IV. PEMODELAN SISTEM
A. Konfigurasi Model
Sistem intelijen untuk Enterprise Resource Planning ERP pada industri tepung jagung ini dirancang dan dikembangkan dalam suatu paket
program aplikasi yang diberi nama Intel ERP. Paket program aplikasi ini
dirancang dengan bahasa pemrograman Pascal dengan menggunakan
perangkat lunak Borland Delphi 7.0. Paket program aplikasi Intel ERP
terdiri dari 2 komponen sistem, yaitu sistem manajemen basis data Data Base Management System
dan sistem manajemen basis model Model Base Management System
. Sistem tersebut berinteraksi secara timbal balik dengan sistem yang lainnya melalui pusat pengolahan sistem yang mengelola
dan mengatur seluruh bagian atau komponen sistem yang terintegrasi dalam paket program. Sistem manajemen dialog membantu dalam mempermudah
komunikasi antar pengguna dengan komputer. Diagram alir informasi dalam
paket program aplikasi Intel ERP dapat dilihat pada Gambar 9.
Gambar 9. Diagram Alir Informasi Intel ERP
B. Perancangan Sistem
1. Sistem Pengolahan Terpusat
Sistem pengolahan terpusat berfungsi untuk mengelola dan mengatur seluruh bagian atau komponen sistem yang terintegrasi dalam
paket program Intel ERP. Sinyal dari sistem yang satu dengan yang
lainnya akan diolah sehingga masing-masing sistem dapat berinteraksi secara timbal balik. Perintah-perintah atau input dari pengguna akan
ditransformasikan dan dikeluarkan dalam bentuk output yang diinginkan
pengguna. Sistem pengolahan terpusat dalam paket program Intel ERP
ditampilkan dalam bentuk menu utama yang dapat diakses oleh fungsi yang bersangkutan.
2. Sistem Manajemen Dialog
Sistem manajemen dialog mengatur tampilan, fleksibilitas, serta kemudahan dalam menjalankan program. Pemodelan sistem ini
menggunakan perangkat lunak Borland Delphi 7.0 untuk pengembangan sistem, dan beberapa program pendukung lainnya seperti Microsoft
Access 2007 untuk pengembangan sistem manajemen basis data dan
Adobe Photoshop CS untuk pengembangan sistem manajemen dialog
dalam merancang desain user interface.
3. Sistem Manajemen Basis Data
Sistem manajemen basis data berfungsi sebagai pemasukan, penghapusan, pusat penyimpanan, pengolahan, pengorganisasian,
penyuntingan, pemanggilan, dan penyediaan data sebagai suatu masukan
model. Basis data dalam model program Intel ERP ditangani oleh
manajemen basis data dengan mengggunakan Microsoft Access 2007.
Manajemen basis data pada paket program Intel ERP menyediakan
fasilitas untuk memanipulasi data seperti input, edit, simpan, hapus, serta untuk mencetak setiap data yang ada.
Pengembangan basis data dalam sistem memerlukan beberapa data yang harus tersedia, yaitu data pemesanan customer, data customer, data
harga produk, data permintaan aktual, data peramalan permintaan, data biaya produksi, data kapasitas produksi, data perencanaan agregat, data
perencanaan pemesanan ekonomis bahan baku, data jadwal produksi, data inventori produk, data supplier, data jadwal pemesanan dan
penerimaan bahan baku, data inventori bahan baku, data jadwal pengiriman produk, data pegawai, data absen pegawai, data biaya
pegawai, data arus kas, dan data password admin. a.
Data Pemesanan Customer Data pemesanan customer berisikan data-data mengenai
pesanan customer terhadap produk tepung jagung. Basis data ini meliputi siapa yang memesan, kapan customer memesan, kapan
produk perlu dikirim, berapa jumlah produk yang dipesan, berapa harga produk per ton, dan berapa total yang harus dibayar. Basis
data ini dirancang secara dinamis sehingga pengguna dapat melakukan kegiatan penambahan, pengurangan, perubahan, dan
pencetakan data pada sub modul order management. Basis data ini dapat diakses pula pada modul distribution sebagai acuan informasi
pengiriman, sub modul product inventory sebagai acuan data pengeluaran produk dari gudang, dan modul financial sebagai acuan
informasi pendapatan. Struktur data pemesanan customer dapat dilihat pada Gambar 10.
Gambar 10. Struktur Data Pemesanan Customer b.
Data Customer Data customer berisikan data-data mengenai profil perusahaan
dari customer. Basis data ini meliputi nama perusahaan, contact person
perusahaan, alamat perusahaan, lokasi perusahaan, nomor
telepon perusahaan, dan email perusahaan. Basis data ini dirancang secara dinamis sehingga pengguna dapat melakukan kegiatan
penambahan, pengurangan, perubahan, dan pencetakan data pada sub modul data customer. Basis data ini dapat diakses pula pada sub
modul order management sebagai informasi mengenai pemesan customer, modul distribution sebagai informasi alamat pengiriman
produk. Struktur data customer dapat dilihat pada Gambar 11.
