optimasi perkiraan bahan baku mebel …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman...

101
i OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI MEBEL RUMAHAN DI JOMBANG) SKRIPSI Oleh : NUR KHOFIFAH NIM. 1365009 JURUSAN TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM MALANG 2018

Upload: trinhdang

Post on 07-Aug-2019

228 views

Category:

Documents


2 download

TRANSCRIPT

Page 1: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

i

OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN

METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI

MEBEL RUMAHAN DI JOMBANG)

SKRIPSI

Oleh :

NUR KHOFIFAH

NIM. 1365009

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM

MALANG

2018

Page 2: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

ii

HALAMAN PENGAJUAN

OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN

METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI

MEBEL RUMAHAN DI JOMBANG)

SKRIPSI

Diajukan kepada :

Fakultas Sains dan Teknologi

Universitas Islam Negeri Maulana Malik Ibrahim Malang

Untuk memenuhi Salah Satu Persyaratan dalam

Memperoleh Gelar Sarjana Komputer (S.Kom)

Oleh :

NUR KHOFIFAH

NIM. 13650009

JURUSAN TEKNIK INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI MAULANA MALIK IBRAHIM

MALANG

2018

Page 3: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

iii

HALAMAN PERSETUJUAN

OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN

METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI

MEBEL RUMAHAN DI JOMBANG

SKRIPSI

Oleh :

NUR KHOFIFAH

NIM. 13650009

Telah Diperiksa dan Disetujui untuk Diuji

Tanggal, .....................................

Pembimbing I

Fachrul Kurniawan, M.MT

NIP. 19771020 200912 1 001

Pembimbing II

M. Imamudin, Lc., MA

NIP. 19740602 200901 1 010

Mengetahui,

Ketua Jurusan Teknik Informatika

Fakultas Sain dan Teknologi

UIN Maulana Malik Ibrahm Malang

Dr. Cahyo Crysdian

NIP. 19740424 200901 1 008

Page 4: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

iv

HALAMAN PENGESAHAN

OPTIMASI PERKIRAAN BAHAN BAKU MEBEL MENGGUNAKAN

METODE ALGORITMA GENETIKA (STUDI KASUS: INDUSTRI

MEBEL RUMAHAN DI JOMBANG

SKRIPSI

OLEH:

NUR KHOFIFAH

NIM. 13650009

Telah Dipertahankan Di Depan Dewan Penguji Skripsi Dan

Dinyatakan Diterima Sebagai Salah Satu Persyaratan Untuk

Memperoleh Gelar Sarjana Komputer (S.Kom)

Tanggal: Desember 2018

Susunan Dewan Penguji : Tanda Tangan

1. Penguji Utama : Hani Nurhayati, M.T

NIP. 19780625 200801 2 006

( )

2. Ketua Penguji : Dr. Muhammad Faisal, M.T

NIP. 19740510 200501 1 007

( )

3. Sekretaris Penguji : Fachrul Kurniawan, M.MT

NIP. 19771020 200912 1 001

( )

4. Anggota Penguji : M. Imamudin, Lc., MA

NIP. 19740602 200901 1 010

( )

Mengetahui,

Ketua Jurusan Teknik Informatika

Fakultas Sains dan Teknologi

Universitas Islam Negeri Maulana Malik Ibrahim Malang

Dr. Cahyo Crysdian

NIP. 19740424 200901 1 008

Page 5: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

v

PERNYATAAN KEASLIAN TULISAN

Saya yang bertanda tangan dibawah ini :

Nama : Nur Khofifah

NIM : 13650009

Fakultas/Jurusan : Sains dan Teknologi/Teknik Informatika

Judul Penelitian : Optimasi Perkiraan Bahan Baku Mebel Menggunakan

Metode Algoritma Genetika (Studi Kasus: Industri Mebel

Rumahan Di Jombang)

Menyatakan dengan sebenar-benarnya bahwa hasil penelitian saya tidak

terdapat unsur-unsur duplikasi karya penelitian atau karya ilmiah yang pernah

dilakukan atau dibuat oleh orang lain, kecuali yang secara tertulis dikutip dalam

naskah ini dan dissebutkan dalam sumber kutipan dan daftar pustaka. Apabila

ternyata hasil penelitian ini terbukti hasil jiplakan, maka saya bersedia menerima

sanksi atas perbuatan tersebut.

Malang, Desember 2018

Yang membuat pernyataan

Nur Khofifah

NIM. 13650009

Page 6: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

vi

MOTTO

BERUSAHA, BELAJAR, BERDOA, BERSYUKUR.

Page 7: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

vii

HALAMAN PERSEMBAHAN

“Terima kasih untuk bapak, ibuk, dan keluarga”

Serta teman-teman semua

Khususnya

“UKM Taekwondo UIN Maliki Malang”

“Teman seperjuangan”

“Teman grup”

“Teman-teman sejurusan”

Kalian sungguh berharga.

Terima kasih untuk seluruh Dosen, dan staff Jurusan Teknik Informatika.

Page 8: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

viii

KATA PENGANTAR

Assalamu’alaikum wr. wb.

Segala puji bagi Allah tuhan semesta alam, karena atas segala rahmat dah

karunia-Nya penulis mampu menyelesaikan skripsi dengan judul “Optimasi

Bahan Baku Mebel Menggunakan Metode Algortima Genetika (Studi Kasus:

Industri Mebel Rumahan Di Jombang)” dengan baik. Shalwat serta salam selalu

tercurah kepada tauladan terbaik Nabi Muhammad SAW yang telah membimbing

umatnya dari zaman kebodohan menuju Islam yang rahmatan lil alamiin.

Dalam penyelesaia skripsi ini, banyak pihak yang telah memberi baantuan

baik secara moril, semangat, maupun materiil. Atas segala bantuan tersebut,

penulis ingin menyampaikan doa dan ucapan terima kasih yang sedalam-

dalamnya kepada:

1. Bapak Fachrul Kurniawan, ST., M.MT. selaku dosen pembimbing I yang

telah meluangkan waktu untuk membimbing, mengarahkan, dan

memberikan masukan kepada penulis dalam pengerjaan skripsi.

2. Bapak M. Imamuddin, Lc., MA. Selaku dosen pembimbing II yang juga

senantiasa memberi masukan dan nasihat dalam penyusunan skripsi ini.

3. Bapak, ibuk serta keluarga yang selalu memberika doa dan dukungan yang

sangat luar biasa.

4. Bapak Dr. Cahyo Crysdian, selaku Ketua Jurusan Teknik Informatika

Universitasitas Islam Negeri Maulana Malik Ibrahim Malang.

5. Segenap Dosen dan staff Jurusan Teknik Informatika yang telah

memberikan bimbingan keilmuan, dan kelancaran dalam proses skripsi.

Page 9: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

ix

6. Teman-teman UKM Taekwondo, Teknik Informatika, serta semua pihak

yang telah membantu. Terima kasih banyak.

Berbagai kekuranagn dan kesalahan pembaca temukan dalam penulisa

skripsi ini, untuk itu penulis menerima segala kritik dan saran dari pembaca.

Semoga apa yang menjadi kekurangan dapat disempurnakan oleh peneliti

selanjutnya dana semoga dapat memberi manfaat. Amin.

Wassalamu’alaikum wr. wb.

Malang, Desember 2018

Penulis

Page 10: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

x

DAFTAR ISI

HALAMAN JUDUL ................................................................................................ i

HALAMAN PENGAJUAN .................................................................................... ii

HALAMAN PERSETUJUAN ............................................................................... iii

HALAMAN PENGESAHAN ................................................................................ iv

PERNYATAAN KEASLIAN TULISAN .............................................................. v

MOTTO ................................................................................................................. vi

HALAMAN PERSEMBAHAN ........................................................................... vii

KATA PENGANTAR ......................................................................................... viii

DAFTAR ISI ........................................................................................................... x

DAFTAR GAMBAR ............................................................................................ xii

DAFTAR TABEL ................................................................................................ xiii

ABSTRAK ........................................................................................................... xiv

ABSTRACT .......................................................................................................... xv

البحث ملخص .............................................................................................................. xvi

BAB I ...................................................................................................................... 1

1.1 Latar Belakang ............................................................................................... 1

1.2 Identifikasi Masalah....................................................................................... 4

1.3 Tujuan Penelitian ........................................................................................... 5

1.4 Batasan Penelitian .......................................................................................... 5

1.5 Manfaat Penelitian ......................................................................................... 6

1.6 Sistematika Penulisan .................................................................................... 6

BAB II ..................................................................................................................... 7

2.1 Industri Mebel dan Persediaan Bahan Baku .................................................. 7

2.2 Dasar Optimasi dan Metode-Metode Optimasi ........................................... 18

2.3 Integrasi Optimasi dengan Islam ................................................................. 21

2.4 Algoritma Genetika ..................................................................................... 25

2.4.1 Komponen-Komponen Algoritma Genetika ......................................... 27

2.4.2 Algoritma Genetika untuk Masalah Optimasi ...................................... 36

2.5 Penelitian Terkait ......................................................................................... 37

BAB III ................................................................................................................. 40

3.1 Studi Literatur .............................................................................................. 40

3.2 Analisis Kebutuhan Sistem ......................................................................... 41

Page 11: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

xi

3.3 Pengumpulan Data ...................................................................................... 42

3.4 Perancangan Sistem ..................................................................................... 46

3.4.1 Desain Sistem ....................................................................................... 46

3.4.2 Algoritma Genetika .............................................................................. 48

3.5 Desain Hitung Manual ................................................................................. 52

3.5.1 Pembangkitan Populasi Awal ............................................................... 52

3.5.2 Crossover .............................................................................................. 53

3.5.3 Mutasi ................................................................................................... 54

3.5.4 Menghitung Nilai Fitness ..................................................................... 55

3.5.5 Seleksi ................................................................................................... 57

BAB IV ................................................................................................................. 59

4.1 Implementasi Interface ................................................................................ 59

4.1.1 Login Page (Halaman Login) ............................................................... 59

4.1.2 Halaman Register (Daftar) .................................................................... 59

4.1.3 Halaman Utama (Beranda) ................................................................... 60

4.1.4 Halaman Analisis .................................................................................. 61

4.2 Pengujian Sistem ......................................................................................... 66

4.2.1 Persiapan Data ...................................................................................... 67

4.2.2 Hasil dan Analisa .................................................................................. 67

4.2.3 Pengujian Ukuran Populasi ................................................................... 67

4.2.4 Pengujian Ukuran Crossover dan Mutasi ............................................. 69

4.2.5 Pengujian Data Produksi ....................................................................... 71

4.4 Integrasi Islam ............................................................................................. 78

BAB V ................................................................................................................... 81

5.1 Kesimpulan .................................................................................................. 81

5.2 Saran ............................................................................................................ 82

DAFTAR PUSTAKA .......................................................................................... 83

Page 12: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

xii

DAFTAR GAMBAR

Gambar 2. 1 Siklus Algoritma Genetika ............................................................... 27

Gambar 2. 2 Contoh Seleksi Orang Tua Menggunakan Roulette-Wheel ............. 30

Gambar 2. 3 Contoh Pindah Silang Satu Titik ...................................................... 31

Gambar 2. 4 Contoh Pindah Silang Banyak Titik (lebih dari satu) ...................... 31

Gambar 2. 5 Contoh Pindah Silang Pola Seragam ................................................ 32

Gambar 2. 6 Contoh Mutasi Tingkat Kromosom.................................................. 33

Gambar 2. 7 Contoh Mutasi Tingkat Gen. Semua Bit dalam Satu Gen Berubah . 33

Gambar 2. 8 Contoh Mutasi Tingkat Bit. Hanya Satu Bit yang Berubah ............. 33

Gambar 3. 1 Alur Penelitian.................................................................................. 40

Gambar 3. 2 Desain Sistem ................................................................................... 46

Gambar 3. 3 Desain Kromosom ............................................................................ 48

Gambar 4. 1 Login Page........................................................................................ 59

Gambar 4. 2 Halaman Registrasi .......................................................................... 60

Gambar 4. 3 Notifikasi Berhasil Registrasi .......................................................... 60

Gambar 4. 4 Halaman Utama ................................................................................ 61

Gambar 4. 5 Halaman Tambah Analisis ............................................................... 61

Gambar 4. 6 Tombol Download Format ............................................................... 62

Gambar 4. 7 Format Excel Produk ........................................................................ 62

Gambar 4. 8 Halaman List Analisis ...................................................................... 63

Gambar 4. 9 Data Hasil Analisis ........................................................................... 65

Gambar 4. 10 Grafik Hasil Analisis ...................................................................... 65

Gambar 4. 11 Halaman Data Produk .................................................................... 66

Gambar 4. 12 Halaman Tambah Produk ............................................................... 66

Gambar 4. 13 List Uji Ukuran Populasi ................................................................ 68

Gambar 4. 14 Grafik Uji Coba Ukuran Populasi .................................................. 68

Gambar 4. 15 Uji Coba Crossover dan Mutasi ..................................................... 70

Gambar 4. 16 Grafik Hasil Uji Coba Crossover dan Mutasi ................................ 71

Gambar 4. 17 List Uji Produk ............................................................................... 72

Page 13: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

xiii

DAFTAR TABEL

Tabel 2. 1 Tabel Kelompok Komersial Satu ........................................................... 8

Tabel 2. 2 Tabel Komersial Dua ........................................................................... 12

Tabel 3. 1 Tabel Modal ......................................................................................... 43

Tabel 3. 2 Tabel Kebutuhan Produksi ................................................................... 43

Tabel 3. 3 Tabel Permintaan Pembeli Bulan Januari – Juni 2017 ........................ 44

Tabel 3. 4 Tabel Permintaan Pembeli Bulan Juli – Desember 2017 ..................... 45

Tabel 3. 5 Rentang Pembangkitan Gen ................................................................. 52

Tabel 3. 6 Pembangkitan Populasi Awal .............................................................. 53

Tabel 3. 7 Tabel Hasil Crossover .......................................................................... 54

Tabel 3. 8 Tabel Hasil Mutasi ............................................................................... 55

Tabel 3. 9 Tabel Perhitungan Fitness .................................................................... 57

Tabel 3. 10 Tabel Hasil Seleksi............................................................................. 58

Tabel 4. 1 Hasil Uji Populasi 68

Tabel 4. 2 Hasil Uji Crossover dan Mutasi 70

Tabel 4. 3 Hasil Uji Data Permintaan Mebel UD. Sekar Jaya 73

Tabel 4. 4 Tabel Hasil Optimasi Bulan Januari – Juni 2017 76

Tabel 4. 5 Tabel Hasil Optimasi Bulan Juli – Agustus 2017 77

Page 14: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

xiv

ABSTRAK

Khofifah, Nur. 2018. Optimasi Perkiraan Bahan Baku Mebel Menggunakan

Metode Algoritma Genetika Studi Kasus (Industri Mebel Rumahan di

Jombang). Skripsi. Jurusan Teknik Informatika Fakultas Sains dan Teknologi

Universitas Islam Negeri Maulana Malik Ibrahim Malang.

Pembimbing: (I) Fachrul Kurniawan, ST., M.MT., (II) M. Imamuddin, Lc., MA.

Kata Kunci: Optimasi, Bahan Baku, Mebel, Algoritma Genetika

Optimasi penentuan besarnya persediaan atau kebutuhan bahan baku merupakan

masalah yang penting bagi sebuah perusahaan. Seperti halnya perusahan-

perusahan yang lain, mebel juga merupakan perusahaan atau industri yang

megolah bahan dasar kayu menjadi perabot rumah tangga seperti lemari, meja,

kursi, dll.. Bahan baku mebel adalah kayu, dan ketersediaan kayu di pasar cukup

tinggi dan tidak selalu ada. Maka mebel perlu menyiasati dengan memerkirakan

kebutuhan bahan baku. Dengan sistem persediaan yang baik, mebel akan

mendapatkan keuntungan yang optimal. Algoritma Genetika diterapkan dalam

optimasi perkiraan bahan baku mebel untuk memberikan keuntungan yang

maksimal dengan penghematan biayan persediaan. Algoritma Genetika yang

digunakan metode extended intermediet crossover, mutasi, menghitung nilai

fitness dan seleksi. Pada penelitian ini terdapat 12 kromosm yang merupakan data

produksi mebel dalam kurun waktu 12 bulan. Representasi kromosom yang

digunakan adalah discrete decimal encoding. Dan masing-masing kromosom

memiliki gen 1-8 yang mana adalah jenis produk. Solusi optimal yang diperoleh

dari ukuran populasi sebanyak 100 populasi, kombinasi crossover dan mutasi

adalah 0.3 dan 0.3. Dengan nilai fitness teringgi yiatu 0.08.

Page 15: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

xv

ABSTRACT

Khofifah, Nur. 2018. The estimated Optimization of raw material furniture

using Genetic Algorithm method case studies (furniture home industry in

Jombang). Thesis. Department of computer engineering faculty of science and

technology University of Islamic State Maulana Malik Ibrahim Malang.

Supervisor: (I) Fachrul Kurniawan, ST., M.MT., (II) M. Imamuddin, Lc., MA.

Key words: Optimization, Raw Materials, Furniture, Genetic Algorithm.

