Model Hybrid Metode Random Forest Dan Genetic Algorithm Untuk Optimasi Penjadwalan Produksi Industri Garment

Penjadwalan produksi merupakan faktor penting dalam meningkatkan efektivitas proses produksi pada industri garmen. Salah satu perusahaan garmen di Kota Surakarta yang memproduksi pakaian anak masih menerapkan penjadwalan secara konvensional berdasarkan pengalaman kepala produksi, sehingga sering terjadi keterlambatan penyelesaian pesanan akibat kompleksitas proses produksi dan ketidakakuratan estimasi waktu. Metode konvensional seperti First Come First Serve (FCFS) dan Earliest Due Date (EDD) belum mampu mengakomodasi kondisi produksi yang dinamis. Penelitian ini bertujuan mengembangkan dan mengevaluasi model hybrid Random Forest dan Genetic Algorithm untuk meningkatkan akurasi prediksi durasi produksi serta mengoptimalkan urutan pekerjaan guna meminimalkan tardiness dan makespan.Penelitian menggunakan metodologi Cross Industry Standard Process for Data Mining (CRISP-DM) hingga tahap evaluation. Dataset dibangun menggunakan pendekatan knowledge-driven simulation berdasarkan data historis produksi tahun 2025, business rule, dan time study, sehingga menghasilkan 1000 data simulatif per tahapan yang merepresentasikan proses cutting, sewing, dan finishing. Model Random Forest digunakan untuk memprediksi durasi produksi, sedangkan Genetic Algorithm digunakan untuk mengoptimalkan urutan pekerjaan berdasarkan hasil prediksi tersebut.Hasil penelitian menunjukkan bahwa model Random Forest memperoleh nilai koefisien determinasi (R²) sebesar 0,935 pada cutting, 0,847 pada sewing, dan 0,939 pada finishing. Model hybrid berhasil menurunkan tardiness sebesar 68,35% terhadap FCFS dan 34,08% terhadap EDD, serta mengurangi makespan sebesar 3,70% dan 1,22%. Selain itu, koefisien variasi di bawah 1% menunjukkan bahwa solusi penjadwalan yang dihasilkan stabil dan konsisten. Dengan demikian, model hybrid yang diusulkan mampu menghasilkan sistem penjadwalan produksi yang lebih adaptif, akurat, dan efisien dibandingkan metode konvensional