Gambar 11. Struktur Data Customer c.
Data Harga Produk Data harga produk merupakan data mengenai harga jual
produk tepung jagung. Basis data ini meliputi nama produk dan harga jual produk. Basis data ini dirancang secara dinamis agar
pengguna dapat melakukan perubahan mengenai data harga produk pada sub modul order management. Struktur data harga produk
dapat dilihat pada Gambar 12.
Gambar 12. Struktur Data Harga Produk d.
Data Permintaan Aktual Data permintaan aktual merupakan data mengenai permintaan
dari customer pada periode tertentu. Basis data ini meliputi nama bulan permintaan, tahun permintaan, dan jumlah permintaan. Basis
data ini dapat dilakukan penambahan data sesuai dengan permintaan yang terjadi pada bulan berikutnya dalam sub modul order
management . Pada sub modul forecasting, data permintaan aktual
dijadikan acuan untuk melakukan peramalan untuk beberapa bulan ke depan. Struktur data permintaan aktual dapat dilihat pada
Gambar 13.
Gambar 13. Struktur Data Permintaan Aktual e.
Data Peramalan Permintaan Data peramalan permintaan merupakan data hasil perhitungan
peramalan selama beberapa periode ke depan. Basis data ini meliputi informasi periode peramalan dan nilai peramalan. Basis
data ini dijadikan acuan untuk perencanaan produksi dalam sub modul aggregate planning dan material planning. Struktur data
peramalan permintaan dapat dilihat pada Gambar 14.
Gambar 14. Struktur Data Peramalan Permintaan f.
Data Biaya Produksi Data biaya produksi merupakan data mengenai biaya yang
diperlukan dalam melaksanakan proses produksi. Basis data ini meliputi biaya reguler, biaya lembur, dan biaya inventori produk.
Data biaya produksi ini dapat dilakukan perubahan pada modul
production management . Sub modul production planning dan
product inventory dapat mengakses data biaya produksi sebagai
acuan biaya-biaya yang diperlukan. Struktur data biaya produksi dapat dilihat pada Gambar 15.
Gambar 15. Struktur Data Biaya Produksi g.
Data Kapasitas Produksi Data kapasitas produksi merupakan data mengenai kapasitas
perusahaan dalam berproduksi selama satu bulan. Basis data ini meliputi kapasitas reguler, kapasitas lembur, dan kapasitas inventori
produk. Data kapasitas produksi dapat dilakukan perubahan pada modul production management. Struktur data kapasitas produksi
dapat dilihat pada Gambar 16.
Gambar 16. Struktur Data Kapasitas Produksi h.
Data Perencanaan Agregat Data perencanaan agregat merupakan data hasil perhitungan
perencanaan produksi dimana berisikan data mengenai perencanaan produksi dan inventori selama tiga bulan ke depan. Basis data
perencanaan agregat meliputi periode perencanaan tiga bulan ke depan, prakiraan permintaan tiga bulan ke depan, dan perencanaan
produksi reguler, lembur, dan inventori selama tiga bulan ke depan.
Basis data ini dijadikan acuan untuk perencanaan agregat dalam sub modul material planning, raw material inventory, dan modul
production management . Struktur data perencanaan agregat dapat
dilihat pada Gambar 17.
Gambar 17. Struktur Data Perencanaan Agregat i.
Data Perencanaan Pemesanan Ekonomis Bahan Baku Data perencanaan pemesanan ekonomis bahan baku
merupakan data hasil perhitungan untuk memperoleh biaya yang ekonomis dalam melakukan pesanan bahan baku. Basis data ini
meliputi informasi tahun pemesanan bahan baku, jumlah pesanan bahan baku, frekuensi pemesanan bahan baku, dan waktu pemesanan
bahan baku. Basis data ini dijadikan acuan untuk perencanaan pemesanan bahan baku dalam sub modul material planning.
Struktur data perencanaan pemesanan ekonomis bahan baku dapat dilihat pada Gambar 18.
Gambar 18. Struktur Data Perencanaan Pemesanan Ekonomis Bahan
Baku j.
Data Jadwal Produksi Data jadwal produksi berisikan data-data mengenai hasil
produksi yang telah dilaksanakan pada hari tertentu. Basis data ini
meliputi tanggal produksi dilakukan, produk yang dihasilkan, apakah produksi reguler atau lembur, jumlah tepung jagung yang
diproduksi, jumlah ampok yang dihasilkan, biaya produksi, dan total biaya produksi. Basis data ini dirancang secara dinamis sehingga
pengguna dapat melakukan kegiatan penambahan, pengurangan, perubahan, dan pencetakan data pada modul production
management . Basis data ini dapat diakses pula pada sub modul
product inventory sebagai acuan informasi hasil produksi, sub modul
raw material inventory sebagai acuan data pengeluaran bahan baku
dari gudang, dan modul financial accounting sebagai acuan informasi biaya produksi. Struktur data jadwal produksi dapat
dilihat pada Gambar 19.
