43 BAB 3 METODOLOGI PENELITIAN 3.1 Diagram Alir Penelitian Metodologi penelitian merupakan suatu langkah-langkah sistematis yang akan menjadi pedoman dalam menyelesaan masalah (Sugiyono, 2004). Bab ini menjelaskan urutan langkah-langkah yang dibuat secara sistematis dan logis sehingga dapat dijadan pedoman yang jelas dan mudah untuk menyelesaan permasalahan sampai dengan pengambilan kesimpulan dari masalah yang diteliti secara ilmiah. Cara ilmiah diartan bahwa kegiatan penelitian didasarkan pada ciriciri keilmuan, yaitu bersifat rasional, empiris, dan sistematis (Sugiyono, 2004). Gambar 3.1 Flowchart Penelitian (1)
44 A Pengolahan Data Mengumpulkan data proses produksi Menghitung makespan berdasarkan sistem penjadwalan saat ini yang diterapkan perusahaan Melakukan penjadwalan ulang dengan metode NEH pada iterasi awal dan dilanjutkan dengan metode Proposed Ant Colony Algorithm Perancangan Program Penjadwalan Analisis Data Kesimpulan dan Saran Selesai Gambar 3.2 Flowchart Penelitian (2) 3.2 Langkah- langkah Penelitian Berut adalah penjelasan mengenai langkah-langkah dalam melakukan penelitian: 1. Penelitian Pendahuluan Penilitian pendahuluan dilakukan untuk memberan gambaran umum mengenai kondisi perusahaan. Penelitian ini dilakukan dengan pengamatan (observasi) langsung pada pabr dan wawancara dengan pihak perusahaan.
45 Tahap ini dilakukan untuk melakukan identifasi permasalahan yang dihadapi perusahaan.dalam penelitian ini, tahap ini digunakan untuk memperoleh gambaran kondisi perusahaan saat ini dan mengidentifasi permasalahan- permasalahan yang dihadapi serta untuk mendapatkan informasi- informasi yang akan digunakan pada tahap- tahap penelitian selanjutnya. 2. Tinjauan Pustaka Tinjauan pustaka dilakukan untuk memperoleh teori-teori dan hasil penelitianpenelitian sebelumnya mengenai konsep serta metode yang relavan dalam membentuk kerangka pelitian, mengolah dan menganalisa data agar bersifat logis dan terarah. Tinjauan pustaka dilakukan dengan membaca buku referensi, artel ilmiah, jurnal ilmiah, dan website yang berkaitan dengan permasalahan yang dibahas, yakni penjadwalan job (job schedulling) dengan menggunakan pendekatan algoritma semut (ant colony algorithm). Uraian mengenai teori yang digunakan dalam penelitian ini terdapat pada bab 2. 3. Identifasi dan Perumusan Masalah Pada tahap ini akan dilakukan identifasi dan perumusan terhadap masalah yang akan diteliti pada perusahaan, yakni masalah penjadwalan job dan dampaknya terhadap efektivitas dan efisiensi perusahaan dalam menggunakan sumber daya waktu. Selama ini perusahaan menetapkan penjadwalan job dengan urutan yang telah ada dalam purchase order, namun perusahaan
46 sering terlambat dalam mengerjakan job tersebut karena penjadwalan yang diterapkan tidak memberan waktu yang optimal. 4. Pembatasan Masalah Pada tahap ini akan dirumuskan batasan terhadap permasalahan yang diteliti yaitu pembahasan dilakukan dengan menggunakan data pesanan untuk bulan April 2011. Namun penelitian dan pengumpulan data dilakukan selama bulan April 2011 sampai Juni 2011. Adapun penelitian dilakukan sampai pemberian usulan perbaan sistem penjadwalan job pada perusahaan untuk meningkatkan produktivitas, efektivitas dan efisiensi perusahaan. 5. Tujuan Penelitian Berdasarkan masalah yang telah teridentifasi maka dapat dirumuskan tujuan dari penelitian, yaitu perbaan sistem job schedulling untuk meningkatkan produktivitas dan optimasi penggunaan waktu dalam melakukan proses produksi. Hal ini bertujuan untuk meminimasi pemborosan yang terjadi, antara lain cost dan waktu proses produksi, serta untuk meningkatkan good will perusahaan agar tetap eksis dalam industri tersebut. Serta mengusulkan rancangan model penjadwalan dengan algoritma semut, yaitu dengan menggunakan metode PACO dan Mix Max-Min Ant System. Selain itu, penelitian bertujuan untuk membuat program aplasi terkomputerisasi untuk memudahkan perusahaan melakukan penjadwalan di masa mendatang.
