WORKING PAPER ANALISIS LINE BALANCING MODEL BARU TIPE K41 PADA GENERAL SUB ASSEMBLY LINI A BAGIAN STEERING HANDLE DENGAN METODE ALGORITMA SEMUT, ALGORITMA GENETIKA, RANK POSITIONAL WEIGHT, DAN STOPWATCH TIME STUDY DI PT ACD Anisa Cicilya Binus University, Jl.KH.Syahdan No. 9 Kemanggisan, (021)53696969, a.cicilya@yahoo.com Dr. Anggara Hayun Anujuprana S.T., M.T. Binus University, Jl.KH.Syahdan No. 9 Kemanggisan, (021)53696969 ABSTRACT Problems experienced by the achievement of production that the target of the units in 2150 units/day could not be fullfil as been defined in February-March 2014 with 1873 units/day. The longest cycle time can be caused by many things also, from the unequal division of labor so that the necessary analysis for the balance of the assembly line. Analysis used the method for line balancing are Ant Colony, Genetic Algorithms, Rank Positional Weight, and Stopwatch Time Study. With a high of efficiency line, low of balance delay, and low of smoothness index will makes decrease idle time for man power and increase the products output. The best analysis method for this case is using Ant Colony mix Initial Solution by Rank Positional Weight with 84,93% of Line Efficiency, 15,07% of Balance Delay and 10,87 of Smoothness Index.(AC) Keywords : Line Balancing, Ant Colony, Genetic Algorithm, Rank Positional Weight, Line Efficiency, Balance Delay, Smoothness Index, Products Output.
ABSTRAK Masalah yang dialami adalah tidak tercapainya target produksi yang telah ditetapkan perusahaan yaitu 2150 unit/hari pada periode Februari-Maret 2014 yang hanya mencapai 1873 unit/hari. Waktu siklus yang terlalu panjang dapat disebabkan banyak hal, salah satunya adalah pembagian beban kerja yang tidak merata sehingga diperlukan analisis terkait keseimbangan lini tersebut. Analisis keseimbangan lini yang digunakan adalah Algoritma Semut, Algoritma Genetika, Rank Positional Weight dan Stopwatch Time Study. Dengan efisiensi lini yang tinggi maka waktu menunggu dan kelancaran proses dari lini akan semakin rendah, dengan begitu tidak adanya waktu kosong dari man power sehingga hasil produksi akan meningkat. Metode analisis terbaik untuk masalah ini menggunakan Algoritma Semut dengan solusi awal Rank Positional Weight dengan Efisiensi Lini 84,93%, Balance Delay 15,07% dan Smoothness Index 10,87.(AC) Kata kunci : Line Balancing, Algoritma Semut, Algoritma Genetika, Rank Positional Weight, Efisiensi Lini, Balance Delay, Smoothness Index, Hasil Produksi. 1. PENDAHULUAN PT ACD merupakan salah satu perusahaan otomotif besar di Indonesia yang bergerak di bidang pembuatan sepeda motor yang saat ini memiliki 4 fasilitas pabrik perakitan dengan kapasitas produksi mencapai 4,2 juta unit sepeda motor pertahun dan total karyawan sekitar 20.789 orang. Dalam proses produksi di PT ACD masih melakukan beberapa perbaikan elemen kerja pada beberapa work station yang terdapat pada lini produksi. Hal ini akan mempengaruhi keseimbangan lini produksi dan dapat menimbulkan hambatan. Algoritma Semut (AS) adalah metode metaheuristic untuk mengoptimalkan lini produksi. Karakteristik dari AS adalah adanya Pheromone semut yang digunakan sebagai jejak sebagai pembentuk jalur yang ditinggalkan untuk semut lainnya, dan kemudian semut lainnya memutuskan apakah akan mengikuti jejak tersebut atau tidak. Algoritma Genetika (AG) merupakan algoritma pencarian dengan heuristic yang didasarkan atas mekanisme evolusi biologis. Evolusi biologis adalah variasi dari kromosom antar individu organisme. Variasi kromosom ini akan mempengaruhi laju reproduksi dan tingkat kemampuan organisme agar tetap hidup. Rank Positional Weight (RPW) merupakan salah satu metode heuristic yang menggunakan cara penjumlahan waktu dari elemen-elemen kerja yang terkontrol dalam sebuah work station sebagai bobot posisi. Stopwatch Time Study (STS) merupakan suatu metode pengukuran waktu kerja yang sangat baik untuk jenis pekerjaan yang berulang-ulang (repetitive). Data waktu diukur dengan stopwatch yang didapat berdasarkan aktifitas aktual, kemudian dicatat dan diolah untuk mempertimbangkan tempo waktu kerja man power dengan menambahkan faktor penyesuaian dan faktor kelonggaran (allowance) didalamnya. Pada penelitian ini dilakukan Line Balancing untuk model baru tipe K41 di Gen Sub Assy Steering Handle Lini A dengan menggunakan metode AS, AG, RPW, dan STS agar target sesuai kapasitas produksi yang telah ditetapkan perusahaan dapat terpenuhi. 