Gambar 19. Struktur Data Jadwal Produksi k.
Data Inventori Produk Data inventori produk berisikan data-data mengenai laporan
keluar-masuk produk dari gudang dan biaya inventori produk. Basis data inventori produk meliputi tanggal, nama produk, produk masuk
gudang, produk keluar gudang, jumlah produk yang disimpan dalam gudang, biaya penyimpanan per satuan, total biaya penyimpanan
produk. Basis data ini dirancang agar pengguna dapat melakukan kegiatan penambahan, pengurangan, perubahan, dan pencetakan data
pada sub modul product inventory. Basis data ini dapat diakses pula pada modul distribution management sebagai acuan informasi
pengiriman produk dan modul financial accounting sebagai acuan informasi biaya inventori produk. Struktur data inventori produk
dapat dilihat pada Gambar 20.
Gambar 20. Struktur Data Inventori Produk l.
Data Supplier Data supplier berisikan data-data mengenai profil perusahaan
supplier . Basis data supplier meliputi nama perusahaan, contact
person perusahaan, alamat perusahaan, lokasi perusahaan, nomor
telepon perusahaan, email perusahaan, kapasitas pengiriman perusahaan, harga jual bahan baku dari perusahaan, dan biaya
pemesanan bahan baku. Basis data ini dirancang secara dinamis sehingga pengguna dapat melakukan kegiatan penambahan,
pengurangan, perubahan, dan pencetakan data pada sub modul data supplier
. Basis data supplier dapat diakses pula pada modul purchasing
sebagai informasi mengenai supplier. Struktur data supplier
dapat dilihat pada Gambar 21.
Gambar 21. Struktur Data Supplier m.
Data Jadwal Pemesanan dan Penerimaan Bahan Baku Data jadwal pemesanan dan penerimaan bahan baku berisikan
data-data mengenai hasil pemesanan terhadap supplier. Basis data
ini meliputi tanggal pemesanan bahan baku, waktu permintaan bahan baku, nama supplier, jumlah bahan baku yang dipesan, harga satuan
bahan baku, harga total bahan baku, biaya pemesanan bahan baku, dan biaya total yang harus dikeluarkan. Basis data ini dirancang
agar pengguna dapat melakukan kegiatan penambahan, pengurangan, perubahan, dan pencetakan data pada modul
purchasing . Basis data ini dapat diakses pula pada sub modul raw
material inventory sebagai acuan data pemasukan bahan baku ke
gudang dan modul financial accounting sebagai acuan informasi biaya pembelian bahan baku. Struktur data jadwal pemesanan dan
penerimaan bahan baku dapat dilihat pada Gambar 22.
Gambar 22. Struktur Data Jadwal Pemesanan dan Penerimaan Bahan
Baku n.
Data Inventori Bahan Baku Data inventori bahan baku berisikan data-data mengenai
laporan keluar-masuk bahan baku dari gudang dan biaya inventori bahan baku. Basis data ini meliputi tanggal, nama bahan baku,
bahan baku masuk gudang, bahan baku keluar gudang, jumlah bahan baku yang disimpan dalam gudang, biaya penyimpanan, biaya
pemesanan bahan baku, dan total biaya penyimpanan. Basis data ini dirancang secara dinamis sehingga pengguna dapat melakukan
kegiatan penambahan, pengurangan, perubahan, dan pencetakan data pada sub modul raw material inventory. Basis data ini dapat diakses
pula pada modul financial accounting sebagai acuan informasi biaya inventori bahan baku. Struktur data inventori bahan baku dapat
dilihat pada Gambar 23.
Gambar 23. Struktur Data Inventori Bahan Baku o.
Data Jadwal Pengiriman Produk Data jadwal pengiriman produk berisikan data-data mengenai
pengiriman produk ke customer. Basis data ini meliputi kapan dilakukan pengiriman produk, produk yang dikirimkan ke customer,
jumlah produk yang dikirim, tujuan pengiriman produk, dan biaya pengiriman produk. Basis data ini dirancang agar pengguna dapat
melakukan kegiatan penambahan, pengurangan, perubahan, dan pencetakan data pada modul distribution management. Basis data
ini dapat diakses pula pada modul financial accounting sebagai acuan informasi biaya distribusi. Struktur data jadwal pengiriman
produk dapat dilihat pada Gambar 24.
Gambar 24. Struktur Data Jadwal Pengiriman Produk p.
