Efisiensi Penjadwalan Produksi Flowshop Dengan Metode Metaheuristic Particle Swarm (Studi Kasus: Kakimoto House)

Adam Firdiansyah; Antono Adhi

Authors

Adam Firdiansyah Universitas Stikubank Author
Antono Adhi Universitas Stikubank Author

Keywords:

penjadwalan produksi, particle swarm optimization, fifo, neh, maskepan

Abstract

Penjadwalan produksi merupakan faktor penting dalam meningkatkan efisiensi operasional perusahaan manufaktur. Kakimoto House sebagai perusahaan manufaktur furnitur di Jepang menghadapi permasalahan penjadwalan produksi akibat variasi produk, fluktuasi permintaan, serta adanya bottleneck pada mesin Line Edge dan Sanding Amplas. Sistem penjadwalan yang digunakan belum mampu meminimalkan makespan secara optimal sehingga berdampak pada meningkatnya idle time dan kurang optimalnya utilisasi mesin. Penelitian ini bertujuan untuk mengoptimalkan penjadwalan produksi menggunakan metode Particle Swarm Optimization (PSO) serta membandingkan kinerjanya dengan metode FIFO (First In First Out) dan NEH (Nawaz–Enscore–Ham). Penelitian ini menggunakan pendekatan kuantitatif dengan objek penelitian berupa data waktu proses delapan job pada dua mesin dalam sistem flowshop. Data diperoleh melalui observasi, wawancara, dan dokumentasi laporan produksi. Parameter PSO yang digunakan meliputi jumlah populasi 5 partikel, bobot inersia (w) sebesar 0,8, koefisien kognitif (c1) sebesar 1,0, koefisien sosial (c2) sebesar 1,0, serta 500 iterasi. Kriteria evaluasi yang digunakan adalah nilai makespan. Hasil penelitian menunjukkan bahwa metode PSO menghasilkan nilai makespan yang lebih kecil dibandingkan metode FIFO dan NEH. PSO mampu memberikan solusi penjadwalan yang lebih optimal karena memiliki kemampuan eksplorasi dan eksploitasi yang baik dalam ruang solusi, sehingga dapat menghindari solusi lokal. Dengan demikian, penerapan PSO pada sistem penjadwalan produksi Kakimoto House terbukti lebih efektif dalam meminimalkan makespan dan meningkatkan efisiensi produksi dibandingkan metode konvensional.

References

[1] G. Li and L. Zhang, “Discrete-Event Simulation Integrates an Improved NEH Algorithm for Practical Flowshop Scheduling Problems in the Satellite Industry,” Applied Sciences (Switzerland), vol. 14, no. 21, Nov. 2024, doi: 10.3390/app14219755.

[2] T. Ma and C. Zhao, “An Enhanced Particle Swarm Optimization Algorithm for the Permutation Flow Shop Scheduling Problem,” Symmetry (Basel)., vol. 17, no. 10, Oct. 2025, doi: 10.3390/sym17101697.

[3] M. Babor, J. Senge, C. M. Rosell, D. Rodrigo, and B. Hitzmann, “Optimization of no‐wait flowshop scheduling problem in bakery production with modified pso, neh and sa,” Processes, vol. 9, no. 11, Nov. 2021, doi: 10.3390/pr9112044.

[4] Z. Liang, P. Zhong, M. Liu, C. Zhang, and Z. Zhang, “A computational efficient optimization of flow shop scheduling problems,” Sci. Rep., vol. 12, no. 1, Dec. 2022, doi: 10.1038/s41598-022-04887-8.

[5] Mansouri, Milad, Younes Bahmani, and Hacene Smadi. "Optimization of the flow-shop scheduling problem under time constraints with PSO algorithm." Engineering Proceedings 56.1 (2023): 220.

[6] Janaprasetya, Jip Rayhan Xavier, and Firman Ardiansyah Ekoanindiyo. "Prevention of Musculoskeletal Disorder (MSDs) at Kakimoto House Japan Lumber Mill Using the Ovako Working Analysis System (OWAS) Method and Design of Work Facilities." Jurnal Teknik Industri: Jurnal Hasil Penelitian dan Karya Ilmiah dalam Bidang Teknik Industri 10.2: 492-500.

[7] M. Rio Aditya et al., “Optimisasi Pengecekan Anomali pada Proses Job: Analisis Waktu dan Data untuk Identifikasi Anomali yang Efisien,” 2024. [Online]. Available: https://journal.stmiki.ac.id

[8] S. H. Pratiwi, W. Witanti, T. Hendro, U. J. Achmad, and Y. Abstract, “Optimasi Penentuan Vendor Untuk Material Pesawat Menggunakan Algoritma Particle Swarm Optimization,” Jurnal Ilmiah Wahana Pendidikan, Februari, vol. 2024, no. 4, pp. 825–837, 2024, doi: 10.5281/zenodo.10537168.

[9] G. F. Fitriana, “Optimasi Performansi Pengendalian Robot Swarm menggunakan Logika Fuzzy Tipe 2-Particle Swarm Optimization,” Jurnal RESTI, vol. 5, no. 3, pp. 602–608, Jun. 2021, doi: 10.29207/resti.v5i3.3194.

[10] T. Safrudin, G. Tri Pranoto, W. Hadikristanto, K. Kunci, D. Mining, and B. Pokok, “Optimasi Algoritma K-Nearest Neighbor Berbasis Particle Swarm Optimization Untuk Meningkatkan Kebutuhan Barang,” Bulletin of Information Technology (BIT), vol. 4, no. 2, pp. 281–286, 2023, doi: 10.47065/bit.v3i1.

[11] Bahari, Muhammad Faudzi, et al. "Aplikasi Minimasi Biaya Sewa Pada Penjadwalan Flowshop Berbasis Android." Jurnal Ilmu Komputer Dan Matematika 4.1 (2023): 17-26.

[12] A. Fricco and K. Setiawan, “Implementasi Algoritma Naive Bayes Menggunakan Particle Swarm Optimization Untuk Prediksi Penjualan Produk Air Mineral,” Jurnal Sains dan Teknologi, vol. 5, no. 1, pp. 193–197, 2023, doi: 10.55338/saintek.v5i1.1430.

[13] Nurhayati, Intan, and Endro Prihastono. "Perancangan Desain Alat Pemotong Rumput Portable Dengan Metode Quality Function Deployment (QFD)." Jurnal Teknik Industri 9.2 (2023): 353-361.

[14] A. T. Wahyudi, B. I. A. Wicaksana, and M. Andriani, “Penjadwalan Produksi Job shop Mesin Majemuk Menggunakan Algoritma Non Delay untuk Meminimalkan Makespan,” Jurnal Rekayasa Sistem Industri, vol. 10, no. 2, pp. 183–190, Oct. 2021, doi: 10.26593/jrsi.v10i2.4666.183-190.

[15] R. A. Santoso et al., “Analisis Literature Review Tentang Efektivitas Perencanaan Dan Pengendalian Anggaran Biaya Produksi Di Perusahaan,” Nusantara Journal of Multidisciplinary Science, vol. 1, no. 6, 2024, [Online]. Available: https://jurnal.intekom.id/index.php/njms