PENJADWALAN FLOW SHOP UNTUK MEMINIMALKAN MAKESPAN BERDASARKAN PERAMALAN PERMINTAAN DENGAN JARINGAN SYARAF TIRUAN (STUDI KASUS : IKM ED ALUMUNIUM YOGYAKARTA)
INTAN ROSMALA SARI, Andi Sudiarso, S.T., M.T., M.Sc., Ph.D
2016 | Tesis | S2 Teknik IndustriPerencanaan produksi yang baik perlu dilakukan, dengan tujuan untuk menentukan tingkat produksi sehingga mampu mengefisiensikan penggunaan sumber daya dan memaksimalkan profit. Hal ini berkaitan erat dengan pemenuhan permintaan dan juga pengaturan jumlah persediaan yang ada oleh perusahaan. Sebagai salah satu alternatif dalam menentukan perencanaan produksi adalah dengan melakukan peramalan (forecasting) permintaan. Pada penelitian ini diusulkan suatu model perencanaan baru dengan mengembangkan model peramalan Jaringan Syaraf Tiruan Backpropagation dengan mengambil studi kasus di IKM ED Aluminium Yogyakarta. Pengembangan model dilakukan dengan mengubah arsitektur jaringan dengan metode Taguchi. Arsitektur terbaik yang didapatkan yaitu [7 13 3 1] [Logsig Purelin] untuk WB, [7 6 4 1] [Logsig] [Logsig] untuk WSD, [5 2 1] [Logsig Tansig] untuk DE, dan [4 15 4 1] [Tansig Tansig] untuk PE. Pengukuran kinerja jaringan dilihat dari nilai Mean Percentage Error (MAPE), dimana didapatkan hasil MAPE untuk masing-masing family product WB, WSD, DE dan PE sebesar 27,27%, 13,27%, 8,52%, dan 8,57%. Hasil peramalan tersebut kemudian akan diimplementasikan dalam suatu penjadwalan produksi. Metode penjadwalan usulan, yaitu metode Nawaz, Enscore Ham (NEH) dan Heuristik Pour menunjukan hasil penjadwalan yang lebih baik, dilihat dari nilai makespan yang lebih kecil dibandingkan makespan aktual saat digunakan untuk menjadwalkan produksi aktual bulan Agustus 2015. Metode ini kemudian digunakan untuk menjadwalkan hasil peramalan JST yang telah dilakukan. Rata-rata makespan dari penjadwalan algoritma NEH dan Pour menghasilkan minimalisasi makespan yang signifikan dibanding makespan aktual, sekitar 56,07% dan 36,8%.
Systematic production planning has to be implemented to determine the level of production, so it can effectively use the resources and maximize profits. This is closely related to meet the demand and manage inventory. One alternative to determine the production planning is by doing demand forecasting. This research is proposed a planning model by developing forecasting using artificial neural network backpropagation models to a case study in Small Medium Enteprise, ED Aluminium Yogyakarta. The development of the model is determined by changing the network architecture using Taguchi method. The best architecture is [7 13 3 1 ] [Logsig Purelin] for the WB, [7 6 4 1] [Logsig Logsig] to WSD, [5 2 1] [Logsig Tansig] to DE, and [4 15 4 1] [Tansig Tansig] for PE. The network performance measures using Mean Percentage Error (MAPE) The network performance measures using Mean Percentage Error (MAPE). The MAPE result for each product family WB, WSD, DE and PE are 27.27%, 13.27%, 8.52%, and 8.57 %. The forecasting results then will be implemented in a proposed production scheduling, Nawaz Enscore Ham Algorithm and Pour Algorithm. The proposed scheduling method, NEH and Pour Algorithm show better results than current actual total flow time (makespan) in 2015, August. Therefore, NEH and Pour Algorithm is then used to schedule ANN forecasting results.The average makespan in NEH and Pour algorithm give significant minimization than current actual makespan, about 56.07% and 36.8%.
Kata Kunci : Perencanaan Agregat, Peramalan Jaringan Syaraf Tiruan, NEH, Heuristik Pour, Makespan