Data Pegawai Data pegawai berisikan data-data mengenai pegawai di dalam
perusahaan. Basis data pegawai meliputi nama, divisi, jabatan, alamat, nomor telepon rumah, nomor handphone, tanggal lahir,
agama, dan email. Basis data ini dapat diakses pada sub modul personal management
. Struktur data pegawai dapat dilihat pada Gambar 25.
Gambar 25. Struktur Data Pegawai q.
Data Absen Pegawai Data absen pegawai berisikan data-data mengenai jam kerja
pegawai dan total gaji yang diterima pegawai. Basis data absen pegawai meliputi bulan yang bersangkutan, nama, jabatan, jumlah
jam kerja lembur, gaji pokok, biaya kerja lembur, dan total gaji yang diterima. Basis data ini dapat diakses pada sub modul organization
management . Struktur data absen pegawai dapat dilihat pada
Gambar 26.
Gambar 26. Struktur Data Absen Pegawai r.
Data Biaya Pegawai Data biaya pegawai merupakan data mengenai biaya yang
diberikan kepada pegawai sesuai dengan jabatan masing-masing. Basis data ini meliputi jabatan pegawai, biaya reguler, dan biaya
lembur pegawai per jam. Data biaya pegawai ini dapat dilakukan perubahan dan dapat diakses pada sub modul organization
management . Struktur data biaya pegawai dapat dilihat pada
Gambar 27.
Gambar 27. Struktur Data Biaya Pegawai s.
Data Arus Kas Data arus kas berisikan data-data mengenai pemasukan dan
pengeluaran keuangan di perusahaan. Basis data ini meliputi tanggal yang bersangkutan, pendapatan dari hasil penjualan produk, biaya
produksi, biaya penyimpanan produk, biaya penyimpanan bahan baku, biaya distribusi produk, dan biaya lain-lain. Basis data ini
dirancang agar pengguna dapat melakukan kegiatan penambahan, pengurangan, perubahan, dan pencetakan data pada modul financial
accounting . Struktur data arus kas dapat dilihat pada Gambar 28.
Gambar 28. Struktur Data Arus Kas t.
Data Password Admin Data password admin merupakan data mengenai password
bagi administrator program Intel ERP. Basis data ini meliputi nama
divisi dan password. Data password admin dapat dilakukan perubahan pada menu login program. Struktur data password admin
dapat dilihat pada Gambar 29.
Gambar 29. Struktur Data Password Admin
4. Sistem Manajemen Basis Model Intelijen
Sistem manajemen basis model merupakan fasilitas yang digunakan sebagai penunjang pengambilan keputusan yang berisi formulasi
matematis sebagai alat perhitungan. Sistem manajemen basis model intelijen ini memiliki keterkaitan dalam menganalisa data yang
dimasukkan maupun yang terdapat pada basis data dalam penentuan perencanaan perusahaan. Sistem manajemen basis model intelijen yang
dikembangkan yaitu model peramalan permintaan, model perencanaan agregat, model perencanaan kebutuhan bahan baku, dan model algoritma
genetika. a.
Model Peramalan Permintaan Model peramalan permintaan digunakan untuk memperkirakan
permintaan produk dari customer untuk beberapa bulan ke depan yang akan digunakan dalam perencanaan produksi perusahaan.
Secara garis besar, metode peramalan dikelompokkan menjadi dua, yaitu metode kuantitatif dan metode kualitatif. Metode kuantitatif
dapat dibagi menjadi dua, yaitu metode deret waktu dan metode kausal. Metode kualitatif pun dibagi menjadi dua, yaitu metode
bersifat eksploratif dan metode bersifat normatif. Pemodelan sistem dalam peramalan permintaan menggunakan
metode deret waktu. Metode ini melakukan pendugaan terhadap masa yang akan datang berdasarkan atas nilai-nilai peubah atau nilai
galat error pada masa lalu.
Metode ini dilakukan dengan melihat nilai error terkecil dari 5 teknik yang digunakan, yaitu teknik perataan bergerak tunggal
single moving average, teknik perataan bergerak ganda double moving average
, teknik prakiraan pemulusan eksponensial tunggal single exponential smoothing, teknik linear Brown satu parameter
Brown’s method, dan teknik linear Holt dua parameter Holt’s method
. Teknik yang memiliki nilai error terkecil akan dijadikan landasan untuk melaksanakan model peramalan permintaan.