For it the importance of doing an approximate optimization of raw materials in the

production process. As with the other functions of the company, the furniture is

also a company or industry that producing the raw material wood into furniture

such as cupboards, tables, chairs, etc. Because of the availability of wood on

market is high enough and not always exist, then the furniture need to get around

with estimated the needs of raw materials. With a good inventory system, the

furniture will be an optimal benefit. Genetic Algorithms applied in approximate

optimization of raw material of furniture to provide maximum benefit with saving

the cost of investory. Approximate optimization of raw material furniture using

the method of intermediate extended crossover, mutation, calculate the value of

fitness and selection. In this study there are 12 kromosm which is a furniture

production data within 12 months. Chromosome representation used is a serial

decimal encoding. And each chromosome has the gene 1-8 which is a type of

product. The optimal solution obtained from population size by as much as 100

population, a combination of crossover and mutation are 0.3 and 0.3. With the

highest fitness value is 0.08.

Page 16: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

xvi

ملخص البحث

ية االستفادة المثلى من تقديرات المواد الخام لألثاث باستخدام أساليب الخوارزم. ٨١٠٢خفيفة ، نور.

أطروحة. قسم هندسة المعلوماتية بكلية العلوم. ( جومبانج دراسة حالة: صناعة األثاث المنزلي في جينية ال (

.والتكنولوجيا بالجامعة اإلسالمية في موالنا مالك إبراهيم ماالنج

( محمد إمام الدين، الماجستير٨( فخر الكرنياوان، الماجستير )٠: )تحت إشراف

: التحسين ، المواد الخام ، األثاث ، الخوارزميات الجينيةبحثالكلمات ال

ع لمواد الخام مشكلة مهمة للشركة. كما هو الحال ميعتبر تحسين تحديد كمية المخزون أو احتياجات ا

لمنزلي الشركات األخرى ، األثاث هو أيضا شركة أو صناعة تعالج المواد الخشبية األساسية في األثاث ا

سوق مثل الخزائن والطاوالت والكراسي ... الخ. المواد الخام لألثاث هي الخشب ، وتوافر الخشب في ال

ام. مع نظام ئما ، لذا يحتاج األثاث لاللتفاف عن طريق تقدير متطلبات المواد الخمرتفع جدا وغير متاح دا

تحسين تقدير المخزون الجيد ، سيحصل األثاث على الفوائد المثلى. يتم تطبيق الخوارزميات الجينية في

ثية االمواد الخام لألثاث لتوفير أقصى الفوائد من خالل توفير تكاليف المخزون. الخوارزمية الور

ار. في المتوسطة الممتدة ، والطفرة ، وحساب اللياقة البدنية وقيم االختي crossover المستخدمة من قبل

شهرا. تمثيل الكروموسوم ٠٨كروموسوم وهي بيانات عن إنتاج األثاث خالل ٠٨هذه الدراسة هناك

جات. الحل األمثل الذي جينات من أنواع المنت ٢–٠نفصل. ولكل كروموسوم المستخدم هو ترميز عشري م

. مع أعلى١٫٠و ١٫٠مجموعة ، ومزيج التبادل والتغير هو ٠١١تم الحصول عليه من حجم السكان هو

.١٫١٢قيمة لياقة

Page 17: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Meningkatnya kebutuhan bahan baku kayu didorong dari tuntutan manusia

akan kebutuhan papan itu sendiri. Kayu yang diproduksi merupakan kayu jenis

kayu bulat dan kayu gergajian. Adapun kayu bulat adalah semua kayu bulat

(gelondongan) yang ditebang atau dipanen yang bisa dijadikan sebagai bahan

baku produksi pengolahan kayu hulu (IPKH). Sedangkan kayu gergajian

merupakan kayu hasil konservasi kayu bulat dengan menggunakan mesin gergaji,

mempunyai bentuk yang teratur dengan sisi-sisi sejajar dan sudut-sudutnya siku

dengan ketebalan tidak lebih dari 6 cm dan kadar air tidak lebih dari 18 persen.

Kayu gergajian diolah langsung dari kayu bulat.

Untuk produksi kayu hutan menurut jenis produksinya selalu naik disetiap

tahunnya, seperti kayu bulat pada tahun 2014 sebanyak 44.963.529 m3 menjadi

35.290.288 m3 pada tahun 2015. Kayu lapis pada tahun 2014 sebanyak 3.579.113

m3 menjadi 3.640.631 m3 pada tahun 2015. Dan kayu gergajian pada tahun 2014

sebanyak 1.458.624 m3 menjadi 1.765.080 m3 pada tahun 2015 (Badan Pusat

Statistik, 2015). Dari data tersebut menunjukkan bahwa kebutuhan akan kayu

memang tinggi. Dibanyak daerah banyak usaha kayu atau disebut dengan mebel.

Mebel sendiri sudah menjadi sebuah industri untuk pengolahan bahan baku kayu.

Industri mebel biasa memproduksi kayu untuk dijadikan parabot rumah tangga

seperti lemari, meja, kursi, jendela, pintu, dan banyak lainnya. Menurut Presiden

Joko Widodo ada 3 poin penting dalam industri mebel saat menghadiri peresmian

pembukaan Indonesia International Furniture Expo (IFEX) sabtu (11/3/2017) di

Page 18: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

2

Kemayoran, Jakarta Pusat, "Industri ini menggunakan bahan baku 100% dari

Indonesia. Kedua, serap tenaga kerja banyak sekali. Ketiga, ekspor yang

menghasilkan devisa. Ini tiga hal penting di industri ini, mebel dan kerajinan.

Gede sekali".

Seperti di Kabupaten Jombang, tepatnya di Kecamatan Mojowarno, Desa

Wringinpitu. Terdapat banyak industri mebel. Para pengusaha mebel umumnya

masih menggunakan perhitungan secara manual dalam produksinya.

Kelangsungan proses produksi didalam suatu perusahaan akan dipengaruhi oleh

berbagai faktor antara lain: modal, teknologi, persediaan bahan baku, persediaan

barang jadi dan tenaga kerja. Sama halnya dengan proses produksi mebel juga

terdapat beberapa faktor yang berpengaruh diantaranya: persediaan bahan baku

kayu, jenis kayu, banyak pengarjin, permintaan pelanggan dan waktu pengerjaan.

Namun dalam menentukan jumlah bahan baku cukup sulit seiring dengan

ketersediaan kayu bulat yang ada di pasaran. Masalah persediaan

(inventory) dianggap sangat penting bagi perusahaan, khususnya dibidang industri

dan perdagangan, selain bidang tersebut persediaan juga mempunyai pengaruh

pada fungsi bisnis terutama fungsi operasi pemasaran dan keuangan, selain itu

persediaan juga merupakan kekayaan perusahaan yang memiliki peranan penting

dalam operasi bisnis dalam pabrik (manufacturing) yaitu persediaan bahan baku,

bahan pembantu, barang dalam proses, barang jadi dan persediaan suku cadang.

Penentuan besarnya persediaan bahan baku merupakan masalah yang penting

bagi perusahaan, karena sering kali terjadi kesalahan dalam menentukan besarnya

investasi (modal yang tertanam) dalam persediaan maka akan menekan

keuntungan perusahaan. Adanya persediaan bahan baku yang terlalu besar

Page 19: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

3

dibandingkan dengan kebutuhan perusahaan akan menambah biaya pemeliharaan

dan penyimpanan. Selain itu kelebihan bahan baku akan menyebabkan

penyusutan dan kualitas bahan yang tidak dapat dipertahankan, sehingga akan

mengurangi keuntungan perusahaan. Demikian pula sebaliknya, persediaan bahan

baku yang terlalu kecil dalam perusahaan akan mengakibatkan kemacetan dalam

produksi, sehingga perusahaan akan mengalami kerugian yang dikarenakan tidak

dapat melayani permintaan pembeli. Maka diperlukan pengendalian persediaan

sehingga dapat menekan biaya produksi yang akan timbul atau terjadi. Secara

umum dapat dikatakan bahwa tujuan dari pengendalian adalah untuk menekan

biaya-biaya operasional seminimal mungkin sehingga akan mengoptimalisasikan

kinerja perusahaan.

Untuk melaksanakan pengendalian persediaan maka harus diperhatikan

berbagai faktor yang terkait dengan persediaan. Dengan begitu perlu adanya suatu

sistem yang dapat membantu dalam mengoptimalkan kebutuhan bahan baku kayu

yang dibutuhkan untuk proses produksi berikutnya. Optimasi dipilih karena

optimasi merupakan proses pencarian sesuatu yang terbaik berdasarkan kriteria,

alternatif, dan beberapa kendala-kendala tertentu. Dengan optimasi pada sebuah

sistem kita akan bisa berhemat dalam segala hal antara lain energi, waktu, biaya,

sumber daya (alam maupun pekerja) dan lain-lain, tanpa mengurangi fungsi

sistem tersebut.

Salah satu metode yang digunakan untuk optimasi adalah metode Algoritma

Genetika (AG). Algoritma Genetika adalah teknik pencarian yang di dalam ilmu

komputer untuk menemukan penyelesaian perkiraan untuk optimisasi dan masalah

pencarian. Algoritma genetik adalah kelas khusus dari algoritma evolusioner

Page 20: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

4

dengan menggunakan teknik yang terinspirasi oleh biologi evolusioner seperti

warisan, mutasi, seleksi alam dan rekombinasi (atau crossover). Algoritma

Genetika memiliki kemampuan dalam menyelesaikan berbagai masalah kompleks

dalam menghadapi masalah optimasi (Mahmudy, 2013).

Menurut Haupt dan Haupt (2004) ada beberapa hal yang termasuk kelebihan

dari Algoritma Genetika adalah sebagai berikut: 1) Mengoptimalkan dengan

variabel kontinu atau diskrit, 2) Tidak memerlukan informasi deviratif, 3)

Bersamaan pencarian dari sebuah sampling yang luas pada permukaan biaya, 4)

berkaitan sejumlah besar variabel, 5) Mengoptimalkan permukaan variabel

dengan biaya yang sangat kompleks, 6) Memberikan daftar variabel yang optimal,

bukan hanya solusi tunggal, 7) Dapat menyandikan variabel sehingga optimasi

dilakukan dengan mengkodekan variabel, dan 8) Bekerja dengan data numeric

yang dihasilkan, data eksperimen, atau analitis fungsi.

Untuk itu metode Algoritma Genetika dipilih untuk aplikasi optimasi

perkiraan bahan baku kayu guna didapati hasil yang optimal berdasarkan data

persediaan dan data permintaan dari pembeli. Sehingga dapat membantu

pengusaha mebel dalam meminimalkan kekurangan bahan pokok kayu dalam

setiap produksinya.

1.2 Identifikasi Masalah

Berdasarkan latar belakang di atas, maka dapat diidentifikasi permasalahan yang

akan dibahas dalam penelitian ini yaitu:

1. Bagaimana merancang aplikasi yang dapat digunakan untuk optimasi

perkiraan bahan baku mebel.

Page 21: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

5

2. Bagaimana menerapkan metode Algoritma Genetika dalam pembuatan

aplikasi optimasi perkiraan bahan baku mebel.

1.3 Tujuan Penelitian

Adapun tujuan dilakukannya penelitian sebagai berikut:

1. Membangun aplikasi optimasi perkiraan bahan baku mebel

berdasarkan jumlah permintaan pembeli.

2. Menerapkan metode Algoritma Genetika dalam aplikasi optimasi

perkiraan bahan baku mebel untuk perhitungan optimasi bahan baku

mebel.

1.4 Batasan Penelitian

Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah

dirumuskan, maka diperlukan batasan-batasan dalam pengerjaannya. Berikut

batasan-batasan dalam penelitian ini:

1. Data yang digunakan merupakan data yang diperoleh dari pengusaha

mebel di Kabupaten Jombang. Khususnya daerah Selorejo, Gayam,

dan Wringinpitu di Kecamatan Mojowarno.

2. Data yang digunakan merupakan data permintaan peembeli dari mebel

UD. Sekar Jaya.

3. Data yang digunakan terhitung dari bulan Januari 2017 sampai

Desember 2017.

4. Data permintaan pembeli antara lain mencakup bangku sekolah, kusen,

daun pintu, lemari sekolah, lemari rumah tangga, kursi ruang tamu,

meja guru, dan jendela.

Page 22: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

6

5. Bahan baku dan harga yang dihitung menyesuaikan jenis kayu, untuk

penelitian ini menggunakan kayu jati.

1.5 Manfaat Penelitian

Hasil dari penelitian ini nantinya diharapkan dapat bermanfaat dalam:

1. Memberikan kemudahan perhitungan untuk pengusaha mebel dalam

memperkirakan bahan baku produksi.

2. Membantu mengoptimalkan bahan baku produksi yang dibutuhkan

sehingga tidak terjadi kelebihan atau kekurangan bahan baku.

3. Menjadi salah satu referensi untuk penelitian sejenis.

1.6 Sistematika Penulisan

Penulisan proposal ini tersusun dalam 3 (tiga) bab dengan sistematika

penulisan sebagai berikut:

BAB I PENDAHULUAN

Pendahuluan, berisi tentang latar belakang masalah, rumusan masalah,

batasan masalah, tujuan, manfaat, dan sistematika penulisan skripsi.

BAB II KAJIAN PUSTAKA

Kajian pustaka, berisi tentang teori-teori yang melandasi penyusunan

skripsi.

BAB III METODE PENELITIAN

Menganalisan kebutuhan sistem untuk membuat sistem management

meliputi identifikasi kebutuhan dalam pembuatan sistem dan langkah-langkah

pembuatan sistem.

BAB IV IMPLEMENTASI DAN PEMBAHASAN

BAB V KESIMPULAN DAN SARAN

DAFTAR PUSTAKA

Page 23: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

7

BAB II

TINJAUAN PUSTAKA

2.1 Industri Mebel dan Persediaan Bahan Baku

Industri mebel atau industri furnitur merupakan insdustri yang mengolah dan

menggunakan bahan setengah jadi dari kayu, papan, kulit dan bahan baku alami

lainnya yang sehingga menjadi produk yang mempunyai nilai tambah dan manfaat

lebih tinggi. Produk mebel biasa kita kenal dengan perabot rumah tangga, seperti

lemari, meja, kursi, jendela dan sebagainya. Ada beberapa macam mebel yang

secara umum kita ketahui, seperti mebel yang hanya menjual produk tetapi tidak

memroduksi sendiri, ada yang menjual dan memroduksi sendiri da nada yang

sudah berupa prabik atau (manufaktur) yang lebih canggih dalam pengolahan dan

produksinya.

Kayu yang digunakan untuk mebel adalah kayu gergajian, di mana kayu

gergajian merupakan olahan dari kayu bulat (gelondong) yang kemudian digergaji

sesuai dengan kebutuhan pembuatan produk. Dalam industri pengolahan kayu

dibagi menjadi dua kelompok industri. Yang pertama industri pengolahan kayu

hulu, yaitu industri yang mengolah kayu primer atau kayu bulat/log menjadi

sortimen kayu. Yang kedua industri pengolahan kayu hilir, yaitu industri yang

menghasilkan produk-produk dari kayu seperti pintu, jendela, moulding, dan

sejenisnya. Dari pengelompokan tersebut industri mebel masuk ke dalam

kelompok industri kayu hilir.

Menurut Soerianegara (2002) Indonesia memiliki sekitar 4.000 jenis pohon,

yang berpotensi untuk digunakan sebagai kayu bangunan. Akan tetapi hingga saat

Page 24: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

8

ini hanya sekitar 400 jenis (10%) yang memiliki nilai ekonomi dan lebih sedikit

lagi, 260 jenis, yang telah digolongkan sebagai kayu perdagangan.

Berikut ini adalah daftar nama-nama kayu atau kelompok kayu menurut nama

perdagangannya, sesuai dengan Lampiran Keputusan Menteri Kehutanan Nomor:

163/Kpts-II/2003 tanggal 26 Mei 2003 tentang Pengelompokan Jenis Kayu

Sebagai Dasar Pengenaan Iuran Kehutanan; dengan beberapa penyesuaian.

1. Kelompok Jenis Meranti/Kelompok Komersial Satu

Tabel 2. 1 Tabel Kelompok Komersial Satu (Keputusan Menteri Kehutanan,

2003)

No.

Nama

Perdagangan Nama Ilmiah Nama-nama Daerah

1. Agatis Agathis spp.

Damar (Jw.), dama (Slw.),

damar bindang (Klm.),

damar sigi (Smt.). (Ingg.):

kauri pine.

2. Balau

Shorea spp.

(misalnya S.

materialis Ridl., S.

maxwelliana King,

S. scrobiculata

Burck);

Parashorea spp.

Damar laut (Smt.),

semantok (Aceh), amperok,

anggelam, selangan batu

(Klm.)

3. Balau merah

Shorea spp. (mis.

S. collina Ridl., S.

guiso (Blanco) Bl.)

Balau laut, damar laut

merah, batu tuyang, putang,

lempung abang. Ingg.: red

selangan.

4. Bangkirai

Shorea spp. (mis.

S. kunstleri King,

S. laevis Ridley, S.

laevifolia Endert);

Hopea spp. (mis.

H. celebica Burck,

H. semicuneata

Sym.)

Benuas, balau mata kucing,

hulo dereh, puguh, jangkang

putih, kerangan (Smt.),

bubuh (Bk.)

5. Damar

Araucaria spp.

(mis. A.

cunninghamii D.

Don, A. hunsteinii

K.Schum.)

Alloa, ningwik, pien (Pap.).

Ingg.: araucaria.

6. Durian Durio spp. Durian burung, lahong,

Page 25: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

9

(terutama Durio

carinatus Mast.);

Coelostegia spp.

layung, apun, begurah,

punggai, durian hantu,

enggang

7. Gia

Homalium

tomentosum

(Roxb.) Benth.,

Homalium

foetidum (Roxb.)