2. LANDASAN TEORI 2.1 Stopwatch Time Study (STS) Wignjosoebroto (2003:132-135) mengatakan bahwa metode pengukuran waktu kerja dengan jam henti (Stopwatch Time Study atau STS) sangat baik untuk jenis pekerjaan yang berulang-ulang (repetitive). Data waktu diukur dengan stopwatch yang didapat berdasarkan aktifitas aktual, kemudian dicatat dan diolah untuk mempertimbangkan tempo waktu kerja man power dengan menambahkan faktor penyesuaian dan faktor kelonggaran (allowance) didalamnya. Niebel (1993:416-419) juga mengatakan setelah pengambilan sampel data Waktu Siklus (Ws) secara aktual, selanjutnya melakukan perhitungan Waktu Normal (Wn) dengan menambahkan Faktor Penyesuaian (P) di dalamnya dan Waktu Baku (Wb) dengan menambahkan Faktor Kelonggaran (K) di dalamnya. Berikut adalah gambar diagram alir perhitungan dengan metode STS yang terdapat pada gambar 2.1.
Mulai Persiapan 1. Observasi lapangan. 2. Pilih pekerjaan yang akan diukur. 3. Informasikan tujuan pengukuran ke atasan. 4. Pilih work station & man power lalu catat waktu Elemental Breakdown 1. Urutkan waktu siklus sesuai elemen kerja. Pengamatan & Pengukuran 1. Lakukan pengamatan dan pengukuran waktu sejumlah N untuk tiap siklus atau elemen kegiatan. 2. Pilih pekerjaan yang akan diukur. 3. Tetapkan performance rate dari kegiatan man power. Cek Keseragaman & Kecukupan Data N' = N + n 1. Keseragaman. a) Subjektif b) Batas Kontrol 3 2. Pilih pekerjaan yang akan diukur. N' Waktu Normal (Wn) = Waktu Siklus (Ws). Performance Rating Waktu Baku (Wb) = Waktu Normal (Wn). 100%. 100% x allowance Selesai Gambar 2.1 Perhitungan STS 2.2 Definisi Line Balancing Hill (2013:193-195) mengatakan bahwa Line of balancing mempelajari bagaimana merancang suatu lintasan produksi agar tercapai keseimbangan beban pekerjaan yang dialokasikan kepada seluruh man power di tiap work station yang saling berkaitan dalam satu lini produksi, sehingga tiap work station tersebut memiliki waktu kerja yang lamanya tidak melebihi waktu siklus dari work station tersebut. Konsep line balancing tepat diterapkan dalam lingkungan repetitive manufacture produksi massal. Suatu lini perakitan didefinisikan sebagai sekelompok orang dan atau mesin yang melakukan tugas-tugas sekuensial dalam merakit suatu produk. Nasution (2003:149-150) mengatakan bahwa saling keterkaitannya antara pekerjaan digambarkan dalam precedence diagram atau precedence network. Sehingga diharapkan penyelesaian tugas produksi antar work station berjalan dengan lancar dan dengan kecepatan yang tetap atau seimbang. Untuk mendapatkan nilai kinerja sebuah lini, urutan pengerjaannya dapat dilihat pada gambar diagram alir 2.2.
Gambar 2.2 Diagram Alir Line Balancing 2.3 Algoritma Semut (AS) Sabuncuoglu, Erel, dan Alp (2009:288-290) mengatakan bahwa Algoritma Semut berasal dari observasi kehidupan nyata. Semut dapat dieksploitasi untuk mengkoordinasi populasi dari agen artificial yang bekerjasama untuk memecahkan masalah dengan cara komputerisasi. Cara kerja dari Algoritma Semut ini sesuai dengan namanya, yaitu menggunakan sifat dari semut yang selalu mencari rute terpendek untuk menghubungkan antara tempat makanan dengan sarang semut. Algoritma Semut merupakan salah satu metode yang dilakukan oleh semut untuk memecahkan suatu permasalahan dari suatu kelompok yang menggunakan metode solusi optimal sebagai salah satu intelegensi heuristic. Cara kerja dari metode semut adalah menetapkan suatu lini produksi dengan pekerjaan yang paling minimal dari tempat produksi sehingga pekerjaan tersebut dapat dilakukan dengan waktu yang paling minimal.