1. Teknik Perataan Bergerak Tunggal
Menurut Herjanto 2006 prakiraan dengan teknik perataan bergerak tungal didasarkan pada proyeksi serial data
yang dimuluskan dengan rata-rata bergerak. Nilai prakiraan untuk suatu periode merupakan rata-rata dari nilai observasi
N periode terakhir. Serial data yang digunakan jumlahnya selalu tetap dan termasuk data periode terakhir. Rumus
prakiraan dengan metode rata-rata bergerak tunggal adalah sebagai berikut :
∑
Keterangan : = data observasi periode t
= panjang serial waktu yang digunakan = nilai prakiraan periode t + 1
2. Teknik Perataan Bergerak Ganda
Menurut Machfud 1999 prakiraan dengan teknik perataan bergerak ganda hampir sama dengan teknik perataan
bergerak tunggal, hanya saja teknik ini lebih menunjukkan apabila pola data terdapat kecenderungan trend. Dasar dari
teknik ini adalah dengan menghitung perataan bergerak kedua dimana perataan bergerak kedua ini diperoleh dari
perataan bergerak dari hasil perataan bergerak pertama. Hasil
perataan bergerak pertama disimbolkan dengan dan perataan bergerak kedua disimbolkan dengan
. Teknik perataan bergerak ganda dirumuskan sebagai berikut :
dimana :
Keterangan : = data observasi periode t
= banyaknya periode peramalan = panjang serial waktu yang digunakan
= perataan bergerak pertama periode t = perataan bergerak kedua periode t
= nilai prakiraan periode t + m 3.
Teknik Prakiraan Pemulusan Eksponensial Teknik prakiraan pemulusan eksponensial pada dasarya
adalah suatu teknik perataan bergerak dimana pembobotan terhadap data historis digunakan untuk menentukan angka
prakiraan yang diberikan secara eksponensial. Pada teknik pemulusan eksponensial terdapat satu parameter pemulus
yang akan menentukan seberapa besar bobot yang diberikan terhadap data historis. Nilai parameter pemulus berkisar
antara 0 dan 1. Penggunaan teknik ini memerlukan inisiasi penetapan nilai dimana nilai
= Machfud, 1999.
Rumus teknik prakiraan pemulusan eksponensial adalah sebagai berikut :
Keterangan : = data observasi periode t
= nilai parameter pemulus = nilai prakiraan periode t + 1
4. Teknik Linear Brown Satu Parameter
Menurut Machfud 1999 teknik linear Brown serupa dengan teknik perataan bergerak ganda, tetapi dengan proses
pemulusan yang berbeda pada setiap periodenya. Prakiraan untuk m periode ke depan dirumuskan sebagai berikut :
dimana :
dengan nilai inisiasi :
Keterangan : = data observasi periode t
= banyaknya periode peramalan = nilai parameter pemulus
= perataan bergerak pertama periode t = perataan bergerak kedua periode t
= nilai prakiraan periode t + m
5. Teknik Linear Holt Dua Parameter
Menurut Machfud 1999 teknik ini serupa dengan metode Brown yang cocok digunakan terhadap pola data
yang mempunyai kecenderungan trend. Teknik linear Holt terdapat proses pemulusan terhadap trend yang dilakukan
secara terpisah karena dapat dimuluskan dengan menggunakan parameter pemulus yang berbeda. Teknik ini
menggunakan dua parameter pemulus yaitu α dan δ yang
bernilai berkisar antara 0 dan 1. Prakiraan untuk m periode mendatang dirumuskan sebagai berikut :
dimana :
dengan nilai inisiasi :
Keterangan : = data observasi periode t
= banyaknya periode peramalan = nilai parameter pemulus pertama
= nilai parameter pemulus kedua = perataan bergerak pertama periode t
= perataan bergerak kedua periode t = nilai prakiraan periode t + m
Prakiraan dapat disebut sempurna apabila nilai variabel yang diramalkan sama dengan nilai sebenarnya. Untuk dapat melakukan
prakiraan yang selalu tepat sangat sukar bahkan dapat dikatakan tidak mungkin. Oleh karena itu, prakiraan diharapkan memiliki nilai
kesalahan yang sekecil mungkin. Pengukuran kesalahan yang
dilakukan dalam model peramalan permintaan ini adalah dengan menggunakan teknik rata-rata persentase kesalahan absolut.
Pengukuran ketelitian dengan cara rata-rata persentase kesalahan absolut MAPE, mean absolute percentage error menunjukkan rata-
rata kesalahan absolut prakiraan dalam bentuk persentasenya terhadap data aktual Herjanto, 2006. Perumusan MAPE adalah
sebaga berikut : ∑ | |
Keterangan : = data aktual pada periode i
= kesalahan prakiraan selisih data aktual dan prakiraan = panjang serial waktu yang digunakan
= nilai error b.
Model Perencanaan Agregat Model perencanaan agregat merupakan model yang digunakan
dalam perencanaan produksi secara menyeluruh yang fisibel dan optimal. Fisibel berarti dapat memenuhi permintaan pasar sesuai
dengan kapasitas yang ada, sedangkan optimal berarti menggunakan sumber daya sebijaksana mungkin dengan pengeluaran biaya
serendah mungkin. Pendekatan matematika digunakan dalam model ini yaitu
dengan konsep integer linear programming. Konsep ini digunakan karena dalam model perencanaan agregat, variabel bebas yang
didefinisikan memiliki tipe data integer atau berupa bilangan bulat positif. Variabel bebas yang didefinisikan yaitu jumlah produk yang
harus diproduksi dimana variabel tersebut bernilai bulat positif. Persamaan linear digunakan dalam model ini karena konsep
perencanaan agregat memiliki permasalahan yang bersifat linear dimana hubungan antara satu variabel keputusan dengan variabel
keputusan yang lain bersifat aditif penjumlahan.