Benth.

Delingsem (Jw.), kayu batu,

melunas, kayu kerbau,

momala (Slw.)

8. Giam

Cotylelobium spp.

(mis. C. burckii

Heim, C.

lanceolatum Craib,

C. melanoxylon

Pierre

Giam durian, resak bukit

tembaga; giam padi, resak

daun kecil, resak batu; giam

tembaga, resak daun lebar;

resak gunung

9. Jelutung Dyera spp. Pulai nasi, pantung gunung,

melabuai

10. Kapur

Dryobalanops spp.

(di antaranya D.

oblongifolia Dyer,

D. sumatrensis

(Gmelin) Kosterm.)

Kamper (kayu), kayu

kayatan, empedu, keladan

11. Kapur petanang Dryobalanops

oblongifolia Dyer

Kapur guras (Smt.), kapur

paya (Mly.), kelansau

(Swk.)

12. Kenari

Canarium spp.,

Dacryodes spp. ,

Santiria spp.,

Trioma spp.

Kerantai, ki tuwak, binjau,

asam-asam, kedondong

(kedundung), resung,

bayung, ranggorai, mertukul

13. Keruing

Dipterocarpus spp.

(mis. D. applanatus

V.Sl., D. baudii

Korth., D.

elongatus Korth.

dll.)

Keruing arong, kekalup;

Lagan sanduk, mara

keluang; Keruing tempudau;

tempurau, merkurang,

kawang, apitong

14. Kulim Scorodocarpus

borneensis Becc. Kayu bawang hutan (Klm.)

15. Malapari Pongamia pinnata

(L.) Pierre Malapari

16. Matoa

Pometia spp.; mis.

P. pinnata Forster

& Forster, P.

ridleyi King

Kasai, taun, kungki, hatobu,

kayu sapi (Jw.), tawan

(Mlku.), ihi mendek (Irian

Jaya)

17. Medang Cinnamomum spp.

Sintuk, sintok lancing, ki

teja, ki tuha, ki sereh,

selasihan

18. Meranti kuning Shorea spp. (di

antaranya: S.

Damar hitam, damar

kalepek; Damar hitam

Page 26: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

10

acuminatissima

Sym., S.

balanocarpoides

Sym., S. faguetiana

Heim, S. gibbosa

Brandis, Shorea

scollaris V.Sl.;

katup; Bangkirai guruk,

karamuku; Damar buah,

mereng-kuyung; Damar

tanduk. Ingg.: yellow

seraya.

19. Meranti merah

Shorea spp. (di

antaranya: S.

johorensis Foxw.,

S. lepidota BI., S.

leprosula Miq., S.

ovalis BI., S.

palembanica Miq.,

S. platyclados V.Sl.

ex Foxw., S.

leptoclados Sym.,

dll.)

Majau, meranti merkuyung;

Meranti ketrahan; Meranti

tembaga, kontoi bayor;

Meranti kelungkung;

Tengkawang majau; Banio,

ketir; Seraya merah,

campaga, lempong,

kumbang, meranti ketuko,

cupang. Ingg.: red seraya,

red lauan.

20. Meranti putih

Shorea spp. (di

antaranya: S.

assamica Dyer, S.

bracteolata Dyer,

S. javanica K. et.

Val., S. lamellata

Foxw., S. ochracea

Sym., S. retinodes

V.SI., S. virescens

Parijs, S. koordersi

Brandis, dll.)

Damar mesegar; Bunyau,

damar kedontang; Damar

mata kucing, damar kaca,

damar kucing; Damar

tunam, damar pakit; Damar

kebaong, baong, bayong,

baung, belobungo, kontoi

tembaga; Balamsarai, damar

mansarai; Damar maja,

kontoi sabang; Kikir, udang,

udang ulang, damar hutan,

anggelam tikus, maharam

potong, pongin, awan

punuk, mehing (Smt., Kal.);

Damar lari-lari, lalari,

temungku, tambia putih

(Slw.), Damar tenang putih,

hili, honi (Mlku.). Ingg.:

white meranti.

21. Merawan

Hopea spp. (mis.

H. dasyrrachis

V.Sl., H. dyeri

Heim, H. sangal

Korth., dll.)

Tekam, tekam rayap;

Bangkirai tanduk, emang,

amang besi; Cengal,

merawan telor; Ngerawan,

cengal balau

22. Merbau

Intsia spp.

(terutama I. bijuga

O.K., I.

palembanica Miq.)

Merbau asam, ipi (NT.),

kayu besi (Papua); Ipil,

anglai, maharan; Tanduk

(Mlku.)

23. Mersawa Anisoptera spp.

(mis. A. laevis

Cengal padi, damar kunyit;

Masegar (Smt.), ketimpun

Page 27: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

11

Ridl., A. marginata

Korth., A. thurifera

Bl.)

(Klm.), mersawa daun

besar; tabok, tahan

24. Nyatoh

Palaquium spp.,

Payena spp.,

Madhuca spp.

Suntai, balam, jongkong,

hangkang, katingan,

mayang batu, bunut,

kedang, bakalaung, ketiau,

jengkot, kolan

25. Palapi

Heritiera

(Tarrietia) spp.;

mis. H. javanica

(Bl.) Kosterm., H.

simplicifolia

(Mast.) Kosterm.,

H. littoralis Ait., H.

sylvatica S. Vidal

Mengkulang, teraling;

Dungun, talutung, lesi-lesi.

26. Penjalin Celtis spp.

Rempelas, ki jeungkil, ki

endog (Sd.), cengkek (Jw.),

pusu (Sumbawa)

27. Perupuk

Lophopetalum spp.;

mis. L. javanicum

(Zoll.) Turcz., L.

multinervium Ridl.,

L. subobovatum

King, L.

wightianum Arn.

Kerupuk (Smt.), pasana

(Klm.), mandalaksa (Jw.),

aras

28. Pinang Pentace spp. Melunak, ki sigeung, ki

sinduk, kelembing

29. Pulai

Alstonia spp. (di

antaranya A.

pneumatophora

Back., A. scholaris

R.Br., A. spatulata

Bl., A. macrophylla

Wall., A.

spectabilis R.Br.)

Kayu gabus, rita, gitoh,

bintau, basung, pule, pulai

miang. Ingg.: white

cheesewood, milkwood,

milky pine.

30. Rasamala Altingia excelsa

Noroña

Tulasan (Smt.), mandung

(Min.), mala (Jw.)

31. Resak

Vatica spp.; mis. V.

maingayi Dyer, V.

oblongifolia

Hook.f., V. rassak

Bl.

Damar along, resak putih

2. Kelompok Jenis Kayu Rimba Campuran/Kelompok Komersial Dua

Page 28: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

12

Tabel 2. 2 Tabel Komersial Dua (Keputusan Menteri Kehutanan, 2003)

No. Nama

Perdagangan Nama Ilmiah Nama-nama Daerah

1. Bakau

Rhizophora spp. dan

Bruguiera spp

Tumu, Lenggadai, Jangkar,

Tanjang, Putut, Busing,

Mata buaya

2. Bayur

Balang, Walang, Wadang,

Wayu

3. Benuang

Octomeles sumatrana

Miq.

Benuang bini (Klm.),

winuang (Slw.)

4. Berumbung

Adina minutiflora

Val.); Pertusadina

spp.

Kayu lobang, Barumbung,

Kayu gatal

5. Bintangur

Calophyllum spp.;

mis. C. calaba L., C.

inophyllum L., C.

papuanum Lauterb.,

C. pulcherrimum

Wall.ex Choisy, C.

soulattri Burm.f.

Bintangor, penaga;

Nyamplung; Sulatri; Bunoh,

bintangur bunut

6. Bipa Pterygota spp. Kayu wipa

7. Bowoi

Serianthes minahassae

Merr. & Perry (Syn.

Albizia minahasae

Koord.)

Rayango, Merang,

Terangkuse

8. Bugis

Koordersiodendron

pinnatum Merr. Grepau

9. Cenge Mastixia rostrata BI. Cenge, Cingo

10. Duabanga Duabanga moluccana

BI.

Benuang laki, Takir, Aras,

Raju mas

11. Ekaliptus

Eucalyptus spp.; mis.

E. alba Reinw.ex Bl.,

E. deglupta Bl., E.

urophylla S.T. Blake

Kayu putih; Leda, aren

(Mlku.), tampai; Ampupu

(Timor),

12. Gelam Melaleuca spp. Kayu putih

13. Gempol Nauclea spp. Wosen, Klepu pasir, Anggrit

14. Gopasa Vitex spp. Teraut, Laban

15. Gerunggang/Deru

m

Cratoxylum spp.; mis.

C. arborescens (Vahl)

Bl., C. cochinchinense

(Lour.) Bl.

Madang baro; Mampat,

butun; kemutul, temau; edat

16. Jabon

Anthocephalus spp.

(A. chinensis (Lamk.)

Kelampayan (Mly.), laran

(Klm.), semama (Amb.).

Page 29: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

13

A.Rich ex Walp. dan

A. macrophyllus

(Roxb.) Havil.)

Ingg.: cadamba.

17. Jambu-jambu Syzygium spp. Kelat, Ki tembaga, Jambu

18. Kapas-kapasan

Exbucklandia

populnea R. Brown

Hapas-hapas, Tapa-tapa,

Leman

19. Kayu kereta Swintonia spp. Rengas sumpung, Merpauh,

Bagel mirah

20. Kecapi Sandoricum spp. Papung, Kelam, Sentul

21. Kedondong Hutan Spondias spp. Coco, Kacemcem leuweung

22. Kelumpang Sterculia spp. Kepuh, Kalupat, Lomes

23. Kembang

semangkok

Scaphium

macropodum J. B.

Kepayang, merpayang

(Smt.)

24. Kempas

Koompassia

malaccensis Maing.

Hampas, impas, tualang

ayam

25. Kenanga Cananga sp. Kananga

26. Keranji

Dialium spp.; mis. D.

indum L., D.

platysepalum Baker,

D. procerum

(v.Steen.) Stey

Kayu lilin; Maranji

27. Ketapang Terminalia spp. Kalumpit, Klumprit,

Jelawai, Jaha

28. Ketimunan Timonius spp. Seranai, Temirit, Kayu reen

29. Lancat Mastixiodendron spp. Kundur, Modjiu, Raimagago

30. Lara

Metrosideros spp. dan

Xanthostemon spp. Lompopaito, Nani, Langera

31. Mahang Macaranga spp. Merkubung, Mara, Benua

32. Medang Litsea firma Hook f.;

Dehaasia spp.

Manggah, Huru kacang,

Keleban, Wuru, Kunyit

33. Mempisang

Mezzetia parviflora

Becc.; Xylopia spp.;

Alphonsea spp.;

Kandelia candel

Druce

Mahabai, Hakai rawang,

Empunyit, Jangkang,

Banitan, Pisang-pisang

34. Mendarahan

Myristica spp., Knema

spp.

Darah-darah, Tangkalak,

Au-au, Ki mokla, Kumpang,

Kayu luo, Huru

35. Menjalin Xanthophyllum spp. Lilin, Ki endog, Segi landak

36. Mentibu

Dactylocladus

stenostachys Oliv. Jongkong, merebung

37. Merambung Vernonia arborea Merambung, sembung

Page 30: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

14

Han.

38. Punak

Tetramerista glabra

Miq.

Kayu malaka (Smt.), cerega

(Klm.)

39. Puspa

Schima spp.; terutama

S. wallichii Korth.

Seru (Jw.), simartolu (Smt.),

madang gatal (Klm.)

40. Rengas Gluta aptera (King)

Ding Hou Rengas tembaga, Rangas

41. Saninten

Castanopsis argentea

A. DC.

Sarangan (Jw.), ki hiur

(Sd.), kalimorot

42. Sengon Paraserianthes

falcataria (L) Nielsen

Jeungjing, Tawa kase, Sika

(Maluku)

43. Sepat

Berrya cordofolia

Roxb. Waru gunung, Kalong

44. Sesendok

Endospermum spp.;

mis. E. diadenum

(Miq.) Airy Shaw, E.

moluccanum (T & B)

Kurz, E. peltatum

Merr.

Sendok-sendok, kayu labuh

(Smt.), kayu bulan (Mly.),

garung (Klm.); Kayu raja

(Mlku.)

45. Simpur

Dillenia spp.; mis. D.

grandifolia Wall., D.

obovata Hoogl., D.

pentagyna Roxb.

Sempur, segel, janti, dongi

46. Surian Toona sureni Merr. Suren, kalantas

47. Tembesu

Fagraea spp.; mis. F.

fragrans Roxb., F.

sororia J.J. Sm.

Tomasu (Smt.), kulaki

(Slw.), malbira, ki tandu

48. Tempinis Sloetia elongata Kds. Damuli, Kayu besi

49. Tepis

Polyalthia glauca

Boerl.

Banitan, Pemelesian, Kayu

tinyang, Kayu bulan, Banet,

Kayu kalet

50. Tenggayun Parartocarpus spp. Buku ongko, Pejatai, Purut

bulu

51. Terap Artocarpus spp. Cempedak, Kulur, Tara,

Teureup

52. Terentang

Campnosperma spp.;

mis. C. auriculatum

(Bl.) Hook.f., C.

brevipetiolatum

Volkens, dll.

Tumbus (Smt.), pauh lebi

53. Terentang ayam Buchanania spp. Pauhan, Antumbus,

Talantang

54. T u s a m Pinus spp. Pinus, Damar batu, Uyam

Page 31: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

15

55. Utup Aromadendron sp. U t u p

Menurut Freddy Rangkuty (2004) persediaan merupakan suatu aktiva yang

meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu

periode usaha tertentu, atau persediaan barang-barang yang masih dalam

pengerjaan atau proses produksi, ataupun persediaan bahan baku yang menunggu

penggunaannya dalam suatu proses produksi. Persediaan memiliki beberapa

tujuan di dalam suatu operasi perusahaan, menurut Barry Render dan Jay Haizer

(2001) tujuan-tujuan persediaan dijelaskan sebagai berikut:

1. Untuk memberikan suatu stok barang agar dapat memenuhi

permintaan dari konsumen.

2. Untuk memasangkan produksi dengan distribusi.

3. Untuk mengambil keuntungan dari potongan jumlah, karena

pembelian dalam jumlah besar dapat secara, substansial menurunkan

biaya produk.

4. Untuk kelakukan hedging terhadap inflasi dan perubahan harga.

5. Untuk menghindari dari kekurangan stok, yang dapat terjadi dikarena

oleh cuaca, kekurangan pasokan, masalah mute atau pengiriman yang

tidak tepat.

6. Untuk menjaga kegiatan produksi dapat berjalan dengan baik.

Dilihat dari fungsi persediaan itu sendiri, menurut Sofjan Assauri (2004),

jenis-jenis persedian dibagi sebagai berikut:

a. Batch Stock (Lot Size Inventory)

Page 32: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

16

Yaitu persediaan yang diadakan karena membeli atau membuat bahan-

bahan atau barang-barang dalam jumlah besar daripada jumlah yang

dibutuhkan saat itu.

b. Fluctuation Stock

Yaitu persediaan yang diadakan untuk mengahadapi fluktuasi

permintaan konsumen yang tidak dapat diramalkan.

c. Anticipation Stock

Yaitu persediaan yang diadakan untuk menghadapai fluktuasi

permintaan yang dapat diramalkan, berdasarkan pola musiman yang

terdapat dalam satu tahun dan untuk menghadapi penggunaan atau

penjualan permintaan yang meningkat.

Menurut Pardede (2005) biaya-biaya persediaan (inventory costs) adalah

segala biaya yang timbul sebagai akibat dari diadakannya persediaan. Dalam hal

ini perlu diperhatikan bahwa didalam perencanaan dan pengendalian persediaan,

tidak semua biaya harus dipertimbangkan melainkan hanya biaya-biaya yang

jumlahnya berubah dengan perubahan waktu atau titik pemesanan serta jumlah

pesanan. Apabila terdapat biaya yang harus dibayar untuk pengadaan persediaan,

tetapi jumlahnya tidak dipengaruhi oleh aturan kerja (waktu pemesanan dan

jumlah pesanan) maka biaya tersebut harus diabaikan dalam perhitungan.

Untuk meminimalkan modal atau biaya produksi perlu dilakukan suatu

pengendalian persediaan. Pengendalian adalah suatu tindakan agar aktifitas

dilakukan dengan sebaik-baiknya sesuai dengan rencana yang telah ditetapkan.

Suatu kegiatan memperkirakan kebutuhan persediaan bahan baku, baik secara

kulitatif maupun kuantitatif. Agar perusahaan dapat beroperasi seperti yang

Page 33: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

17

direncanakan, jadi singkatnya bahwa arti dari perencanaan dan pengendalian

persediaan bahan baku, persediaan bahan setengah jadi dan persediaan barang

jadi. Secara keseluruhan diartikan sebagai upaya menentukan besarnya tingkat

perseiaan dan mengendalikannya dengan efisien dan efektif.

