TA : Rancang Bangun Aplikasi Peramalan Persediaan Bahan Baku Pada CV Lintas Nusa Surabaya.
RANCANG BANGUN APLIKASI PERAMALAN PERSEDIAAN
BAHAN BAKU PADA CV LINTAS NUSA SURABAYA
TUGAS AKHIR
Program Studi S1 Sistem Informasi
Oleh:
IIN INDARWATI 10.41011.0007
FAKULTAS TEKNOLOGI DAN INFORMATIKA
INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA
(2)
x
ABSTRAK ... vii
KATA PENGANTAR ...viii
DAFTAR ISI ... x
DAFTAR GAMBAR ...xiv
DAFTAR TABEL ... .xviii
DAFTAR LAMPIRAN ...xxi
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah ... 3
1.4 Tujuan Penelitian ... 4
1.5 Manfaat Penelitian ... 4
1.6 Sistematika Penulisan ... 5
BAB II LANDASAN TEORI ... 7
2.1 Persediaan ... 7
2.2 Fungsi Persediaan ... 7
2.3 Make To Order ... 8
2.4 Bill Of Material ... 8
2.5 Peramalan ... 10
2.5.1 Definisi Peramalan ... 10
2.5.2 Tahapan Peramalan ... 11
(3)
xi
2.6 Uji Pola Data ... 13
2.7 Single Exponential Smoothing (SES) ... 14
2.8 Menghitung Kesalahan Peramalan ... 16
2.8.1 Mean Absolute Deviation (MAD) ... 16
2.8.2 Mean Squared Error (MSE) ... 17
2.8.3 Mean Absolute Percentage Error (MAPE)... 17
2.8.4 Mean Percentage Error (MPE) ... 18
2.9 Aplikasi ... 19
2.10 Black Box Testing ... 20
2.11 System Development Life Cycle (SDLC) ... 20
2.12 Percetakan Offset ... 23
BAB III ANALISIS DAN PERANCANGAN SISTEM ... 26
3.1 Analisis Sistem ... 26
3.1.1 Komunikasi ... 26
A Analisis Bisnis ... 27
B Analisis Kebutuhan Pengguna ... 30
C Analisis Kebutuhan Data ... 31
D Analisis Kebutuhan Fungsi ... 32
3.1.2 Perencanaan Kebutuhan Sistem ... 35
3.1.3 Proses Peramalan ... 36
A Pengumpulan Data ... 36
(4)
xii
D Peramalan Periode Masa Lalu ... 41
E Perhitungan Akurasi ... 42
F Peramalan Periode Berikutnya dan Menggunakan Hasilnya dalam Proses Pengambilan Keputusan ... 43
3.2 Perancangan Sistem (Pemodelan Sistem)... 45
3.2.1 Perancangan Proses ... 46
A Context Diagram... 46
B Diagram Jenjang Proses ... 47
C Data Flow Diagram Level 0 ... 49
D Data Flow Diagram Level 1 ... 50
3.2.2 Perancangan Data ... 53
A Entity Relationship Diagram ... 53
B Struktur Tabel ... 56
3.2.3 Desain Antarmuka Pengguna ... 61
3.3 Perancangan Pengujian ... 72
3.3.1 Perancangan Uji Coba Aplikasi ... 72
BAB IV IMPLEMENTASI DAN EVALUASI ... 79
4.1 Implementasi ... 79
4.1.1 Implementasi Sistem ... 80
4.2 Evaluasi Sistem ... 91
4.2.1 Uji Coba Sistem ... 91
4.2.2 Evaluasi Perhitungan Peramalan……….104
(5)
xiii
5.2 Saran ...126 DAFTAR PUSTAKA ...127 LAMPIRAN ...128
(6)
xiv
Gambar 2.1 SDLC Model Waterfall ... 21
Gambar 2.2 Proses Cetak Offset ... 25
Gambar 3.1 Document Flow Peramalan Persediaan Bahan Baku ... 30
Gambar 3.2 Hasil Pola Data dari Data Permintaan ... 38
Gambar 3.3 Uji Autokorelasi Data Permintaan ... 38
Gambar 3.4 ContextDiagram Aplikasi Peramalan Persediaan Bahan Baku .... 47
Gambar 3.5 Diagram Jenjang Level 0 dari Aplikasi Peramalan Persediaan Bahan Baku ... 48