Semut memiliki sifat komunikasi yang baik, yang menjadikan langkah utama dalam menyelesaikan suatu pekerjaan dengan baik, dimana semut menggunakan unsur kimia berupa Pheromones (Phi). Penggunaan Algoritma Semut ini dilakukan berdasarkan komunikasi semut yang menggunakan indera penciuman untuk memecahkan segala bentuk persoalan dengan menggunakan beberapa variabel tertentu. Gozali, Widodo, dan Bernhard (2012:121-123) mengatakan bahwa tahapan dalam Algoritma Semut terbagi menjadi dua, yaitu tahap Inisialisasi dan tahap Local Search dengan menggunakan Simulasi Monte Carlo, adapun langkah-langkah dalam perhitungannya dengan menggunakan program Matlab dapat dilihat pada gambar 2.3. Mulai Tahap Inisialisasi Pemilihan kandidat elemen kerja (L) Variabel input R, t*j, σl, σ*, a, M, CT, sesuai L ke Matlab Perhitungan nilai t*j dan σ* B Cum tj baru CT Ya Kandidat elemen kerja yang dapat masuk work station Perhitungan nilai Utilisasi dan Probabilitas tiap elemen kerja Tidak Elemen kerja tidak masuk work station Perhitungan nilai Metric Perhitungan nilai Pheromone Tahap Local Search dengan Simulasi Monte Carlo Pemilihan elemen kerja dari kandidat L Elemen kerja terpilih akan masuk ke work station Perbaharuan nilai statistik Sisa elemen kerja Tidak Perhitungan nilai objektif Ya B Selesai Gambar 2.3 Perhitungan Metode AS Dengan Matlab
2.4 Rank Positional Weight (RPW) Langkah awal dalam penyelesaian dengan metode ini yaitu dengan membuat precedence diagram berdasarkan jaringan kerja serta besar waktu baku untuk tiap elemen kerjanya. Selanjutnya metode ini mengutamakan waktu elemen kerja yang terpanjang, dimana elemen kerja ini akan diprioritaskan terlebih dahulu untuk ditempatkan ke dalam work station yang kemudian akan diikuti oleh elemen kerja lain yang memiliki waktu lebih rendah. Berikut ini adalah gambar diagram alir 2.4 metode Rank Positional Weight (RPW) untuk menyelesaikan keseimbangan lini. Mulai Tentukan precedence diagram sesuai dengan aktual Tentukan bobot posisi untuk setiap elemen kerjannya dengan memperhatikan precedence diagram. Cara menentukan bobot posisinya adalah ; Bobot RPW = Waktu Elemen Kerja i + Waktu Elemen Kerja Pengikut Urutkan elemen kerja berdasarkan bobot posisi yang telah didapatkan pada tahap-2, lakukan pengurutannya mulai dari elemen kerja yang memiliki bobot posisi yang terbesar. Penempatan elemen kerja yang memiliki bobot posisi terbesar sampai yang terkecil kesetiap work station. Ws CT Jika pada work station terdapat waktu yang berlebihan, maka ganti elemen kerja yang dalam work station tersebut ke work station berikutnya selama tidak menyalahi precedence diagram Ulangi lagi tahap- 4 dan tahap-5 diatas sampai seluruh elemen pekerjaan telah ditempatkan ke dalam work station. Selesai Gambar 2.4 Perhitungan Metode RPW 2.5 Algoritma Genetika (AG) Tiacci (2014:2-4) mengatakan bahwa Algoritma Genetika merupakan metode metaheuristic yang dapat berevolusi secara beragam, keberagaman evolusi biologis adalah variasi dari kromosom antar individu organisme. Variasi dari kromosom ini akan mempengaruhi laju reproduksi dan tingkat kemampuan organisme tersebut agar tetap hidup. Algoritma Genetika merupakan suatu metode untuk optimisasi yang didasari dari proses genetika organ-organ biological. Secara umum kekuatan dari metode Algoritma Genetika adalah teknik yang kuat dan dapat digunakan untuk menyelesaikan permasalahan dari berbagai sudut. Diagram alir proses optimisasi dengan metode Algoritma Genetika dengan menggunakan program simulasi Evolver dapat dilihat pada gambar 2.5.