Salah satu tujuan dari pengendalian persediaan adalah meminimalkan biaya-

biaya yang timbul akibat dari adanya persediaan tersebut. Adapun biaya-biaya

tersebut adalah:

a. Holding cost, adalah biaya yang ditimbulkan oleh penyimpanan persediaan

dalam gudang pada periode waktu tertentu, termasuk pula di dalamnya

biaya asuransi, penyusutan, bunga dan lain-lainnya.

b. Ordering/Setup cost. Ordering cost adalah biaya yang ditimbulkan oleh

adanya kegiatan pemesanan persediaan dalam sekali pesan, misal:

formulir, supplies, proses pemesanan dan administrasi; selama

bahan/barang belum tersedia untuk diproses lebih lanjut. Sementara setup

cost adalah biaya untuk mempersiapkan mesin atau proses produksi untuk

membuat suatu pesanan atau biaya-biaya yang dibutuhkan untuk

melakukan penyesuaian pada saat bahan/barang diproses. Secara

prinsip, setup cost adalah order cost pada saat bahan telah/sedang

diproses. Pada banyak kasus, setup cost sangat berkorelasi dengan setup

time (setup time dapat dieliminasi dengan inovasi mesin dan perbaikan

standard bahan baku).

c. Stock out cost, adalah kerugian akibat demand tidak terpenuhi pada periode

tertentu, seperti: kehilangan penjualan, kehilangan pelanggan, biaya

Page 34: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

18

pemesan-an khusus, adanya selisih harga, terganggunya operasi, dan

tambahan pengeluaran kegiatan manajerial.

Secara umum model-model pengandalian persediaan adalah:

a. Model Pengendalian Deterministik

Model yang menganggap semua parameter telah diketahui dengan pasti.

Yang termasuk ke dalam model deterministic adalah EOQ (economic

order quantity), POQ (production oerder quantity), quantity discount, ELS

(economic lot size), dan back oerder inventory.

b. Model Pengendalian Probabilistik

Metode yang digunakan untuk pengendaliaan probabilistic adalah sistem

Q dan sistem P. Sistem Q (continuous riview method) memecahkan

persoalan persediaan probabilistik dengan memandang bahwa posisi

barang yang tersedia di gudang sama dengan posisi persediaan barang

pada sistem determistik dengan menambahkan cadangan pengaman (Safety

Stock). Sistem P (periodic riview method) adalah suatu sistem

pengendalian persediaan yang jarak waktu antar dua pesanan adalah tetap.

Persediaan pengaman dalam sistem ini tidak hanya dibutuhkan untuk

meredam fluktuasi permintaan selama lead time, tetapi juga untuk seluruh

konsumsi persediaan.

2.2 Dasar Optimasi dan Metode-Metode Optimasi

Optimasi adalah salah satu disiplin ilmu dalam matematika yang fokus untuk

mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi,

peluang, maupun pencarian nilai lainnya dalam berbagai kasus. Optimasi juga

dapat diartikan sebagai suatu bentuk mengoptimalkan sesuatu hal yang sudah ada,

Page 35: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

19

ataupun merancang dan membuat sesusatu secara optimal (nilai efektif yang dapat

dicapai). Optimasi dalam matematika dasar sering dikaitkan dalam pencarian nilai

yang tertinggi atau nilai yang terendah bahkan niali yang terbaik dari suatu

persamaan yang dibentuk dari kendala-kendala yang ditentukan.

Optimasi sangat berguna dihampir semua bidang dalam rangka melakukan

usaha secara efektif dan efisien untuk mencapai target hasil yang diinginkan.

Tentunya hal ini sangat sesuai dengan prisnsip ekonomi yang menekan

pengeluaran untuk menghasilkan output atau hasil yang maksimal.

Pada kasus produksi barang, optimasi bahan baku akan memberikan pengaruh

besar terhadap keuntungan perusahaan. Optimasi bahan baku berpengaruh pada

sektor finansial karena dapat memperkirakan pembelanjaan bahan baku,

meminimalkan biaya produksi maupun biaya transportasi, serta persediaan

barang. Langkah-langkah optimasi secara umum adalah sebagai berikut:

1. Mengidentifikasi masalah

2. Memilih tujuan

3. Mendefinisi sistem

4. Kontruksi simulasi, simplikasi, dan verfikasi

5. Membuat fungsi tujuan dan kendala

6. Menyelesaikan degan metode pendekatan

Beberapa contoh kasus optimasi diantaranya adalah TSP (traveling salesmen

problem), MST (minimum spanning tree), dan knapsack problem. Untuk

menyeselesaikan kasus-kasus tersebut dibutuhkan teknik optimasi dalam

algoritmanya. Algortima tersebut harus bisa memilih salah satu solusi terbaik dari

sejumlah solusi pemecahan masalah yang ada. Metode-metode yang dapat

Page 36: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

20

digunakan untuk menyelesaikan kasus optimasi diantaranya metode Brute Force,

Greddy, Dinamic Programming, dan Monte Carlo. Setiap metode memiliki sifat

dan ciri yang berbeda-beda misalnya metode Brute Force memiliki sifat optimal

akan tetapi lama dalam waktu running, Greddy memiliki sifat cepat tapi kurang

optimal, Dinamic Programming memiliki sifat optimal dan cukup cepat dalam

running, sedangkan Monte Carlo memiliki sifat mendekati optimal dan cepat.

Algoritma optimasi dibagi menjadi dua jenis, yaitu optimasi pendekatan

deterministic dan optimasi pendekatan probabilistic. Yang termasuk ke dalam

optimasi deterministic adalah State Space Search, Dynamic Programming, dan

Branc and Bound. Sedangkan algoritma yang termasuk optimasi probabilistic

adalah algoritma Monte Carlo dan Evolutionary Computation.

Evolutionary Computation adalah abstraksi dari teori evolusi biologis yang

digunakan untuk membuat prosedur atau metodologi optimasi. Dasar dari

algoritma ini yaitu bagaiman proses evolusi dapat terjadi pada mahluk hidup.

Yang menganggap bahwa hasil setiap evolusi itu menjadi lebih baik dan optimal.

Yang termasuk ke dalam algoritma Evolutionary Computation daintaranya adalah

swarn intellegnce. Algoritma ini didasarkan dari kecerdasan kelompok. Dengan

semakin banyak anggota kelompok dan terkumpulnya kecerdasan-kecerdasan

individual maka akan menyebabkan kecerdasan kelompok yang luar biasa.

Beberapa yang termasuk ke dalam algoritma swarm intelligent diantaranya

Particel Swarm Optimization, Ant Colony Optimization, dan Artificial Bee Colony

Optimization.

Selanjutnya Evoutionary Algorithm (EAs) adalah algoritma-algoritma yang

mengimplementasikan abstraksi Evolutionary Computation. Algoritma ini

Page 37: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

21

terinspirasi dari suatu mekanisme dalam ilmu biologi tentang mutasi, pindah

silang (crossover), seleksi alam, dan kelangsungan hidup. Dan yang termasuk

kedalam agoritma ini adalah Genetic Algorithm (GA).

2.3 Integrasi Optimasi dengan Islam

Islam senantiasa mengajarkan untuk tidak berlebih-lebihan dalam segala hal.

Islam membawa manusia untuk berlaku adil dan tak melampaui batas. Karena

segala sesuatu yang melampaui batas itu buruk. Allah Swt. berfirman dalam surat

Al Isra ayat 27:

رينإن نٱلمبذ طين كانواإخو نوكانٱلش ي ٧٢كفوراۦلرب هٱلش يط

“Sesungguhnya pemboros-pemboros itu adalah saudara-saudara syaitan dan

syaitan itu adalah sangat ingkar kepada Tuhannya” (QS. Al Isra/17:27).

Surat di atas menjelaskan bahwa Allah melarang berlebih-lebihan dalam

berinfak, dan menyuruh melakukannya secara seimbang/pertengahan. Dengan

(perintah untuk) menjauhi tindakan mubadzir dan berlebih-lebihan. Yakni, dalam

hal itu mereka menjadi orang yang serupa dengan syaitan. Ibnu Mas’ud

mengatakan: “Tabdzir ialah infak yang tidak pada tempatnya.” Demikian pula

yang dikemukakan oleh Ibnu ‘Abbas (Ibnu Katsir, 2003).

Sama halnya dengan proses optimasi yang memiliki maksud mengoptimalkan

sesuatu guna mencapai hasil yang menguntungkan dan yang terbaik. Dalam

proses produksi suatu perusahaan mengharuskan mendapati bahan baku, biaya,

dan waktu yang paling optimal. Artinya, untuk proses produksi, bahan baku tidak

boleh berlebihan ataupun kurang. Sehingga inventori perusahaan tidak sampai

terjadi penimbunan bahan baku atau kurang bahan baku. Bahan baku juga harus

dipilih dan dipilah agar hasil produksi memiliki mutu yang bagus dan terbaik. Dan

Page 38: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

22

kita sebagai muslim yang berakal hendaknya memilih sesuatu hal yang paling

baik. Allah Swt. berfirman dalam surat Az Zumar ayat 18:

ٱل ذين أحسنهٱلقوليستمعون ۥ فيت بعون ئك ٱل ذينأول هم هدى همٱلل ئك

وأول

بأولوا ٨١ٱللب

“Yang mendengarkan perkataan lalu mengikuti apa yang paling baik di

antaranya. Mereka itulah orang-orang yang telah diberi Allah petunjuk dan

mereka itulah orang-orang yang mempunyai akal” (QS. Az Zumar/39:18).

Dalam ayat di atas yang dimaksud “Mereka itulah orang-orang yang telah

diberi Allah petunjuk”, yaitu orang-orang yang telah diberi petunjuk oleh Allah di

dunia dan di akhirat. Mereka adalah yang mempunyai akal sehat dan fitrah yang

lurus (Ibnu Katsir, 2003). Jelas kita sebagai mahluk Allah yang telah diberikan

kesitimewaan berupa akal, hendaklah kita menjadi manusia yang tidak berbuat

rusak terhadap sesama, dan terlebih bumi tempat kita tinggal. Bukankah, orang

yang berakal itu ialah orang yang bisa membedakan yang baik dan yang buruk.

Untuk itu hendaklah kita tidak serta-merta merusak Bumi ini. Seperti halnya

penebangan liar dan ilegal, yang dapat mengakibatkan banyak bencana.

Khususnya bencana alam seperti yang sering kita jumpai, tanah longsor, banjir,

dan lain-lain.

Dalam keseharian manusia hendaklah selalu menggunakan akalnya dalam

menjaga dan melestarikan lingkungan. Terlebih lagi kita masuk di mana planet

bumi mengalami pemanasan global (global warming). Peristiwa pemanasan

global adalah meningkatnya suhu rata-rata atmosfer, laut, dan daratan bumi. Salah

satu penyebab terjadinya hal ini karena aktivitas manusia. Aktivitas-aktivitas itu

menyebabkan efek rumah kaca yang berlebihan sehingga berdampak buruk bagi

Page 39: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

23

bumi. Di sini sebagai umat manusia, khususnya muslim yang berakal sehat dan

mempunyai fitrah kita sangat dianjurkan untuk menjaga kelangsungan dan

kelestarian bumi. Allah juga telah menunjukkan kekuasaan-Nya dengan

mendatangkan bencana alam, yang tidak lain merupakan akibat dari kemunkaran

sikap manusia. Dari bencana-bencana itu, hendaknya kita semakin sadar dan

peduli dengan apa kita perbuat dan dampaknya dikemudian hari.

Di zaman secanggih dan modern seperti sekarang dengan berkembangnya

ilmu pengetahuan, manusia sudah mempunyai cara atau pencegahan dalam hal-hal

yang sekiranya merugikan seperti di atas. Misal, dalam industri mebel dan jual

beli kayu. Pemerintah sudah menyediakan badan atau lembaga seperti Perhutani

untuk menyediakan berbagai jenis kayu. Sehingga kayu-kayu yang diperjual-

belikan melalui proses penebangan yang legal dan resmi. Kayu-kayu tersebut

memiliki surat izin tersendiri. Dan untuk menanggulangi kayu yang telah ditebang

tersebut, maka Perhutani juga melakukan tanam pohon kembali atau lebih dikenal

dengan reboisasi. Sama seperti kita menanam padi di sawah, padi yang sudah siap

untuk dipanen kita panen, yang selanjutnya kita tanami lagi sawah dengan padi

atau dengan tanaman lainnya.

Dalam Islam juga banyak anjuran untuk kita melestarikan alam. Para ahli ilmu

dan ulama mengatakan sedekah jariyah memiliki berbagai bentuk dan cara.

Seperti membangun tempat shalat berupa masjid atau musholla, membangun

jalan, membangun jembatan, menanam tumbuhan baik berupa pohon, biji-bijian,

atau tanaman pangan dan lain-lain. Seperti dalam hadis Rasulullah SAW.,

bersabda:

Page 40: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

24

، ان أو ب، ةمي نس،ي أو إ رعا ف،ي،أك منه ط، ع ز، ،غرس غ،رسا أو ي،زر، ا من مسل ي م،

ق، د، به ص، ن، ل، لا ك، إ

“Tak ada seorang muslim yang menanam pohon atau tanaman, lalu burung

memakannya atau manusia atau hewan, kecuali ia akan mendapatkan sedekah

karenanya” (HR. Bukhori dan Muslim).

Hadis di atas menjelaskan bahwa, jika ada seorang muslim yang menanam

pohon atau tanaman, kemudian apa yang ditanam tadi dimakan manusia atau

hewan sekalipun, sudah termasuk bentuk sedekah. Dan manusia yang menanam

akan mendapat pahala sedekah darinya. Hal ini menunjukkan bahwa Allah adalah

sebaik-baiknya Dzat. Allah mengantinya dengan pahala sebagai balasannya. Hal

tersebut kalau kita umpamakan dalam kehidupan dapat berupa petani yang

bercocok tanam, bahkan kegiatan seperti reboisasi. Reboisasi atau menanam

kembali juga dapat kita kategorikan ke dalam hadis di atas. Reboisasi merupakan

upaya dan usaha kita dalam menjaga, melestarikan lingkungan dan untuk

invenstasi di masa depan. Tak heran Islam memerintahkan umatnya untuk

memanfaatkan tanah dan menanaminya sebagaimana disabdakan oleh Rasulullah

SAW.,

، ، ،ا ف، ، غرس، تا ي ،قوم، ح، اع، أن ل، ي ت،ط، ن إس ل، ف،ا دك ف،س ،د أح، ب اع، و، ت إلسا ن ق،ام،

إ

“Jika hari kiamat telah tegak, sedang ditangan seorang diantara kalian

terdapat bibit pohon korma; jika ia mampu untuk tidak berdiri sampai ia

menanamnya, maka lakukanlah” (HR. Ahmad).

Hadis di atas juga sudah jelas bahwa menanam pohon, biji dan lainnya

merupakan amal saleh dan bentuk kepedulian kita untuk bumi. Sebagai manusia

dan muslim yang berakal hendaknya memperhatikan hal-hal yang demikian.

Sudah banyak kampanye-kampanye atau gerakan tentang One Man One Tree

Page 41: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

25

artinya satu orang menanam (paling sedikit) satu pohon. Gerakan semacam ini

dicanangkan oleh Presiden Susilo Bambang Yudhoyono di Hari Penanaman

Pohon Nasional, 28 November 2008. Diperkuat dengan Keppres RI Nomor 24

Tahun 2008 tentang Hari Menanam Pohon Nasional.

Dalam hal ini proses optimasi memiliki esensi yang sama, yaitu dengan

mengoptimalkan kebutuhan bahan baku yakni kayu dengan sebaik-baiknya. Tentu

sesuai dengan aturan-aturan yang telah ada. Melalui optimasi ini diharapkan agar

dikemudian hari dapat memberikan rekomendasi perkiraan bahan baku. Sehingga

bisa menjadi salah satu tolak ukur dipasar global kayu.

2.4 Algoritma Genetika

Algoritma Genetika (AG) pertama kali dikembangkan oleh John Holland

pada tahun 1970-an di New York, Amerika Serikat. John Holland beserta murid-

murid dan teman kerjanya berhasil membuat buku berjudul "Adaption in Natural

and Artificial Systems" pada tahun 1975. Melalui sebuah penelitian dan

dipopulerkan oleh salah satu muridnya, David Goldberg (1989) yang

mendefenisikan algoritma genetik ini sebagai metode algoritma pencarian

berdasarkan pada mekanisme seleksi alam dan genetik alam. Algoritma Genetika

adalah simulasi dari proses evolusi Darwin dan operasi genetika atas kromosom.

(Kusumadewi, 2010). Sehingga, Algoritma Genetika termasuk ke dalam

kelompok metode Evolutionary Algorithm.

Menurut Suyanto (2011), Algoritma Genetika adalah algoritma pencarian

yang didasarkan pada mekanisme seleksi alamiah dan genetika alamiah. Pada

awalnya, AG memang digunakan sebagai algoritma pencarian parameter-

Page 42: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

26

parameter optimal. Tetapi, dalam perkembangannya, AG dapat diaplikasikan

dalam berbagai masalah lain, seperti learning, peramalan, pemrograman otomatis,

dan sebagainya. Pada bidang soft computing, AG banyak digunakan untuk

mendapatkan nilai-nilai parameter yang optimal pada JST (jaringan syaraf tiruan)

dan system fuzzy.

Terdapat dua istilah biologi yang sudah tidak asing lagi didengar dalam teori

evolusi. Berikut pembahasan mengenai kedua istilah tersebut.

1. Seleksi Alamiah

Secara sederhana diilustrasikan dalam kasus populasi jerapah.

Pada suatu kondisi dimana jumlah makanan sangat terbatas dan

berada di tempat yang tinggi, maka jerapah berleher panjang akan

hidup, karena dapat menjangkau makanan dan jerapah berleher

pendek akan mati. Dalam hal ini, jerapah berleher panjang dikatakan

sebagai individu yang unggul atau memiliki kualitas tinggi sehingga

lolos dari proses seleksi alamiah.

