Optimasi Penentuan Jumlah Tenaga Kerja disetiap Shift Kerja pada Line Maintenance Pesawat Terbang dengan Algoritma Tabu Search

Optimasi Penentuan Jumlah Tenaga Kerja disetiap Shift Kerja pada Line Maintenance Pesawat Terbang dengan Algoritma Tabu Search Maria Andoryati dan Amar Rachman Departemen Teknik Industri, Fakultas Teknik Universitas Indonesia Abstrak Pemeliharaan pesawat terbang pada line maintenance dilakukan disela jam operasi, yaitu pada saat transit dan istirahat malam hari (Remain Over Night). Pemeriksaan dilakukan langsung oleh tenaga kerja yang ahli diantara waktu kedatangan dan keberangkatan pesawat. Meskipun dikerjakan dengan waktu yang terbatas dan kedatangan pesawat tidak merata disetiap waktu, setiap pemeriksaan harus diselesaikan tepat waktu dan tanpa menurunkan tingkat kehandalan pesawat. Oleh karena itu, dibutuhkan optimasi terhadap jam mulai shift kerja dan penentuan jumlah tenaga kerja yang sesuai dengan beban kerja. Optimasi dilakukan dengan menggunakan pendekatan metaherusitik, yaitu algoritma tabu search dan menggunakan perangkat lunak Matlab. Algoritma ini akan mencari solusi terbaik dari setiap pencarian lokal dengan melakukan pengacakan terhadap jam mulai shift kerja dan jumlah tenaga kerja yang bekerja pada shift tersebut. Hasil dari run model adalah jam mulai shift kerja dengan jumlah engineer 22 orang dan teknisi 34 orang yang harus ditentukan setiap harinya. Utilitas engineer maupun teknisi meningkat sekitar 40% dibandingkan dengan kondisi awal. Melalui hasil ini setiap pekerjaan dikerjakan tepat waktu, dengan biaya dan waktu menganggur minimal. Kata Kunci: Line Maintenance; Optimasi; Shift Kerja; Tabu Search; Tenaga Kerja Abstract Aircraft line maintenance work during operation time, when the aircraft transit and when the aircraft remain over night. This maintenance is done by professional manpower between aircraft arrival and departure time. Although this maintenance is done with limited time and aircraft arrival is not same in every time, the maintenance must be finished on time and without decreasing the reliability of the aircraft. Therefore, need an optimization for the start time of work shift and the numbers of manpower that appropriate with the workforce. Optimization with metaheuristic approach, such as tabu search algorithm and used the software like Matlab. This algorithm will search the best solution with local search with randomization the start time of work shift and the numbers of manpower in every that work shift. The results from the run program are the start time of work shift, need 22 engineers and 34 technicians in a day.The utility of engineer and technician increase 40% compared with first condition. With this result, the maintenance will be finished on time, with minimal operational cost and idle time. Keywords: Line Maintenance; Manpower; Optimization; Tabu Search; Work Shift

1

Optimasi penentuan..., Maria Andoryati, FT UI, 2013

1.

Pendahuluan Perusahaan MRO (Maintenance Repair Overhaul) merupakan industri yang bergerak

