BAB 4
HASIL DAN PEMBAHASAN
4.1. Ekstraksi Hasil Pengumpulan Data
4.1.1. Data Waktu Siklus
Waktu siklus adalah waktu yang dibutuhkan operator untuk melakukan
pekerjaan dalam kondisi sewajarnya. Waktu siklus untuk proses pembuatan
batako, paving block, maupun ubin di pabrik ubin BN diambil dengan
melakukan pengamatan langsung pada lantai produksi di setiap stasiun kerja
produk yang bersangkutan dengan menggunakan stopwatch. Jumlah pengamatan
waktu siklus yang diambil sebanyak 30 data. Data yang diambil adalah data
waktu siklus dalam membuat 1 buah produk. Data-data tersebut diambil pada
jam-jam tertentu agar data waktu siklus mewakili seluruh kondisi kerja tenaga
kerja sehari-hari. Data waktu siklus yang telah dikumpulkan dapat dilihat pada
lampiran 4.
4.1.2. Data Kebutuhan Bahan Baku
Dalam memproduksi batako, paving block, maupun ubin, pabrik ubin BN
menggunakan 4 bahan baku yaitu semen, pasir, abu splitt, dan mill. Seluruh
produk tersebut menggunakan ke-empat bahan baku tadi dengan komposisi yang
berbeda-beda. Sifat dari bahan baku ini adalah berupa adonan dimana keempat
bahan baku tersebut dicampur jadi satu kemudian diproses. Data komposisi
85
bahan baku dalam adonan untuk 1 m3 batako, paving block segitiga, paving
block kotak, dan paving block segienam adalah sebagai berikut :
Tabel 4.1. Tabel komposisi bahan baku dalam adonan untuk 1 m3 produk
BTK PB∆ PB□ PB.S6 U30 semen 0.3 0.5 0.5 0.5 0.4 pasir 0.3 0.1 0.1 0.1 0.2 abu splitt 0.1 0.1 0.1 0.1 0.1 mill 0.1 0.1 0.1 0.1 0.1 air 0.2 0.2 0.2 0.2 0.2
4.1.3. Data Kapasitas Produksi
Kapasitas produksi dapat diartikan sebagai jumlah maksimum output
yang dapat diproduksi dalam satuan waktu tertentu. Kapasitas produksi sangat
ditentukan oleh banyaknya sumber daya yang dimiliki, yaitu jumlah mesin,
jumlah tenaga kerja langsung, jumlah lini produksi dan jumlah bahan baku
(komponen penyusun produk). Waktu kerja juga merupakan salah satu faktor
penentu besarnya kapasitas produksi perusahaan. Proses pembuatan batako,
paving block segitiga, paving block kotak, paving block segienam, dan ubin type
30 disini merupakan proses pencampuran adonan dan pencetakan dimana tidak
terdapat sumber daya mesin yang digunakan secara langsung untuk memproses
komponen-komponen produk.
Jumlah lini produksi pada pabrik ubin BN adalah sebanyak lima lini
dimana setiap produk memiliki masing-masing satu lini. Jumlah persediaan
untuk bahan baku produk setiap bulannya dapat bervariasi tergantung dari target
yang ingin dicapai pabrik. Ada jenis bahan baku yang bersifat terbatas
persediannya, karena dibatasi oleh kemampuan produksi pabrik, kapasitas
gudang, dan kemampuan dari supplier. Sedangkan bahan baku lain bisa
86
dikatakan tidak terbatas persediaannya karena pabrik menggolongkannya dalam
overhead pabrik. Bahan baku tidak terbatas yang dimaksud adalah air, sedangkan
bahan baku terbatas yang dimaksud adalah semen, pasir, abu splitt, dan mill.
Daftar persediaan bahan baku terbatas untuk bulan Juni 2007 dapat
dilihat pada tabel di bawah ini :
Tabel 4.2. Data persediaan bahan baku terbatas pada bulan Juni 2007
semen 78 m3 pasir 72 m3 abu splitt 66 m3 mill 69 m3
4.1.4. Data Penjualan
Data penjualan produk diperoleh dari bagian sales pabrik. Data penjualan
yang digunakan sebanyak 36 data penjualan bulanan yang diambil dari bulan
Juni 2004 hingga bulan Mei 2007. Data ini akan digunakan sebagai data dalam
penentuan target produksi yang akan dicari melalui metode peramalan. Data
penjualan untuk masing-masing produk dapat dilihat pada tabel berikut :
87
Tabel 4.3. Data penjualan bulanan (satuan m3)
no tahun bulan BTK PB∆ PB□ PB.S6 U30 1 Juni 31 22 23 29 27 2 Juli 34 17 30 21 22 3 Agustus 18 22 22 17 16 4 September 30 21 25 12 21 5 Oktober 29 27 27 14 25 6 November 45 59 48 23 21 7
2004
Desember 54 63 55 30 34 8 Januari 53 33 61 24 22 9 Februari 57 27 37 22 22
10 Maret 32 24 24 26 23 11 April 38 28 28 40 30 12 Mei 37 34 25 33 28 13 Juni 32 40 29 30 24 14 Juli 30 33 26 24 30 15 Agustus 29 26 34 27 23 16 September 23 26 21 29 24 17 Oktober 30 21 27 25 34 18 November 36 47 38 28 28 19
2005
Desember 43 50 41 35 32 20 Januari 34 28 47 29 23 21 Februari 38 30 22 22 26 22 Maret 21 30 19 32 29 23 April 29 32 25 34 38 24 Mei 27 36 21 30 28 25 Juni 24 38 27 27 24 26 Juli 21 25 24 21 29 27 Agustus 29 21 41 23 21 28 September 27 28 34 27 23 29 Oktober 24 24 51 25 24 30 November 44 56 58 28 33 31
2006
Desember 51 61 63 31 36 32 Januari 26 24 64 21 23 33 Februari 29 29 28 17 29 34 Maret 21 27 25 23 32 35 April 33 26 33 21 40 36
2007
Mei 26 32 26 20 33
88
4.1.5. Data Persediaan Barang Jadi
Persediaan barang jadi adalah barang jadi yang merupakan sisa produksi
periode sebelumnya yang belum terjual, yang akan dijual kembali pada periode
penjualan berikutnya. Data persediaan barang jadi yang digunakan adalah data
persediaan untuk bulan Juni 2007. Data persediaan tersebut dapat dilihat pada
tabel berikut :
Tabel 4.4. Persediaan barang jadi.
BTK 5 m3 PB∆ 7 m3 PB□ 6 m3
PB.S6 9 m3 U30 8 m3
4.1.6. Data Margin Keuntungan
Dalam menentukan harga jual produk, pabrik menetapkan margin
keuntungan yang didapat dari tiap produk. Data margin keuntungan ini yang
nanti akan dimasukkan dalam fungsi tujuan dari model Linier Programming.
Data margin keuntungan tiap produk dapat dilihat pada tabel berikut :
Tabel 4.5. Margin keuntungan per m3 produk yang dijual
BTK Rp24,000PB∆ Rp26,800PB□ Rp27,200
PB.S6 Rp27,400U30 Rp26,000
4.2. Pengolahan Data
4.2.1. Uji Keseragaman dan Kecukupan Data
Data waktu siklus yang telah diperoleh melalui pengamatan akan diubah
menjadi waktu baku. Untuk melakukan perhiungan waktu baku, terlebih dahulu
89
perlu dilakukan pengujian keseragaman data dan kecukupan data untuk
mengetahui apakah data waktu yang diambil telah seragam dan cukup untuk
mewakili populasi. Apabila ada data (subgrup) yang tidak seragam (keluar dari
batas kendali), maka subgrup tersebut harus dikeluarkan dari perhitungan. Bila
data waktu yang telah diambil seragam maka dapat dilakukan pengujian
kecukupan data, bila hasilnya data belum cukup maka perlu dilakukan
pengambilan waktu sekali lagi.
Untuk pengujian kecukupan data diperlukan tingkat kepercayaan dan
tingkat ketelitian, berdasarkan pengamatan dan brainstorming dengan pihak
perusahaan maka digunakan tingkat kepercayaan (k) sebesar 95% dan tingkat
ketelitian (s) sebesar 5%. Tabel perhitungan uji keseragaman data dan kecukupan
data dapat dilihat pada lampiran 4. Langkah-langkah perhitungan uji
keseragaman dan kecukupan data dapat dilihat pada contoh perhitungan pada
stasiun kerja satu untuk produk batako berikut ini :
a. Data waktu siklus
Tabel 4.6. Waktu siklus stasuin kerja I produk batako
Waktu (dalam detik) Subgrup 1 2 3 4 5
1 121 125 129 113 121 2 117 125 123 133 121 3 121 120 120 119 124 4 131 118 119 130 116 5 123 124 130 125 129 6 125 121 130 121 121
b. Menghitung rata-rata untuk tiap subgrup
Misalnya untuk subgrup pertama :
90
80,1215
6095
121113129125121==
++++== ∑
nX
X ik
c. Menghitung X (rata-rata dari rata-rata tiap subgrup)
17,1236
7396
60,12320,12680,12280,12080,12380,121
==
+++++=
= ∑kX
Xk
d. Menghitung standar deviasi dari waktu penyelesaian (σ )
( ) ( ) ( )87,4
13017,123121...17,123121
1
222
=−
−++−=
−
−= ∑∑
NXX iσ
e. Menghitung standar deviasi dari distribusi harga rata-rata subgrup (X
σ )
18,2587,4
===nX
σσ
f. Menghitung Batas Kontrol Atas (BKA) dan Batas Kontrol Bawah (BKB)
BKA = ( ) ( ) 44,12718,296,117,123 =×+=+X
ZX σ
BKB = ( ) ( ) 90,11818,296,117,123 =×−=+X
ZX σ
g. Nilai rata-rata untuk tiap subgrup harus berada di dalam batas kontrol.
Apabila kondisi tersebut terpenuhi, maka dapat disimpulkan bahwa data
seragam. Dari hasil perhitungan yang telah dilakukan dapat disimpulkan
bahwa data pada stasiun kerja satu untuk produk batako adalah seragam
karena tidak ada subgrup yang keluar dari batas kendali.
91
h. Menghitung junlah pengukuran yang dibutuhkan
Untuk nilai Z didapat dengan melihat tabel kurva normal, yaitu :
Besar tingkat kepercayaan adalah 0,95. Nilai tersebut dapat dilihat
pada tabel kurva normal di lampiran 1 untuk mendapatkan nilai Z
yaitu sebesar 1,96.
Menghitung N1
( )2
221
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −=
∑∑ ∑
Xi
XiXiNsZ
N
( )2
21
369536954557893005,0
96,1
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡−×
=N
32,21 =N
Kesimpulan :
Karena jumlah pengukuran minimum (N1) = 2,32 lebih kecil daripada
jumlah pengukuran pendahuluan (N) = 30, maka dapat disimpulkan
bahwa data yang telah diukur pada stasiun kerja satu produk batako
sudah cukup.
4.2.2. Perhitungan Waktu Baku
Setelah data waktu siklus memenuhi keseragaman data dan kecukupan
data, maka selanjutnya dilakukan perhitungan waktu normal dan waktu baku
untuk setiap tipe produk pada setiap stasiun kerja. Untuk menghitung waktu
normal dan waktu baku tiap stasiun kerja diperlukan pemberian penyesuaian dan
92
kelonggaran supaya waktu yang diperoleh berasal dari kondisi dan cara kerja
baku yang diselesaikan secara wajar. Setelah didapatkan waktu baku untuk
membuat 1 buah produk, dihitung waktu baku untuk membuat 1 m3 produk
dengan cara mengalikan waktu baku untuk membuat satu buah produk dengan
jumlah produk dalam 1 m3. Jumlah produk dalam 1 m3 didapatkan dengan hasil
dari brainstorming dengan manajer pabrik. Jumlah produk dalam 1 m3 bisa
dilihat pada tabel berikut ini.
Tabel 4.7. Jumlah produk dalam 1 m3
Produk Jumlah BTK 39 PB□ 46
PB.S6 45 PB∆ 44 U30 35
4.2.2.1.Penyesuaian
Metode yang digunakan dalam menentukan besarnya penyesuaian adalah
metode Schumard. Metode ini dipilih karena di lantai produksi operator yang
bekerja tidak membutuhkan skill tertentu, tingkat kesulitan pekerjaan rendah, dan
tingkat ketelitian dalam bekerja juga tidak terlalu tinggi. Berdasarkan tabel
penyesuaian Schumard, performa operator di lantai produksi adalah GOOD.