47 6. Pengumpulan Data Data-data yang digunakan terdiri dari data primer dan data sekunder dimana pengumpulan data primer dilakukan dengan pengamatan, rekapitulasi dan perhitungan langsung selama melakukan penelitian berupa data-data waktu proses. Sedangkan pengumpulan data sekunder dilakukan dengan brainstorming dan pencacatan data historis perusahaan berupa data-data umum perusahaan. Selain itu dumpulkan pula data yang menunjang penelitian ini, di antaranya adalah data waktu permesinan, jumlah order (pesanan), jenis produk yang dipesan, waktu set up mesin dan proses produksi secara keseluruhan. 7. Pengolahan Data Setelah data diperoleh, maka langkah selanjutnya adalah melakukan pengolahan data. Pada penelitian ini, pengolahan data dimulai dengan menguji normalitas, keseragaman dan kecukupan data yang telah didapat. Data tersebut kemudian diolah menjadi waktu baku untuk tiap job pada tiap mesin. Berut merupakan diagram alir pengolahan data waktu hasil observasi menjadi data waktu proses.
Gambar 3.3 Diagram Alir Pengolahan Waktu Baku 48
49 Flowchart waktu baku dapat dijelaskan sebagai berut: Mengumpulkan data waktu masing-masing job pada masing-masing mesin selama 6 hari pengamatan. Data pengamatan masing-masing job pada masingmasing mesin diambil sebanyak 30 data. Uji kenormalan data dilakukan untuk mengetahui apakah data yang diambil berdistribusi normal atau tidak normal. Uji dilakukan dengan menggunakan software Minitab 14, dengan metode Uji Kolmogorof Smirnov. Bila data yang diperoleh selama observasi telah berdistribusi normal maka dapat dilanjutkan pada langkah selanjutnya, bila belum maka dilakukan pengumpulan data kembali dengan observasi. Uji keseragaman data dilakukan untuk mengetahui data yang didapat sudah atau belum menggambarkan waktu kerja yang terjadi. Uji kecukupan data dilakukan untuk merepresentasan keadaan proses yang sebenarnya terjadi dengan menggunakan tingkat kepercayaan dan tingkat ketelitian tertentu. Menghitung waktu slus rata-rata untuk digunakan dalam perhitungan metode NEH dan Ant Colony Algorithm sesuai dengan data yang telah diuji kenormalan, keseragaman dan kecukupannya pada langkah sebelumnya. Setelah diperoleh waktu slus rata-rata masing-masing job pada masingmasing mesin maka dilakukan perhitungan waktu normal untuk data-data tersebut. Kemudian dilakukan perhitungan waktu baku setiap data.