di bidang jasa yang mendukung industri penerbangan dalam hal pemeliharaan dan perbaikan pesawat terbang. Pemeliharaan dan perbaikan pesawat terbang dilakukan langsung oleh tenaga kerja sehingga tenaga kerja merupakan hal yang sangat penting untuk diperhatikan dalam pelaksanaannya. Penjadwalan tenaga kerja yang optimal tidak hanya berdampak terhadap penurunan biaya operasional, tetapi secara langsung berdampak terhadap keamanan penerbangan, serta ketepatan waktu kedatangan dan keberangkatan pesawat terbang [1]. Saat ini kapasitas dan kapabilitas perusahaan MRO yang bergerak dalam pemeliharaan maupun perbaikan pesawat terbang di Indonesia masih sangat terbatas. Hanya sekitar 30-40% pasar perawatan pesawat nasional yang mampu dilayani oleh MRO nasional dan sisanya dilayani oleh MRO asing. Untuk mendukung pengembangan perusahaan MRO dibutuhkan sejumlah teknisi penerbangan yang mendukung [2]. Selain itu, pengaturan penyediaan tenaga kerja seringkali dilakukan berdasarkan pengalaman pekerja. Penjadwalan tenaga kerja pemeliharaan pesawat terbang perlu direncanakan dengan menggunakan model pemograman matematika agar tidak menghabiskan banyak waktu dan menjadi lebih efektif [1]. Salah satu MRO terbesar di Indonesia adalah PT. Garuda Maintenance Faicility AeroAsia. Salah satu unit produksinya adalah line maintenance, yaitu pemeliharaan pesawat yang dilaksanakan tanpa membutuhkan waktu yang membuat pesawat tidak beroperasi, waktu yang digunakan adalah waktu disela pesawat transit dan berhenti di malam hari yang sering dikenal dengan RON (Remain Over Night). Dua keputusan yang sangat penting pada line maintenance adalah meminimumkan biaya tenaga kerja dan penjadwalan tenaga kerja untuk memenuhi permintaan dari pelanggan [3]. Pada line maintenance, kedatangan pesawat terbang yang akan dipelihara dan diperbaiki seringkali menumpuk pada waktu tertentu. Sedangkan penjadwalan tenaga kerja masih dibagi kedalam shift yang belum memperhatikan beban kerja yang ada. Hal ini mengakibatkan jumlah tenaga kerja kurang atau justru berlebih, sehingga pekerjaan tidak selesai tepat waktu atau terdapat pekerja yang menganggur. Akibatnya biaya operasional meningkat dan penurunan tingkat keandalan karena pemeriksaan tidak terpenuhi semuanya.

2


Penjadwalan masih menggunakan sistem yang manual sehingga tidak dapat melakukan perencanaan ulang dengan cepat, khususnya ketika terjadi add job (penambahan pekerjaan) atau kedatangan pesawat diluar jadwal. Penjadwalan tenaga kerja line maintenance juga harus memperhatikan kemampuan setiap tenaga kerja dan sudah tersertifikasi untuk jenis pesawat tersebut, karena beda jenis pesawat akan beda perlakuan. Salah satu optimasi menggunakan

pendekatan metaheuristik yang dapat

menyelesaikan permasalahan penjadwalan tenaga kerja adalah algoritma tabu search. Algoritma ini yang nantinya akan digunakan untuk penyelesaian penjadwalan tenaga kerja kru line maintenance pesawat terbang. Tujuan dari penelitian ini adalah memperoleh model penentuan jumlah tenaga kerja, yaitu engineer dan teknisi pada line maintenance yang dibutuhkan pada setiap shift dan jam mulai shift kerja yang optimal.

2.

Dasar Teori

2.1

Penjadwalan Penjadwalan tenaga kerja pemeliharaan pesawat terbang yang baik harus memenuhi

seluruh kebutuhan persyaratan keamanan penerbangan dan juga membantu ketepatan waktu kedatangan dan keberangkatan penerbangan. Perusahaan penerbangan biasanya membagi pekerjaan pemeliharaan kedalam level dan perencanaan yang berbeda. Short term maintenance biasanya dilakukan di apron (line airport). Sedangkan regular check biasanya membutuhkan satu hari atau lebih untuk menyelesaikan pekerjaan dan pesawat butuh untuk tetap tinggal pada hangar ketika pekerjaan dilakukan. Short term maintenance terdiri atas tiga jenis pemeriksaan yaitu preflight check (before departure check), transit check, dan daily check. Semua jenis pemeriksaan ini dilakukan sebelum pesawat take-off dan setelah mendarat. Short term maintenance biasanya memerlukan waktu yang lebih singkat (rata-rata satu atau dua jam) daripada regular check. Pemeriksaan harus sesuai dengan jadwal penerbangan (timetable) dan batasan waktu yang ada, jika tidak akan berdampak ke delay keberangkatan sehingga mengeluarkan biaya ekstra. Pokok persoalan lainnya pada short term maintenance adalah jenis sertifikat pemeliharaan. Teknisi pemeliharaan hanya dapat melakukan pemeriksaan terhadap pesawat yang mereka miliki sertifikatnya.