Selanjutnya model integer linear programming dari model perencanaan agregat diselesaikan dengan model algoritma genetika.
Teknik algoritma genetika digunakan karena teknik ini dapat menghasilkan solusi real time secara cepat. Selain itu juga,
algoritma genetika dapat menghindari keadaan lokal optimum. Dengan menggunakan konsep integer linear programming, model
perencanaan agregat diformulasikan ke dalam model matematika sebagai berikut :
dimana :
untuk setiap i=1,2,...m ; t=1,2,...T Keterangan :
= total biaya = biaya produksi pada sumber daya ke-i dan periode ke-t
= jumlah produk yang diproduksi pada sumber daya ke-i dan periode ke-t
= biaya penyimpanan pada periode ke-t = inventori produk pada periode ke-t
= permintaan pada periode ke-t = kapasitas produksi pada sumber daya ke-i dan periode
ke-t = kapasitas inventori pada periode ke-t
= banyaknya sumber daya reguler, lembur = banyaknya periode perencanaan
c. Model Algoritma Genetika
Model ini merupakan model yang digunakan dalam menyelesaikan solusi dari model perencanaan agregat yang masih
dalam bentuk persamaan linear integer. Model persamaan linear integer, dengan menggunakan teknik algoritma genetika,
direpresentasikan menjadi sebuah solusi dalam bentuk sebuah kromosom. Kromosom tersebut kemudian melakukan penyilangan
dan mutasi hingga diperoleh pemecahan yang optimal nilai fitness optimum.
Algoritma genetika melakukan pencarian sejumlah solusi fisibel yang direpresentasikan sebagai jumlah kromosom yang
disebut populasi. Kromosom-kromosom pada populasi dibangun secara acak dan berevolusi melalui beberapa generasi yang
diharapkan nilai generasi selanjutnya lebih baik dari generasi sebelumnya hingga diperoleh nilai fitness yang diharapkan
optimum. i.
Representasi Kromosom Reperesentasi kromosom merupakan tahapan awal
dalam penerapan algoritma genetika. Representasi kromosom dilakukan dengan pengkodean sebagai variabel
keputusan. Pada model perencanaan agregat, kromosom direpresentasikan ke dalam bentuk string integer.
Representasi kromosom string integer dapat dilihat pada Gambar 30.
Gambar 30. Representasi Kromosom 9
6 5
1 9
3 4
2
ii. Fungsi Fitness
Kromosom pada setiap generasi dievaluasi dengan fungsi fitness. Fungsi fitness digunakan untuk memberikan
ciri dan mengukur seberapa baik sebuah solusi. Suatu fungsi fitness
digunakan untuk memberikan ciri dan mengukur seberapa baik sebuah solusi. Fungsi fitness merupakan fungsi
yang akan mengukur tingkat kebugaran suatu kromosom dalam populasi. Semakin baik nilai fitness, semakin bugar
pula kromosom dalam populasi sehingga semakin besar kemungkinan kromosom tersebut dapat bertahan dalam
generasi selanjutnya. iii.
Seleksi Kromosom Kromosom populasi dievaluasi dengan menghitung
nilai fungsi fitnessnya setelah populasi awal terbentuk yang kemudian proses pembentukan generasi baru dengan proses
seleksi kromosom. Seleksi kromosom dilakukan dengan memilih beberapa kromosom untuk dijadikan kromosom
induk bagi generasi berikutnya. Kromosom induk akan dibandingkan dengan kromosom anak dimana kromosom
yang memiliki nilai fitness yang terbaik akan dijadikan kromosom induk pada generasi berikutnya.
iv. Penyilangan Kromosom
Penyilangan kromosom dilakukan setelah proses penyeleksian kromosom terjadi. Penyilangan kromosom
akan menukar informasi genetik antara dua kromosom induk yang terpilih dari proses seleksi untuk membentuk dua anak.
Anak kromosom yang dihasilkan kemudian akan dibandingkan dengan induk kromosom. Kromosom yang
memiliki nilai fitness yang diharapkan akan dijadikan induk kromosom pada generasi selanjutnya.
Penyilangan kromosom berhubungan dengan peluang penyilangan. Nilai peluang penyilangan Pc adalah rasio
antara jumlah kromosom yang diharapkan mengalami penyilangan dalam setiap generasi dengan jumlah kromosom
total dalam populasi. Nilai Pc biasanya berkisar antara 0,6 hingga 1. Penyilangan yang dilakukan dalam model ini
adalah penyilangan satu titik one point crossover. Ilustrasi proses penyilangan satu titik dapat dilhat pada Gambar 31.