2. Genetika Alamiah

Sebuah mekanisme yang sangat rumit, dijelaskan dalam bidang

ilmu biologi sebagi sekumpulan individu yang sama (yang disebut

spesies) hidup, bereproduksi, dan mati dalam suatu area yang disebut

dengan populasi.

Proses seleksi alamiah ini melibatkan proses dasar yang menjadi

perhatian utama. Dalam AG prosedur pencarian hanya didasarkan

pada nilai fungsi tujuan, tidak ada pemakaian gradient atau teknik

kalkulus.

Page 43: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

27

Berikut adalah siklus Algoritma Genetika:

Gambar 2. 1 Siklus Algoritma Genetika

2.4.1 Komponen-Komponen Algoritma Genetika

AG terdiri dari delapan komponen yaitu: sekema pengkodean, nilai fitness,

seleksi orang tua, pindah silang (crossover), mutasi, etilisme (untuk AG berjenis

generational replacement), penggantian populasi, dan kriteria penghentian.

1. Skema Pengkodean

Skema pengkodean atau inisialisasi merupakan proses awal yang

harus dilakukan untuk menciptakan individu-individu secara acak.

Individu atau populasi tersebut memiliki susunan gen (kromosom)

yang mewakili solusi dari permasalahan yang akan dipecahkan

(Mahmudy, 2013). Berbeda dengan teori genetika di dunia nyata yang

mempresentasikan gen sebagai deretan bases A, C, T, dan G, AG

mempresentasikan gen (buatan) secara umum, sebagai bilangan real,

decimal atau biner, yaitu:

Real-number encoding. Pada skema ini, nilai gen berada

dalam interval [0, R], dimana R adalah bilangan real positif

dan biasanya R=1.

Page 44: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

28

Discrete decimal encoding. Pada skema ini, setipa gen bisa

berupa deretan bilangan bulat dalam interval [0, 9].

Binary encoding. Setaip gen bisa berupa deretan nilai 0 atau

1.

2. Pembentukan Populasi Awal

AG adalah algoritma heuristik yang bekerja pada populasi, yaitu

kumpulan kromosm atau solusi yang akan diperbaharui pada setiap

generasinya. Maka tahap pertama adalah pembentukan populasi awal

yang berisi kumpulan kromosom sebanyak ukuran populasi atau

popsize. Pembentukan populasi awal biasanya dilakukan secara acak.

Namun dalam perkembangannya, pembentukan populasi awal dapat

dilakukan dengan berbagai cara menjadi lebih cepat konvergen ke

solusi optimal. Misalnya menggunakan metode NEH yang

selanjutnya diteruskan metode Local Search.

3. Nilai Fitness

Pada evolusi di dunia nyata, individu bernilai fitness tinggi akan

bertahan hidup. Sedangkan individu bernilai fitness rendah akan mati.

Pada AG, suatu individu dievaluasi berdasarkan suatu fungsi tertentu

sebagai ukuran nilai fitness-nya. Pada masalah optimasi, jika solusi

yang dicari adalah memaksimalkan sebuah fungsi h (masalah

maksimasi), maka nilai fitness yang digunkan adalah nilai dari fungsi

h tersebut, yakni f = h (dimana f adalah niali fitness). Tetapi jika

masalahnya dalah meminimalkan fungsi h (masalah minimasi), maka

fungsi h tidak bisa digunakan secara langsung. Hal ini disebabkan AG

Page 45: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

29

menggunakan suatu aturan bahwa individu yang memiliki nilai fitness

lebih tinggi akan memiliki kemampuan bertahan hidup lebih tinggi

dibandingkan individu yang berniali fitness rendah. Oleh karena itu,

nilai fitness untuk masalah minimasi adalah f = 1/h, yang artinya

semakin kecil nilai h semakin besar nilai f. tetapi fungsi ini akan

bermasalah jika h bisa bernilai o, yang megakibatkan f bisa bernilai

tak hingga. Untuk mengatasi masalah tersebut, h perlu ditambah

dengan sebuah bilangan yang dianggap sangat kecil, sehingga

formula fungsi fitness-nya menjadi , dimana a adalah

bilangan yang dianggap sangat kecil dan bervariasi sesuai dengan

masalah yang akan diselesaikan.

4. Seleksi Orang Tua

Proses pemilihan dua individu sebagai orang tua biasanya

dilakukan secara proposional berdasarkan nilai-nilai fitness-nya. Slah

satu metode seleksi yang umum digunakan adalah roulette-wheel.

Sesuai dengan namanya, metode ini umum digunakan roulette-wheel

dimana masing-masing individu menempati potongan lingkaran pada

roda roulette secara proposional sesuai dengan nilai fitness-nya.

Dapat dilihat pada halaman selanjutnya.

Page 46: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

30

String Nilai Fitness

S1 0.6

S2 0.2

S3 0.6

S4 0.2

S5 0.8

S6 0.2

S7 0.2

S8 0.2

S9 0.2

Jumlah 3.3

Gambar 2. 2 Contoh Seleksi Orang Tua Menggunakan Roulette-

Wheel

Individu S5 bernilai fitness paling besar menempati seperempat

lingkaran roda roulette. Dengan demikian, S5 memiliki peluang

sebesar 0.25 untuk terpilih sebagai orang tua.

5. Pindah Silang

Pada proses pindah silang (crossover) terjadi kombinasi pewarisan

gen-gen dari induknya, gen-gen dari kedua induk dapat bercampur

sehingga dihasilkan susunan kromosom yang baru. Dari proses

tersebut akan dihasilkan variasi genetik. Dengan suatu skema tertentu,

dua individu dipilih sebagai orang tua. Setelah didapatkan dua

individu orang tua, selanjutnya ditentukan titik pindah silang secara

acak.

Jika diasumsikan L adalah panjang kromosom, maka titik pindah

silang berada antara 1 sampai L-1. Kemudian beberapa bagian dari

dua kromosom ditukar pada titik pindah silang yang dipilih. Titik

pindah silang adalah titik terjadinya pertukaran gen antar dua individu

Page 47: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

31

orang tua. Pertukaran tersebut akan mengahsilkan dua individu anak.

Terdapat tiga skema pindah silang yang biasa digunakan, yaitu:

Pindah silang satu titik (single-point crossover)

Pindah silang ini merupakan skema pindah silang yang

paling sederhana. Titik pindah silang hanya satu dengan posisi

yang dibangkitkan secara acak.

Gambar 2. 3 Contoh Pindah Silang Satu Titik

Pindah silang banyak titik (multi-point crossover)

Pada suatu masalah tertentu dimana suatu individu terdiri

dari sangat banyak gen (misalkan 1000 gen), mungkin akan

memerlukan lebih dari satu titik pindah silang. Banyaknya

titik pindah silang ini mempengaruhi pola pertukaran gen-gen

antar individu orang tua.

Gambar 2. 4 Contoh Pindah Silang Banyak Titik (lebih dari

satu)

Dalam contoh ini terdapat dua titik pindah silang yang

dibangkitkan secara acak.

Page 48: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

32

Pindah silang pola seragam (uniform crossover)

Dengan operasi pindah silang pola seragam maka

komposisi gen-gen tertentu pada suatu individu dapat

dipertahankan. Hal ini akan memudahkan proses pencarian

solusi.

Gambar 2. 5 Contoh Pindah Silang Pola Seragam

Dalam contoh ini pindah silang dilakukan berdasrkan suatu

pola tertentu. Pindah silang dilakukan jika pola berniali 0.

6. Mutasi

Mutasi diperlukan mengembalikan informasi bit yang hilang akibat

crossover. Mutasi diterapkan dengan probabilitas yang sangat kecil.

Jika mutasi dilakukan terlalu sering, maka akan mengahsilkan

individu yang lemah karena konsfigurasi gen pada individu yang

unggul akan dirusak. Berdasarkan bagian yang termutasi, proses

mutasi dapat dibedakan atas tiga bagian:

Mutasi pada tingkat kromosom: semua gen dalam kromosom

berubah.

Page 49: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

33

Gambar 2. 6 Contoh Mutasi Tingkat Kromosom

Semua gen dalam kromosom berubah. Pada contoh di atas,

gen tang tadinya bernilai 0 berubah menjadi 1 dan gen yang

tadinya bernilai 1 berubah menjadi 0.

Mutasi pada tingkat gen: semua bit dalam satu gen akan

berubah. Misal gen 2 yang mengalami mutasi.

Gambar 2. 7 Contoh Mutasi Tingkat Gen. Semua Bit dalam

Satu Gen Berubah

Mutasi pada tingkat: hanya satu bit yang berubah.

Gambar 2. 8 Contoh Mutasi Tingkat Bit. Hanya Satu Bit yang

Berubah

Prosedur mutasi sangat sederhana. Untuk semua gen yang ada, jika

bilangan random yang dibangkitkan kurang dari probabilitas mutasi

(pmut) yang ditentukan maka ubah gen tersebut menjadi nilai

kebalikannya (dalam binary encoding, 0 diubah 1, dan 1 diubah 0).

biasanya pmut sebesar ini berarti mutasi hanya terjadi sekitar satu gen

saja. Nilai pmut yang besar akan tidak menguntungkan cenderung

merusak kromosom yang sudah bagus.

Page 50: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

34

7. Elitisme

Karena seleksi dilakukan secara acak, maka tidak ada jaminan

bahwa individu berbilai fitness tertinggi akan selalu terpilih.

Kalaupun individu bernilai fitness tertinggi terpilih, mungkin saja

individu tersebut akan rusak karena proses pindah silang. Untuk

menjaga agar individu bernilai fitness tertinggi tidak hilang selama

evolusi, perlu dibuat satu atau dua kopinya. Prosedur ini dikenal

sebagai elitisme. Prosedur hanya digunakan pada AG berjenis

generational replacement.

8. Pengganti Populasi

Pada AG berjenis generational replacement, N individu pada suatu

generasi digantikan sekaligus oleh N individu baru hasil pindah silang

dan mutasi. Untuk mempertahankan individu terbaik, diperlukan

skema elitism seperti dijelaskan di atas.

Prosedur yang dapat digunakan pada skema penggantian populasi

pada AG berjenis steady-state:

Selalu mengganti individu yang memiliki nilai fitness terkecil.

Selalu mengganti individu yang paling tua.

Membandingkan anak dengan kedua orang tua. Apabila anak

memiliki nilai fitnass yang lebih baik daripada salah satu atau

kedua orang tua, maka anak menggantikan orang tua yang

memiliki nilai fitness terendah. Skema ini dapat menjaga

keanekaragaman yang lebih baik disbanding skema

sebelumnya. Dengan mengganti orang tua yang memiliki

Page 51: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

35

Hamming Distance (beda bit) yang lebih sedikit, penggantian

tersebut dapat diharapkan tidak cepat menghilangkan

keragaman.

9. Kriteria Penghentian

Terdapat berbagai macam kriteria penghentian yang bisa

digunakan, tiga diantaranya adalah:

1. Memberikan batasan jumlah iterasi. Apabila batas iterasi

tersebut dicapai, iterasi dihentikan dan laporkan individu

bernilai fitness tertinggi sebagai solusi terbaik.

2. Memberikan batasan waktu proses AG. Kriteria ini digunakan

pada system-sistem waktu nyata (real time system), dimana

solusi harus ditemukan paling lama, misalkan ~ menit.

Dengan demikian, AG bisa dihentikan ketika proses sudah

berlangsung selama hampir 3 menit.

3. Menghitung kegagalan penggantian anggota populasi yang

terjadi secara berurutan sampai jumlah tertentu. Misalkan,

setelah 100 iterasi tidak ada penggantian individu dalam

populasi karena individu anak yang dihasilkan selalu memiliki

niali fitness yang lebih rendah daripada orangtuanya. Dalam

kondisi seperti ini, kita bisa menghentikan itersasi.

Secara sederhana, algoritma umum dari Algoritma Genetika ini

dapat dirumuskan menjadi beberapa langkah, yaitu:

1. Membentuk suatu populasi individual dengan keadaan acak.

Page 52: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

36

2. Mengevaluasi kecocokan setiap individual keadaan dengan

hasil yang diinginkan.

3. Memilih individual dengan kecocokan yang tertinggi.

4. Bereproduksi, mengadakan pindah silang antar individual

terpilih diselingi mutasi.

5. Mengulangi langkah 2 - 4 sampai ditemukan individual

dengan hasil yang diinginkan.

2.4.2 Algoritma Genetika untuk Masalah Optimasi

Ketika kita mendapatkan suatu masalah optimasi yang dapat dikonversi

menjadi sebuah fungsi, maka kita dapat dengan mudah menyelesaikan masalah-

masalah tersebut menggunakan AG. Misalkan kita ingin memaksimalkan

keuntungan penjualan dua buah produk. Kedua produk harus diproduksi antara 3

sampai 10 buah. Produk ke-1 menghasilkan keuntungan sebesar 3 satuan,

sedangkan produk ke-2 menghasilkan kerugian 2 satuan. Meskipun menghasilkan

kerugian, produk ke-2 harus tetap diproduksi agar produk ke-1 tetap laku di

pasaran. Berapa jumlah produk ke-1 dan ke-2 yang harus diproduksi untuk

mendapatakan keuntungan maksimum? Permasalahan tersebut dapat dituliskan

sebagai sebuah fungsi h berikut:

dimana Sehingga, masalah yang ingin diselesaikan adalah

bagaimana menemukan dan yang membuat fungsi h menjadi maksimum?

Pada interval tersebut, fungsi h mencapai maksimum, yakni bernilai 24, pada saat

dan

Page 53: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

37

Langkah pertama yang harus dilakukan adalah mengkonversi suatu solusi

menjadi sebuah individu (satu individu mneyatakan satu solusi). Untuk mencari

nilai dari variabel dan perlu mengkodekan kedua variabel tersebut menjadi

sebuah individu. Ada banyak cara untuk mempresentasikan solusi ke dalam suatu

individu sebagai berikut:

Pertama, bisa memandang setiap variabel sebagai satu gen, sehingga

menghasilkan satu individu dengan satu kromosom yang berisi dua gen

dan masing-masing gen berisi satu nilai (bilangan real, desimal, atau

biner) atau lebih.

Kedua, adalah dengan memandang setiap variabel sebagai satu

kromosom, sehingga kita mendapat satu individu yang memiliki dua

kromosom dan masing-masing kromosom berisi sejumlah gen.

Misalkan menggunakan cara kedua, pada skema real number encoding, setiap

individu memiliki dua kromosom yang setiap kromosom berisi satu gen yang

dikodekan dalam satu bilangan real. Pada skema descrete decimal encoding,

setiap individu memiliki dua kromosom yang masing-masing kromosom memiliki

dua gen yang dikodekan sebagai dua bilangan bualat dalam interval [0,9].

Sedangakan pada skema binary encoding, setiap individu memiliki dua kromosom

yang masing-masing kromosom berisi 10 gen yang dikodekan sebagai bilangan

biner.

2.5 Penelitian Terkait

Algoritma genetika sudah banyak diaplikasikan dan dikembangkan dalam

berbagai penelitian. Seperti dalam penelitian Fan-Hsun Tseng dan Xiaofei Wang

Page 54: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

38

(2017) yang menggunakan multiobjektif Algoritma Genetika untuk

mengoptimalkan pemanfaatan sumber daya fisik mesin. AG yang mereka usulkan

memperkirakan kebutuhan sumber daya slot waktu berikutnya sesuai dengan data

historis di slot waktu sebelumnya. Penelitan tersebut mencapai hasil bahwa solusi

optimal untuk prediksi sumber daya di bawah stabil, dan tidak stabil yang

ditemukan oleh AG.

Penelitian selanjutnya membahas tentang penggunaan Algoritma Genetika

untuk perancangan jalur udara tak berawak atau unnamed aerial vehicle (UAV).

AG tersebut dikombinasikan dengan optimasi pencarian wilayah (OSR-HGA).

Algoritma digunakan untuk mengurangi area pencarian secara otomatis dengan

mengevalusi distribusi sumber ancaman di wilayah misi (Jinghua Li, 2017). Hasil

percobaan menunjukkan bahwa metode tersebut dapat meningkatkan stabilitas

algoritma perencanaan jalan dengan mencari jalur yang lebih pendek dengan

biaya lebih rendah dan mengurangi terjadinya jalan memutar secara efektif.

Di lain penelitian AG digunakan dalam sistem pengambilan keputusan medis.

AG tersebut digunakan untuk mengoptimalkan pemilihan fitur data set (Dan

Wang, 2017). Hasil penelitian disajikan pada beberapa tolak ukur yang

menggambarkan hubungan antara fitur dan penyakit yang dipilih.

Selanjutnya AG diusulkan dalam penelitian Low Dencity Parity Check

(LDPC). LDPC dianggap sebagai pertukaran yang masuk akal antara kerumitan

dan keandalan komputasi. Dalam penelitian ini algoritma optimasi kode LDPC

menggunakan AG dan Linear Programming (LP) untuk menentukan variabel

node dan memeriksa kelainan derajat distribusi. Hasil dari penelitian ini

Page 55: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

39

menunjukkan hasil sesuai yang diinginkan tapi dengan biaya yang cukup mahal

dan lebih model yang kompleks. Dari berbagai contoh penelitian yang ada

menunjukkan bahwa metode Algoritma Genetika (AG) banyak digunakan dalam

permasalahan seperti optimasi.