Penilaian tersebut memberikan nilai 75 dan pekerja bekerja dengan normal
memberikan nilai 60. Sehingga besar penyesuaian = 75/60 = 1,25. Uraian tabel
penyesuaian dapat dilihat pada lampiran 3.
93
4.2.2.2.Kelonggaran
Besarnya setiap faktor kelonggaran ditentukan melalui pengamatan
langsung pada lantai produksi dan melalui brainstorming dengan pihak
perusahaan. Uraian tabel kelonggaran dapat dilihat pada lampiran 2.
4.2.2.3.Waktu Baku
Berdasarkan hasil perhitungan penyesuaian dan kelonggaran yang telah
dilakukan sebelumnya, waktu baku dapat dihitung dengan menghitung waktu
normal terlebih dahulu dimana waktu normal dapat diperoleh dengan mengalikan
hasil perhitungan penyesuaian dengan waktu siklus. Bila waktu normal telah
diperoleh maka waktu baku dapat dihitung dengan memberikan faktor
kelonggaran pada waktu normal tersebut. Hasil perhitungan waktu baku untuk
setiap tipe produk dapat dilihat pada lampiran 5. Berikut ini adalah contoh
perhitungan waktu baku pada stasiun kerja satu untuk produk batako :
Waktu siklus = waktu rata-rata ( )X = 123,17 detik.
p = 1,25.
Waktu normal (Wn) = Ws x p = 123,17 x 1,25 = 153,96 detik.
Kelonggaran (a) = 17%
Waktu baku (Wb) = Wn x (1+a) = 153,96 x (1+0,17) = 180,13 detik.
4.2.3. Perhitungan Jumlah Permintaan Produk
Perkiraan jumlah permintaan produk dapat dilakukan dengan peramalan.
Dalam penentuan jumlah permintaan produk bahan bamgunan ini akan
94
digunakan dua metode peramalan untuk memperkirakan berapa besar jumlah
permintaan pada periode mendatang.
Sebelum melakukan peramalan, data penjualan diplot terlebih dahulu.
Tujuannya adalah untuk mengetahui pola data yang terbentuk. Berdasarkan pola
data yang terbentuk, dapat dipilih beberapa metode peramalan yang sesuai. Dari
beberapa metode peramalan tersebut, dipilih metode peramalan terbaik
berdasarkan statistik ketepatan peramalan (nilai kesalahan peramalan). Metode
peramalan yang memiliki nilai kesalahan peramalan terkecil merupakan metode
peramalan terbaik. Berdasarkan hasil perhitungan metode peramalan terbaik
itulah perkiraan jumlah permintaan untuk periode mendatang diperoleh.
Dua buah metode peramalan yang digunakan dalam perhitungan perkiraan
jumlah permintaan ini adalah metode triple exponential smoothing dari Winter
dan metode dekomposisi.
4.2.3.1.Peramalan Metode Triple Exponential Smoothing dari Winter
Peramalan permintaan dengan metode triple exponential smoothing dari
Winter untuk setiap tipe produk. Permalan lengkap untuk tiap produk dapat
dilihat pada lampiran 6. Berikut ini akan diberikan contoh perhitungan peramalan
untuk produk batako.
95
Tabel 4.8. Peramalan Metode Triple Exponential Smoothing dari Winter produk batako
L α β γ Xbar
12 0.1 0.9 0.1 32.92
Periode Aktual St It bt m Ft et abs et et^2 Pet abs Pet
1 31 0.94 2 34 1.03 3 18 0.55 4 30 0.91 5 29 0.88 6 45 1.37 7 54 1.64 8 53 1.61 9 57 1.73
10 32 0.97 11 38 1.15 12 37 1.12 13 32 32 0.97 -0.60 14 30 31.17 0.97 -0.62 15 29 32.79 0.85 -0.40 1 16.70 12.30 12.30 151.20 42.40 42.40
16 23 31.68 0.74 -0.47 1 29.53 -6.53 6.53 42.61 -
28.38 28.38 17 30 31.50 0.95 -0.44 1 27.50 2.50 2.50 6.25 8.33 8.33
18 36 30.59 1.20 -0.49 1 42.46 -6.46 6.46 41.74 -
17.95 17.95
19 43 29.71 1.47 -0.53 1 49.38 -6.38 6.38 40.70 -
14.84 14.84
20 34 28.38 1.24 -0.61 1 46.99 -
12.99 12.99 168.83 -
38.22 38.22
21 38 27.19 1.43 -0.66 1 48.09 -
10.09 10.09 101.87 -
26.56 26.56
22 21 26.03 0.82 -0.71 1 25.79 -4.79 4.79 22.92 -
22.80 22.80 23 29 25.30 1.15 -0.72 1 29.23 -0.23 0.23 0.05 -0.79 0.79 24 27 24.53 1.10 -0.72 1 27.63 -0.63 0.63 0.40 -2.35 2.35 25 24 23.89 1.00 -0.71 1 23.14 0.86 0.86 0.73 3.57 3.57 26 21 23.03 0.92 -0.73 1 22.48 -1.48 1.48 2.18 -7.04 7.04 27 29 23.48 1.20 -0.61 1 18.97 10.03 10.03 100.62 34.59 34.59 28 27 24.21 1.08 -0.48 1 17.03 9.97 9.97 99.44 36.93 36.93 29 24 23.90 1.00 -0.46 1 22.44 1.56 1.56 2.44 6.51 6.51 30 44 24.78 1.72 -0.33 1 28.04 15.96 15.96 254.85 36.28 36.28 31 51 25.48 1.95 -0.22 1 35.86 15.14 15.14 229.25 29.69 29.69
32 26 24.83 1.07 -0.27 1 31.30 -5.30 5.30 28.14 -
20.40 20.40
33 29 24.14 1.22 -0.31 1 35.16 -6.16 6.16 37.89 -
21.22 21.22 34 21 24.00 0.87 -0.29 1 19.62 1.38 1.38 1.92 6.59 6.59 35 33 24.21 1.34 -0.24 1 27.19 5.81 5.81 33.74 17.60 17.60 36 26 23.93 1.09 -0.24 1 26.44 -0.44 0.44 0.20 -1.70 1.70 37 1 23.71
Σ 14.03 137.00 1367.96 20.25 424.74 MAE MSE SDE MPE MAPE 6.23 62.18 8.07 0.92 19.31
96
Contoh Perhitungan :
S13 = X13 = 32
97,092,32
321313 ===
XX
I
( ) ( ) ( )[ ] 60,0...1121212214113213 −=−++−+−= + XXXXXX
Lb
( )( )13132
1414 1 bS
IX
S +−+= αα
( )( ) 17,3160,0321,0103,1
301,014 =−−+=S
( ) ( ) 13131414 1 bSSb γγ −+−=
( ) ( ) ( ) 62,060,01,013217,311,014 −=−×−+−=b
( ) ( ) 97,003,19,0117,31
309,01 214
1414 =−+=−+= I
SXI ββ
Periode ke 15
( )( )14143
1515 1 bS
IX
S +−+= αα
( )( ) 79,3262,017,311,0155,0
291,015 =−−+=S
( ) ( ) 14141515 1 bSSb γγ −+−=
( ) ( ) ( ) 40,062,01,0117,3179,321,015 −=−×−+−=b
( ) ( ) 85,055,09,0179,32
299,01 315
1515 =−+=−+= I
SX
I ββ
( ) ( )( ) 70,1655,0162,017,313141415 =×−=×+= ImbSF
97
Statistik ketepatan peramalan :
Nilai Tengah Galat Absolut (Mean Absolute Error)
23,61372211
1=×== ∑ =
n
tet
nMAE
Nilai Tengah Galat Kuadrat (Mean Squarred Error)
18,6296,13672211
12 =×== ∑ =
n
tet
nMSE
Deviasi Standar Galat (Standard Deviation of Error)
07,896,1367122
11
11
2 =×−
=−
= ∑ =
n
tet
nSDE
Nilai Tengah Galat Persentase (Mean Percentage Error)
%92,025,202211
1=×== ∑ =
n
t tPEn
MPE
Nilai Tengah Galat Persentase Absolute (Mean Absolute Percentage Error)
%31,1974,4242211
1=×== ∑ =
n
t tPEn
MAPE
4.2.3.2.Peramalan Metode Dekomposisi
Permalan permintaan dengan metode dekomposisi untuk setiap produk
dapat dilihat pada lampiran 7. Berikut ini akan diberikan contoh perhitungan
peramalan untuk produk batako.
98
Tabel 4.9. Peramalan Metode Dekomposisi produk batako Seasonal Trend
Periode (x)
x² Tahun Bulan Dema
nd (y) 12 Month MovingTo
tal
2 Year Moving
Total
Centered
Seasonal
Index
Ajusted
Index (S)
x y Trend (T)
Ft (TS
)
Error
│et│ et2 PEt |PE|
1 1 Juni 31 0.81 31.00 37.39
30.24
0.76 0.76 0.57
2.44 2.44
2 4 Juli 34 0.75 68.00 37.13
27.77
6.23 6.23 38.77
18.31
18.31
3 9 Agustu
s 18 0.89 54.00 36.88
32.92
-14.92
14.92
222.49
-82.87
82.87
4 16 September 30 0.79
120.00
36.62
29.00
1.00 1.00 0.99
3.32 3.32
5 25 Oktobe
r 29 0.85 145.0
0 36.37
31.09
-2.09 2.09 4.37
-7.21 7.21
6 36 Novem
ber 45 1.29 270.0
0 36.11
46.55
-1.55 1.55 2.40
-3.44 3.44
7 49
2004
Desember 54 458.00 917.00 38.21 1.41 1.38
378.00
35.85
49.46
4.54 4.54 20.62
8.41 8.41
8 64 Januari 53 459.00 914.00 38.08 1.39 1.24 424.0
0 35.60
44.07
8.93 8.93 79.78
16.85
16.85
9 81 Februa
ri 57 455.00 921.00 38.38 1.49 1.36 513.0
0 35.34
47.96
9.04 9.04 81.65
15.85
15.85
10 100 Maret 32 466.00 925.00 38.54 0.83 0.75
320.00
35.09
26.41
5.59 5.59 31.26
17.47
17.47
11 121 April 38 459.00 919.00 38.29 0.99 0.97
418.00
34.83
33.62
4.38 4.38 19.19
11.53
11.53
12 144 Mei 37 460.00 911.00 37.96 0.97 0.92
444.00
34.58
31.89
5.11 5.11 26.13
13.82
13.82
13 169 Juni 32 451.00 891.00 37.13 0.86 0.81
416.00
34.32
27.76
4.24 4.24 17.95
13.24
13.24
14 196 Juli 30 440.00 861.00 35.88 0.84 0.75
420.00
34.07
25.48
4.52 4.52 20.42
15.06
15.06
15 225
Agustus 29 421.00 823.00 34.29 0.85 0.89
435.00
33.81
30.18
-1.18 1.18 1.39
-4.07 4.07
16 256
September 23 402.00 793.00 33.04 0.70 0.79
368.00
33.56
26.58
-3.58 3.58 12.79
-15.55
15.55
17 289
Oktober 30 391.00 773.00 32.21 0.93 0.85
510.00
33.30
28.47
1.53 1.53 2.34
5.10 5.10
18 324
November 36 382.00 754.00 31.42 1.15 1.29
648.00
33.04
42.60
-6.60 6.60 43.53
-18.33
18.33
19 361
2005
Desember 43 372.00 736.00 30.67 1.40 1.38
817.00
32.79
45.23
-2.23 2.23 4.97
-5.19 5.19
20 400 Januari 34 364.00 719.00 29.96 1.13 1.24
680.00
32.53
40.27
-6.27 6.27 39.35
-18.45
18.45
21 441
Februari 38 355.00 710.00 29.58 1.28 1.36
798.00
32.28
43.80
-5.80 5.80 33.68
-15.27
15.27
22 484 Maret 21 355.00 714.00 29.75 0.71 0.75
462.00
32.02
24.10
-3.10 3.10 9.62
-14.77
14.77
23 529 April 29 359.00 712.00 29.67 0.98 0.97
667.00
31.77
30.66
-1.66 1.66 2.76
-5.72 5.72
24 576 Mei 27 353.00 714.00 29.75 0.91 0.92
648.00
31.51
29.06
-2.06 2.06 4.25
-7.63 7.63
25 625 Juni 24 361.00 730.00 30.42 0.79 0.81
600.00
31.26
25.28
-1.28 1.28 1.65
-5.35 5.35
26 676 Juli 21 369.00 730.00 30.42 0.69 0.75
546.00
31.00
23.19
-2.19 2.19 4.79
-10.42
10.42
27 729
Agustus 29 361.00 713.00 29.71 0.98 0.89
783.00
30.75
27.44
1.56 1.56 2.42
5.37 5.37
28 784
September 27 352.00 704.00 29.33 0.92 0.79
756.00
30.49
24.15
2.85 2.85 8.13
10.56
10.56
29 841
Oktober 24 352.00 708.00 29.50 0.81 0.85
696.00
30.23
25.85
-1.85 1.85 3.42
-7.70 7.70
30 900
November 44 356.00 711.00 29.63 1.49 1.29
1320.00
29.98
38.65
5.35 5.35 28.67
12.17
12.17
31 961
2006
Desember 51 355.00 1.38
1581.00
29.72
41.00
10.00
10.00 99.97
19.61
19.61
32 1024 Januari 26 1.24
832.00
29.47
36.48
-10.48
10.48
109.79
-40.30
40.30
33 1089
Februari 29 1.36
957.00
29.21
39.64
-10.64
10.64
113.28
-36.70
36.70
34 1156 Maret 21 0.75
714.00
28.96
21.79
-0.79 0.79 0.63
-3.78 3.78
35 1225 April 33 0.97
1155.00
28.70
27.70
5.30 5.30 28.08
16.06
16.06
36 1296 Mei 26 0.92
936.00
28.45
26.23
-0.23 0.23 0.05
-0.90 0.90
37 1369 Juni 0.81
28.19
22.80
38 1444 Juli 0.75
27.94
20.89
39 1521
2007
Agustus 0.89
27.68
24.71
1185 20930
.00 2.41
159.43
1122.18
-98.48
508.82
99
Contoh perhitungan :
Perhitungan Index :
Index = Jumlah total seasonal index bulan X / jumlah bulan X
Multiplier = 12 / total index
Adjusted index = Index x 12/sum
Periode ke-7
Seasonal :
12 Month moving total = Demand1+Demand2+...+Demand12
= 31+34+18...+37
= 458
2 Year moving total = 12 Month moving totalx+12 Month moving totalx+1
= 458 + 459
= 917.