Gambar 31. Penyilangan Satu Titik One Point Crossover v.
Mutasi Kromosom Menurut Andria 2007, mutasi kromosom bekerja pada
sebuah gen dalam suatu kromosom. Dengan adanya mutasi kromosom, struktur kromosom dapat dimodifikasi agar
dihasilkan kromosom dengan struktur baru yang memiliki nilai fitness lebih baik. Mutasi pada umunya digunakan
untuk mencegah tidak adanya kehilangan informasi di dalam kromosom.
Peluang mutasi Pm adalah rasio antara jumlah gen yang diharapkan mengalami mutasi pada setiap generasi
dengan jumlah gen total dalam populasi. Nilai Pm biasanya berkisar antara 0,001 hingga 0,2. Ilustrasi proses mutasi
dapat dilihat pada Gambar 32. Parent 1
9 6
5 1
9 3
4 2
6 9
3 4
8 8
1 5
9 6
5 1
9 8
1 5
6 9
3 4
8 3
4 2
Parent 2
Offspring 1 Offspring 2
Gambar 32. Ilustrasi Mutasi Kromosom Algoritma genetika membutuhkan struktur program agar dapat
menemukan solusi yang optimal. Struktur tersebut terdiri dari dua belas prosedur dan enam fungsi. Prosedur dan fungsi yang
diperlukan dalam algortima genetika adalah sebagai berikut :
i. Procedure Advance_Random, WarmUp_Random, dan
Randomize Prosedur untuk membangkitkan bilangan acak pada komputer
ii. Procedure Statistics
Prosedur menghitung dan menyimpan nilai fitness rata-rata, minimum, dan maksimum untuk tiap generasi kemudian
dapat ditampilkan dalam bentuk grafik.
iii. Procedure InitData
Prosedur untuk menginisialisasi variabel-variabel algoritma genetika seperti panjang kromosom, jumlah populasi, jumlah
mutasi, jumlah penyilangan, dan persiapan pembangkitan bilangan acak.
iv. Procedure InitReport
Prosedur untuk menampilkan laporan tentang informasi populasi awal atau generasi ke-0 yang mencakup struktur
kromosom, nilai fitness tiap kromosom, dan statistik nilai fitness
.
v. Procedure InitPop
Prosedur untuk membuat suatu populasi awal secara acak dengan kromosom representasi integer yang legal.
9 6
5 1
9 3
4 2
9 6
3 1
9 3
4 2
Kromosom
Kromosom
vi. Procedure Initialize
Prosedur untuk menghimpun prosedur InitData, InitPop, Statistics,
dan InitReport. vii.
Procedure Crossover
Prosedur untuk menyilangkan dua buah kromosom dengan teknik one point crossover.
viii. Procedure Generation
Prosedur untuk mengembangbiakan kromosom-kromosom hingga generasi maksimum. Di dalamnya terdapat proses
seleksi, penyilangan, dan mutasi.
ix. Procedure Report
Prosedur pembuatan output file berupa laporan kinerja algoritma genetika dari generasi ke generasi yang
menginformasikan secara detail tentang struktur kromosom induk dan anak, titik penyilangan, jumlah penyilangan,
jumlah mutasi, nilai fitness, dan nilai statistik fitness.
x. Procedure Elitism
Prosedur untuk memilih kromosom anak yang terbaik dengan membandingkan kromosom anak terhadap kromosom induk
dimana nilai fitness yang terbaik akan dijadikan kromosom anak.
xi. Function Random
Fungsi untuk membangkitkan sebuah bilangan acak dari rentang 0 – 1.
xii. Function Flip
Fungsi untuk menghasilkan nilai boolean true apabila bilangan acak yang dibangkitkan lebih kecil atau sama
dengan nilai probabilitas penyilangan ataupun mutasi.
xiii. Function Rnd
Fungsi untuk membangkitkan bilangan acak dari rentang tertentu yang digunakan untuk membangkitkan nilai-nilai
solusi kromosom dari variabel-variabel keputusan.
xiv. Function Decode
Fungsi untuk memindahkan nilai gen pada kromosom ke dalam suatu variabel.
xv. Function Select
Fungsi utnuk memilih kromosom induk menggunakan teknik turnament selection
.
xvi. Function FitFunc
Fungsi untuk menghitung nilai fitness dari suatu kromosom yang merupakan nilai dari fungsi Total Cost.
d. Model Perencanaan Kebutuhan Bahan Baku
Model perencanaan kebutuhan bahan baku merupakan bentuk perencanaan yang dilakukan oleh perusahaan dalam memenuhi
target produksi yang direncanakan dengan melakukan perencanaan kebutuhan bahan baku agar dapat meminimalkan biaya persediaan.