3


2.2

Algoritma Tabu Search Tabu search pertama kali diperkenalkan oleh Fred Glover pada tahun 1986 [4]. Tabu

search dimulai dengan pencarian strategi solusi awal yang akan menjadi patokan untuk mencari solusi terbaik pada iterasi berikutnya. Prinsip algoritma ini adalah menjaring solusi lokal secara tajam. Solusi lokal diperoleh dari setiap iterasi yang ada dengan memilih solusi tetangga terbaik pada iterasi tersebut. Jika pada iterasi selanjutnya diperoleh solusi lokal yang lebih baik, maka solusi ini akan menggantikan solusi sebelumnya. Sedangkan jika solusi sebelumnya lebih baik daripada solusi yang diperoleh saat ini, maka solusi sebelumnya masih menjadi solusi terbaik. Pencarian terus dilakukan hingga solusi yang diperoleh pada iterasiiterasi selanjutnya sudah memiliki nilai yang sama atau sudah optimum. Tabu search mencari solusi terbaik dari perpindahan pencarian pada setiap solusi tetangga. Hal ini dapat menghasilkan perputaran dan itu berarti solusi yang sebelumnya dikunjungi dapat dipilih kembali. Untuk mencegah pencarian ke tempat yang baru saja digunakan atau untuk mencegah perputaran (cycling) dalam pencarian solusi, maka tabu search akan membuang tetangga yang sebelumnya dikunjungi. Tabu search mengatur sebuah memori dari solusi atau perpindahan yang telah digunakan, biasanya disebut tabu list. Tabu list menyimpan atribut dari solusi yang diperoleh dan atribut ini disebut tabu active, nantinya solusi-solusi yang memiliki elemen tabu active dikatakan sebagai tabu. Tabu list bersifat memori jangka pendek yang terus diperbarui pada setiap iterasi. List ini mengikuti aturan LIFO dan biasanya sangat pendek (panjangnya biasanya sebesar O (√N), dimana N adalah jumlah total dari operasi). Apabila solusi yang diperoleh merupakan perpindahan yang sudah dilakukan dan masih disimpan dalam tabu list, maka solusi ini tidak akan diambil sebagai solusi. Baru dapat menjadi solusi apabila status tabu atau perpindahan sudah keluar dari tabu list. Selain itu, status tabu juga dapat lepas apabila solusi yang diperoleh memenuhi aspiration criteria, yaitu status tabu akan hilang apabila solusi yang diperoleh dengan atribut yang masih disimpan pada tabu list memiliki nilai yang lebih baik daripada solusi sebelumnya. Tabu search memiliki parameter yang harus ditentukan yaitu prosedur pencarian lokal yang terdiri atas struktur ketetanggaan dan aspiration criteria. Bentuk tabu moves, tambahan tabu move, maksimum ukuran tabu list dan kriteria pemberhentian. Parameter ini nantinya dapat

digunakan

sebagai

kriteria

pemberhentian

pencarian

solusi

4


yang

optimal

3.

Metodologi Penelitian Terdapat beberapa tahap dalam melakukan penelitian ini. dimulai dari identifikasi

masalah dan penentuan tujuan penelitian, studi literatur, pengumpulan data, serta pengolahan data menggunakan perangkat lunak Matlab dengan algoritma tabu search. Data yang digunakan dalam penelitian ini adalah sebagai berikut. 

Data jenis pekerjaan pemeliharaan pesawat dan lama pengerjaannya



Data waktu kedatangan dan keberangkatan pesawat terbang



Data tenaga kerja yang tersedia

Dengan menggunakan data yang ada dibentuk persamaan matematika yang menggambarkan fungsi tujuan dan kendala-kendala yang harus dipenuhi. Model matematika untuk penentuan jumlah tenaga kerja ini adalah untuk jenis tenaga kerja dengan kemampuan A/P (Aircraft Powerplant) pada jenis pesawat B737-800 NG di PT. Garuda Maintenance Facility AeroAsia (PT. GMF AA). Jenis tenaga kerja dibagi menjadi engineer dan teknisi karena hal yang paling membedakan tugas setiap tingkatan tenaga kerja adalah dapat release pesawat atau tidak. Model ini dibuat untuk penentuan jumlah tenaga kerja dalam satu hari.