Mulai Data lini dengan solusi awal AS atau RPW Input data lini solusi awal AS atau RPW ke Evolver Setting : Mutation Rate Setting : Crossover Rate Setting : Population Setting : Looping Selesai Gambar 2.5 Perhitungan AG Optimisasi AS Atau RPW Dengan Evolver 3. METODOLOGI PENELITIAN Nazir (2005:35-43) mengatakan bahwa untuk memudahkan dalam melakukan analisis diperlukan beberapa tahap. Tahap-tahap tersebut dikonversikan menjadi sebuah metode penelitian yang dapat dilihat di gambar 3.1. Mulai Observasi Lapangan Identifikasi Masalah Batasan Masalah Penentuan Tujuan Penelitian Pengumpulan Data : 1. Data hasil produksi periode Februari-Maret 2014 2. Data elemen kerja 3. Data waktu elemen kerja 4. Precedence diagram proses assy K41 A Gambar 3.1 Diagram Alir Penelitian
A Analisis Lini Saat Ini Metode Stopwatch Time Study : 1. Uji Data 2. Efisiensi Lini 3. Balance Delay 4. Smoothness Index Analisis Lini Usulan Untuk Perbaikan Algoritma Semut Rank Positional Weight Algoritma Genetika Perbandingan Kinerja Lini Saat Ini Dengan Usulan : 1. Efisiensi Lini 2. Balance Delay 3. Smoothness Index Kesimpulan Dan Saran Selesai Gambar 3.1(lanjutan) Diagram Alir Penelitian 4. ANALISIS DAN BAHASAN Setelah menganalisis dengan metode Stopwatch Time Study, Algoritma Semut, Rank Positional Weight, Algoritma Genetika solusi awal Algoritma Semut, dan Algoritma Genetika solusi awal Rank Positional Weight, menunjukan bahwa Algoritma Genetika solusi awal Algoritma Semut menghasilkan kinerja yang lebih baik. Hal ini dikarenakan Efisiensi Lini, Balance Delay, dan Smoothness Index yang lebih baik jika dibandingkan dengan keadaan lini saat ini dan seluruh lini usulan perbaikan yang ada. Berikut adalah tabel perbandingan kinerja dari lini A yang dapat dilihat pada tabel 4.1. Tabel 4.1 Perbandingan Antar Seluruh Nilai Kinerja Lini A Saat Ini AS RPW AG-AS AG-RPW Waktu Work Station Terpanjang (detik) 25,24 23,99 23,99 23,99 23,99 Efisiensi Lini (%) 80,73 84,93 84,93 84,93 84,93 Balance Delay (%) 19,27 15,07 15,07 15,07 15,07 Smoothness Index 16,23 12,32 12,22 10,87 11,11 Jumlah Work Station 7 7 7 7 7 Output Perhari (unit) 1873 2150 2150 2150 2150
5. SIMPULAN DAN SARAN 5.1 Simpulan Dari penelitian yang dilakukan untuk mendapatkan rancangan lini usulan perbaikan di PT ACD dapat ditarik kesimpulan : 1. Berdasarkan hasil pengolahan data lini saat ini, waktu baku siklus terpanjang yaitu 25,24 detik/unit. Kondisi ini menyebabkan tidak tercapainya target produksi dengan ketentuan Cycle Time atau Tact Time senilai 24 detik/unit, sehingga dibutuhkan perbaikan dalam keseimbangan lini perakitan. 2. Berdasarkan analisis pada penelitian ini ditemukan penyebab dari tidak tercapainya target produksi adalah terdapat potensi bottle neck karena tidak seimbangnya pembagian beban tugas atau elemen kerja antar work station, terutama pada work station 219 (F) yang memiliki waktu baku siklus terpanjang yaitu 25,24 detik. 3. Berdasarkan analisis perhitungan lini A usulan menggunakan metode Algoritma Semut jika dibandingkan dengan keadaan lini A saat ini, Efisiensi Lini meningkat dari 80,73% menjadi 84,93%. Balance Delay menurun dari 19,27% menjadi 15,07%. Dan Smoothness Index juga menurun dari 16,23 menjadi 12,32. 4. Berdasarkan analisis perhitungan lini A usulan menggunakan metode Rank Positional Weight jika dibandingkan dengan keadaan lini A saat ini, Efisiensi Lini meningkat dari 80,73% menjadi 84,93%. Balance Delay menurun dari 19,27% menjadi 15,07%. Dan Smoothness Index juga menurun dari 16,23 menjadi 12,22. 