Centered = 21,3824
91724
2==
totalxYearmoving
Seasonalindex = 41,121,38
54==
CenteredxDemandx
Adjusted index = 1,41 (diperoleh dari perhitungan index)
Trend :
xy = Periode x Demand = 7 x 54 = 378
( )22 ∑∑∑∑∑
−
−=
xxn
yxxynb
26,0−=b
xbya −=
100
64,37=a
Trend (T) = a + bx = 37,64 + (-0,26 x 7) = 35,85
Ft = Trend x Adjusted index = 35,85 x 1,41 = 49,46
Statistik ketepatan Peramalan :
Nilai Tengah Galat Absolut (Mean Absolute Error)
43,4=MAE
Nilai Tengah Galat Kuadrat (Mean Squarred Error)
17,31=MSE
Deviasi Standar Galat (Standard Deviation of Error)
66,5=SDE
Nilai Tengah Galat Persentase (Mean Percentage Error)
%74,2−=MPE
Nilai Tengah Galat Persentase Absolute (Mean Absolute Percentage Error)
%13,14=MAPE
4.2.3.3.Jumlah Permintaan Produk
Berdasarkan hasil statistik ketepatan peramalan, dapat dilihat bahwa
metode dekomposisi memberikan hasil yang lebih baik untuk seluruh produk
dibandingkan dengan metode triple exponential smoothing dari Winter. Oleh
karena itu, jumlah permintaan yang digunakan dalam perhitungan selanjutnya
akan menggunakan hasil perhitungan dari peramalan dengan metode
101
dekomposisi. Perkiraan jumlah permintaan selama tiga bulan untuk seluruh
produk dapat dilihat pada tabel berikut.
Tabel 4.10. Perkiraan jumlah permintaan
Perkiraan jumlah permintaan Bulan Batako PBS3 PBK PBS6 U30
Juni 22.80 39.46 30.77 25.96 27.92 Juli 20.89 29.74 27.60 25.98 34.53
Agustus 24.71 24.24 41.50 26.00 25.80
4.2.4. Formulasi Model Optimalisasi
Dari data-data yang telah dikumpulkan dan berdasarkan perhitungan yang
telah dilakukan, dibuat formulasi Integer Linear Programming untuk
menentukan jumlah produksi optimal dari masing-masing tipe produk yang dapat
memaksimumkan laba perusahaan. Formulasi model Integer Linear
Programming tersebut terdiri dari variabel keputusan, fungsi tujuan, dan fungsi
pembatas.
4.2.4.1.Variabel Model
Model Integer Linear Programming untuk optimalisasi produksi terdiri
dari beberapa variabel. Berikut ini adalah variabel-variabel yang digunakan
dalam model Integer Linear Programming tersebut, yaitu:
X = Produk yang dihasilkan perusahaan
Z = Besarnya keuntungan yang dapat diperoleh perusahaan
D = Besarnya permintaan untuk tiap produk di bulan bersangkutan
S = Besarnya safety stock untuk tiap produk di bulan bersangkutan
I = Besarnya persediaan barang jadi untuk tiap produk di bulan bersangkutan
102
4.2.4.2.Variabel Keputusan
Variabel keputusan yang diharapkan untuk menyelesaikan permasalahan
adalah jumlah produksi optimal dari masing-masing tipe produk yang dihasilkan,
yaitu :
X1 = Jumlah produksi optimal batako
X2 = Jumlah produksi optimal paving block segitiga
X3 = Jumlah produksi optimal paving block kotak
X4 = Jumlah produksi optimal paving block segienam
X5 = Jumlah produksi optimal ubin type 30.
4.2.4.3.Fungsi Tujuan
Tujuan yang ingin dicapai dari permasalahan produksi pada pabrik ubin
BN adalah pemaksimuman laba dari penjualan produk bahan bangunan dengan
lima produknya yaitu batako, paving block segitiga, paving block kotak, paving
block segienam, dan ubin type 30. Maka koefisien dari fungsi tujuan tersebut
adalah :
C1 = Keuntungan penjualan batako
C2 = Keuntungan penjualan paving block segitiga
C3 = Keuntungan penjualan paving block kotak
C4 = Keuntungan penjualan paving block segienam
C5 = Keuntungan penjualan ubin type 30
Dimana bentuk dari fungsi tujuannya adalah :
Z = C1X1 + C2X2 + C3X3 + C4X4 + C5X5
103
4.2.4.4.Fungsi Pembatas
Dalam formulasi Integer Linear Programming terdapat fungsi pembatas.
Fungsi pembatas adalah persamaan matematis yang akan membatasi solusi yang
akan dihasilkan. Dalam permasalahan yang dihadapi perusahaan saat ini,
pembatas yang dimiliki adalah dalam hal kapasitas produksi. Dimana pada fungsi
pembatas tersebut terdiri dari ruas kiri dan ruas kanan pembatas. Ruas kiri dari
fungsi pembatas terdiri dari :
1. Pemakaian waktu (jam tenaga kerja) untuk pembuatan 1 m3 batako, paving
block segitiga, paving block kotak, paving block segienam, dan ubin type 30.
2. Komposisi bahan baku dalam 1 m3 batako, paving block segitiga, paving
block kotak, paving block segienam, dan ubin type 30.
3. Jumlah produksi optimal untuk batako, paving block segitiga, paving block
kotak, paving block segienam, dan ubin type 30.
Sedangkan ruas kanan dari fungsi pembatas terdiri dari :
1. Kapasitas jam tenaga kerja, yaitu banyaknya waktu kerja tenaga kerja yang
tersedia dalam satu bulan.
2. Jumlah stok bahan baku yang dimiliki perusahaan pada bulan yang
bersangkutan.
3. Target produksi, yaitu jumlah batako, paving block segitiga, paving block
kotak, paving block segienam, dan ubin type 30 yang ingin diproduksi
supaya dapat memenuhi permintaan.
a. Pembatas kapasitas jam tenaga kerja
Ruas kiri pembatas produk didapatkan dengan menghitung waktu baku yang
diperlukan untuk membuat 1 m3 produk. Sedangkan ruas kanan diperoleh
104
dari jumlah jam tenaga kerja yang tersedia dalam satu bulan. Jumlah ini
diperoleh dari jumlah lini pabrik dikalikan dengan jumlah jam kerja yang
tersedia dalam satu bulan. Jumlah jam kerja dalam satu bulan tergantung dari
banyaknya hari kerja dalam satu bulan. Jumlah hari kerja dinotasikan dengan
“Hk” sehingga pembatas kapasitas jam tenaga kerja bisa dirumuskan sebagai
berikut :
7025,12 X1 + 8261,37 X2 + 8217,79 X3 + 8035,17 X4 + 6328,48 X5 ≤
jumlah lini produksi x jam kerja
7025,12 X1 + 8261,37 X2 + 8217,79 X3 + 8035,17 X4 + 6328,48 X5 ≤ 5 x
28800 detik x Hk
7025,12 X1 + 8261,37 X2 + 8217,79 X3 + 8035,17 X4 + 6328,48 X5 ≤
144000 Hk
b. Pembatas target produksi
Target produksi yang ditetapkan perusahaan adalah jumlah permintaan yang
diramalkan ditambah dengan safety stock kemudian dikurangi dengan
persediaan barang jadi bulan yang bersangkutan.
Maka fungsi pembatas target produksi adalah
X1 ≤ D1 + S1 – I1
X2 ≤ D2 + S2 – I2
X3 ≤ D3 + S3 – I3
X4 ≤ D4 + S4 – I4
X5 ≤ D5 + S5 – I5
105
c. Pembatas bahan baku
Ruas kiri pembatas diperoleh dari komposisi bahan baku yang dibutuhkan
untuk membuat adonan untuk 1 m3 produk. Sedangkan ruas kanan diperoleh
dari jumlah persediaan bahan baku pada bulan bersangkutan.
Maka fungsi pembatas bahan baku adalah
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78 (semen)
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72 (pasir)
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66 (abu splitt)
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69 (mill)
4.2.5. Model Optimasi Jumlah Produksi
Dengan menggabungkan fungsi tujuan dan fungsi pembatas, maka bentuk
dari model Integer Linear Programming untuk menentukan jumlah produksi
optimal adalah :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
X2 ≤ 47,46
X3 ≤ 39,77
X4 ≤ 31,70
X5 ≤ 34,92
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
106
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X1,X2,X3,X4,X5 >= 0
4.2.6. Perhitungan Optimasi Jumlah Produksi
Perhitungan optimasi jumlah produksi diawali dengan perhitungan linier
programming dengan metode simpleks kemudian dilanjutkan dengan
perhitungan integer linear programming dengan metode simpleks.
Bentuk baku dari model optimasi jumlah produksi pada bulan Juni 2007
adalah
Fungsi tujuan :
Z - 24X1 - 26,8X2 - 27,2X3 - 27,4X4 - 26X5 - 0S1 - 0S2 - 0S3 - 0S4 - 0S5 - 0S6
- 0S7 - 0S8 - 0S9 - 0S10 = 0
Fungsi pembatas :
7025,12X1 - 8261,37X2 - 8217,79X3 - 8035,17X4 - 6328,48X5 + S1 = 2880000
X1 + S2 = 27,80
X2 + S3 = 47,46
X3 + S4 = 39,77
X4 + S5 = 31,70
X5 + S6 = 34,92
0,3X1 - 0,5X2 - 0,5X3 - 0,5X4 - 0,4X5 + S7 = 78
0,3X1 - 0,1X2 - 0,1X3 - 0,1X4 - 0,2X5 + S8 = 72
0,1X1 - 0,1X2 - 0,1X3 - 0,1X4 - 0,1X5 + S9 = 66
0,1X1 - 0,1X2 - 0,1X3 - 0,1X4 - 0,1X5 + S10 = 69
107
Tabel 4.11. Tabel simpleks awal
Basis X1 X2 X3 X4 X5 S1 S2 S3 S4 S5 S6 S7 S8 S9Z -24.0 -26.8 -27.2 -27.4 -26.0 0 0 0 0 0 0 0 0 0
S1 7025.12 8261.37 8217.79 8035.17 6328.48 1 0 0 0 0 0 0 0 0 S2 1 0 0 0 0 0 1 0 0 0 0 0 0 0 S3 0 1 0 0 0 0 0 1 0 0 0 0 0 0 S4 0 0 1 0 0 0 0 0 1 0 0 0 0 0 S5 0 0 0 1 0 0 0 0 0 1 0 0 0 0 S6 0 0 0 0 1 0 0 0 0 0 1 0 0 0 S7 0.3 0.5 0.5 0.5 0.4 0 0 0 0 0 0 1 0 0 S8 0.3 0.1 0.1 0.1 0.2 0 0 0 0 0 0 0 1 0 S9 0.1 0.1 0.1 0.1 0.1 0 0 0 0 0 0 0 0 1
S10 0.1 0.1 0.1 0.1 0.1 0 0 0 0 0 0 0 0 0 EV
Keterangan : EV = Entering Variable LV = Leaving Variable
108
Pertama kali dibandingkan terlebih dahulu nilai-nilai variabel non-basis
(X1,X2,X3,X4,X5) yang paling negatif, nilai yang paling negatif adalah Entering
Variable. Kemudian, dicari Leaving variable dengan membagi angka-angka pada
kolom solusi dengan angka-angka pada kolom Entering Variable. Setelah itu,
dibandingkan rasionya. Nilai rasio terkecil adalah Leaving Variable.
