas solusi yang mendekati optimal dan kecepatan waktu komputasi yang lebih baik dari metode analitik.