5. Berdasarkan analisis perhitungan lini A usulan menggunakan metode Algoritma Genetika dengan solusi awal Algoritma Semut jika dibandingkan dengan keadaan lini A saat ini, Efisiensi Lini meningkat dari 80,73% menjadi 84,93%. Balance Delay menurun dari 19,27% menjadi 15,07%. Dan Smoothness Index juga menurun dari 16,23 menjadi 10,87. 6. Berdasarkan analisis perhitungan lini A usulan menggunakan metode Algoritma Genetika dengan solusi awal Rank Positional Weight jika dibandingkan dengan keadaan lini A saat ini, Efisiensi Lini meningkat dari 80,73% menjadi 84,93%. Balance Delay menurun dari 19,27% menjadi 15,07%. Dan nilai Smoothness Index juga menurun dari 16,23 menjadi 11,11. 7. Berdasarkan perbandingan metode perhitungan yang telah dilakukan untuk usulan lini A, maka hasil perhitungan dengan metode Algoritma Genetika solusi awal Algoritma Semut dapat diusulkan sebagai usulan perbaikan lini A karena Efisiensi Lini A pada proses assembly untuk model baru tipe K41 di Gen Sub Steering Handle meningkat dari 80,73% menjadi 84,93% dengan Balance Delay menurun dari 19,27% menjadi 15,07% dan Smoothness Index juga menurun dari 16,23 menjadi 10,87 serta pembagian beban tugas pekerjan atau elemen kerja lebih seimbang sehingga dapat memenuhi target produksi sesuai dengan kapasitas produksi yang telah ditetapkan perusahaan yang semula hanya 1873 unit perhari kemudian setelah perbaikan menjadi 2150 unit perhari. 5.2 Saran Saran yang dapat diberikan untuk PT ACD setelah dilakukan penelitian ini adalah sebagai berikut: 1. Perusahaan dapat mengaplikasikan usulan lini perbaikan ini dengan metode Algoritma Genetika solusi awal Algoritma Semut untuk dapat mencapai target produksi sesuai kapasitas produksi yang telah ditetapkan oleh perusahaan. 2. Perusahaan disarankan dapat menerapkan metode Algoritma Semut solusi awal Algoritma Genetika apabila terjadi perubahan sistem kerja.
Daftar Pustaka Astra Honda Motor. 2010. Tentang AHM. (25-11-2013) dari http://www.astrahonda.com/index.php/about Ayuningtyas R, Setyanto N. W, Efranto R. Y. (2014). Analisis Peningkatan Produktivitas dan Efisiensi Kerja Dengan Penerapan Kaizen. 175-186. Gozali L, Widodo L, Bernhard M. (2012). Analisa Keseimbangan Lini Pada Departemen Chassis PT Toyota Motor Manufacturing Indonesia Dengan Algoritma Genetika Ant Colony, Rank Positional Weight, dan Algoritma Genetika. Jurnal Teknik Industri. 119-126. Hamza R. M. A, & Al-Manaa J. Y. (2013). Selection of Balancing Method for Manual Assembly Line of Two Stages Gearbox. International Journal of Global Perspective on Engineering Management, 2 (2), 70-81. Hill, M. 2013. Technical Note Five Facility Layout Chapter 8. (01-03-2014) dari http://home.snc.edu/eliotelfner/333/facility%20layout.pdf Nasution, A. H. (2003). Perencanaan & Pengendalian Produksi. (Jilid-1). Surabaya : Guna Widya. Nazir, M. (2005). Metode Penelitian. (Jilid-6). Bogor : Ghalia Indonesia Niebel, B. W. (1993). Motion and Time Study. (9 th edition). Boston : Massachusetts. Palisade. 2014. Evolver 6 Sophiscated Optimization for Spreadsheets. (15-05-2014) dari http://www.palisade.com/evolver/ Sabuncuoglu I, Erel E, Alp A. (2009). Ant Colony Optimization for the Single Model U-type Assembly Line Balancing Problem. International Journal Production Economics. 287-300. Tiacci, L. (2014). Coupling a Genetic Algorithm Approach and a Discrete Event Simulator to Design Mixed-Model Un-Paced Assembly Lines With Parallel Workstations and Stochastic Task Times. UGM, Tim Pengarang. (2008). Laboratorium Komputasi Matematika dan Statiska Jurusan Matematika FMIPA UGM. Jogjakarta : UGM. Wignjosoebroto, S. (2003). Pengantar Teknik & Manajemen Industri. (Jilid-1). Surabaya : Guna Widya. Wignjosoebroto, S. (2003). Ergonomi Studi Gerak dan Waktu. (Jilid-1). Surabaya : Guna Widya.