Review Jurnal : Algoritma Genetik Pada Masalah Tata Letak Mesin Dengan Pengkodean Kromosom Untuk Ukuran Mesin Yang Berbeda - Beda.
Identitas Jurnal :
Judul
: Algoritma Genetik Pada Masalah Tata Letak Mesin Dengan Pengkodean
Kromosom Untuk Ukuran Mesin Yang Berbeda - Beda.
Penulis : Nelly
Indriani Widiastuti
Tahun Jurnal :
2011
Jurnal : Jurnal
Competech & Bisnis
Vol. : 5
No : 2
Hal. : 1-7
Hal. : 1-7
1. PENDAHULUAN
Dengan
berkembangnya Teknologi di awal abad ke-21, berbagai macam kesulitan sehari -
hari dapat diselesaikan dengan menggunakan Teknologi sebagai solusinya. Seperti
pada judul Jurnal ini, Jurnal ini dibuat untuk menemukan masalah pada sistem
mesin di dalam sebuah pabrik.
Tata letak pabrik
memiliki pengaruh yang sangat besar terhadap kelancaran produksi dan biaya
produksi. Salah satu hal penting dalam merancang tata letak pabrik adalah
mengatur tata letak mesin. Teknik dalam Masalah Tata Letak Mesin ini
menggunakan Algoritma Genetik, terkadang beberapa orang yang menganalisa
menggunakan teknik ini sering tidak mempertimbangkan kondisi nyata ukuran mesin
yang berbeda - beda. Untuk menggunakan Teknik Algoritma Genetik ini, dibutuhkan
kecermatan dalam berhitung dan menganalisa masalahnya.
Sesuai dengan
fungsinya, Algoritma Genetik adalah teknik pencarian stotastik menggunakan
prinsip - prinsip Darwin yaitu "survival of the fittest" untuk
menemukan solusi terbaik. Lebih tinggi fittest nya maka tinggi pula
kemungkinannya untuk bertahan hidup dan begitu juga sebaliknya. Jadi sebab itu
digunakan Algoritma Genetik dalam kasus ini agar masalah pada tata letak mesin
dapat selesai dengan tepat.
2. TUJUAN
Tujuan utama dalam
desain tata letak pabrik pada dasarnya adalah meminimalkan total biaya sebagai
berikut :
- Biaya kontruksi
dan instalasi fasilitas produksi
- Biaya pemindahan
material (material handling cost)
- Biaya produksi,
maintance cost, safety cost dan biaya penyimpanan produk setengah jadi
(inventory inprocess costs)[1]
3. METODE
PENELITIAN
Dengan menggunakan Algoritma Genetik untuk menentukan layout mesin dalam masalah pabrik, maka akan memperoleh biaya penanganan yang optimal. Penelitian ini menggunakan Kromosom pada ukuran yang berbeda - beda. Penelitian ini menyelesaikan masalah layout mesin pada pabrik yang memiliki 15 mesin.
Berdasarkan algoritma yang berbeda, masalah layout dapat memiliki model yang beda. Menurut fungsi tujuan, ada dua tujuan dasar yaitu, meminimalkan total biaya penaganan material dan tujuan lain adalah memilnimalkan nilai jarak. Formulasi model untuk meminimalkan total biaya penanganan material adalah sebagai berikut :
4. HASIL DAN PEMBAHASAN
Algoritma Genetik memiliki 6 komponen utama, yaitu :
1. Teknik Pengkodean
2. Prosedur Inisialisasi
3. Fungsi Evaluasi
4. Seleksi
5. Operator Genetik
6. Penentuan Parameter.
Dengan menggunakan Algoritma Genetik, maka operator harus memperhatikan 6 komponen tersebut. Komponen - komponen tersebut membuat rincian algoritma genetik secara jelas dan teratur, sehingga dapat membantu operator dalam menganalisis masalah.
Dibawah ini adalah alur produksi sebuah mesin
Selain itu Hasil dan Pembahasan juga meliputi metode-metode yang dilakukan dalam mengatasi masalah tata letak mesin, yaitu :
1. Representasi Lantai Pabrik
Dengan menggunakan algoritma genetik, lantai pabrik yang sudah dibentuk menjadi grid akan menjadi solusi pada area solusi bagi posisi mesin.