Setelah itu, dilakukan perhitungan nilai-nilai dari elemen-elemen tabel
untuk iterasi berikutnya.
Pertama dicari terlebih dahulu persamaan pivotnya. Persamaan pivot
didapat dari baris Leaving Variable dibagi dengan pivot point, yaitu nilai
perpotongan antara Leaving Variable dengan Entering Variable. Untuk tabel
simpleks awal di tabel 4.11. perhitungan persamaan pivotnya adalah sebagai
berikut :
Tabel 4.12. Perhitungan persamaan pivot
Baris LV 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 31.7Dibagi dengan 1 Hasil 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 31.7
Untuk nilai-nilai elemen-elemen tabel baru dihitung dengan cara
mengurangi nilai-nilai elemen-elemen tabel lama dengan hasil perkalian antara
persamaan pivot dengan nilai elemen variabel pada kolom entering variable.
Contoh perhitungan untuk variabel Z pada tabel simpleks awal.
109
Tabel 4.13. Contoh perhitungan nilai elemen-elemen variabel untuk tabel iterasi
selanjutnya
Nilai elemen Z di kolom entering variable pada tabel simpleks awal -27 Nilai-nilai elemen Z pada tabel simpleks awal -24 -26.8 -27.2 -27.4 -26 0 0 0 0 0 0 0 0 0 0 0
Hasil perkalian persamaan pivot dengan nilai Z di kolom EV pada tabel ismpleks awal 0 0 0 -27.4 0 0 0 0 0 -27 0 0 0 0 0 -868.58 Elemen Z tabel iterasi selanjutnya -24 -26.8 -27.2 0 -26 0 0 0 0 27.4 0 0 0 0 0 868.58
Proses di atas terus berulang hingga dicapainya kondisi optimum. Yaitu
nilai-nilai variabel non-basis pada tabel simpleks awal (X1,X2,X3,X4,X5) non
negatif atau ≥ 0.
Tabel – tabel iterasi selanjutnya secara lengkap dapat dilihat pada lampiran 8.
Hasil dari perhitungan linier programming memberikan solusi :
Tabel 4.14. Solusi linier programming
Z 4495.53 X1 15.22 X2 47.46 X3 39.77 X4 31.70 X5 34.92
Oleh karena solusi yang diberikan linier programming hasilnya belum
bulat, maka perhitungan dilanjutkan ke integer programming dengan
menggunakan metode branch and bound.
Langkah-langkah metode branch and bound adalah sebagai berikut :
1. Masalah awal diselesaikan dengan LP. Jika hasilnya memenuhi batasan
integer, selesai. Jika tidak, nilai ini memberikan batas atas awal.
110
2. Temukan semua solusi fisibel yang memenuhi batasan integer untuk
digunakan seabagai batas bawah. Biasanya, pembulatan ke bawah setiap
variabel akan memenuhi point ini.
3. Buat cabang dari salah satu variabel yang tidak memiliki nilai integer. Bagi
masalah menjadi 2 submasalah berdasarkan nilai integer yang diperoleh dari
pembulatan ke atas dan ke bawah dari nilai non integer. Contohnya : jika X2
= 3,75 adalah solusi akhir LP, buat batasan X2 ≥ 4 dalam submasalah pertama
dan X2 ≤ 3 pada submasalah kedua.
4. Buat node pada percabangan baru ini dengan memecahkan masalah baru.
5.
• Jika cabang menghasilkan solusi masalah LP yang tidak fisibel, akhiri
cabang ini.
• Jika cabang menghasilkan solusi masalah LP yang fisibel, tetapi bukan
solusi integer, lanjutkan ke langkah 6.
• Jika cabang menghasilkan solusi integer yang fisibel, periksa nilai fungsi
tujuan. Jika nilai ini sama dengan batas atas, solusi optimal telah dicapai.
Jika tidak sama dengan batas atas, tetapi melebih batas bawah, jadikan
nilai ini menjadi batas bawah baru dan lanjutkan ke langkah 6. Jika nilai
ini lebih kecil dari batas bawah, akhiri cabang ini.
6. Periksa kedua cabang lagi dan tentukan batas atas sesuai dengan nilai
maksimum dari fungsi tujuan dari semua node akhir. Jika batas atas sama
dengan batas bawah, berhenti. Jika tidak kembali ke langkah 3.
111
Tabel perhitungan iterasi dan alur dari metode branch and bound dapat dilihat
pada lampiran 9.
Bentuk baku dari formulasi linier programming yaitu :
Fungsi tujuan :
Z - 24X1 - 26,8X2 - 27,2X3 - 27,4X4 - 26X5 - 0S1 - 0S2 - 0S3 - 0S4 - 0S5 - 0S6
- 0S7 - 0S8 - 0S9 - 0S10 = 0
Fungsi pembatas :
7025,12X1 - 8261,37X2 - 8217,79X3 - 8035,17X4 - 6328,48X5 + S1 = 2880000
X1 + S2 = 27,80
X2 + S3 = 47,46
X3 + S4 = 39,77
X4 + S5 = 31,70
X5 + S6 = 34,92
0,3X1 - 0,5X2 - 0,5X3 - 0,5X4 - 0,4X5 + S7 = 78
0,3X1 - 0,1X2 - 0,1X3 - 0,1X4 - 0,2X5 + S8 = 72
0,1X1 - 0,1X2 - 0,1X3 - 0,1X4 - 0,1X5 + S9 = 66
0,1X1 - 0,1X2 - 0,1X3 - 0,1X4 - 0,1X5 + S10 = 69
Kemudian, setelah melalui 5 iterasi, linier programming memberikan solusi yang
dapat dilihat pada tabel 4.10. Solusi tersebut memberikan batas atas untuk
algoritma branch and bound. Masalah kemudian dibagi menjadi 2 sub masalah
yaitu sub masalah 1 dan sub masalah 2. Variabel dengan nilai solusi pecah
terbesar dipilih untuk menjadi 2 kendala baru yang dibagi ke dalam sub masalah
1 dan sub masalah 2. Pada solusi tabel 4.10, variabel yang memiliki solusi pecah
112
terbesar yaitu variabel X2, sehingga dalam sub masalah 1 ditambahkan kendala
X2 ≤ 47 dan dalam sub masalah 2 ditambahkan kendala X2 ≥ 48.
1. Formulasi sub masalah 1 :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77
X4 ≤ 31,70
X5 ≤ 34,92
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≤ 47
X1,X2,X3,X4,X5 ≥ 0
Tabel Iterasi dapat dilihat pada lampiran 9.
2. Formulasi sub masalah 2 :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
113
X2 ≤ 47,46
X3 ≤ 39,77
X4 ≤ 31,70
X5 ≤ 34,92
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≥ 48
X1,X2,X3,X4,X5 ≥ 0
Sub masalah 2 tidak dapat memberikan solusi yang feasible karena
terdapat 2 pembatas yang membuat formulasi ini tidak bisa menemukan solusi
feasiblenya yaitu X2 ≥ 48 dan X2 ≤ 47,46.
Sub masalah 1 memberikan hasil :
Tabel 4.15. Tabel solusi sub masalah 1 pada algoritma branch and bound
Variabel Nilai Z 4501.60
X1 15.99 X2 47.00 X3 39.77 X4 31.70 X5 34.92
Solusi dari sub masalah 1 memberikan hasil yang bulat untuk variabel
X2, tetapi variabel lainnya belum bulat. Sehingga sub masalah 1 dicabangkan
lagi menjadi sub masalah 3 dan 4 dengan menambahkan kendala baru yaitu X3 ≤
39 untuk sub masalah 3 dan X3 ≥ 40 untuk sub masalah 4.
114
3. Formulasi sub masalah 3
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77 (berlebih)
X4 ≤ 31,70
X5 ≤ 34,92
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≤ 47
X3 ≤ 39
X1,X2,X3,X4,X5 ≥ 0
Tabel iterasi dapat dilihat pada lampiran 9.
4. Formulasi sub masalah 4
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
115
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77
X4 ≤ 31,70
X5 ≤ 34,92
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≤ 47
X3 ≥ 40
X1,X2,X3,X4,X5 ≥ 0
Sub masalah 4 tidak dapat memberikan solusi yang feasible karena
terdapat 2 pembatas yang membuat formulasi ini tidak bisa menemukan solusi
feasiblenya yaitu X3 ≥ 40 dan X3 ≤ 39,77.
Sub masalah 3 memberikan hasil :
Tabel 4.16. Tabel solusi sub masalah 3 pada algoritma branch and bound
Variabel Nilai Z 4511.46
X1 17.27 X2 47.00 X3 39.00 X4 31.70 X5 34.92
Solusi dari sub masalah 3 memberikan hasil yang bulat untuk variabel X2
dan X3, tetapi variabel lainnya belum bulat. Sehingga sub masalah 3
116
dicabangkan lagi menjadi sub masalah 5 dan 6 dengan menambahkan kendala
baru yaitu X5 ≤ 34 untuk sub masalah 5 dan X5 ≥ 35 untuk sub masalah 6.
5. Formulasi sub masalah 5 :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77 (berlebih)
X4 ≤ 31,70
X5 ≤ 34,92 (berlebih)
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≤ 47
X3 ≤ 39
X5 ≤ 34
X1,X2,X3,X4,X5 ≥ 0
Tabel iterasi dapat dilihat pada lampiran 9.
6. Formulasi sub masalah 6 :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
117
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77 (berlebih)
X4 ≤ 31,70
X5 ≤ 34,92
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≤ 47
X3 ≤ 39
X5 ≥ 35
X1,X2,X3,X4,X5 ≥ 0
Sub masalah 6 tidak dapat memberikan solusi yang feasible karena
terdapat 2 pembatas yang membuat formulasi ini tidak bisa menemukan solusi
feasiblenya yaitu X5 ≥ 35 dan X5 ≤ 34,92.
Sub masalah 5 memberikan hasil :
Tabel 4.17. Tabel solusi sub masalah 5 pada algoritma branch and bound
Variabel Nilai Z 4516.98
X1 18.50 X2 47.00 X3 39.00 X4 31.70 X5 34.00
118
Solusi dari sub masalah 5 memberikan hasil yang bulat untuk variabel
X2, X5 dan X3, tetapi variabel lainnya belum bulat. Sehingga sub masalah 5
dicabangkan lagi menjadi sub masalah 7 dan 8 dengan menambahkan kendala
baru yaitu X4 ≤ 31 untuk sub masalah 7 dan X4 ≥ 32 untuk sub masalah 8.
7. Formulasi sub masalah 7 :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77 (berlebih)
X4 ≤ 31,70 (berlebih)
X5 ≤ 34,92 (berlebih)
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≤ 47
X3 ≤ 39
X5 ≤ 34
X4 ≤ 31
X1,X2,X3,X4,X5 ≥ 0
Tabel iterasi dapat dilihat pada lampiran 9.
119
8. Formulasi sub masalah 8 :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77 (berlebih)
X4 ≤ 31,70
X5 ≤ 34,92 (berlebih)
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≤ 47
X3 ≤ 39
X5 ≤ 34
X4 ≥ 32
X1,X2,X3,X4,X5 ≥ 0
Sub masalah 8 tidak dapat memberikan solusi yang feasible karena
terdapat 2 pembatas yang membuat formulasi ini tidak bisa menemukan solusi
feasiblenya yaitu X4 ≥ 32 dan X4 ≤ 31,70.
Sub masalah 7 memberikan hasil :
120
Tabel 4.18. Tabel solusi sub masalah 7 pada algoritma branch and bound
Variabel Nilai Z 4525.80
X1 19.67 X2 47.00 X3 39.00 X4 31.00 X5 34.00
Solusi dari sub masalah 7 memberikan hasil yang bulat untuk variabel
X2, X5, X4 dan X3, tetapi variabel lainnya belum bulat. Sehingga sub masalah 7
dicabangkan lagi menjadi sub masalah 9 dan 10 dengan menambahkan kendala
baru yaitu X1 ≤ 19 untuk sub masalah 9 dan X1 ≥ 20 untuk sub masalah 10.