Page 56: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

40

BAB III

METODE PENELITIAN

Pada bab ini akan dijelaskan tentang beberapa hal, yaitu tahapan penelitian

yang akan dilakukan, kebutuhan sistem yang akan dibuat dan penyelesaian

masalah optimasi perkiraan bahan baku mebel denagan menggunakan metode

Algoritma Genetika. Tahapan metodologi penelitian dapat dilihat pada gambar

3.1.

Gambar 3. 1 Alur Penelitian

3.1 Studi Literatur

Literatur dari beberapa bidang ilmu yang berhubungan dengan pembuatan

sistem aplikasi optimasi perkiraan bahan baku mebel dengan menggunakan

Algoritma Genetika, diantaranya:

Page 57: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

41

Industri mebel

Dasar optimasi

Optimasi dalam Islam

Algoritma genetika

Penelitian Terkait

Literatur tersebut didapatkan dari buku, jurnal internasional, penelitian

sebelumnya, dan dokumentasi projek.

3.2 Analisis Kebutuhan Sistem

Analisis kebutuhan system ini bertujuan untuk mengidentifikasi system yang

akan dibuat, yang meliputi perangkat lunak (software) serta perangkat keras

(hardware). Berikut ini merupakan penjelasan dari perangkat lunak dan perangkat

keras yang akan digunakan.

a. Perangkat Lunak (software)

Editor Sublime Text digunakan sebagai kodifikasi program bahasa

PHP

Microsoft Excel 2013

Browser (peramban) seperti Chrome dan Mozilla Firefox

Diagram modeler Edraw Max 7.9

Xampp v3.2.2

MySQL sebagai database management system

Page 58: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

42

b. Perangkat Keras (hardware)

Perangkat keras yang digunakan untuk membangun sistem yang

akan dibuat dan dikembangkan diantaranya adalah:

Laptop dengan processor Intel Core i3-4030U 1.9GHz

RAM 4 GB

Monitor 14 inc

3.3 Pengumpulan Data

Metode pengumpulan data dalam penelitian ini dilakukan dengan cara berikut:

Wawancara (Interview)

Data primer merupakan data yang diperoleh dari pengamatan yang dilakukan

secara langsung. Data ini didapatkan melalui wawancara dengan pihak pengusaha

mebel tersebut.

Data yang akan diolah merupakan data primer yang diambil langsung dari

sumber yakni mendatangi atau mewawancarai langsung pengusaha mebel.

Selanjutnya data yang akan digunakan merupakan data produk dari mebel dan

data permintaan pembeli. Data yang akan dihitung adalah data permintaan

pembeli setiap bulannya, dimulai dari bulan Januari – Desember tahun 2017.

Adapun data yang dibutuhkan adalah jenis produk, biaya produk per item,

harga jual per item, laba penjualan per item, jumlah permintaan terendah, jumlah

permintaan tertinggi, harga bahan baku, dan maksimal biaya produksi yang

disediakan dalam satu bulan. Jumlah permintaan terendah dan jumlah permintaan

tertinggi akan digunakan sebagai batasan mengacak nilai gen dalam kromosom.

Page 59: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

43

Data lain yang harus diperhitungkan adalah maksimal biaya produksi dalam satu

bulan. Data maksimal biaya prosukdi diperukan agar solusi yang dihasilkan

melalui proses optimasi menggunakan Algoritma Genetika tidak melebihi batas

maksimal modal yang disediakan.

Data yang dibutuhkan pada proses optimasi bahan baku mebel menggunakan

Algoritma Genetika ditunjukkan pada tabel-tabel berikut.

Tabel 3. 1 Tabel Modal

Bulan Total Produksi Modal (Rp)

Januari 305 Rp60,000,000

Februari 235 Rp50,000,000

Maret 240 Rp50,000,000

April 180 Rp30,000,000

Mei 180 Rp30,000,000

Juni 400 Rp80,000,000

Juli 570 Rp100,000,000

Agustus 550 Rp86,000,000

September 370 Rp70,000,000

Oktober 240 Rp50,000,000

November 340 Rp70,000,000

Desember 325 Rp70,000,000

Tabel 3. 2 Tabel Kebutuhan Produksi

No. banyak

pengrajin

waktu

pengerjaan (hr)

Kebutuhnan

kayu (m)

Kayu

(loging)

Keterangan

(batang)

1 5 1 424.5 212.25 2

2 4 1 450 150 2

3 4 1 590.6 196.8667 2

4 1 3 372 124 1

5 1 3 439.2 146.4 1

6 1 2 780 260 3

7 1 1 60.48 30.24 1

8 4 1 100 50 1

Page 60: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

44

Tabel 3. 3 Tabel Permintaan Pembeli Bulan Januari – Juni 2017

JenisProduk Biaya

Produksi Harga Jual

Laba

Januari Februari Maret April Mei Juni

Perminataan

Perminataan

Perminataan

Perminataan

Perminataan

Perminataan

Render

tinggi

rendah

tinggi

Render

tinggi

Render

tinggi

rendah

tinggi

rendah

tinggi

Paket bangku sekolah

400000 400000 0 70 100 40 80 20 40 0 0 20 50 80 110

Kusen 115000 150000 35000 20 30 15 20 40 60 40 60 30 40 50 60

Daun pintu 600000 700000 10000

0 35 60 30 40 40 50 45 70 35 50 50 80

Lemari sekolah 1050000 154500

0 49500

0 8 15 5 10 5 10 0 0 0 0 30 35

Lemari rumah tangga

1405000 250000

0 10950

00 5 10 0 0 3 10 5 10 2 5 5 10

Kursi ruang tamu

2150000 300000

0 85000

0 10 15 2 5 0 0 2 5 5 10 15 20

Meja guru 595000 100000

0 40500

0 20 25 20 30 30 45 20 35 0 0 25 35

Jendela 125000 250000 12500

0 35 50 27 50 15 25 20 35 17 25 40 50

Page 61: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

45

Tabel 3. 4 Tabel Permintaan Pembeli Bulan Juli – Desember 2017

JenisProduk Biaya

Produksi Harga Jual

Laba Juli Agustus September Oktober November Desember

Perminataan

Perminataan

Perminataan

Perminataan

Perminataan

Perminataan

Paket bangku sekolah

400000 400000 0 160 200 50 200 90 100 20 50 80 100 80 150

Kusen 115000 150000 35000 65 70 20 70 45 50 35 50 40 50 20 40

Daun pintu 600000 700000 10000

0 80 85 60 80 55 80 40 60 45 60 25 40

Lemari sekolah 1050000 1545000 49500

0 25 30 10 30 20 30 0 0 20 30 12 20

Lemari rumah tangga

1405000 2500000 10950

00 30 40 20 40 10 20 0 0 15 20 5 10

Kursi ruang tamu 2150000 3000000 85000

0 10 15 3 10 4 10 0 0 0 0 12 15

Meja guru 595000 1000000 40500

0 50 70 40 70 50 60 0 0 20 30 15 20

Jendela 125000 250000 12500

0 50 60 30 50 15 20 40 60 40 50 20 30

Page 62: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

46

3.4 Perancangan Sistem

3.4.1 Desain Sistem

Berikut adalah rancangan desain sistem yang akan dibuat dalam penelitian

ini:

Gambar 3. 2 Desain Sistem

Page 63: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

47

Dari desain sistem di atas (gambar 3.2) menggambarkan alur sistem dalam

garis besarnya. Dalam sistem yang akan dibangun, input yang digunakan adalah

data permintaan mebel dengan format atau tamplate yang telah disediakan seperti

tabel 3.3 dan tabel 3.4. Kemudian data tersebut diolah melalui serangkaian proses

metode Algoritma Genetika. Proses pertama yaitu pembangkitan populasi awal,

yang akan menghasilkan banyak populasi yang dinginkan. Selanjutnya dipilih

secara acak dua individu dari populasi awal untuk dijadikan parent dalam proses

crossover. Dari proses crossover menghasilkan offspring atau keturunan sejumlah

yang ditetapkan parameter. Proses selanjutnya adalah mutasi, pemilihan parent

(orang tua) dan offspring mutasi hampir sama dengan proses crossover, yaitu

dengan memilih secara acak satu individu dari populasi awal. Kemudian nilai satu

indek gen akan berubah secara acak dimasing-masing offspring. Setelah

didapatkan hasil proses crossover dan mutasi, semua populasi atau individu

dihitung nilai fitnessnya. Kemudian dilakukan seleksi menggunakan nilai fitness

tersebut. Yaitu dengan mengurutkan nilai fitness dari nilai terbesar. Individu yang

mempunyai nilai fitness terbesar adalah solusi terbaik yang dihasilkan dari metode

Algoritma Genetika.

Setalah didapatkan solusi atau kromosom terbaik, dilakukan proses optimasi.

Proses optimasi ini akan menghasilkan keluaran berupa rekomendasi perkiraan

bahan baku per produk, dan dashboard atau visualisasi dari rekomendasi tadi.

Page 64: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

48

3.4.2 Algoritma Genetika

a. Desain Kromosom

Bentuk representasi kromosom pada permasalahan ini merupakan

representasi menggunakan skema pengkodean discrete decimal encoding

yakni setiap gen berupa deretan bilangan bulat atau integer. Representasi ini

dipilih karena setiap gen dalam kromosom mewakili jumlah item yang akan

diproduksi dalam waktu satu bulan dan angka dapat berulang dalam satu

individu.

Dari tabel data produksi di atas menunjukkan panjang kromosom yang

digunakan adalah 7, karena setiap individu akan mewakili masing-masing

jenis produk.

Gambar 3. 3 Desain Kromosom

Keterangan:

a1: Paket bangku sekolah

a2: Kusen

a3: Daun pintu

a4: Lemari sekolah

a5: Lemari rumah tangga

a6: Kursi ruang tamu

a7: Meja guru

a8: Jendela

Page 65: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

49

Gambar 3.3 menjelaskan bahwa dalam satu kromosom memiliki 8 gen.

Dimana, setiap individu akan mewakili jumlah masing-masing item produksi.

b. Desain Fitness

Setelah didapatkan desain kromosom di atas, selanjutnya adalah

menghitung nilai fitnessnya. Sebelum menghitung nilai fitness, perlu

dilakukan perhitungan kendala. Fungsi kendala merupakan fungsi yang

membatasi masing-masing individu dan apabila dilanggar dapat menurunkan

nilai fitness individu tersebut. Jika dalam produksi mebel terjadi kekurangan

bahan baku produksi maka akan menjadi kendala atau penghambat dalam

proses produksi. fungsi kendala tersebut dirumuskan seperti persamaan

berikut:

Kendala 1:

400000a1 +115000a2 + 600000a3 + 1050000a4 + 1405000a5 + 2150000a6 +

595000a7 + 125000a8 ≤ modal

(1)

Kendala 2:

a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 ≤ banyak produksi

(2)

Keterangan:

Nilai 400.000 pada kendala 1 menunjukkan biaya produksi yang

dibutuhkan untuk satu set bangku sekolah.

Nilai 115.000 pada kendala 1 menunjukkan biaya produksi yang

dibutuhkan untuk satu kusen.

Page 66: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

50

Nilai 600.000 pada kendala 1 menunjukkan biaya produksi yang

dibutuhkan untuk satu daun pintu.

Nilai 1.050.000 pada kendala 1 menunjukkan biaya produksi yang

dibutuhkan untuk satu lemari sekolah.

Nilai 1.405.000 pada kendala 1 menunjukkan biaya produksi yang

dibutuhkan untuk satu lemari rumah tangga.

Nilai 2.150.000 pada kendala 1 menunjukkan biaya produksi yang

dibutuhkan untuk satu kursi ruang tamu.

Nilai 595.000 pada kendala 1 menunjukkan biaya produksi yang

dibutuhkan untuk satu meja guru.

Nilai 125.000 pada kendala 1 menunjukkan biaya produksi yang

dibutuhkan untuk satu jendela.

Nilai 24.000.000 pada kendala 1 merupakan modal maksimal dalam satu

bulan yang dimiliki usaha mebel Sekar Jaya untuk produksi semua jenis

produksi.

Nilai 550 pada kendala 2 merupakan batas maksimal produksi per bulan.

Maka fungsi fitness dapat dicari dengan menurangi total yang didapatkan

dengan total pelanggaran (pinalti). Rumus yang digunakan ditunjukkan dalam

persamaan 3 berikut ini:

Fitness (x1, x2) – M (C1+C2) (3)

Keterangan:

Fitness (x1, x2) : Nilai fitness. Fungsi yang akan dioptimasi.

M : Bilangan positif sembarang yang cukup besar.

Page 67: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

51

C1 dan C2 : fungsi kendala yang berkaitan dengan optimasi.

Pada persamaan 3 di atas memiliki kelemahan yaitu nilai fitness yang

dihasilkan terlalu besar. Misalkan kendala C1 dan kendala C2 bernilai 0,

maka nilai fitness akan memiliki nilai = f(x1, x2) atau sama dengan modal.

Jadi seberapa besarpun nilai M yang digunkan, jika nilai C1+C2 = 0, maka

pengurang yang dihasilkan tetap 0.

Dalam kasus ini dapat dilakukan modifikasi pada persamaan 3 dengan

cara membagi hasil pengurangan total laba dan total pinalti dengan

menggunakan angka yang cukup besar. Dengan tujuan agar nilai fitness yang

didapat tidak terlalu besar. Angka pembagi yang digunakan adalah 1000000.

Setelah dilakukan modifikasi atau penyesuaian perhitungan fitness, rumus

perhitungan fitness menjadi seperti persamaan 4 berikut:

(4)

Untuk menghitung niali C1 dan C2 dapat dihitung melalui persamaan 5 dan 6

berikut ini:

(5)

(6)

Page 68: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

52

3.5 Desain Hitung Manual

Sebagai contoh perhitungan manual yang akan dilakukan di Excel, peneliti

menggunakan data produksi dari mebel UD. Sekar Jaya bulan Agustus 2017.

Dengan asumsi parameter-parameter seperti langkah berikut

3.5.1 Pembangkitan Populasi Awal

Pembangkitan populasi awal diperoleh dari parameter yang dimasukan oleh

pengguna. Misalkan parameter input yang digunakan sebagai berikut:

Banyak Produksi = 350

Modal = 50000000

Populasi = 3

Crossover = 0.5

Mutasi = 0.5

Jumlah iterasi = 2

Masing-masing individu akan dibangkitkan secara acak antara jumlah

permintaan terendah hingga jumlah permintaan tertinggi masing-masing item

produk mebel. Rentang pembangkitan gen dalam individu ditunjukkan pada tabel

berikut:

Tabel 3. 5 Rentang Pembangkitan Gen

Gen ke- Batas minimal

pembangkita nilai gen

Batas maksimal

pembangkita nilai gen

Gen 1 (a1) 50 200

Gen 2 (a2) 20 70

Page 69: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

53

Gen 3 (a3) 60 80

Gen 4 (a4) 10 30

Gen 5 (a5) 20 40

Gen 6 (a6) 3 10

Gen 7 (a7) 40 70

Gen 8 (a8) 30 50

Berdasarkan tabel rentang pembangkit nilai gen di atas, selanjutnya

didapatkan individu awal seperti yang ditunjukkan tabel berikut:

Tabel 3. 6 Pembangkitan Populasi Awal

3.5.2 Crossover

Proses pindah silang dilakukan dengan metode extended intermediet

crossover, dimana dilakukan dengan memilih dua induk (parent) secara acak dari

populasi. Misalkan, setelah dipilih dua individu acak terpilih P1 dan P2 sebagai

induk. Untuk menentukan offspring atau anak keturunan dari crossover

didapatkan dari parameter populasi dan crossover. Yaitu nilai populasi dikalikan

nilai crossover, jadi 3 x 0.5 = 2 (hasil dibulatkan ke atas). Sehingga didapati 2

keturunan (offspring). Sehingga proses pindah silang berlangsung sebagai berikut:

P1 [122, 48, 80, 13, 28, 9, 46, 41] X P2 [53, 58, 45, 26, 36, 9, 39, 35]

Maka nilai offsring dapat dihitung sebagai berikut:

Individu A1 A2 A3 A4 A5 A6 A7 A8

P1 122 48 80 13 28 9 46 41

P2 53 58 45 26 36 9 39 35

P3 125 67 77 14 35 5 43 40

Page 70: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

54

Nilia alpha dibangkitkan secara acak, misal didapatkan nilai alpha [0.5, 0.24,

1, -0.2, -0.25, 0.8, 1, 0.01]. Maka, gen pertama pada offsring C1 dapat dihitung

sebagai berikut:

A1C1 = A1P1+α (A1P2 – A1P1)

A1 C1= 153 + 0.5 (195 – 153)

A1 C1= 174

Pada perhitungan manual akan didapatkan nilai decimal. Karena

permasalahan ini digunakan representasi integer, maka hasil perhitunagn akan

dikonversi kebentuk integer dengan ketentuan pembulatan ke atas. Degan cara

yang sama dilakukan perhitugan terhadap A2C1, A3C1, A4C1, A5C1, A26C1, A7C1,

dan A8C1.