Indeks i = pesawat ke-i {1,2,3,…I} j = shift ke-j {1,2,…,J} k = orang ke-k yang bekerja {1,2,3,…,K} l = slot waktu l dalam satu hari, dihitung per 30 menit {1,2,…,48}

Parameter WDi = waktu datang pesawat i ke Cengkareng WBi = waktu berangkat pesawat i ke Cengkareng JOi = jam orang mengerjakan pesawat i (tergantung jenis pekerjaan)

Variabel WMi = waktu mulai mengerjakan pesawat i WSi = waktu selesai mengerjakan pesawat i WPi = waktu proses pemeriksaan pesawat i 5


xijkl = engineer k mengerjakan pesawat i mulai di shift j slot l, yijkl

= teknisi k mengerjakan pesawat i mulai di shift j slot l,

ǀ1 = jika engineer atau teknisi mengerjakan pesawat i mulai di shift j slot ǀ0 = jika tidak Pjk

= engineer k bekerja pada shift j slot 2j-1 ≤ l ≤ 14+2j,

Qjk

= teknisi k bekerja pada shift j slot 2j-1 ≤ l ≤ 14+2j,

ǀ1 = jika engineer atau teknisi bekerja pada shift j slot 2j-1 ≤ l ≤ 14+2j ǀ0 = jika tidak

Fungsi tujuan dari model matematika adalah untuk meminimalkan jumlah tenaga kerja dengan meminimalkan biaya yang dikeluarkan untuk menugaskan engineer dan teknisi dalam satu hari. Biaya untuk membayar engineer adalah 2,3 kali lipat biaya untuk membayar teknisi. Untuk meminimalkan waktu menganggur dikenakan biaya pinalti bagi engineer maupun teknisi sebesar 500 untuk tiap satu slot waktu. Berikut persamaan dari fungsi tujuan. ∑∑ ∑∑ ∑ ∑ ∑ ∑(

)

∑∑∑∑

Kendala-kendala model matematika ini adalah sebagai berikut.

∑ ∑ ∑ ∑

∑ ∑ ∑ ∑

6


∑ ∑

∑∑

∑∑

Kendala (2) menunjukkan bahwa pemeriksaan pesawat ke-i mulai dikerjakan setelah pesawat tersebut tiba di Cengkareng. Oleh karena itu, waktu mulai mengerjakan pesawat ke-i sama dengan atau setelah waktu kedatangan pesawat ke-i. Kendala (3) pekerjaan pada pesawat ke-i harus selesai sebelum atau pada saat pesawat ke-i harus berangkat. Kendala (4) menyatakan bahwa waktu pesawat ke-i selesai dikerjakan adalah pada saat atau setelah waktu mulai pengerjaan pesawat ke-i ditambah waktu proses pengerjaan pesawat ke-i. Kendala (5) menunjukkan waktu pengerjaan pesawat ke-i sama dengan jam orang mengerjakan pesawat ke-i dibagi dengan jumlah orang k yang bekerja baik itu engineer ( (

) maupun teknisi

) pada hari h shift j dan slot waktu l. Kendala (6) menyatakan bahwa pada saat pesawat

ke-i dikerjakan pada shift j slot l paling sedikit harus terdapat 1 orang engineer, dengan M=5, maka ketika mempekerjakan satu orang engineer, maksimal teknisi yang juga dipekerjakan adalah 5 orang. Kendala (7) dan (8) memastikan engineer dan teknisi paling banyak mengerjakan 1 pesawat i pada slot waktu l. Kendala (9) menunjukkan setiap shift ke-j slot waktu kerja l adalah 16 slot (8 jam) secara berurutan dan jarak antara mulai slot yang satu dengan yang lain adalah 2 slot (1 jam). Kendala (10) dan (11) memastikan shift j dapat dikatakan ada apabila terdapat pekerja k (Pjk dan Qjk) yang bekerja pada shift tersebut. M = 16 karena terdapat 16 slot dalam satu shift kerja, maksimal satu engineer dan teknisi bekerja selama 16 slot dalam satu hari. Kendala ini untuk menentukan berapa banyak orang yang bekerja dalam satu shift (2j-1 sampai 14+2j). Pengolahan data dilakukan dengan menggunakan aalgoritma tabu search dan diselesaikan menggunakan perangkat lunak Matlab R2009b. Berikut ini tahapan yang 7


