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

ABSTRAK Sonia Florence Serevin
PUBLIC Alice Diniarti

Perkembangan teknologi robot, yaitu collaborative robots (cobot), mampu mendampingi kegiatan manusia pada lintas perakitan. Penelitian mengenai cobot pada lintas perakitan terdahulu yang dilakukan menggunakan model analitis menunjukkan kelemahan, yaitu ketidakmampuan model untuk mengakomodasi kegiatan perakitan berjumlah banyak dalam waktu komputasi yang efisien. Di samping itu, lintas perakitan produk campuran kolaborasi manusia-robot berpotensi untuk dikembangkan untuk beradaptasi dengan keragaman produk dan umur produk yang semakin pendek. Salah satu metode metaheuristik berbasis populasi, yaitu algoritma genetika, dikembangkan untuk menjawab kekurangan penelitian terdahulu dan terdiri dari beberapa prosedur utama, yaitu pembangkitan populasi awal melalui algoritma konstruksi, seleksi turnamen untuk memilih individu parent dari populasi untuk diperbaiki, pindah silang untuk membentuk individu baru yang lebih baik berdasarkan karakteristik parent, dan mutasi untuk membantu proses perbaikan keluar dari optimal lokal. Fungsi tujuan yang digunakan dalam penelitian ini adalah meminimalisasi total biaya lintas perakitan. Bahasa pemrograman Python digunakan untuk mengembangkan algoritma. Berdasarkan metode analitis, algoritma genetika mampu menghasilkan solusi optimal pada data berjumlah 11 hingga 19 dan solusi layak pada data berjumlah 25 hingga 43 dengan gap solusi sebesar 21,82% dan gap waktu komputasi yang lebih baik sebesar 88,67%. Sementara itu, solusi lebih baik dengan gap sebesar 16,9% ditemukan untuk data berjumlah 61 dan 75 dibandingkan dengan solusi optimal lokal dari metode analitis. Berdasarkan eksperimen yang dilakukan, parameter yang berpengaruh dalam minimalisasi fungsi objektif dalam waktu komputasi yang efisien adalah jumlah generasi (G) dan probabilitas mutasi (????????).