Tabel 3. 7 Tabel Hasil Crossover

PARENT OFFSPRING A1 A2 A3 A4 A5 A6 A7 A8

P1 >< P2 C1 88 50 45 10 26 9 39 41

C2 88 56 80 29 38 9 46 35

3.5.3 Mutasi

Langkah selanjutnya yaitu mutasi. Untuk menentukan offspring dari proses

mutasi sama seperti proses offspring pada crossover. Nilai dari parameter populasi

dikalikan nilai mutasi, jadi 3 x 0.5 = 2 (hasil dibulatkan ke atas) sehingga

didapatkan 2 offspring. Mutasi dipilih acak dari banyaknya populasi yang

terbentuk [P1, P2, P3]. Misal yang terpilih adalah populasi P2, selanjutnya dipilih

titik acak antara rentang 1 sampai 8. Misalkan terpilih indek 2 untuk offspring

yang pertama dan terpilih indek ke 7 untuk offspring yang kedua. Maka nilai gen

Page 71: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

55

pada indek 2 dan indek 7 dibangkitkan secara acak sesuai dengan rentang masing-

masing gen. Maka, hasil mutasi ditunjukkan seperti pada tabel berikut:

Tabel 3. 8 Tabel Hasil Mutasi

P2 M1 53 30 45 26 36 9 39 35

M2 53 58 45 26 36 9 60 35

3.5.4 Menghitung Nilai Fitness

Setelah didapatkan individu awal dan individu hasil reproduksi (crossover

dan mutasi), barulah dilakukan perhitungan fitness. Perhitungan fitness mengacu

pada desain fitness yang telah dibahas pada subbab sebelumnya. Maka tahap-

tahap perhitungan nilai fitnessnya sebagai berikut:

a. Menghitung Nilai Fitness P1

Dari tabel populasi awal diketahui nilai individu P1 adalah [122, 48, 80, 13,

28, 9, 46, 41]. Maka perhitungan nilai fitness dapat dilakukan dengan langkah

sebagai berikut:

1. Nilai C1

Hitung nilai C1 dengan menggunakan persamaan 5. Langkah pertama yakni

mencari nilai kebenaran dari:

Jika kondisi benar (true) maka C1 sama dengan 0. Jika kondisi bernilai salah

(false), maka nilai C1 bernilai

.

Page 72: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

56

Maka dapat dibuktikan sebagai berikut:

Karena 225900000 ≤ modal, maka persamaan di bawah ini:

Bernilai salah (false) maka nilai C1 sama dengan persamaan 5. Jadi C1 =

225900000 – 50000000 = 157155000.

2. Nilai C2

Untuk menghitung nilai C2 bisa menggunakan persamaan 6. Sama seperti mencari

nilai C1, yang pertama kali dilakukan yakni mencari nilai kebenaran dari

. Jika kondisi

bernilai benar (true), maka C2 sama dengan 0. Dan jika kondisi bernilai salah

(false), maka C2 bernilai:

.

Maka dapat dibuktikan sebaga berikut:

122+48+80+13+28+9+46+41 = 387

Karena 387≤350 bernilai salah, maka sama dengan persamaan di bawah ini:

Sehingga 387-

350 = 37, nilai C2 sama dengan 37.

3. Hitung Total Produksi dan Laba

Total laba didapatkan dari perkalian antara jumlah item yang diproduksi dengan

laba per item. Maka total laba individu P1 dapat dihitung sebagai berikut:

Page 73: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

57

78180000

4. Hitung Nilai Fitness

Berdasarkan persamaan 4, maka nilai fitness individu P1 adalah sebagai berikut:

Untuk perhitungan nilai fitnees individu P2 – M4 sama seperti perhitungan

individu P1 di atas. Maka didapatkan hasil seperti tabel berikut ini:

Tabel 3. 9 Tabel Perhitungan Fitness

Individu A1 A2 A3 A4 A5 A6 A7 A8 C1 C2 total laba fitness

P1 122 48 80 13 28 9 46 41 157155000 37 78180000 -0.79

P2 53 58 45 26 36 9 39 35 129680000 338 86640000 -0.43

P3 125 67 77 14 35 5 43 40 159115000 357 81965000 -0.77

C1 88 50 45 10 26 9 39 41 112660000 364 68240000 -0.44

C2 88 56 80 29 38 9 46 35 174575000 339 96580000 -0.78

C3 124 53 77 13 26 6 43 41 145685000 33 72100000 -0.74

C4 124 62 80 14 37 8 46 40 170985000 61 88045000 -0.83

M1 53 30 45 26 36 9 39 35 126460000 304 85660000 -0.41

M2 53 58 45 26 36 9 60 35 142175000 245 95145000 -0.47

M3 53 58 45 5 36 9 39 35 107630000 0 76245000 -0.31

M4 53 58 45 26 36 9 39 10 126555000 0 83515000 -0.43

3.5.5 Seleksi

Selanjutnya dilakukan proses evaluasi yakni proses seleksi untuk menentukan

individu yang memiliki nilai fitness terbaik. setelah didapatkan hasil seperti pada

tabel, kemudian dilakukan proses seleksi dengan mengurutkan nilai fitness

tertinggi ke nilai fitness terendah.

Page 74: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

58

Tabel 3. 10 Tabel Hasil Seleksi

Dari hasil pengurutan di atas, diambil individu dengan nilai fitness teratas.

Maka populasi yang memiliki nilai fitness terbaik yaitu populasi M3 dengan nilai

fitness sama dengan -0.31.

Individu A1 A2 A3 A4 A5 A6 A7 A8 C1 C2 total laba fitness

M3 53 58 45 5 36 9 39 35 107630000 0 76245000 -0.31

M1 53 30 45 26 36 9 39 35 126460000 304 85660000 -0.41

P2 53 58 45 26 36 9 39 35 129680000 338 86640000 -0.43

M4 53 58 45 26 36 9 39 10 126555000 0 83515000 -0.43

C1 88 50 45 10 26 9 39 41 112660000 364 68240000 -0.44

M2 53 58 45 26 36 9 60 35 142175000 245 95145000 -0.47

C3 124 53 77 13 26 6 43 41 145685000 33 72100000 -0.74

P3 125 67 77 14 35 5 43 40 159115000 357 81965000 -0.77

C2 88 56 80 29 38 9 46 35 174575000 339 96580000 -0.78

P1 122 48 80 13 28 9 46 41 157155000 37 78180000 -0.79

C4 124 62 80 14 37 8 46 40 170985000 61 88045000 -0.83

Page 75: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

59

BAB IV

IMPLEMENTASI DAN PEMBAHASAN

4.1 Implementasi Interface

4.1.1 Login Page (Halaman Login)

Pada halaman ini, pengguna akan diminta untuk memasukkan sejumlah

informasi berupa username (nama pengguna) dan password. Setelah pengguna

berhasil masuk, pengguna akan terhubung dengan halaman utama aplikasi

(beranda).

Gambar 4. 1 Login Page

4.1.2 Halaman Register (Daftar)

Apabila seorang pengguna baru yang belum mempunyai akun, maka perlu

melakukan registrasi terlebih dahulu. Masuk ke halaman register dengan meng-

klik menu Register yang ada pada halaman Login di bawah tombol login.

Kemudian, isi data sesuai formulir yang ada pada halaman register.

Page 76: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

60

Gambar 4. 2 Halaman Registrasi

Jika sudah terisi semua, selanjutnya klik tombol register. Jika proses berhasil

maka secara langsung akun baru tersebut akan masuk ke halaman beranda dan

terdapat notifikasi berhasil mendaftar.

Gambar 4. 3 Notifikasi Berhasil Registrasi

4.1.3 Halaman Utama (Beranda)

Pada halaman utama terdapat beberapa fitur atau menu untuk melakukan

optimasi. Menu-menu tersebut terletak pada bar navigasi (navbar) sebelah kiri

halaman, yang meliputi beranda dan menu analisis. Menu analisis merupakan

drop down menu, dimana ia memiliki dua sub menu lain yaitu Tambah Analisis

dan List Analisis.

Page 77: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

61

Gambar 4. 4 Halaman Utama

4.1.4 Halaman Analisis

Pada halaman ini terdapat dua sub menu yaitu halamn Tambah Analisis, dan

List Analisis. Di Halaman ini berisi tentang proses optimasi, di mana terdapat

beberapa proses di antaranya:

1. Tambah Analisis

2. List Analisis

Gambar 4. 5 Halaman Tambah Analisis

Page 78: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

62

Pada halaman Tambah Analisis pengguna akan memasukkan data yang

diperlukan untuk melakukan optimasi. Data-data tersebut di antaranya:

File Upload

Untuk mengisi ini, pengguna harus melakukan proses ungah data produk

dalam format excel. Pengguna juga dapat mengunduh format excel,

dengan mengklik tombol Download Format.

Gambar 4. 6 Tombol Download Format

Pada format excel produk terdapat beberapa data yang harus diisi, seperti

jenis produk, biaya prosuksi, harga jual, laba, permintaan terendah, dan

permintaan tertinggi. Dan format excel data produk seperti gambar berikut.

Gambar 4. 7 Format Excel Produk

Modal

Modal yang dimasukkan merupakan kisaran modal dalam hitungan per

bulan dalam proses produksi produk.

Banyak Produksi

Banyak produksi adalah jumlah total dari permintaan tertinggi.

Page 79: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

63

Jumlah Iterasi

Jumlah iterasi adalah berapa banyak pengguna menginginkan

perulangan yang terjadi dalam proses optimasi. Semakin besar jumlah

iterasi maka akan semakin presisi hasilnya.

Popsize (Populasi)

Popsize adalah ukuran banyaknya populasi yang akan dibentuk dalam

proses algoritma genetika.

Crossover

Mutasi

Setelah form analisis terisi, selanjutnya data akan tersimpan pada halaman list

analisis.

Gambar 4. 8 Halaman List Analisis

Untuk melihat hasil proses dari algoritma genetika, klik pada tombol hijau

Analisis. Kemudian hasil dari algoritma genetika akan muncul seperti berikut.

Page 80: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

64

Page 81: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

65

Gambar 4. 9 Data Hasil Analisis

Gambar 4. 10 Grafik Hasil Analisis

Pengguna juga dapat menyunting data produk yang telah terunggah. Pada

halaman List Analisis klik tombol Detail Produk. Pengguna dapat melakukan edit

produk, hapus produk, dan menambahkan produk.

Page 82: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

66

Gambar 4. 11 Halaman Data Produk

Untuk menambah produk pengguna akan dialihkan ke halaman tambah

produk.

Gambar 4. 12 Halaman Tambah Produk

4.2 Pengujian Sistem

Tahap selanjutnya yakni tahap pengujian sistem. Setelah tahap implementasi

selesai, selanjutnya dilakukan tahap pengujian sistem. Pengujian sistem dilakukan

untuk mengetahui kelayakan dan performa dari program yang dibangun.

Page 83: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

67

Pengujian dalam program optimasi ini ada tiga tahap yaitu 1) Pengujian dengan

ukuran populasi, 2) Pengujian dengan nilai crossover dan mutasi, 3) Pengujian

dengan data produksi mebel sehingga dapat diketahui perkiraan kebutuhan bahan

baku untuk produksi selanjutnya.

4.2.1 Persiapan Data

Pada tahap ini data yang digunakan adalah data yang diperoleh dari hasil

wawancara dengan pengusaha mebel. Data yang digunakan merupakan data

permintaan peembeli yang berasal dari mebel UD. Sekar Jaya, terhitung dari bulan

Januari 2017 - Desember 2017. Data dapat dilihat pada bab 3 sub bab

pengumpulan data.

4.2.2 Hasil dan Analisa

Pada proses pengujian sistem akan dibagi beberapa uji coba, yang pertama

yaitu dilakukan pengujian dari beberapa parameter seperti banyaknya populasi, uji

coba kombinasi crossover dan mutasi dan terakhir pengujian pada seluruh data

produksi mebel UD. Sekar Jaya.

4.2.3 Pengujian Ukuran Populasi

Dalam pengujian parameter banyaknya populasi. Pengujian ini dilakukan

untuk mengetahui ukuran populasi yang optimal untuk menghasilkan rata-rata

nilai fitness yang tinggi. Ukuran populasi yang diujikan adalah kelipatan 10, mulai

dari 10, 20, 30, 40, 50, 60, 70, 80, 90 terakhir 100 populasi. Data produksi yang

digunakan untuk pengujian adalah data produksi mebel UD. Sekar Jaya bulan

Januari. Kemudian untuk parameter yang lain sama yaitu:

Modal = 60000000

Page 84: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

68

Banyak Produksi = 310

Iteras = 2

Crossover = 0.2

Mutasi = 0.3

Gambar 4. 13 List Uji Ukuran Populasi

Dari proses pengujian tersebut didapatkan hasil dan grafik berikut ini.

Tabel 4. 1 Hasil Uji

Populasi

populasi Fitness

10 -0.17

20 -0.15

30 -0.18

40 -0.19

50 -0.19

60 -0.14

70 -0.18

80 -0.14

90 -0.14

100 -0.09

Gambar 4. 14 Grafik Uji Coba Ukuran Populasi

Page 85: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

69

Dari tabel 4.1 dan gambar grafik di atas diperoleh hasil sebagai berikut:

Ukuran populasi 10 didapatkan nilai fitness sebesar -0.17.

Ukuran populasi 20 didapatkan nilai fitness sebesar -0.15.

Ukuran populasi 30 didapatkan nilai fitness sebesar -0.18.

Ukuran populasi 40 didapatkan nilai fitness sebesar -0.19.

Ukuran populasi 50 didapatkan nilai fitness sebesar -0.19.

Ukuran populasi 60 didapatkan nilai fitness sebesar -0.14.

Ukuran populasi 70 didapatkan nilai fitness sebesar -0.18.

Ukuran populasi 80 didapatkan nilai fitness sebesar -0.14.

Ukuran populasi 90 didapatkan nilai fitness sebesar -0.14.

Ukuran populasi 100 didapatkan nilai fitness sebesar -0.09.

Dan dari grafik dapat dilihat dengan jelas nilai fitness yang didapatkan naik

turun. Hal ini menjelaskan bahwa ukuran populasi memengaruhi nilai fitness yang

dihasilkan. Ukuran populasi juga berpengaruh dalam proses running sistem. Nilai

fitness terendah terdapat pada banyak populasi 40 dan 50 dengan fitness sebesar -

0.19. Sedangkan nilai fitness yang optimal terdapat dalam ukuran populasi 100

dengan fitness sebesar -0.09. Dari sini dapat disimpulkan juga semakin besar

ukuran populasi memengaruhi dalam pencarian solusi, semakin banyak populasi

maka semakin menjangkau solusi terbaik.

4.2.4 Pengujian Ukuran Crossover dan Mutasi

Setelah diketahui ukuran populasi yang optimal adalah 100 populasi dari

pengujian sebelumnya. Selanjutnya menghitung dan mencari fitness yang tertinggi

atau terbaik dengan menguji parameter crossover dan mutasi. Ukuran crossover

Page 86: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

70

dan mutasi yang digunakan antara 0-1 (silang) dan ukuran 0.1-1 (sejajar). Dengan

parameter yang lain sebagai berikut:

Modal = 60000000

Banyak Produksi = 310

Iteras = 2

Populasi = 100

Gambar 4. 15 Uji Coba Crossover dan Mutasi

Tabel 4. 2 Hasil Uji Crossover dan Mutasi

Crossover Mutasi Fitness Crossover Mutasi Fitness

0 1 -0.15 0.1 0.1 -0.14

0.1 0.9 -0.15 0.2 0.2 -0.16

0.2 0.8 -0.16 0.3 0.3 -0.08

0.3 0.7 -0.13 0.4 0.4 -0.16

0.4 0.6 -0.14 0.5 0.5 -0.17

0.5 0.5 -0.18 0.6 0.6 -0.14

0.6 0.4 -0.17 0.7 0.7 -0.16

0.7 0.3 -0.16 0.8 0.8 -0.13

0.8 0.2 -0.17 0.9 0.9 -0.18

0.9 0.1 -0.14 1 1 -0.12

Page 87: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

71

1 0 -0.15

Gambar 4. 16 Grafik Hasil Uji Coba Crossover dan Mutasi

Dari grafik di atas dapat dilihat bahwa nilai fitness terbaik yang didapatkan

pada kombinasi percobaan kedua yaitu crossover=0.3 dan mutasi=0.3. Dengan

nilai fitness yang didapat adalah -0.08. Sedangkan nilai fitness terbesar yaitu -0.18

merata di percobaan pertama dan kedua.

4.2.5 Pengujian Data Produksi

Data yang diujikan dalam pengujian produksi ini adalah data produksi dari

mebel UD. Sekar Jaya sejumlah dua belas data dalam format Excel. Dengan

Page 88: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

72

parameter yang sama yaitu iterasi=2, crossover=0.3, mutasi=0.3, dan

populasi=100. Nilai masing-masing parameter didapat dari pengujian sebelumnya,

yaitu pengujian ukuran populasi dan pengujian nilai crossover dan mutasi. Hasil

pengujian produk sebagi berikut:

Gambar 4. 17 List Uji Produk

Dari pengujian data permintaan UD. Sekar Jaya didapatkan rekomendasi

perkiraan bahan baku terbaik disetiap bulannya. Dengan banyaknya unit produk

sesuai dengan banyak sedikitnya permintaan pembeli di bulan tersebut. Hasil

optimasi atau hasil rekomendasi dapat dilihat pada tabel berikut.

