PT.Central Texindo yaitu sebuah perusahaan di bidang tekstil yang berfokus pada pencelupan serta penyempurnaan bahan tekstil rajut. Dalam melakukan pengerjaan pemesanan dari konsumen perusahaan menerapkan sistem make to order atau pull system, sehingga perusahaan akan memproduksi produk sesuai dengan jumlah permintaan dari pelanggan. Pada bulan November 2021 sampai dengan Maret 2022 perusahaan mengalami keterlambatan dalam produksi kain rajut tersebut. Keterlambatan ini diakibatkan oleh beberapa faktor salah satunya dari faktor method yaitu penjadwalan produksi yang dilakukan oleh perusahaan awalnya First Come First Serve (FCFS), namun sekarang berubah menjadi penjadwalan secara random yang menyebabkan adanya pergeseran produksi pada beberapa pelanggan. Pergeseran proses produksi yang mengakibatkan adanya 12 job dari total 34 job yang mengalami keterlambatan dengan total tardiness sebesar 1448 jam yang menyebabkan adanya demand yang tidak terpenuhi. Terdapat 8 jenis mesin paralel heterogen, berjumlah 28 mesin untuk melakukan produksi. Dalam menangani permasalahan tersebut pada Tugas Akhir ini menggunakan metode Genetic algorithm, metode ini terpilih karena kasus ini yaitu merancang penjadwalan mesin yang dapat mengurangi total tardinesss pada produksi kain rajut, pada Tugas Akhir ini objek yang digunakan yaitu mesin paralel heterogen, metode genetic algorithm paling efektif karena memiliki waktu komputasi yang singkat diawali dengan melakukan inisalisasi populasi, lalu nilai fitness,selection, crossover, dan mutasi. Pada genetic algorithm membutuhkan input yaitu ukuran populasi, banyak iterasi yang dilakukan, crossover probability, dan mutation probability. Nilai probabilitas untuk crossover dan mutation yaitu antara 0 sampai dengan 1. Pada Tugas Akhir ini menggunakan ukuran populasi sebanyak 50, iterasi sebanyak 25 kali, probability crossover sebesar 0.9, dan probability mutation sebesar 0.1. Pada tahap inisialisasi populasi akan menghasilkan populasi acak dari n kromosom dibentuk populasi awal secara random. Terdapat dua kromosom pada genetic algorithm yaitu Machine Selection (MS), dan Operation Selection (OS). MS menunjukkan job yang akan dikerjakan pada banyaknya alternatif mesin yang ada, sedangkan OS menunjukkan job yang akan dikerjakan iii terlebih dahulu secara berurutan Selain itu nilai bilangan random yang diperoleh pada mutation probability sebesar 0.1 untuk kromosom satu yaitu 0.05108, dan untuk kromosom dua yaitu 0.804. Selanjutnya setelah dilakukan mutasi maka akan dilakukan penyortiran nilai fitness yang paling baik dari jumlah keseluruhan populasi, yaitu individu yang memiliki jumlah tardy terkecil, kemudian untuk populasi yang lain akan dihilangkan dan output yang akan dikeluarkan berupa urutan job dan mesin yang baru. Setelah dilakukan perancangan penjadwalan dengan menggunakan genetic algorithm diperoleh tardy job sebanyak 7 dengan total tardinesssebesar 1104 jam, sedangkan pada kondisi kondisi awal terdapat tardy job sebanyak 12 dengan total tardiness sebesar 1448 jam. Hal ini terjadi karena pada penjadwalan menggunakan genetic algorithm ini diurutkan berdasarkan hasil random yang memungkinkan menghasilkan tardy paling kecil, sehingga dapat membantu memaksimalkan produksi dalam memenuhi demand. Kata kunci – Penjadwalan, Tardiness, Genetic Algorithm, Mesin Paralel Heterogen, Pull System