50 Kemudian, dilakukan perhitungan waktu proses dengan menambahkan waktu baku dengan waktu set up mesin dan dalan dengan kuantitas produk. Waktu proses inilah yang akan digunakan pada perhitungan metode NEH dan algoritma semut (ant colony algorithm). Setelah diperoleh data waktu proses, maka data tersebut kemudian diolah untuk mendapatkan sequence (urutan) terba. Untuk melakukan perhitungan makespan, perlu ditentukan model penjadwalan yang akan digunakan dalam penelitian yang sesuai dengan kondisi perusahaan. Penentuan model penjadwalan ini dilakukan untuk meminimasi makespan. Pengolahan data dimulai dengan menentukan solusi awal, yakni menggunakan metode penjadwalan Nawaz, Enscore and Ham (NEH). Metode NEH digunakan sebagai pembanding terhadap penjadwalan perusahaan saat ini, apakah metode NEH sudah cukup ba diterapkan di perusahaan atau belum. Langkah-langkah pengolahan data menggunakan algoritma NEH dapat dilihat pada gambar 3.4.
51 Gambar 3.4 Diagram Alir Metode Nawas, Enscore dan Ham (NEH) Flowchart NEH dapat dijelaskan sebagai berut: Urutkan pekerjaan berdasarkan jumlah waktu proses terbesar. Buat jadwal dari urutan 2 pekerjaan pertama yang memili waktu terbesar. Hitung makespan dari kedua urutan tersebut dan pilih makespan terkecil.
52 Perhitungan dilanjutkan berdasarkan job selanjutnya, misalnya pada job i = 3; tempatkan pekerjaan ke-i pada salah satu posisi i dan hitung makespan dari masing-masing urutan. Pilih urutan makespen terkecil. Lakukan perhitungan tersebut sampai i = n. Hasil job sequence dengan makespan terkecil berdasarkan metode NEH kemudian digunakan sebagai initial sequence dari iterasi pertama pada algoritma semut metode M-MMAS dan PACO. Langkah pengerjaan metode M-MMAS dan PACO dapat dilihat pada gambar 3.5 dan gambar 3.7.
Gambar 3.5 Diagram Alir Algoritma Semut Berdasarkan Metode M-MMAS (1) 53
Gambar 3.6 Diagram Alir Algoritma Semut Berdasarkan Metode M-MMAS (2) 54
55 Flowchart M-MMAS dapat dijelaskan sebagai berut: Inisiasi pheromone trail (jejak pheromone) dan parameter berdasarkan urutan job sequence terba dari metode NEH. Kemudian menentukan seed sequence job i pada urutan k. Menghitung pheromone trail, dengan rumus berut: τ max 1 = (1 ρ )Z best τ min τ = 5 max Setelah dilakukan perhitungan parameter, data tersebut diolah dengan menggunakan rumus berut: k Set T = q = 1 τ Kemudian melakukan perhitungan ant sequence untuk mendapatkan urutan optimal menurut metode M-MMAS. Perhitungan ini menggunakan dua nilai parameter, yakni T dan nilai U i ( yang didapat dari pembangkitan nilai angka acak dengan metode LCG). Terdapat 2 sub metode dalam penentuan ant sequence pada metode ini, yakni Pheromone Summation Rule Ambil 5 job pertama yang belum dijadwalkan, kemudian pilih job dengan nilai T paling maksimum untuk dimasukkan ke dalam sequence yang baru Max Min Ant System
56 Ambil 5 job pertama yang belum dijadwalkan, hitung nilai probabilitas P dengan rumus. Pilih job dengan nilai P terbesar untuk dimasukan ke dalam sequence yang baru. Setelah didapat ant sequence maka dilakukan perhitungan makespan terkecil dengan menggunakan metode job-index-based local search. Metode ini menggunakan prinsip insertion dalam pelaksanaannya dengan mengubah urutan yang ada sekarang tanpa mengubah urutan relatif dari posisi job lainnya. Prosedurnya adalah sebagai berut: For i = 1 to n For k = 1 to n If k i Then Masukkan job i pada posisi k dengan tidak merubah urutan relatif dari job yang lain dan hitung nilai makespannya. Pilih urutan (sequence) yang memili nilai makespan terkecil dari (n-1) jumlah urutan yang didapat. Sampai tahap ini, iterasi pertama telah selesai. Kemudian melakukan perhitungan ant 2 dengan terlebih dahulu melakukan update nilai pheromone dengan cara: - Ja job i dalam urutan terba dari ant 1 ditempatkan di posisi k dalam new sequence terba: τ = ρ τ old + Z 1 current