Model perencanaan bahan baku yang digunakan dalam program
Intel ERP yaitu model persediaan kuantitas pesanan ekonomis.
Menurut Herjanto 2006, kuantitas pesanan ekonomis economic order quantity, EOQ merupakan salah satu model klasik,
diperkenalkan oleh FW Harris pada tahun 1914, tetapi paling banyak dikenal dalam teknik pengendalian persediaan. Model ini
mengasumsikan bahwa permintaan dianggap konstan, persediaan berkurang dalam jumlah yang sama linear dari waktu ke waktu.
Pada saat tingkat persediaan mencapai nol, pesanan untuk kelompok baru tepat diterima, sehingga persediaan naik kembali sampai Q.
Grafik persediaan dapat dilihat pada Gambar 33.
Gambar 33. Grafik Persediaan dalam Model EOQ Model EOQ diperoleh dengan pendekatan uji coba trial and
error untuk mengetahui jumlah pesanan yang paling ekonomis.
Caranya dimulai dengan menghitung biaya-biaya yang timbul pada setiap kemungkinan frekuensi pesanan, yaitu pemesanan 1 kali
dalam satu periode, 2 kali dalam satu periode, dan seterusnya. Dengan membandingkan biaya total dari setiap frekuensi pesanan,
dapat diketahui jumlah frekuensi pesanan dan jumlah pesanan yang paling ekonomis, yaitu yang memberikan biaya total terrendah.
Apabila EOQ dituangkan dalam bentuk grafik, seperti pada Gambar 34, dapat diketahui bahwa semakin besar frekuensi
pemesanan maka biaya pemesanan akan meningkat secara linear, sedangkan biaya penyimpanan akan menurun secara eksponensial.
Biaya total minimum berada pada titik terrendah kurva biaya total, yaiut pada saat garis biaya pemesanan berpotongan dengan garis
biaya penyimpanan.
Jumlah persediaan
Q Q2
tingkat persediaan
rata-rata persediaan
Waktu
Gambar 34. Biaya Total sebagai Fungsi dari Frekuensi Pesanan
C. Implementasi
Tahap implementasi merupakan tahap mengkoordinasikan antara basis data dan basis model yang kemudian diimplementasikan ke dalam suatu
program komputer. Nama dari paket program ERP intelijen ini adalah Intel ERP
yang dikembangkan dengan menggunakan bantuan program Borland Delphi
7.0 untuk pengembangan antar muka dan Microsoft Access 2007 untuk manajemen basis data. Spesifikasi minimum yang harus dimiliki oleh
komputer agar program ini dapat dijalankan, yaitu Processor Pentium IV atau yang setara, sistem operasi Microsoft Windows XP, memori RAM 256 MB,
harddisk space 500 MB, monitor dengan resolusi 800 x 600 pixel, CDRom
dan Printer pilihan.
Biaya Rp
Frekuensi Memesan
Biaya Pemesanan
Biaya Penyimpanan
Total Biaya
V. IMPLEMENTASI
A. Program Utama
Intel ERP merupakan paket program yang mengintegrasikan beberapa
modul dan sub modul yang saling berkaitan. Modul-modul utama paket
program Intel ERP, yaitu modul pemasaran, PPIC, produksi, pembelian,
material, distribusi transportasi, sumber daya manusia, dan finansial. Sub modul yang terkait, yaitu data customer, order management, forecasting,
aggregate planning , material planning, produksi, data supplier, purchasing,
raw material inventory , product inventory, distribusi, personal management,
organization management , dan financial accounting.
Pengguna paket program Intel ERP adalah pihak-pihak yang terkait
dengan kegiatan dalam perusahaan yang memproduksi tepung jagung. Paket program ini dapat digunakan sebagai alat bantu manajemen yang efektif
dalam mengambil sebuah keputusan yang dapat meningkatkan fungsionalitas perusahaan, penghematan biaya operasi, peningkatan jumlah penjualan, dan
menambah daya saing perusahaan. Di dalam paket program Intel ERP,
perubahan yang dilakukan pada satu modul akan secara otomatis meng- update
modul yang lainnya bila informasi yang diubah berkaitan dengan modul tersebut. Data akan ter-update secara langsung begitu pengguna
memasukkan data ke dalam sistem. Petunjuk penggunaan program Intel ERP dapat dilihat pada Lampiran 1.
Intel ERP memiliki sistem pengolahan terpusat yang merupakan
tampilan utama yang menghubungkan keterkaitan antara satu modul dengan modul lainnya. Paket program ini pertama kali muncul dengan tampilan
menu pilihan berupa modul mana yang akan diakses oleh pengguna. Selain itu juga terdapat menu lainnya berupa menu about Intel ERP berisi tentang
informasi paket program Intel ERP dan menu about programmer yang berisi
tentang informasi pembuat program. Tampilan menu utama dari paket
program Intel ERP dapat dilihat pada Gambar 35.