9. Formulasi sub masalah 9 :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80 (berlebih)
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77 (berlebih)
X4 ≤ 31,70 (berlebih)
X5 ≤ 34,92 (berlebih)
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
121
X2 ≤ 47
X3 ≤ 39
X5 ≤ 34
X4 ≤ 31
X1 ≤ 19
X1,X2,X3,X4,X5 ≥ 0
Tabel iterasi dapat dilihat pada lampiran 9.
10. Formulasi sub masalah 10 :
Maksimasi : Z = 24X1 + 26,8X2 + 27,2X3 + 27,4X4 + 26X5
Pembatas :
7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000
X1 ≤ 27,80
X2 ≤ 47,46 (berlebih)
X3 ≤ 39,77 (berlebih)
X4 ≤ 31,70 (berlebih)
X5 ≤ 34,92 (berlebih)
0,3X1 + 0,5X2 + 0,5X3 + 0,5X4 + 0,4X5 ≤ 78
0,3X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,2X5 ≤ 72
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 66
0,1X1 + 0,1X2 + 0,1X3 + 0,1X4 + 0,1X5 ≤ 69
X2 ≤ 47
X3 ≤ 39
X5 ≤ 34
122
X4 ≤ 31
X1 ≥ 20
X1,X2,X3,X4,X5 ≥ 0
Tabel iterasi dapat dilihat pada lampiran 9.
Berdasarkan alur perhitungan branch and bound, ada dua solusi yang
memenuhi syarat, yaitu sub masalah 9 dan sub masalah 10. Masalah 10 dipilih
karena memberikan nilai Z yaitu berupa keuntungan optimal yang lebih besar
dari sub masalah 9.
Hasil perhitungan integer programming dengan metode branch and bound
memberikan solusi :
Tabel 4.19. Solusi branch and bound
Variabel Nilai Z 4533.80
X1 20.00 X2 47.00 X3 39.00 X4 31.00 X5 34.00
4.3. Analisa Data dan Pembahasan
4.3.1. Analisa Perhitungan Jumlah Permintaan Produk
Perhitungan jumlah permintaan produk yang dilakukan dengan
mengunakan metode peramalan tidak boleh sembarangan dilakukan bila ingin
memperoleh hasil yang mendekati kenyataan (akurat). Diperlukan data penjualan
atau permintaan produk dalam jangka waktu yang mencukupi untuk melakukan
perhitungan. Disini digunakan data penjualan perusahaan selama tiga tahun.
Pertimbangan dengan mengambil data sebanyak 36 data penjualan adalah karena
123
semakin banyak data peramalan yang digunakan dalam perhitungan akan dapat
semakin akurat hasil perhitungannya serta semakin banyak data peramalan yang
digunakan akan memperjelas bentuk dari pola data.
Data penjualan diplot ke dalam bentuk grafik untuk mempermudah dalam
melihat pola pergerakan data. Dari pola data yang terbentuk dapat disimpulkan
bahwa data penjualannya membentuk pola musiman karena terjadi perulangan
kenaikan dan penurunan di bulan-bulan tertentu setiap tahunnya. Setelah
menyimpulkan pola data yang terbentuk dipilih metode peramalan yang sesuai
untuk menghasilkan hasil peramalan yang akurat. Oleh karena itu dipilih metode
peramalan triple exponential smoothing dari Winter dan metode dekomposisi
yang cocok untuk pola data musiman. Penentuan α,β,γ untuk peramalan metode
triple exponential smoothing dari Winter dilakukan dengan cara trial and error
untuk mencari nilai terbaiknya.
Hasil dari kedua permalan tersebut dibandingkan dengan melihat
statistika ketepatan peramalannya, tujuannya adalah untuk menentukan nilai dari
hasil permalan mana yang akan dimasukkan ke dalam formulasi integer linier
programming. Statistika ketepatan peramalan yang dibandingkan terdiri dari :
1. MAE (Mean Absolute Error)
2. MSE (Mean Squarred Error)
3. SDE (Standard Deviation of Error)
4. MPE (Mean Percentage Error)
5. MAPE (Mean Absolute Percentage Error)
Setelah membandingkan statiska ketepatan peramalan di atas, nilai-nilai
error yang terkecil dimiliki oleh metode dekomposisi sehingga hasil peramalan
124
metode dekomposisilah yang digunakan dalam formulasi integer linier
programming.
4.3.2. Analisa Perhitungan Jumlah Produksi dan Laba Optimal
Dengan memasukkan data-data pada bulan Juni 2007, dapat disusun
formulasi linier programming untuk bulan Juni 2007. Formulasi ini kemudian
dihitung dengan menggunakan metode simpleks. Metode simpleks dari linier
programming menghasilkan solusi optimal tetapi nilai-nilai dari variabelnya
belum bulat. Sedangkan dalam penentuan jumlah produk, jumlah yang harus
diproduksi membutuhkan nilai yang bulat. Pembulatan dari hasil perhitungan
linier programming belum tentu menghasilkan solusi yang optimal, apalagi
margin keuntungan yang diberikan tiap produk cukup signifikan sehingga
pmbulatan yang salah bisa mengakibatkan kerugian yang cukup berarti buat
perusahaan.
Oleh karena itu, proses perhitungan solusi optimal perlu dilanjutkan
dengan integer linier programming dengan algoritma branch and bound.
Algoritma ini membuat percabangan-percabangan dengan menambahkan nilai
batasan baru dari variabel yang belum bulat. Nilai dari hasil perhitungan linier
programming sebelumnya tidak mungkin melebihi nilai optimum dari hasil
perhitungan simpleks awal, sehingga nilai tersebut akan menjadi batas atas.
Batas bawah ditentukan dengan melakukan round down untuk semua variabel
yang tidak bulat. Kedua batas ini dibutuhkan dalam penentuan nilai optimal.
Pemecahan sub-sub masalah dalam algoritma branch and bound diselesaikan
dengan metode simpleks biasa.
125
Dilihat dari tabel solusi optimum, maka didapat :
Jumlah keuntungan maksimal yang didapat oleh perusahaan pada bulan
Juni 2007 (z) yaitu sebesar Rp 4.533.800,- dengan memproduksi secara optimal
sejumlah :
Batako 20 m3
Paving block segitiga 47 m3
Paving block kotak 39 m3
Paving block segienam 31 m3
Ubin type 30 34 m3
4.3.3. Analisa Pengaruh Perubahan Margin Laba Terhadap Solusi Optimal
Analisa sensitivitas bertujuan menganalisa perubahan-perubahan apa
yang terjadi jika parameter-parameter dari solusi optimum diubah nilainya.
Dalam kasus ini perusahaan ingin mengetahui apakah jumlah produksi optimal
mereka akan berubah jika margin keuntungan mereka naikkan. Maka, analisa
sensitivitas yang digunakan di sini yaitu dengan merubah koefisien fungsi tujuan
apakah jumlah produk optimal akan berubah. Dalam analisa ini pabrik ingin
mengetahui produk mereka yang memiliki margin keuntungan terbesar yaitu
paving block segienam, apakah jumlah paving block segienam akan berubah jika
mereka menaikkan lagi margin keuntungannya.
Analisa sensitivitas perubahan koefisien fungsi tujuan dari tabel optimum
menggunakan inner product rule (perhitungan inner product rule dapat dilihat
pada lampiran 10) memberikan hasil :
126
X4 pada tabel solusi optimum memiliki nilai baru yaitu -2. Dengan
menggunakan metode simpleks kemudian dihitung kembali solusi optimumnya.
Dari hasil perhitungan tabel solusi optimum analisa sensitivitas (dapat dilihat
pada lampiran 10) memberikan hasil bahwa jumlah produk optimal paving block
segienam tidak berubah, yaitu tetap 31 dan keuntungan yang masksimal yang
bisa didapat pabrik berubah dari 4533,80 menjadi 4595,80.
Hasil analisa menunjukkan bahwa jika pabrik mengubah margin keuntungan
mereka, hasil produksi optimal tidak akan berubah.
127
4.4. Analisa dan Perancangan Sistem Informasi
4.4.1. Analisa Sistem yang Sedang Berjalan
Selama ini dalam perencanaan dan penjadwalan produksi, manajer pabrik
ubin BN tidak memiliki penjadwalan yang terencana dengan baik. Produksi
dilakukan setiap hari secara rutin. Aktivitas produksi dimulai dari staff sales
yang menerima pesanan dari pengguna langsung maupun dari toko bangunan.
Kemudian staff sales akan memberi informasi jumlah pesanan yang harus
dipenuhi ke manajer pabrik. Kemudian manajer pabrik menghitung berapa
jumlah barang yang harus diproduksi dalam satu periode tertentu dilihat dari
jumlah stok di gudang dan berdasarkan memo yang diterima dari staff sales.
Setelah dihitung, jika jumlah pesanan yang harus dipenuhi tidak bisa
ditutupi dari jumlah stok yang tersedia di gudang maka manajer pabrik akan
membuat memo yang ditujukan kepada staff produksi yang berisi jumlah barang
yang harus diproduksi dengan catatan jumlah yang akan diproduksi itu akan
dibuat lebih untuk menambah stok. Sedangkan jika jumlah pesanan yang harus
dipenuhi bisa ditutupi dari jumlah stok yang ada, manajer pabrik akan melihat
jumlah stok sisa. Jika jumlah stok sisa yang ada tipis, maka manajer pabrik akan
membuat memo untuk memproduksi barang yang harus dibuat untuk stok.
Jika jumlah stok masih banyak, maka manajer pabrik tetap membuat
memo untuk staff produksi, dengan catatan jumlah yang diproduksi tidak
sebanyak jika stok yang masih ada tipis. Jika tidak ada pesanan pada bulan yang
bersangkutan, manajer pabrik tetap membuat memo untuk staff produksi yang
berisi jumlah barang yang harus diproduksi untuk distok. Setiap periode, staff
sales memberikan laporan penjualan kepada manajer pabrik ubin BN.
128
Berikut ini merupakan rich picture dari sistem yang sedang berjalan tersebut:
Gambar 4.1. Rich Picture dari sistem berjalan
4.4.2. Permasalahan Sistem yang Sedang Berjalan
Setelah mengamati dan menganalisa sistem yang sedang berjalan,
permasalahan pada sistem yang sedang berjalan yaitu :
1. Dalam perencanaan produksi sekarang, parameter perhitungan yang
digunakan hanya memperhitungkan jumlah pesanan dan jumlah stok barang
jadi di gudang, tidak memperhitungkan kemampuan pabrik dalam
memproduksi sehingga dapat mengakibatkan terjadinya lost sales dan
penumpukan barang jadi di gudang.
2. Perhitungan perencanaan produksi optimal dengan metode lama kurang
menguntungkan perusahaan, karena tidak memperhitungkan keterbatasan
sumber daya yang dimiliki perusahaan sehingga berpotensi mengakibatkan
129
tidak efektifnya penggunaan jam tenaga kerja dan tidak efisiennya
penggunaan bahan baku.
3. Perusahaan belum memiliki sistem yang mampu menghitung jumlah
produksi optimal yang mempertimbangkan keterbatasan sumber daya yang
dimiliki perusahaan secara cepat, akurat, dan mudah digunakan.
4.4.3. Analisis Kebutuhan Informasi
Dalam memecahkan masalah yang terdapat pada sistem yang sedang
berjalan, informasi yang dibutuhkan yaitu :
1. Agar tidak terjadi lost sales dan penumpukan barang jadi di gudang,
perusahaan perlu membuat target produksi. Informasi yang dibutuhkan dalam
membuat target produksi yaitu data historis penjualan bulan-bulan
sebelumnya, data safety stock, dan data inventory barang jadi.
2. Agar keterbatasan sumber daya yang dimiliki perusahaan juga
diperhitungkan dalam perhitungan produksi optimal, maka informasi yang
dibutuhkan yaitu data waktu baku pembuatan produk, data jumlah hari kerja
karyawan dalam satu periode produksi, data komposisi bahan baku, dan data
inventory bahan baku.
3. Untuk memenuhi kebutuhan informasi dalam sistem yang akan digunakan
perusahaan, informasi yang dibutuhkan yaitu informasi parameter
perhitungan jumlah produksi optimal yang meliputi data historis penjualan
bulan-bulan sebelumnya, data safety stock, data inventory barang jadi, data
waktu baku pembuatan produk, data jumlah hari kerja karyawan dalam satu
periode produksi, data komposisi bahan baku, dan data inventory bahan baku.