2. Representasi Kromosom
Representasi kromosom dapat menentukan indeks atau jarak mesin, ukuran mesin, dan ukuran allow pada setiap mesin yang harus doperhitungkan untuk mempertimbangkan aspek keamanan dan ruang yang diperlukan operator dan MHD dan juga dapat mengoptimalkan kromosom/array.
Berikut dibawah ini adalah algoritma alur yang menggambarkan proses penterjemahan koordinat mesin yang diperoleh dari hasil penataan mesin yang dilakukan oleh user pada aplikasi Mflash menjadi indeks lokasi lantai mesin.
3. Crossover
3. Crossover
Tujuan operator crossover adalah membuat keturunan (offsprings) baru dengan melakukan kombinasi dan mengatur ulang kembali bagian dari individu orangtuanya. Dalam penelitian ini metoda crossover yang digunakan adalah Partial Mapped Crossover (PMX).
4. Alur Material
Aliran material untuk melakukan part 1, dapat dilihat pada Gambar 1. Aliran material tersebut digunakan untuk menghasilkan biaya penanganan material yang digunakan sebagai nilai fitness.
Parameter yang menentukan biaya penanganan material adalah :
1) Jarak dari mesin satu ke mesin
berikutnya
2) Frekuensi kerja masing-masing mesin
untuk pengerjaan part 1
Selanjutnya dari koordinat tersebut dapat
dihitung jarak antar mesin dengan
persamaan berikut :
Dimana ( x1,y1) adalah koordinat mesin satu dan ( x2,y2) adalah koordinat mesin
berikutnya sesuai urutan graph produksi.
5. Fungsi Tujuan
Dalam penelitian ini nilai fitness digunakan untuk menentukan layout mesin yang akan diseleksi dan direkombinasi dengan layout mesin yang lain.
Dalam penelitian ini nilai fitness bisa tentukan dengan rumus ini :
Dalam penelitian tata letak mesin menggunakan kromosom dapat dilakukan dengan menggunakan metode - motede yang sudah dijelaskan diatas. Menggabungkan algoritma genetik dan teknik pengkodean akan memberikan peluang yang cukup besar pada tingkat keberhasilan penelitian pada tata letak mesin ini yang disesuaikan dengan tata letak lantai pada pabrik, juga memimalisirkan biaya produksi.
Berikut adalah hasil - hasil dari perbandingan untuk jumlah populasi
5. KESIMPULAN
Kesimpulan yang dapat diambil dalam penelitian dalam melalui percobaan-percobaan seperti dibawah ini :
1. Penelitian ini berhasil membuktikan bahwa algoritma genetik dengan pengkodean kromosom untuk ukuran mesin yang berbeda-beda, menghasilkan nilai cost penanganan material yang optimal.
2. Hasil penelitian yang diperoleh mendukung dan sesuai dengan sifat algoritma genetik. Hasil yang diperoleh merupakan pembuktian berbentuk simulatik.
3. Dalam melakukan percobaan, pemilihan parameter algoritma genetik dilakukan sesuai dengan landasan teori dan dilakukan berulang-ulang untuk hasil yang baik.
4. Jika jumlah populasi tinggi, maka individu-individu melakukan kombinasi dan rekombinasi dengan operator crossover, menjadi lebih banyak. Hal tersebut menyebabkan algoritma genetik menemukan nilai cost yang lebih bervariasi.
5. Algoritma genetik dengan pengkodean kromosom untuk ukuran mesin yang berbeda-beda, menunjukan hasil yang lebih konvergen, sehingga diperoleh nilai cost penanganan material yang lebih cepat.
6. Pengkodean kromosom untuk ukuran mesin yang berbeda-beda, menyebabkan penentuan nilai optimal yaitu jarak mesin menjadi lebih dekat, sehingga dapat lebih cepat menemukan nilai optimal.
6. DAFTAR PUSTAKA
[1] Apple, James M, (1977), Plant Layout and Material Handling, John Wiley & Sons, Third Edition
0 comments