dilakukan. Langkah pertama adalah pembentukan solusi awal secara random. Solusi awal dilakukan dengan menugaskan 1 engineer dan 1 teknisi setiap kali terdapat pesawat yang harus diperiksa dengan memperhatikan waktu penyelesaian harus sebelum atau sama dengan waktu keberangkatan. Apabila tidak dapat diselesaikan dengan menugaskan 1 engineer dan 1 teknisi maka akan dilakukan penambahan teknisi terlebih dahulu. Selanjutnya dilakukan langkah inisialisasi, yaitu menentukan jumlah iterasi dan penggunaan tabu tenure. Jumlah iterasi yang digunakan adalah, panjang tabu list adalah, dan jumlah solusi tetangga adalah. Untuk penelitian ini, skema tabu tenure yang digunakan adalah fix tabu tenure (selama iterasi maksimal tabu tenure adalah tetap). Langkah berikutnya adalah melakukan pengulangan solusi tetangga,

move untuk

solusi tetangga dengan menggunakan struktur solusi N-insert. Struktur solusi ini dilakukan dengan menyisipkan tenaga kerja yang ada ke shift kerja yang ada, sehingga diperoleh kombinasi jumlah tenaga kerja baik engineer dan teknisi dengan kombinasi jam mulai shift kerja. Diasumsikan bahwa satu move sama dengan satu solusi tetangga pada satu iterasi. Pada setiap iterasi dilkukan pemeriksaan apakah atribut move yang digunakan masuk ke dalam tabu list. Jika masuk maka move tersebut tidak bisa melanjutkan proses berikutnya, sedangkan jika tidak masuk dalam daftar tabu maka solusi yang dihasilkan harus diperiksa apakah sudah memenuhi semua kendala. Jika tidak memenuhi kendala, move tersebut tidak dapat melanjutkan ke proses selanjutnya, sedangkan jika memenuhi maka solusi tersebut menjadi solusi yang dipilih. Atribut move ini direkam dalam tabu list, sehingga tidak akan digunakan untuk iterasi selanjutnya. Solusi yang dipilih tersebut akan dibandingkan dengan solusi terbaik pada iterasi saat ini, jika biaya yang diperoleh lebih minimum maka solusi tersebut menjadi solusi terbaik yang baru dan akan menjadi solusi saat ini yang akan digunakan untuk proses iterasi selanjutnya.

8


Mulai

Membuat Solusi Awal (Best Solution = Current Solution untuk C_itr=0)

Inisialisasi Tabu Search : Menentukan skema tabu tenure dan jumlah iterasi

Melakukan move (Menukar jumlah tenaga kerja dan jam shift kerja)

Atribut masuk dalam tabu list

Apakah atribut move ada pada tabu list? Tidak ada

Tidak memenuhi kendala

Check kendala Memenuhi Current Solution menjadi Best Solution yang baru

Up date tabu list

Up date solusi terbaik

Belum

C_itr=T_itr Sudah Sbest = S

Selesai

Gambar 1. Flow Chart Penyusunan Algoritma Tabu Search 3.

Hasil dan Pembahasan Sebelum dilakukan analisis dari hasil yang diperoleh, dilakukan verifikasi dan validasi

terlebih dahulu. Verifikasi merupakan tahap untuk melihat kesesuaian logika operasional dengan logika model yang diinginkan. Beberapa proses verifikasi yang dilakukan dalam tan program ini adalah :  Memastikan kebenaran logika pemikiran, yaitu kesesuaian penulisan source code dengan konsep algoritma tabu search.  Memastikan bahwa program sudah mencakup semua kendala dan fungsi tujuan yang ada 9