130
4.4.4. Sistem Usulan
Berdasarkan penjelasan di atas, maka manajer pabrik, staff sales, dan
staff produksi membutuhkan sistem yang dapat membantu dalam membuat
perencanaan produksi yang optimal. Dengan adanya sistem ini diharapkan staff
produksi, manajer pabrik, dan staff sales bisa bekerja secara sinergis dalam
membuat perencanaan produksi yang optimal. Selain itu, dengan sistem ini
diharapkan manajer pabrik bisa dengan cepat mengambil keputusan dalam
menentukan berapa jumlah barang yang harus diproduksi setiap periodenya.
Perancangan sistem usulan yaitu sistem informasi optimalisasi
perencanaan produksi. Sistem informasi yang diusulkan adalah sistem dengan
menggunakan prinsip OOAD(Object-Oriented Analysis and Design).
4.4.5. Definisi Sistem
Setiap transaksi penjualan yang terjadi akan di-input oleh staff sales ke
dalam database. Data penjualan ini akan berguna untuk membuat peramalan
selama beberapa periode ke depan. Staff produksi bertugas meng-input data
inventory bahan baku dan data inventory produk. Manajer pabrik bertugas meng-
input data produk, data bahan baku, konfigurasi produksi optimal, dan membuat
perhitungan produksi optimal. Dari peramalan dan data-data pendukung lainnya,
manajer pabrik dapat membuat perencanaan produksi yang optimal
menggunakan formulasi Integer Linear Programming yang telah terintegrasi
dalam sebuah aplikasi. Tujuan dari membuat perencanaan yang optimal ini
adalah untuk memaksimalkan keuntungan yang bisa didapat. Selain itu juga
bertujuan untuk mengefektifkan pekerjaan para karyawan, mengefisiensikan
131
penggunaan bahan baku, dan meminimalisir pemborosan lahan pabrik yang
terpakai untuk stok yang berlimpah.
Sistem yang akan dikembangkan ini membutuhkan investasi hardware
baru berupa 3 unit komputer yang akan dipakai oleh masing-masing 1 unit oleh
manajer pabrik, sales, dan staff produksi dalam membantu pekerjaannya. Sistem
ini selain berfungsi dalam membantu membuat perencanaan produksi yang
optimal, juga berfungsi dalam menyimpan data penjualan, data bahan baku, data
produk, data inventory bahan baku, data inventory produk, data konfigurasi
produksi optimal, dan data jumlah produksi optimal. Selain menyimpan, sistem
ini juga bisa berfungsi mencetak laporan yang dibutuhkan oleh manajer pabrik
dalam memperoleh informasi yang dibutuhkan untuk mendukung pengambilan
keputusan.
Berikut ini merupakan rich picture dari sistem informasi usulan :
Staff produksi
Manajer pabrik
Sales Informasi Penjualan
Informasi Inventory Bahan Baku dan Inventory Produk
Informasi Produksi Optimal
Gambar 4.2. Rich Picture Sistem Usulan
132
Tabel 4.20. FACTOR Criterion
Functionality
Sistem berfungsi memudahkan kerja
manajer pabrik dalam melakukan
optimalisasi perencanaan produksi. Selain
itu sistem juga bisa menyimpan data
penjualan, data bahan baku, data produk,
data inventory bahan baku, data inventory
produk, data konfigurasi produksi optimal,
dan data jumlah produksi optimal. Sistem
juga berfungsi mencetak report yang
berguna bagi manajer pabrik dalam
mengambil keputusan.
Application Domain
Sistem digunakan oleh manajer pabrik,
staff sales, dan staff produksi pabrik ubin
BN.
Condition
Sistem ini harus dapat digunakan oleh
SDM yang ada sekarang dan mampu
mengolah data secara real-time dan akurat.
Technology
Sistem berupa program aplikasi yang
dijalankan di 3 komputer dengan 1 server.
1 komputer client digunakan oleh manajer
pabrik ubin BN, 1 komputer client
digunakan oleh staff produksi dan 1
komputer client digunakan staff sales.
Object Manajer pabrik, staff sales, dan staff
produksi pabrik ubin BN.
Responsibility
Sistem optimalisasi perencanaan produksi
terintegrasi yang bisa memenuhi
kebutuhan operasional perusahaan dan
mendukung pengambilan keputusan.
133
4.4.6. Perancangan Sistem Informasi Dengan Metode Object Oriented
Menggunakan UML (Unified Modelling Language)
Setelah tahapan analisa di atas, selanjutnya adalah memulai perancangan
sistem informasi yang dimulai dari tahapan analisa problem domain, dilanjutkan
dengan analisa application domain, dan diakhiri dengan tahap design.
4.4.6.1.Analisa Problem Domain
4.4.6.1.1. Class Diagram
Tabel 4.21. Event Table
Class Events
Produksi Optimal
Produk Inventory bahan baku
Bahan Baku
Penjualan Inventory Produk
dihitung + dicetak + dibuat + + dijual + *
disimpan + + + + dibeli +
dipakai * + dilaporkan +
didiskontinu + dihabiskan +
Keterangan : + : Sekali * : Berulang
134
-KdProduk : String-NamaProduk : String-WaktuBaku : Integer-Harga : Integer-SafetyStock : Integer-Workstations : Integer
Produk
-JmlInventory : IntegerInventory_produk-KdBahanBaku : String
-NmBahanBaku : String-Harga : Integer-Supplier : Integer
Bahan_baku
-KdProduksi : String-Tahun : String-Bulan : String-NamaProduk : String-JmlProduksiOptimal : Integer-MaxProfit : Integer
ProduksiOptimal
-JmlInventory : IntegerInventory_bahan_baku -TglPenjualan : Date
-JmlPenjualan : Integer
Penjualan
1
1..*
1
1..*
1
1..*
11..*
1 1..*
Gambar 4.3 Class Diagram
4.4.6.1.2. Behavioral Pattern
Agar bisa melihat lebih jelas event dan attribute yang ada pada tiap
class, berikut ini adalah statechart diagram dari masing-masing class.
1. ProduksiOptimal
Gambar 4.4. statechart diagram dari class ProduksiOptimal
Tabel 4.22. Event dan Attributes pada class ProduksiOptimal
Events Attributes /dihitung JmlProduksiOptimal
MaxProfit /dicetak KdProduksi
Tahun Bulan
NamaProduk JmlProduksiOptimal
MaxProfit
135
2. Produk
Gambar 4.5 statechart diagram dari class Produk
Tabel 4.23. Event dan Attributes pada class Produk
Events Attributes /dibuat KdProduk
NamaProduk WaktuBaku
Harga SafetyStock
Workstations /disimpan SafetyStock
/dijual NamaProduk Harga
3. Inventory_bahan_baku
Gambar 4.6. statechart diagram dari class Inventory_bahan_baku
Tabel 4.24. Event dan Attributes pada class Inventory_bahan_baku
Events Attributes /disimpan NamaBahanBaku
JmlInventory /dipakai NamaBahanBaku
JmlInventory /dihabiskan NamaBahanBaku
JmlInventory
136
4. Bahan_baku
Gambar 4.7 statechart diagram dari class Bahan_baku
Tabel 4.25. Event dan Attributes pada class Bahan_baku
Events Attributes /dibeli KdBahanBaku
NamaBahanBaku Harga
Supplier /disimpan NamaBahanBaku /dipakai NamaBahanBaku
5. Penjualan
Gambar 4.8. statechart diagram dari class Penjualan
Tabel 4.26. Events dan Attributes pada class Penjualan
Events Attributes /dibuat TglPenjualan
/dilaporkan JmlPenjualan
6. Inventory_produk
Gambar 4.9 statechart diagram dari class Inventory_produk
137
Tabel 4.27. Events dan Attributes pada class Inventory_produk
Events Attributes /disimpan NamaProduk
Bulan Tahun
JmlInventory /dijual NamaProduk
JmlInventory /didiskontinu NamaProduk
JmlInventory
138
4.4.6.2.Analisa Application Domain
4.4.6.2.1. Usecase Diagram
Sistem Informasi Perencanaan Produksi Optimal
Staff Produksi
Mendata_inventory_produk
Mendata_inventory_bahan_baku
Manajer Pabrik
Membuat_konfigurasi_produksi_optimal
Sales
Mendata_penjualan
Membuat_rencana_produksi_optimal
Mendata_produk
Mendata_bahan_baku
Gambar 4.10 Use case diagram
139
Tabel 4.28. Use case description Mendata_inventory_produk
Use case Name Mendata_inventory_produk Brief Description Use case ini menjelaskan proses memasukkan data inventory produk ke
dalam database sistem Primary Actor Staff produksi Basic Flow 1. Use case dimulai ketika user ingin memasukkan data inventory
produk yang baru ke dalam system 2. User akan menginput data inventory produk pada akhir bulan untuk
lima produk 3. User yang akan menyimpan data inventory poduk yang baru harus
mengisi field tahun terlebih dahulu kemudian mangisi field jumlah inventory yang telah disediakan lalu klik save. (Sub flow s.3)
4. User yang ingin melihat data-data inventory di bulan-bulan pada tahun-tahun sebelumnya bisa mengisi tahun yang dikehendaki di field yang sudah ada lalu klik find.
5. User yang ingin menghapus data inventory yang sudah ada dapat memilih data yang ingin dihapus kemudian meng-klik tombol delete. (Sub flow s.5)
6. User ingin mengulang proses input, dapat meng-klik tombol cancel (Sub flow s.6)
7. Data yang ada dalam system akan berubah 8. Use case selesai
Sub Flow s.3. Menambah data inventory produk s.5. Menghapus data inventory produk yang sudah ada s.6. Field-field input yang ada kembali kosong
Alternative Flow Pre Condition Staff produksi sudah login ke dalam sistem Post Condition Data inventory produk terupdate dan disimpan dalam sistem
140
Tabel 4.29. Use case description Mendata_inventory_bahan_baku
Use case Name Mendata_inventory_raw_materials Brief Description Use case ini menjelaskan proses memasukkan data inventory bahan baku
ke dalam database sistem Primary Actor Staff produksi Basic Flow 1. Use case dimulai ketika user ingin memasukkan data inventory bahan
baku yang baru ke dalam sistem 2. User akan menginput data inventory bahan baku pada akhir bulan
untuk semua bahan baku 3. User yang akan menyimpan data inventory bahan baku yang baru
harus mengisi field tahun terlebih dahulu kemudian mangisi field jumlah inventory yang telah disediakan lalu klik save. (Sub flow s.3)
4. User yang ingin melihat data-data inventory di bulan-bulan pada tahun-tahun sebelumnya bisa mengisi tahun yang dikehendaki di field yang sudah ada lalu klik find.
5. User yang ingin menghapus data inventory yang sudah ada dapat memilih data yang ingin dihapus kemudian meng-klik tombol delete. (Sub flow s.5)
6. User ingin mengulang proses input, dapat meng-klik tombol cancel (Sub flow s.6)
7. Data yang ada dalam system akan berubah 8. Use case selesai
Sub Flow s.3. Menambah data inventory bahan baku s.5. Menghapus data inventory bahan baku yang sudah ada s.6. Field-field input yang ada kembali kosong
Alternative Flow Pre Condition Staff produksi sudah login ke dalam sistem Post Condition Data inventory bahan baku terupdate dan disimpan dalam sistem
141
Tabel 4.30. Use case description Membuat_konfigurasi_produksi_optimal
Use case Name Membuat_konfigurasi_produksi_optimal Brief Description Use case ini menjelaskan proses membuat konfigurasi produksi optimal
lalu disimpan dalam database sistem Primary Actor Manajer Pabrik Basic Flow 1. Use case dimulai ketika user ingin membuat konfigurasi yang baru ke
dalam sistem 2. User akan menginput margin keuntungan yang dikehendaki lalu
mengisi field tahun yang tersedia kemudian memilih bulan lalu mengisi jumlah hari kerja pada bulan yang bersangkutan kemudian klik save.(Sub flow s.2)
3. User yang ingin mengedit data konfigurasi yang lama dapat memasukkan margin keuntungan yang dikehendaki kemudian tahun yang dikehendaki dan memilih bulan yang diinginkan kemudian klik find. (Sub flow s.3)
4. User yang ingin menghapus data konfigurasi yang ada dapat memilih data yang ingin dihapus kemudian meng-klik tombol delete. (Sub flow s.4)
5. User ingin mengulang proses input, dapat meng-klik tombol exit (Sub flow s.5)
6. Data yang ada dalam sistem akan berubah 7. Use case selesai
Sub Flow s.2. Menambah data jumlah hari kerja yang ada s.3. Mengedit data yang sudah ada s.4. Menghapus data yang sudah ada s.5. Field-field input yang ada kembali kosong
Alternative Flow Pre Condition Manajer pabrik sudah login ke dalam sistem Post Condition Data konfigurasi terupdate dan disimpan dalam sistem
142
Tabel 4.31. Use case description Membuat_rencana_produksi_optimal
Use case Name Membuat_rencana_produksi_optimal Brief Description Use case ini menjelaskan proses membuat rencana produksi optimal lalu
disimpan dalam database sistem. Primary Actor Manajer pabrik Basic Flow 1. Use case dimulai ketika user ingin melakukan analisa produksi
optimal dalam sistem 2. User akan menginput bulan dan tahun yang dikehendaki kemudian
memilih produk yang akan dianalisa. 3. User yang sudah menginput field-field yang diperlukan dalam
melakukan analisa produksi optimal tinggal mengklik tombol analyze 4. User yang ingin menghapus produk yang akan dianalisa yang ada
dapat memilih data yang ingin dihapus kemudian meng-klik tombol remove. (Sub flow s.4)
5. User yang ingin menyimpan analisa produksi optimal, dapat meng-klik tombol save (Sub flow s.5)
6. User yang ingin melihat summary dari analisa yang baru saja dilakukan bisa memasukkan kode saat menyimpan tadi di field yang ada kemudian klik tombl preview.
