bab 4 hasil dan pembahasan - thesis.binus.ac.idthesis.binus.ac.id/doc/bab4/2008-1-00471-tisi-bab...

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 :


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.



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


Pembatas :

7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000

X1 ≤ 27,80



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


Pembatas :

7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000

X1 ≤ 27,80

115


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







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.



Pembatas :

7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000

X1 ≤ 27,80



X4 ≤ 31,70


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




117

Pembatas :

7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000

X1 ≤ 27,80



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







X1 18.50 X2 47.00 X3 39.00 X4 31.70 X5 34.00

118


X2, X5 dan X3, tetapi variabel lainnya belum bulat. Sehingga sub masalah 5





Pembatas :

7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000

X1 ≤ 27,80





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


119



Pembatas :

7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000

X1 ≤ 27,80



X4 ≤ 31,70


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





120



X1 19.67 X2 47.00 X3 39.00 X4 31.00 X5 34.00


X2, X5, X4 dan X3, tetapi variabel lainnya belum bulat. Sehingga sub masalah 7





Pembatas :

7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000






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




Pembatas :

7025.12X1 + 8261.37X2 + 8217.79X3 + 8035.17X4 + 6328.48X5 ≤ 2880000

X1 ≤ 27,80





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


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


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)


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.


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)



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)



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)


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


Update Update

Read,Update Update

Mendata bahan baku Add bahan baku Edit bahan baku

Delete bahan baku


Update Update

Read,Update Update

Mendata produk Add produk Edit produk

Delete produk


Update Update

Read,Update Update

Membuat konfigurasi produksi optimal Add konfigurasi Edit konfigurasi

Delete konfigurasi


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


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


Function

Client : Manajer Pabrik


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.

bab 4 hasil dan pembahasan - thesis.binus.ac.idthesis.binus.ac.id/doc/bab4/2008-1-00471-tisi-bab...

Documents