57 new - Bila tidak: τ = ρ τ old new new - τ > τ max atau τ < τ min τ min. jejak pheromone diset menjadi τ max atau Setelah itu, langkah selanjutnya sama seperti ant 1. Langkah-langkah tersebut dilakukan berulang kali sampai mendapatkan urutan dengan makespan terba Start Initial sequence Z best = nilai makespan terba i = job h = posisi job pada initial sequence k = posisi job dalam sequence Set Ant = 1 i = 1 A Gambar 3.7 Diagram Alir Algoritma Semut Metode PACO (1)
58 A k = 1 Set τ = (1/ Zbest) If ( posisition of job in the seed sequence to PACO k +1) n/4 Tidak Ya Set τ = (1/ Zbest) k = k +1 Set τ = (1/(2x Zbest)) If ( posisition of job in the seed sequence to PACO k +1) n/2 Tidak Set τ = (1/(4 x Zbest)) Ya Set τ = (1/(2x Zbest)) Tidak k = n Ya i = n Tidak i = i +1 C Ya Menghitung nilai T = Σ; i = 0 Menentukan nilai acak uniform (u) [0,1] dengan metode LCG Set i = 0, i= i+1 ui 0.4 Tidak Ya Pilih job pertama yang belum dijadwalkan pada sequence sebelumnya Ya ui 0.8 Pilih 1 job dari 5 job pertama yang belum dijadwalkan dengan nilai T paling besar Tidak Pilih job yang memili ρ terbesar dari 5 job yang belum dijadwalkan dengan rumus ρ = T/ΣT i = n +1 Tidak Ya Ant Sequence B Gambar 3.8 Diagram Alir Algoritma Semut Metode PACO (2)
Gambar 3.9 Diagram Alir Algoritma Semut Metode PACO (3) 59
60 Gambar 3.10 Diagram Alir Algoritma Semut Metode PACO (4) Flowchart PACO dapat dijelaskan sebagai berut: Inisiasi pheromone trail and parameter berdasarkan urutan job sequence terba dari metode NEH. Kemudian menentukan seed sequence job i pada urutan k. Kemudian dilakukan perhitungan seed sequence dengan rumus h-k +1. Seed sequence inilah yang menjadi pedoman dalam perhitungan pheromone trail, dengan rumus berut:
61 Set τ = 1/ Z ), ( best if ( position of job i in the seed sequence to the PACO - k + 1) n / 4 = ( 1/(2 Zbest )), if ( position of job i in the seed sequence to the PACO - k + 1) n / 2 = 1/(4 Z )), otherwise. ( best Setelah dilakukan perhitungan parameter, data tersebut diolah dengan menggunakan rumus berut: k Set T = q = 1 τ Kemudian melakukan perhitungan ant sequence untuk mendapatkan urutan optimal menurut metode PACO. Perhitungan ini menggunakan dua nilai parameter yakni T dan nilai Ui (yang didapat dari pembangkitan nilai angka acak dengan metode LCG). Ant sequence didapat dengan syarat berut: - ja u 0.4, pilih job pertama yang belum dijadwalkan dalam sequence sebelumnya, - ja u 0.8, pilih 1 job dari 5 job pertama yang belum dijadwalkan yang memili nilai T paling besar, - selain itu, pilih job yang memili nilai P terbesar dengan rumus:
62 P = l T T, dimana l adalah job yang belum dijadwalkan Setelah itu, dilakukan job-index-based local search minimal sebanyak tiga kali untuk mendapatkan solusi yang paling optimal. Metode ini menggunakan prinsip insertion dalam pelaksanaannya dengan mengubah urutan yang ada sekarang tanpa mengubah urutan relatif dari posisi job lainnya. Prosedurnya adalah sebagai berut: For i = 1 to n For k = 1 to n If k i Then Masukkan job i pada posisi k dengan tidak merubah urutan relatif dari job yang lain dan hitung nilai makespannya. Pilih urutan (sequence) yang memili nilai makespan terkecil dari (n-1) jumlah urutan yang didapat. Sampai tahap ini, iterasi pertama telah selesai. Pada ant kedua, dilakukan memperbarui intensitas jejak tidak hanya berdasarkan urutan yang dihasilkan setelah penerapan ketiga dari index job berdasarkan prosedur local search pada ant-sequence, tetapi juga pada jarak relatif antara posisi yang diberan dan posisi job i dalam urutan yang dihasilkan. Intensitas jejak diperbarui sebagai berut: - Ja n 40, maka
63 new old 1 τ = ρ τ + if h k 1 old = ρ τ, otherwise - Selain itu, ( diff Z ), current new old 1 τ = ρ τ + if h k 2 old = ρ τ, otherwise ( diff Z ), current 1/ 2 diff = ( position of job i in the best sequence obtained so far k + 1) ρ = 0.75 h = posisi job i dalam sequence terakhir. Setelah didapat nilai τ new, kembali ke tahap ant sequence pada iterasi pertama dan dilanjutkan ke job-index-based local search sebanyak minimal tiga kali. Kemudian, untuk iterasi ketiga, lakukan cara yang sama seperti pada iterasi kedua. 8. Perancangan Program Penjadwalan Perancangan program penjadwalan ditujukan agar di masa mendatang, perusahaan dapat mengerjakan pekerjaan (job) sesuai dengan urutan tertentu dengan makespan yang paling minimum sehingga dapat mencapai optimasi penggunaan waktu produksi. Dalam perancangan program ini yang digunakan Microsoft Visual Basic.Net dengan database Microsoft Access. Berut adalah diagram alir perancangan program penjadwalan:
Gambar 3.11 Diagram Alir Perancangan Program 64
65 Penjelasan diagram alir: Tahap merancang user interface merupakan tahap yang penting karena user interface merupakan penghubung antara user (pengguna) dengan program. Semakin ba user interface dirancang, maka semakin mudah user (pengguna) untuk menggunakan program ini. Pada tahap awal ini, tampilan program dirancang sedemian rupa dengan peletakan tombol yang berguna untuk menjalankan bahasa pemrograman. Perancangan database di Ms. Access dibutuhkan pada program ini. Hal ini berguna untuk menyimpan seluruh input dan output dari program. Setelah database sudah siap, maka dilakukan proses coding dengan bahasa pemrograman VB.NET. Coding ini yang akan menentukan sukses atau tidaknya sebuah user interface saat dioperasan. Setelah program selesai dibuat, maka diperlukan validasi untuk mengetahui apakah program yang dirancang sesuai dengan algoritma semut atau tidak. Ja tidak, maka harus dilakukan peng-coding-an ulang. Ja benar, maka program dinyatakan valid dan proses perancangan program selesai. 9. Analisis Data Analisa data hasil pengolahan dilakukan untuk: menganalisa sistem penjadwalan job perusahaan sebelum menggunakan malgoritma Semut (Ant Colony Algorithm),
66 menganalisa sistem penjadwalan job perusahaan dengan menggunakan Algoritma Semut metode M-MMAS dan PACO, menganalisa validitas program yang dirancang berdasarkan Algoritma Semut 10. Kesimpulan dan Saran Berdasarkan hasil pengolahan data dan analisa hasil penelitian, maka dapat ditar kesimpulan yang berkaitan dengan tujuan awal penelitian. Selain itu, pemberian saran kepada perusahaan diharapkan dapat memberi manfaat bagi perusahaan agar dapat melakukan penjadwalan produksi yang lebih ba lagi di masa mendatang dan mempertahankan eksistensi serta kemampuan bersaing di dunia industri.