 Melakukan perubahan nilai parameter kontrol dan apabila output yang dihasilkan berubahubah maka program telah terverifikasi. Parameter kontrol yang diubah adalah jumlah solusi tetangga, panjang iterasi, dan panjang tabu list. Setelah melakukan verifikasi program, langkah selanjutnya yang dilakukan adalah validasi program. Validasi dilakukan untuk memastikan bahwa program yang dihasilkan adalah benar. Hasil perhitungan yang dihasilkan oleh program akan dibandingkan dengan perhitungan manual. Validasi program ini dilakukan dengan data dummy yang merupakan beberapa data dari data yang ada sehingga permasalahan lebih sederhana. Lalu data dummy tersebut diolah dengan program yang ada. Hasil dari program ini yang akan dibandingkan dengan perhitungan manual untuk memastikan output yang dihasilkan sudah benar. Tujuan dari penelitian ini adalah untuk menentukan berapa jumlah tenaga kerja line maintenance pesawat terbang, yaitu engineer dan teknisi yang dibutuhkan setiap jam mulai shift kerja dalam satu hari. Berdasarkan hasil run program, diperoleh solusi awal dengan biaya yang dikeluarkan sebesar 240100, jumlah engineer sebanyak 42 orang dan teknisi sebanyak 60 orang. Setelah solusi awal diperoleh, maka dilakukan pencarian lokal kembali dengan parameter yang telah ditentukan. Hasil dari solusi terbaiknya adalah biaya terendah yang dikeluarkan untuk tenaga kerja adalah 181600, dengan komposisi tenaga kerja adalah 22 engineer dan 34 teknisi. Untuk pekerjaan before departure check

dan transit check

dikerjakan oleh 1 orang engineer dan 1 orang teknisi. Daily check dikerjakan oleh 1 orang engineer dan 2 teknisi, dan A-check dikerjakan oleh 1 orang engineer dan 5 teknisi.

Gambar 2. Grafik Solusi Terbaik 10


Berdasarkan grafik solusi terbaik yang diperoleh dari program dapat dilihat solusi terbaik telah diperoleh pada iterasi ke 92. Untuk setiap iterasi diperoleh jumlah tenaga kerja yang berbeda-beda, dan pada percobaan ini diperoleh jumlah tenaga kerja yang paling sedikit dengan biaya yang dikeluarkan paling rendah. Biaya dan jumlah tenaga kerja berubah setiap dilakukan kombinasi jam mulai kerja dan penyisipan tenaga kerja. Dengan hasil local optimum ini diperoleh jam mulai shift kerja dan berapa tenaga kerja yang harus mulai bekerja pada shift tersebut. Hasil diperlihatkan pada tabel dibawah ini.

Tabel 1. Jumlah Engineer yang Disediakan di Setiap Shift Kerja

Shift

Jam Mulai Kerja

Engineer (Pjk)

Jumlah Engineer

1 2 3 4 5 6 7 8

11:00-19:00 12:00-20:00 13:00-21:00 16:00-24:00 19:00-03:00 20:00-04:00 21:00-05:00 04:00-12:00

P11, P12 P21, P22, P23 P31 P41 P51 P61, P62, P63, P64 P71, P72, P73 P81, P82, P83, P84, P85, P86, P87

2 3 1 1 1 4 3 7

Tabel 2. Jumlah Teknisi yang Disediakan di Setiap Shift Kerja Shift

Jam Mulai Kerja

Teknisi (Qjk)

Jumlah Teknisi

1 2 3 4

11:00-19:00 12:00-20:00 13:00-21:00 18:00-02:00

Q11, Q12 Q21, Q22, Q23 Q31, Q32 Q41, Q42, Q43

2 3 2 3

5

19:00-03:00

Q51, Q52, Q53, Q54, Q55, Q56

6

6

20:00-04:00

Q61, Q62, Q63, Q64, Q65, Q66

6

7

21:00-05:00

Q71, Q72

2

8

04:00-12:00

Q81, Q82, Q83, Q84, Q85, Q86, Q87, Q88, Q89, Q810

10

Berdasarkan tabel diatas dapat diketahui jumlah shift yang dibutuhkan dalam satu hari adalah 8 shift kerja dengan jumlah engineer dan teknisi yang dibutuhkan berbeda-beda. Jam 11