7. Data yang ada dalam sistem akan berubah 8. Use case selesai
Sub Flow s.4. Menghapus data yang sudah ada s.5. Menambah data analisa produksi optimal
Alternative Flow Pre Condition Manajer pabrik sudah login ke dalam sistem Post Condition Data analisa produksi optimal terupdate dan disimpan dalam sistem
143
Tabel 4.32. Use case description Mendata_produk
Use case Name Mendata_produk Brief Description Use case ini menjelaskan proses memasukkan data produk ke dalam
database sistem Primary Actor Manajer pabrik Basic Flow 1. Use case dimulai ketika user ingin memasukkan data produk yang
baru ke dalam sistem 2. User akan menginput data produk untuk tiap jenis produk. 3. User yang akan menyimpan data produk yang baru dapat meng-klik
tombol add kemudian menginput field-field yang ada kemudian meng-klik tombol simpan. (Sub flow s.3)
4. User yang ingin mengedit data produk yang lama dapat memilih data yang ingin diedit kemudian mengedit dalam field-field yang tersedia kemudian meng-klik tombol update. (Sub flow s.4)
5. User yang ingin menghapus data produk yang ada dapat memilih data yang ingin dihapus kemudian meng-klik tombol delete. (Sub flow s.5)
6. User ingin mengulang proses input, dapat meng-klik tombol cancel (Sub flow s.6)
7. Data yang ada dalam sistem akan berubah 8. Use case selesai
Sub Flow s.3. Menambah data produk s.4. Mengedit data produk yang sudah ada s.5. Menghapus data produk yang sudah ada s.6. Field-field input yang ada kembali kosong
Alternative Flow Pre Condition Manajer pabrik sudah login ke dalam sistem Post Condition Data produk terupdate dan disimpan dalam sistem
144
Tabel 4.33. Use case description Mendata_bahan_baku
Use case Name Mendata_bahan_baku Brief Description Use case ini menjelaskan proses memasukkan data bahan baku ke dalam
database sistem Primary Actor Manajer pabrik Basic Flow 1. Use case dimulai ketika user ingin memasukkan data bahan baku
yang baru ke dalam sistem 2. User akan menginput data bahan baku 3. User yang akan menyimpan data bahan baku yang baru dapat meng-
klik tombol simpan. (Sub flow s.3) 4. User yang ingin mengedit bahan baku yang lama dapat memilih data
yang ingin diedit kemudian mengedit dalam field-field yang tersedia kemudian meng-klik tombol update. (Sub flow s.4)
5. User yang ingin menghapus data bahan baku yang ada dapat memilih data yang ingin dihapus kemudian meng-klik tombol delete. (Sub flow s.5)
6. User ingin mengulang proses input, dapat meng-klik tombol cancel (Sub flow s.6)
7. Data yang ada dalam sistem akan berubah 8. Use case selesai
Sub Flow s.3. Menambah data bahan baku s.4. Mengedit data bahan baku yang sudah ada s.5. Menghapus data bahan baku yang sudah ada s.6. Field-field input yang ada kembali kosong
Alternative Flow Pre Condition Manajer pabrik sudah login ke dalam sistem Post Condition Data bahan baku terupdate dan disimpan dalam sistem
145
Tabel 4.34. Use case description Mendata_penjualan
Use case Name Mendata_penjualan Brief Description Use case ini menjelaskan proses memasukkan data penjualan ke dalam
database sistem Primary Actor Staff sales Basic Flow 1. Use case dimulai ketika user ingin memasukkan data penjualan yang
baru ke dalam sistem 2. User akan menginput jumlah penjualan untuk tiap jenis produk
dengan memilih jenis produk terlebih dahulu kemudian mengisi field tahun dan memilih bulan yang sesuai lalu user tinggal memasukkan data penjualan dengan mengisi field total sales yang tersedia.
3. User yang akan menyimpan data sales harian yang baru dapat meng-klik tombol simpan. (Sub flow s.3)
4. User yang ingin mengedit data penjualan yang lama dapat memilih produk yang ingin diedit kemudian mengisi field tahun dan memilih bulan yang sesuai lalu meng-klik tombol find. Setelah itu user tinggal mengedit dari field-field yang sudah tersedia. (Sub flow s.4)
5. User yang ingin menghapus data penjualan yang ada dapat memilih data yang ingin dihapus kemudian meng-klik tombol delete. (Sub flow s.5)
6. User yang ingin mengulang proses input, dapat meng-klik tombol cancel (Sub flow s.6)
7. Data yang ada dalam sistem akan berubah 8. Use case selesai
Sub Flow s.3. Menambah data penjualan s.4. Mengedit data penjualan yang sudah ada s.5. Menghapus data penjualan yang sudah ada s.6. Field-field input yang ada kembali kosong
Alternative Flow Pre Condition Staff sales sudah login ke dalam system Post Condition Data penjualan terupdate dan disimpan dalam system
4.4.6.2.2. Function List
Selanjutnya function didefinisikan dalam bentuk function list seperti yang
terlihat pada tabel berikut ini. Function list ini berguna dalam mengetahui
tingkat kerumitan dari function-function yang ada.
146
Tabel 4.35. Function List Function Complexity Type
Mendata inventory produk Add inventory Edit inventory
Delete inventory
Simple Simple Simple Simple
Update Update
Read,Update Update
Mendata inventory bahan baku Add inventory Edit inventory
Delete inventory
Simple Simple Simple Simple
Update Update
Read,Update Update
Mendata bahan baku Add bahan baku Edit bahan baku
Delete bahan baku
Simple Simple Simple Simple
Update Update
Read,Update Update
Mendata produk Add produk Edit produk
Delete produk
Simple Simple Simple Simple
Update Update
Read,Update Update
Membuat konfigurasi produksi optimal Add konfigurasi Edit konfigurasi
Delete konfigurasi
Simple Simple Simple Simple
Update Update
Read,Update Update
Membuat rencana produksi optimal Add rencana produksi optimal
Analyze rencana produksi optimal
Complex Simple
Complex
Read,Compute Update
Compute Mendata penjualan
Add penjualan Edit penjualan
Delete penjualan
Simple Simple Simple Simple
Update Update
Read,Update Update
4.4.6.2.3. Sequence Diagram
Dalam sequence diagram berikut ini dijelaskan urutan aktivitas masing-
masing aktor dan apa saja yang bisa dilakukan aktor dalam menjalankan use
case tersebut di sistem.
147
Staff Produksi
InventoryproductUIcreate()
Pilihproduk
Listproduk Produk
get
result
get
Isitahun
Pilihbulan
Isiinventory
KlikSave Inventory
update
create()
result
Gambar 4.11. Sequence Mendata_Inventory_Produk
148
Staff Produksi
create()
get
result
get
Isitahun
Pilihbulan
Isiinventory
KlikSave Inventory
update
Pilihbahanbaku
Listbahanbaku Bahanbaku
InventoryrawmaterialsUI
create()
result
Gambar 4.12. Sequence Mendata_Inventory_Bahan_baku
149
Gambar 4.13. Sequence Mendata_Bahan_Baku
150
Gambar 4.14. Sequence Mendata_Produk
151
Gambar 4.15. Sequence Membuat_Konfigurasi_Produksi_Optimal
152
Gambar 4.16. Sequence Membuat_Rencana_Produksi_Optimal
153
Staff SalesSalesUIcreate()
Listproduk
Pilihproduk
Produk
get
result
get
Isitahun
Pilihbulan
Listbulan Bulan
get
result
get
Isijumlahsales
KlikSave Penjualan
update
create()
result
create()
result
Gambar 4.17. Sequence Mendata_Penjualan
154
4.4.6.2.4. Navigation Diagram
Berikut ini akan digambarkan interface apa saja yang ada di dalam sistem
dan digambarkan hubungan antara interface yang satu dengan yang lainya
dalam navigation diagram. Interface yang dimaksud adalah form yang akan
digunakan dalam sistem.
155
Gambar 4.18. Navigation Diagram
156
4.4.6.2.5. User Interface
1. UI Produk
Gambar 4.19. UI Produk
Pada User Interface produk ini, user dapat melakukan penambahan
produk baru, mengedit data produk yang sudah ada, dan menghapus data
produk. Untuk melakukan penambahan produk baru, user dapat meng-klik
157
tombol add. Setelah itu akan muncul window baru yaitu window add
produk, penjelasannya dapat dilihat di window add produk. Untuk
mengedit data produk yang sudah ada, user dapat meng-klik salah satu
produk yang terdapat pada data grid view yang di bawah kemudian secara
otomatis data-data produk akan tertampil dalam textbox-textbox yang sudah
ada. Dari situ user tinggal mengubah data yang perlu diubah kemudian user
tinggal meng-klik tombol update. Untuk menghapus data yang sudah ada,
user dapat meng-klik produk yang terdapat pada data grid view yang di
bawah kemudian user dapat meng-klik tombol delete. Untuk keluar dari
window ini, user dapat meg-klik tombol exit.
2. UI Bahan Baku
Gambar 4.20. UI Bahan Baku
158
Pada User Interface bahan baku ini, user dapat melakukan
penambahan bahan baku baru, mengedit data bahan baku yang sudah ada,
dan menghapus data bahan baku. Untuk menambah bahan baku baru, user
dapat meng-klik tombol add, selanjutnya akan muncul window baru yaitu
window add bahan baku. Penjelasan untuk add bahan baku ada di User
Interface bahan baku. Untuk mengedit data bahan baku yang sudah ada,
user dapat meng-klik bahan baku yang ada di data grid view kemudian
secara otomatis data bahan baku akan tertampil di textbox-textbox yang
tersedia. User dapat mengubah data yang diinginkan kemudian user dapat
meng-klik tombol update. Untuk menghapus data yang ada, user dapat
meng-klik bahan baku pada data grid view kemudian user dapat meng-klik
tombol delete.
3. UI Konfigurasi Produksi Optimal
159
Gambar 4.21. UI Konfigurasi Produksi Optimal
Pada User Interface ini user dapat meng-input konfigurasi margin
keuntungan dan jumlah hari kerja pada field-field yang telah disediakan.
Untuk menetapkan besarnya margin keuntungan, user dapat mengisi besar
persentase pada field yang tersedia. Kemudian jika user ingin mengatur
jumlah hari kerja pada tahun dan bulan saat ini, user dapat mengisi field
tahun yang tersedia kemudian user dapat mengisi jumlah hari kerja dapa
bulan yang bersangkutan pada field yang telah disediakan di sebelah kanan
bulan yang ada. Kemudian user dapat meng-klik tombol save. Untuk
160
mengedit jumlah hari kerja yang sudah ada, user dapat mengisi tahun pada
field yang tersedia kemudian user dapat meng-kilk tombol find. Setelah itu,
hasilnya akan keluar pada data grid view di bawahnya. User dapat
mengubah jumlah hari kerja pada bulan yang diinginkan, kemudian user
dapat meng-klik tombol save. Untuk keluar dari window ini user dapat
meng-klik tombol exit.