Page 89: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

73

Tabel 4. 3 Hasil Uji Data Permintaan Mebel UD. Sekar Jaya

Bulan Bangku Sekolah

Kusen Daun Pintu

Lemari Sekolah

Lemari Rumah Tangga

Kursi Ruang Tamu

Meja Guru

Jendela Total Laba Fitness

Januari 54 23 49 6 6 10 24 36 37,965,000 -0.04

Februari 44 20 30 5 0 2 25 43 23,375,000 0.06

Maret 20 43 42 6 6 0 31 15 29,675,000 0.06

April 0 48 45 0 9 2 0 27 21,110,000 -0.02

Mei 29 34 36 0 2 5 0 25 14,355,000 -0.09

Juni 80 51 61 32 10 15 29 47 65,045,000 -0.32

Juli 160 65 83 25 33 11 56 56 98,115,000 -0.6

Agustus 51 52 61 22 27 5 66 41 84,480,000 -0.09

September 93 48 60 20 13 4 58 17 60,830,000 -0.27

Oktober 25 38 42 0 15 0 0 46 27,705,000 0.11

November 86 42 45 20 17 0 20 50 48,835,000 -0.1

Desember 81 35 30 13 6 12 17 20 36,815,000 -0.08

Page 90: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

74

Keterangan:

Di bulan Januari total rekomendasi perkiraan bahan baku kayu sebanyak

354 batang dengan total laba sebesar Rp.37.965.000 dan perolehan nilai

fitness sama dengan -0.04.

Di bulan Februari total rekomendasi perkiraan bahan baku kayu sebanyak

267 batang dengan total laba sebesar Rp.23.375.000 dan perolehan nilai

fitness sama dengan 0.06.

Di bulan Maret total rekomendasi perkiraan bahan baku kayu sebanyak

268 batang dengan total laba sebesar Rp.29.675.000 dan perolehan nilai

fitness sama dengan 0.06.

Di bulan April total rekomendasi perkiraan bahan baku kayu sebanyak 228

batang dengan total laba sebesar Rp.21.110.000 dan perolehan nilai fitness

sama dengan -0.02.

Di bulan Mei total rekomendasi perkiraan bahan baku kayu sebanyak 240

batang dengan total laba sebesar Rp.14.355.000 dan perolehan nilai fitness

sama dengan -0.09.

Di bulan Juni total rekomendasi perkiraan bahan baku kayu sebanyak 547

batang dengan total laba sebesar Rp.65.045.000 dan perolehan nilai fitness

sama dengan -0.32.

Di bulan Juli total rekomendasi perkiraan bahan baku kayu sebanyak

batang 819 dengan total laba sebesar Rp.98.115.000 dan perolehan nilai

fitness sama dengan -0.6.

Page 91: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

75

Di bulan Agustus total rekomendasi perkiraan bahan baku kayu sebanyak

499 batang dengan total laba sebesar Rp.84.480.000 dan perolehan nilai

fitness sama dengan -0.09.

Di bulan September total rekomendasi perkiraan bahan baku kayu

sebanyak 522 batang dengan total laba sebesar Rp.60.830.000 dan

perolehan nilai fitness sama dengan -0.27.

Di bulan Oktober total rekomendasi perkiraan bahan baku kayu sebanyak

217 batang dengan total laba sebesar Rp.27.705.000 dan perolehan nilai

fitness sama dengan 0.11.

Di bulan November total rekomendasi perkiraan bahan baku kayu

sebanyak 453 batang dengan total laba sebesar Rp.48.835.000 dan

perolehan nilai fitness sama dengan -0.1.

Di bulan Desember total rekomendasi perkiraan bahan baku kayu

sebanyak 384 batang dengan total laba sebesar Rp.36.815.000 dan

perolehan nilai fitness sama dengan -0.08.

Page 92: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

76

Tabel 4. 4 Tabel Hasil Optimasi Bulan Januari – Juni 2017

Jenis Produksi

kebutuhan kayu

Januari Februari Maret April Mei Juni

(loging) Unit

kayu (log)

unit

kayu (log)

unit

kayu (log)

Unit

kayu (log)

unit

kayu (log)

unit

kayu (log)

Paket bangku sekolah

2 54 108 44 88 20 40 0 0 29 58 80 160

Kusen 2 23 46 20 40 43 86 48 96 34 68 51 102

Daun pintu 2 49 98 30 60 42 84 45 90 36 72 61 122

Lemari sekolah 1 6 6 5 5 6 6 0 0 0 0 32 32

Lemari rumah tangga

1 6 6 0 0 6 6 9 9 2 2 10 10

Kursi ruang tamu 3 10 30 2 6 0 0 2 6 5 15 15 45

Meja guru 1 24 24 25 25 31 31 0 0 0 0 29 29

Jendela 1 36 36 43 43 15 15 27 27 25 25 47 47

Total 354 267 268 228 240 547

Page 93: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

77

Tabel 4. 5 Tabel Hasil Optimasi Bulan Juli – Agustus 2017

Jenis Produksi

kebutuhan kayu

Juli Agustus September Oktober November Desember

(loging) unit

kayu (log)

unit

kayu (log)

unit

kayu (log)

Unit

kayu (log)

unit

kayu (log)

unit

kayu (log)

Paket bangku sekolah

2 160

320 51 102 93 186 25 50 86 172 81 162

Kusen 2 65 130 52 104 48 96 38 76 42 84 35 70

Daun pintu 2 83 166 61 122 60 120 42 84 45 90 30 60

Lemari sekolah 1 25 25 22 22 20 20 0 0 20 20 13 13

Lemari rumah tangga

1 33 33 27 27 13 13 15 15 17 17 6 6

Kursi ruang tamu 3 11 33 5 15 4 12 0 0 0 0 12 36

Meja guru 1 56 56 66 66 58 58 0 0 20 20 17 17

Jendela 1 56 56 41 41 17 17 46 46 50 50 20 20

Total 819 499 522 271 453 384

Page 94: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

78

Dari tabel 4.4 dan 4.5 dapat dilihat hasil rekomendasi kebutuhan bahan

baku mebel setiap produk. Rekomendasi bahan baku kayu terbesar terjadi pada

bulan Juli dengan hasil keseluruhan sebanyak 819 batang kayu. Sedangkan

rekomendasi bahan baku kayu terkecil terjadi pada bulan April dengan total

keseluruhan 228 batang kayu. Dari perhitungan optimasi di atas dapat diketahui

bahwa setidaknya dalam kurun waktu satu bulan mebel UD. Sekar Jaya dapat

menggunakan 2 sampai 5 kubik kayu. Dengan estimasi kayu satu panjang (p),

lebar (l), dan tinggi (t) yaitu 3, 5, 5. Menggunakan rumus 10000/(pxlxt)

didapatkan hasil satu kubiknya yaitu 10000/(3x5x5) = 133.333. Dengan

pembulatan ke atas maka hasil satu kubik kayu sama dengan 133 batang kayu.

4.4 Integrasi Islam

Pada bab sebelumnya telah diberikan sedikit penjelasan tentang integrasi

antara Islam dengan Sains yakni optimasi itu sendiri pada sub bab 2.3. Dalam

Islam kelak di hari akhir (hari kiamat) manusia akan dibangkitkan kembali dan

dikumpulkan di Padang Mahsyar. Di sana nantinya manusia akan ditimbang amal

perbuatan selama di Bumi atau yang disebut Yaumul Mizan. Allah telah banyak

menunjukkan tentang adanya Mizan dalam Al-Quran salah satunya dalam firman

QS. Al Anbiya’ berikut:

زينونضع مةليومٱلقسطٱلمو نفلتظلمنفسشيٱلقي ث وإنكانثققالحب ةم ا

سبين بناح ٧٢خردلأتينابهاوكفى

“Kami akan memasang timbangan yang tepat pada hari kiamat, maka

tiadalah dirugikan seseorang barang sedikitpun. Dan jika (amalan itu) hanya

seberat biji sawipun pasti Kami mendatangkan (pahala) nya. Dan cukuplah

Kami sebagai pembuat perhitungan” (QS. Al Anbiya’/21:47).

Page 95: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

79

Ayat di atas menjelaskan bahwa Allah telah memasang timbangan keadilan

pada hari Kiamat kelak. Pendapat terbanyak menyatakan bahwa timbangan itu

hanya satu timbangan. Kalimatnya jamak, ditinjau dari banyaknya amal-amal

yang akan ditimbang di dalamnya (Ibnu Katsir, 2003). Maka, pada hari itu, tidak

akan ada seorang pun yang dicurangi dengan pengurangan kebaikannya atau

penambahan kejelekannya. Meskipun perbuatannya hanya seberat biji sawi, akan

Kami datangkan dan akan Kami perhitungkan. Cukuplah Kami sebagai

penghitung, maka tak seorang pun akan dirugikan. Ayat ini mengisyaratkan

betapa ringannya biji sawi (khardzal) itu. Melalui penelitian dapat diketahui

bahwa satu kilogram biji sawi terdiri atas 913.000 butir. Dengan demikian, berat

satu butir biji sawi hanya sekitar satu per seribu gram, atau ± 1 mg, dan

merupakan biji-bijian teringan yang diketahui umat manusia sampai sekarang.

Oleh karena itu, biji ini sering digunakan untuk menimbang berat yang sangat

detil dan halus (Quraish Shihab, 2002).

Timbangan amal ini dapat kita umpamakan seperti petani yang menanam padi

di sawah. Dapat diketahui apakah petani itu merawat atau membiarkan padi yang

ia tanam. Setelah masa panen, kemudian padi-padi tersebut akan dijual ke

tengkulak. Tengkulak selanjutnya menimbang dan memberikan harga padi sesuai

dengan kualitas dan kuantitas padi-padi tadi. Dari situ, dapat diketahui apakah

padi tersebut dirawat dengan baik seperti diberi pupuk secara berkala, dicabut

rumput atau gulma yang mengganggu pertumbuhan padi, bahkan apakah padi

dibiarkan sampai akhirnya dapat dipanen. Sama dengan kehidupan kita, apakah

kita menjaga diri kita dari perbuatan kufur, dan munkar atau membiarkan hidup

kita kalah dengan nafsu dan godaan-godaan. Entah, kita meninggal sebelum atau

Page 96: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

80

bertepatan hari kiamat. Segala amal perbuatan manusia yang dilakukan selama di

bumi akan ditimbang kelak di hari pembangkitan.

Allah yang maha bijaksana lagi maha penyanyang telah memberikan kita

berbagai petunjuk baik di dalam al Quran, hadis, ijma’ dll. Agar kita khususnya

muslim senantiasa mengingat terlebih dahulu sebelum melakukan hal. Kehidupan

kita bisa terlepas dari hitung-menghitung, dan Allah telah menyiapkan para

Malaikat untuk mencatat dan menghitung sekecil dan sehalus apapun amal kita.

Yang kelak menjadi sebuah balasan baik (surga) dan buruk (neraka). Sama halnya

pada penelitian ini, dalam berdagang khususnya usaha mebel juga memerlukan

perhitungan. Perhitungan dalam penelitian ini dititik beratkan pada perkiraan

kebutuhan bahan baku. Perhitungan dilakukan untuk pencegahan pada sistem

inventori. Dengan sangat hati-hati dan teliti diharapakan program ini dapat

memberikan hasil optimal dan maksilmal. Dengan menghindari kesalahan-

kesalahan (errors) yang terjadi. Sehingga didapatkan hasil rekomendasi perkiraan

bahan baku yang baik dan optimal.

Page 97: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

81

BAB V

PENUTUP

5.1 Kesimpulan

Program optimasi perkiraan bahan baku mebel dapat berjalan sesuai dengan

kebutuhan. Pengguna terlebih dahulu menyiapkan data permintaan produk dalam

satu bulan dengan format file Excel sesuai dengan tamplate yang disediakan.

Langkah selanjutnya mengisi semua parameter, dan mengunggah data. Data

unggahan menghasilkan rekomendasi perkiraan bahan baku setiap produk dalam

bentuk tabel dan visualisasi grafik.

Metode Algoritma Genetika menggunakan representasi kromosom discrete

decimal encoding atau membangkitkan bilangan bulat (integer). Parameter ukuran

populasi, crossover, mutasi, dan fungsi kendala mempengaruhi besar kecilnya

nilai fitness. Dari ketiga pengujian mendapatkan nilai fitness yang optimal pada

ukuran populasi = 100, crossover = 0.3, dan mutasi = 0.3. Pada pengujian data

permintaan UD. Sekar Jaya menghasilkan nilai fitness paling besar di bulan

Oktober 2017 dengan nilai fitness 0.11. Dan rekomendasi perkiraan bahan baku

menujukkan sebanyak 819 batang kayu, atau sekitar membutuhkan 6 kubik kayu

untuk produksi dalam bulan tersebut dengan perkiraan total laba terbesar yaitu

Rp98.115.000.

Page 98: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

82

5.2 Saran

Berdasarkan penelitian yang dilakukan, terdapat beberapa sarang yang dapat

memperbaiki penelitian ini untuk penelitian selanjutnya agar hasil menjadi lebih

baik adalah sebagai berikut:

1. Penelititan selanjutnya dapat menambahkan kriteria yang lebih spesifik

seperti, jenis kayu yang akan digunakan dalam produksi agar diperoleh hasil

yang maksimal dan optimal.

2. Proses crossover, mutasi, dan seleksi yang digunakan dalam penelitian ini

terbatas dalam satu metode. Sehingga dalam penelitian selanjutnya dapat

menambahkan metode lainnya dalam prosesnya agar diperoleh variasi hasil

dan solusi.

Page 99: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

83

DAFTAR PUSTAKA

Ahyari, A. (2003). Efisiensi Persediaan Bahan. Yogyakarta: BPFE.

Alamendah. Gerakan One Man One Tree. 10 Desember 2018.

https://alamendah.org/2009/11/05/gerakan-one-man-one-tree/

Amirzadeh, A., Taieb, M. H., & Chouinard, J.-Y. (2017). On the Design of Good

LDPC Codes with Joint Genetic Algorithm and Linear Programming

Optimization. IEEE.

Assauri, Sofjan. (2004). Manajemen Produksi dan Operasi. Jakarta: Fakultas

Ekonomi Universitas Indonesia.

Badan Pusat Statistik. 2015. Produksi Kayu Hutan Menurut Jenis Produksi (m3).

Kementrian Lingkungan Hidup dan Kehutanan.

Gen, M., & Cheng, R. (2000). Genetic Algorithm ang Engineering Optimization.

Canada: John Wiley & Sons Inc.

Haupt, Rendy L., & Haupt, Sue Ellen. (2004). Practical Genetic Algorithms

Second Edition. Canada: John Wiley & Sons Inc.

Jordan, Ray. 3 Poin Penting Industri Mebel dan Kerajinan Menurut Jokowi. 26

November 2017. https://finance.detik.com/industri/d-3444396/3-poin-penting-

industri-mebel-dan-kerajinan-menurut-jokowi

Katsir, Ibnu. (2003). Tafsir Ibnu Katsir Jilid 5. Terjemahan oleh Ghoffar, M.

Abdul dan Mu’thi, Abdurrahim. Bogor: Pustaka Imam asy-Syafi’i.

Katsir, Ibnu. (2003). Tafsir Ibnu Katsir Jilid 7. Terjemahan oleh Ghoffar, M.

Abdul dan Mu’thi, Abdurrahim. Bogor: Pustaka Imam asy-Syafi’i.

Page 100: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

84

Kumar, S., Meenu, & Satsangi, P. S. (2012). A Genetic Algorithm Approach for

Optimization of Surface Roughness Prediction Model in Turning Using UD-

GFRP Composite. IEEE, 386-396.

Li, J., Huang, Y., Xu, Z., Wang, J., & Chen, M. (2017). Path Planning of UAV

Based on Hierarchical Genetic Algorithm with Optimized Search Region. IEEE.

Mahmudy, W. (2013). Algoritma Evolusi. Malang: Universitas Barwijaya.

Mahmudy, W., Marian, R., & Luong, L. (2013). Optimization of Part Type

Selection and Loading Problem with Alternative Production Plans in Flexible

Manufacturing System Using Hybrid Genetic Algorithm. 5th International

Conference on Knowledge and Smart Technology (KST). Thailand.

Pardede, P. M. (2005). Manajemen Operasi dan Produksi: Teori, Model dan

Kebijakan. Yogyakarta: Andi.

Rangkuty, Freddy. (2004). Analisis SWOT Teknik Membedah Kasus Bisinis.

Jakarta: PT. Garmedia

Render, B., & Heizer, J. (2001). Prinsip-Prinsip Manajemen Operasi. Jakarta:

Salemba Empat.

Republik Indonesia, Keputusan Mentri Kehutanan Nomor: 163/Kpts-II/2003

tentang Pengelompokan Jenis Kayu Sebagai Dasar Pengenaan Iuran Kehutanan.

Shihab, M. Quraish. (2002). Tafsir Al Misbah (Pesan, Kesan dan Keserasian al-

Quran). Jakarta: Lentera Hati.

Soerianegara, I., & Lemmens. (2002). Sumber Daya Nabati Asia Tenggara 5(1):

Pohon Penghasil Kayu Perdagangan yang Utama. Jakarta: Balai Pustaka.

Page 101: OPTIMASI PERKIRAAN BAHAN BAKU MEBEL …etheses.uin-malang.ac.id/13899/1/13650009.pdfii halaman pengajuan optimasi perkiraan bahan baku mebel menggunakan metode algoritma genetika (studi

85

Suyanto. (2011). Artificial Intelligence Searching Reasoning Planning and

Learning. Bandung: Informatika.

Tseng, F.-H., Wang, X., & Chou, L.-D. (2017). Dynamic Resource Prediction and

Allocation for Cloud Data Center Using the Multiobjective Genetic Algorithm.

IEEE.

Wang, D., Wan, S., Zhang, Y., & Guizani, N. (2017). Design of Improved

Probability Neural Network Classifiers for Medical Decision Making with the Aid

of Genetic Optimization Algorithm. IEEE, 530-535.

Watson, M. (2008). Practical Artificial Intelligence Programming with Java.