mulai shift pertama yang terbaik adalah pukul 11:00. Pada jam mulai shift kerja dapat dilihat setiap engineer maupun teknisi tidak langsung mulai bekerja bersama-sama, tenaga kerja bekerja setiap ada pekerjaan atau menyesuaikan beban kerja yang ada. Jam kerja menjadi lebih fleksibel agar tidak banyak tenaga kerja yang menganggur ataupun terdapat pekerjaan yang tidak selesai. Selain itu, setiap pekerja dapat mengetahui setiap jam berapa saja mereka akan bekerja, jenis pesawat yang akan diperiksa, dan jenis pengecekannya. Engineer maupun teknisi dibutuhkan dalam jumlah banyak pada waktu pesawat istirahat dimalam hari (Remain Over Night). Setiap harinya kebutuhan tenaga kerja berpola seperti grafik diatas apabila jam mulai shift kerja pertama dari pukul 11:00 seperti hasil yang diperoleh sebelumnya. Gambar dibawah ini memperlihatkan slot waktu kerja (warna kuning) dan slot waktu menganggur (warna hijau) setiap engineer dan teknisi. Setiap engineer hanya mengerjakan satu pesawat pada satu slot waktu, setelah selesai mengerjakan satu pesawat barulah engineer dapat berpindah untuk mengerjakan pesawat yang lain.

Gambar 3. Slot Kerja dan Menganggur Engineer

12


Gambar 4. Slot Kerja dan Menganggur Teknisi Melalui optimasi ini dapat dihitung utilitas dari engineer yang ada dari total slot yang digunakan untuk bekerja dibandingkan dengan total slot waktu yang ada untuk bekerja. Terdapat 352 slot waktu yang seharusnya digunakan engineer untuk bekerja, khusus untuk engineer terakhir tidak dihitung delapan jam kerja karena akan meneruskan pekerjaan yang ada dihari berikutnya. Slot waktu yang digunakan untuk bekerja pada hasil optimasi ini adalah 297 slot, dengan 55 slot waktu menganggur, dapat dihitung utilisasi engineer adalah sekitar 84,375%. Sementara untuk teknisi, terdapat 544 slot kerja yang tersedia, tetapi 405 slot yang digunakan untuk kerja dan 139 slot menganggur. Utilisasi teknisi adalah sekitar 74,49%. Jika dibandingkan dengan kondisi awal, utilitas dari tenaga kerja yang ada di perusahaan MRO ini adalah sekitat 40%. Terdapat peningkatan utilitas tenaga kerja karena jumlah tenaga kerja disesuaikan dengan beban kerja yang ada dan waktu menganggur berkurang. Kondisi yang ada terdapat 3 shift kerja, yaitu pukul 07:00-15:00, 15:00-23:00, dan 23:00-07:00, dengan jumlah tenaga kerja sebanyak 12, 24, dan 36 orang secara berturut-turut, jumlah total adalah 72 orang. 72 orang ini sudah termasuk teknisi dan engineer yang dapat release transit dan before departure check. Selain itu, terdapat 11 engineer untuk release 13