4. UI Inventory Produk
Gambar 4.22. UI Inventory Produk
161
Pada User Interface ini, user dapat mendata jumlah inventory
produk pada tahun dan bulan yang bersangkutan, mengedit jumlah
inventory yang ada, dan menghapus data inventory. Untuk mendata atau
menambah jumlah inventory, user dapat memilih terlebih dahulu produk
apa yang ingin ditambah atau didata inventorinya, kemudian user dapat
memasukkan tahun yang diinginkan, kemudian user tinggal memesukkan
jumlah inventory dalam data grid view yang ada di sebelah kanan bulan
yang bersangkutan. Setelah itu user dapat meng-klik tombol save. Untuk
mengubah jumlah inventory yang ada, user dapat memilih terlebih dahulu
jumlah inventory produk apa yang akan diubah, kemudian user dapat
memasukkan tahun yang diinginkan lalu user dapat meng-klik tombol find.
Setelah itu, data akan tertampil pada data grid view yang tersedia, dari situ
user dapat mengubah jumlah inventory yang diinginkan kemudian user
dapat mengklik tombol save. Untuk menghapus jumlah inventory, user
dapat meng-klik bulan apa data inventory yang akan dihapus pada data
grid view kemudian user dapat meng-klik tombol delete. Untuk keluar dari
window ini user dapat meng-klik tombol exit.
5. UI Inventory Bahan Baku
162
Gambar 4.23. UI Inventory Bahan Baku
Pada User Interface ini, user dapat mendata jumlah inventory bahan
baku pada tahun dan bulan yang bersangkutan, mengedit jumlah inventory
yang ada, dan menghapus data inventory. Untuk mendata atau menambah
jumlah inventory, user dapat memilih terlebih dahulu bahan baku apa yang
ingin ditambah atau didata inventorinya, kemudian user dapat memasukkan
tahun yang diinginkan, kemudian user tinggal memesukkan jumlah
inventory dalam data grid view yang ada di sebelah kanan bulan yang
bersangkutan. Setelah itu user dapat meng-klik tombol save. Untuk
mengubah jumlah inventory yang ada, user dapat memilih terlebih dahulu
163
jumlah inventory produk apa yang akan diubah, kemudian user dapat
memasukkan tahun yang diinginkan lalu user dapat meng-klik tombol find.
Setelah itu, data akan tertampil pada data grid view yang tersedia, dari situ
user dapat mengubah jumlah inventory yang diinginkan kemudian user
dapat mengklik tombol save. Untuk menghapus jumlah inventory, user
dapat meng-klik bulan apa data inventory yang akan dihapus pada data
grid view kemudian user dapat meng-klik tombol delete. Untuk keluar dari
window ini user dapat meng-klik tombol exit.
6. UI Sales
Gambar 4.24. UI sales
164
Pada User Interface ini, user dapat meng-input jumlah penjualan
per hari dan menghapus data penjualan yang sudah ada. Untuk meng-input
data penjualan, user dapat memilih terlabih dahulu produk apa yang
mengalami penjualan, kemudian user memasukkan tahun pada field yang
tersedia dan memilih bulan. Setelah itu user dapat meng-input jumlah
penjualan dengan mengisi data grid yang tersedia lalu user dapat meng-
klik tombol save. Untuk menghapus data penjualan yang sudah ada, user
terlebih dahulu memilih produk, kemudian memasukkan tahun dan
memilih bulan yang dikehendaki, kemudian penjualan akan tertampil pada
data grid yang tersedia kemudian user dapat meng-klik tombol delete.
Selain itu, user dapat juga membuat report dengan memasukkan terlebih
dahulu tahun dan memilih bulan yang akan dibuat reportnya kemudian user
dapat meng-klik tombol preview. Selanjutnya akan muncul preview dari
laporan yang akan dicetak.
7. UI Rencana Produksi Optimal
165
Gambar 4.25. UI Rencana Produksi Optimal
Pada User Interface ini, user dapat melakukan perhitungan produksi
optimal, menyimpan hasil perhitungan, dan mencetak hasil perhitungan.
Untuk melakukan perhitungan produksi optimal, user dapat mengisi
terlebih dahulu kode simulasi yang diinginkan lalu mengisi tahun dan
memilih bulan yang dikehendaki, kemudian user dapat memilih produk
yang akan dihitung produksi optimalnya kemudian user dapat meng-kilk
tombol add. Setelah itu, produk yang dipilih tadi akan muncul pada list box
di bawahnya. Kemudian user dapat meng-klik tombol analyze. Hasil
perhitungan produksi optimal akan muncul pada data grid view yang
tersedia. Untuk menyimpan haasil perhitungan, user dapat meng-klik
tombol save. Untuk melihat hasil perhitungan dalam bentuk laporan dan
mencetaknya, user dapat memasukkan kode simulasi yang di-input tadi
kemudian user dapat meng-klik tombol preview. Lalu tampilan berbentuk
166
laporan untuk hasil perhitungan produksi optimal akan muncul dan user
bisa mencetaknya.
8. UI Add Bahan Baku
Gambar 4.26. UI Add Bahan Baku
Pada User Interface ini user dapat menambahkan data bahan baku
ke dalam database bahan baku. User dapat mengisi field-field yang tersedia
kemudian user dapat meng-klik tombol save.
9. UI Add Produk
167
Gambar 4.27. UI Add Produk
Pada User Interface ini, user dapat menambahkan data produk ke
dalam database produk. User dapat mengisi textbox-textbox yang ada,
kemudian user dapat menentukan komposisi bahan baku dengan memilih
bahan baku dan mengisi besar komposisinya pada data grid yang tersedia.
Setelah komposisi bahan baku dan atribut produk terisi semua user dapat
meng-klik tombol save.
10. UI Konfigurasi Waktu Baku
168
Gambar 4.28. UI Konfigurasi Waktu Baku
Pada user interface ini, user dapat meng-input waktu siklus pada
filed yang tersedia, kemudian dari list-list yang ada, user dapat memilih
penyesuaian dan kelonggaran-kelonggaran sesuai dengan kategorinya
masing-masing. User interface ini berhubungan dengan UI Add Produk.
Ketika user sudah mengisi field-field yang tersedia, user meng-klik tombol
OK dan user akan kembali ke UI Add Produk.
169
4.4.6.2.6. Architectural Design
4.4.6.2.6.1.Criteria
Penentuan kriteria dalam suatu perancangan sistem diperlukan untuk
mencapai perancangan sistem yang baik. Berdasarkan kebutuhan sistem yang
dikembangkan, ada persyaratan yang harus dipenuhi dalam mencapai
perancangan yang baik. Persyaratan tersebut dapat dilihat pada tabel di
bawah ini :
Tabel 4.36. Criteria
Criterion Very Important Important Less
Important Irrelevant Easily Fulfilled
Usable √
Secure √
Efficient √
Correct √
Reliable √
Maintainable √
Testable √
Flexible √
Comprehensible √
Reusable √
Portable √
Interoperable √
4.4.6.2.6.2.Component Diagram
Tahap selanjutnya adalah perancangan arsitektur komponen. Dalam
tahap ini dilakukan perancangan terhadap struktur sistem yang terdiri dari
komponen-komponen yang saling berhubungan. Sistem yang akan
170
dikembangkan berbentuk client-server. Model distribusi arsitektur client-
server yang digunakan adalah Centralized Data.
<<component>>Client : Staff Produksi
<<component>>User Interface
<<Function>> PenyimpananInventory
<<component>>Client : Staff Sales
<<component>> User Interface
<<component>>Server
<<component>>Model
<<component>>Client : Manajer Pabrik
<<Function>> JumlahProduksiOptimal
<<component>>User Interface
Gambar 4.29. Component diagram
4.4.6.2.6.3.Deployment Diagram
Arsitektur fisik dari sistem yang akan dikembangkan bisa dijelaskan
dengan deployment diagram. Berikut ini adalah deployment diagram dari
sistem yang akan dikembangkan.
171
Client : Staff Produksi
User Interface System Interface
Function
Client : Staff Sales
User Interface System Interface
Function
Client : Manajer Pabrik
User Interface System Interface
Function
Printer Control
Printer
Server
System Interface
Model
Printer ControlPrinter
Gambar 4.30. Deployment diagram
172
4.4.6.2.7. Component Design
4.4.6.2.7.1.Revised Class Diagram
Dari class diagram yang ada dilakukan analisa, analisa yang telah dibuat
kemudian menghasilkan revised class diagram. Dalam revised class ini
terdapat penambahan class. Class baru merupakan bagian dari class
penjualan. Berikut ini adalah revised class diagram :
Gambar 4.31. Revised Class Diagram
4.4.6.2.7.2.Function Component
Dalam revised class diagram terdapat penambahan class baru yaitu class
peramalan. Untuk melakukan perhitungan peramalan dibutuhkan 1 function
class yang memiliki operasi hitung peramalan. Selain itu dibutuhkan juga 1
function class untuk melakukan perhitungan jumlah produksi optimal.
173
Gambar 4.32. Function component
174
Tabel 4.37 Operation Specification pada Class JumlahProduksiOptimal
Name Jumlah_Produksi_Optimal
Category
x Active _ Update _ Passive _ Read x Compute _ Signal
Purpose Menghitung JumlahProduksiOptimal dari tiap produk yang dihasilkan pada periode tertentu
Input Data
Data penjualan bulan-bulan sebelumnya, data produk, data bahan baku, dan data inventory
Conditions Data penjualan sudah di-input oleh staff sales, data bahan baku dan data produk sudah di-input oleh manajer pabrik, data inventory sudah di-input oleh staff produksi
Effect Jumlah produksi optimal berupa rincian jumlah dari tiap produk yang dihasilkan secara optimal dan maksimal laba yang dapat diperoleh muncul di layar
Algorithm
for initial_state to end_state for 1 to product_variant if xi < 0 then xi - pivot next i next initial_state if end_state = optimal then profit = max
Data Structures
Placement ProduksiOptimal Involved objects
ProduksiOptimal, Produk, Bahan_Baku, Inventory_bahan_baku, Penjualan, Inventory_produk
Triggering events
Target produksi, jumlah inventory, jam tenaga kerja
175
Tabel 4.38 Operation Specification pada Class PenyimpananInventory
Name Jumlah_Produksi_Optimal
Category
x Active x Update _ Passive _ Read _ Compute _ Signal
Purpose Mendata jumlah inventory dari tiap barang jadi dan bahan baku pada akhir periode tertentu
Input Data
Data jumlah barang jadi dan data jumlah bahan baku di gudang pada akhir periode tertentu
Conditions Data jumlah barang jadi dan data jumlah bahan baku pada akhir periode tertentu belum di-input oleh user
Effect Data jumlah barang jadi dan data jumlah bahan baku pada akhir periode tertentu tersimpan dalam database
Algorithm
if current_inventory == 0 then user_input = current_inventory else current_inventory = current_inventory
Data Structures
Placement inventory_produk, inventory_bahan_baku Involved objects
Inventory_produk, inventory_bahan_baku
Triggering events
Jumlah inventory bahan baku, jumlah inventory produk
176
4.4.6.2.8. Specification Table
Tabel 4.39 Specification Table
Table Field Data Type Panjang Keterangan
KodeProduk String 6 Primary Key
NamaProduk String 20 Foreign Key
WaktuBaku String 10
HargaProduk Numeric 9
SafetyStock Numeric 9
Produk
WorkStations Numeric 9
KodeBahanBaku String 6 Primary Key
NamaBahanBaku String 20 Foreign Key
HargaBahanBaku Numeric 9 Bahan_baku
Suplier String 20
KodeBahanBaku String 6 Primary Key Inventoy_bahan_baku
StokBahanBaku Numeric 9
KodeProduk String 20 Primary Key Inventory_produk
StokProduk Numeric 9
KodeProduk String 6 Primary Key
TanggalPenjualan String 10
JumlahPenjualan Numeric 9 Penjualan
NilaiPenjualan Numeric 9
KodeProduksi String 6 Primary Key
Tahun String 4
Bulan String 10
KodeProduk String 20
JumlahProduksi Optimal Numeric 9
ProduksiOptimal
MaksProfit Numeric 9
177
4.4.6.2.9. Technical Platform
4.4.6.2.9.1.Spesifikasi Hardware
Kebutuhan peralatan dan perangkat hardware yang diperlukan untuk
merancang sistem informasi perencanaan produksi optimal adalah
1. 1 unit server
2. 3 unit desktop PC dengan Processor minimum Intel Pentium IV
1,7 GHz
3. Memory 512 MB DDRAM
4. Hard Disk 80 GB
5. 3 unit LAN Card
6. 1 unit switch
7. Printer
4.4.6.2.9.2.Spesfikasi Software
Sistem operasi bisa menggunakan Microsoft Windows XP
Professional edition Service Pack 2. Untuk bahasa pemrograman yang
dipakai adalah visual studio.NET 2005 dengan .Net framework 2.0 yang
terintegrasi. Untuk generate report menggunakan Crystal Reports 8.5.
Database menggunaan Microsoft SQL SERVER 2000.
Top Related