daily check dan 1 orang engineer untuk release A-check. Jumlah total tenaga kerja pada kondisi nyata sebanyak 84 orang. Jumlah ini belum termasuk penambahan tenaga kerja apabila kekurangan tenaga kerja. Sedangkan pada hasil optimasi terdapat 22 engineer dan 34 teknisi, dengan total tenaga kerja sebanyak 56 tenaga kerja. Dengan menempatkan tenaga kerja secara bertahap dapat mengurangi jumlah tenaga kerja yang disediakan dan menurunkan jumlah waktu menganggur. Berdasarkan hasil optimasi ini dapat dihitung bahwa biaya untuk menugaskan tenaga kerja lebih kecil daripada kondisi sebelumnya. Hal ini dapat dihitung dari jumlah tenaga kerja yang disediakan tanpa melihat slot waktu menganggur, karena slot waktu menganggur dari penelitian ini lebih sedikit, dapat dilihat dari utilitas tenaga kerja yang lebih tinggi. Pada kondisi awal biaya yang dikeluarkan sebesar 99600 (72 teknisi x 1000 +12 engineer x 2300) sedangkan biaya yang dikeluarkan setelah dilakukan optimasi adalah sebesar 84600 (34 teknisi x 1000 +22 engineer x 2300). Dengan asumsi biaya yang dikeluarkan untuk menugaskan engineer lebih mahal 2,3 kali lipat diperoleh selisih 15000 lebih murah dari hasil optimasi, dan hasil ini belum mengikutsertakan pinalti yang ada. Hal ini menunjukkan bahwa biaya yang dikeluarkan dari hasil optimasi leih minimal. Utilisasi ini dapat ditingkat dengan membagi jenis tenaga kerja menjadi full time yang bekerja 8 jam dan half time yang bekerja selama 4 jam. Dengan pembagian ini, jadwal kerja akan lebih fleksibel dan dapat mengurangi slot menganggur yang masih ada. Meskipun tenaga kerja sudah tersedia tetapi baru dapat melakukan pemeriksaan jika pesawat telah datang. Dengan adanya yang bekerja penuh waktu dan setengah waktu, pemeriksaan lebih fleksibel untuk mengikuti jadwal pemeriksaan pesawat, dengan konsekuensi tenaga kerja harus bersedia dengan kondisi kerja seperti ini. Dengan penjadwalan seperti ini, ketika terjadi perubahan jadwal yang signifikan, dapat pula dilakukan penjadwalan ulang dengan cepat dengan tetap memastikan setiap pekerjaan dimulai dan diselesaikan tepat waktu, tidak menurunkan tingkat kehandalan, dan dengan slot waktu menganggur minimal.

4.

Kesimpulan dan Saran Berdasarkan hasil dari model penentuan jumlah tenaga kerja pada line maintenance

pesawat terbang dengan menggunakan algoritma tabu search yang telah dianalisis sebelumnya diperoleh jam mulai shift kerja dan jumlah engineer serta teknisi yang dibutuhkan

14


setiap harinya yang lebih optimal, yaitu dengan jam mulai shift kerja sebanyak 8 shift dan terdapat 22 engineer dan 34 teknisi. Saran untuk penelitian kedepan adalah :  Penyediaan tenaga kerja dilakukan dalam rentang waktu satu hari. Rentang waktu untuk penelitian kedepannya dapat dilakukan lebih dari satu hari.  Waktu kerja dapat dibagi menjadi dua jenis, yaitu 8 jam kerja (full time) dan 4 jam kerja (half time) untuk memperoleh hasil yang lebih optimal.  Mengembangkan penelitian lebih lanjut menggunakan metode algoritma

dengan

pendekatan metaheuristik yang lain untuk mengetahui perbandingan hasilnya. Untuk penjadwalan setiap tenaga kerja dalam seminggu (5 hari kerja 2 hari libur) dapat digunakan algoritma Monroe dan Tibrelawa. Daftar Referensi [1] Yang, S., Yang, T-H., Chen, H-H. 2004. Airline short-term maintenance manpower supply planning. Transportation Research Part A 38 (2004) 615-642. [2] www.dephub.go.id/read/berita/ direktorat-jenderal-perhubungan-udara/15251 [3] Belien, J., Demeulemeester, E., Bruecker, P., Bergh, J., Cardoen, B. 2012. Integrated staffing and scheduling for an aircraft line maintenance problem. Computers and Operational Research 40 (2013) 1023-1033. [4] Glover, F., and Laguna, M. 1997. Tabu Search: United State of America, Kluwer Academic Publisher. [5] Diaz, J., Fernandez, E. 2001. A tabu search heuristic for the generalized assignment problem. European Journal of Operation Research 132 (2001) 22-38. [6] Yang, T., Yan, S., Chen, H-H. 2003. An airline maintenance manpower planning model with flexible strategies. Journal of Air Transport Management 9 (2003) 233-239.

15


16 Optimasi penentuan..., Maria Andoryati, FT UI, 2013

Optimasi Penentuan Jumlah Tenaga Kerja disetiap Shift Kerja pada Line Maintenance Pesawat Terbang dengan Algoritma Tabu Search

Recommend Documents