Gambar 3.6 Diagram Jenjang Level 1 dari Proses Mengelola Data ... 48
Gambar 3.7 Diagram Jenjang Level 1 dari Proses Melakukan Peramalan ... 48
Gambar 3.8 Diagram Jenjang Level 1 dari Proses Membuat Laporan ... 59
Gambar 3.9 DFD Level 0 Aplikasi Peramalan Persediaan Bahan Baku... 50
Gambar 3.10 DFD Level 1 Mengelola Data Master ... 51
Gambar 3.11 DFD Level 1 Melakukan Peramalan ... 52
Gambar 3.12 DFD Level 1 Membuat Laporan ... 52
Gambar 3.13 CDM Aplikasi Peramalan Persediaan ... 54
Gambar 3.14 PDM Aplikasi Peramalan Persediaan ... 56
Gambar 3.15 Desain Halaman Menu Utama ... 62
Gambar 3.16 Desain Halaman Menu Mengelola Data Master ... 63
Gambar 3.17 Desain Halaman Menu Membuat Laporan ... 63
Gambar 3.18 Desain Halaman Jenis... 65
Gambar 3.19 Desain Halaman Kategori... 65
(7)
xv
Gambar 3.22 Desain Halaman Bill Of Material ... 68
Gambar 3.23 Desain Halaman Permintaan Produk jadi ... 69
Gambar 3.24 Desain Halaman Peramalan ... 70
Gambar 3.25 Desain Lapora Hasil Peramalan ... 71
Gambar 3.26 Desain Laporan Kebutuhan Bahan Baku ... 71
Gambar 4.1 Form Menu Utama ... 81
Gambar 4.2 Form Mengelola Data Master ... 81
Gambar 4.3 Form Master Jenis ... 82
Gambar 4.4 Form Master Kategori ... 83
Gambar 4.5 Form Master Bahan Baku ... 84
Gambar 4.6 Form Master Produk Jadi ... 85
Gambar 4.7 Form Master Bill Of Material ... 86
Gambar 4.8 Form Master Permintaan Produk Jadi ... 87
Gambar 4.9 Form Peramalan ... 88
Gambar 4.10 Laporan Hasil Peramalan 3 Periode ... 90
Gambar 4.11 Laporan Kebutuhan Bahan Baku 3 periode ... 91
Gambar 4.12 Tampilan Pesan Log In Berhasil... 92
Gambar 4.13 Tampilan Form Menu Utama Hak Akses Bagian Penjualan ... 93
Gambar 4.14 Tampilan Form Menu Utama Hak Akses Bagian Gudang ... 94
Gambar 4.15 Hasil Uji Master Jenis ... 95
Gambar 4.16 Hasil Uji Master Kategori ... 95
(8)
xvi
Gambar 4.19 Hasil Uji Master Bill Of Material ... 97
Gambar 4.20 Hasil Uji Master Permintaan ... 97
Gambar 4.21 Hasil Uji Tombol Form Master ... 98
Gambar 4.22 Hasil Uji Tombol Form Master ... 99
Gambar 4.23 Hasil Uji Form Peramalan ...100
Gambar 4.24 Hasil Uji Form Peramalan ...101
Gambar 4.25 Hasil Uji Form Peramalan ...101
Gambar 4.26 Uji Laporan Hasil Peramalan ...102
Gambar 4.27 Hasil Uji laporan kebutuhan bahan baku...104
Gambar 4.28 Hasil Peramalan Permintaan Produk Brosur A6 ...105
Gambar 4.29 Perhitungan Peramalan Brosur A6 Menggunakan Aplikasi ...109
Gambar 430 Hasil Peramalan Brosur A6 untuk 3 Periode Ke Depan ...109
Gambar 4.31 Nilai Konstanta α untuk Produk Brosur A6 ...109
Gambar 4.32 Hasil Kebutuhan Bahan Baku untuk BrosurA6 Tiga Periode Ke Depan……….110
Gambar 4.33 Perhitungan Peramalan Brosur A4 Menggunakan Aplikasi ...112
Gambar 4.34 Hasil Peramalan Brosur A4 untuk 3 Periode Ke Depan ...112
Gambar 4.35 Nilai Konstanta α untuk Produk Brosur A4 ...112
Gambar 4.36 Hasil Kebutuhan Bahan Baku untuk BrosurA4 Tiga Periode Ke Depan ...113
Gambar 4.36 Hasil Kebutuhan Bahan Baku untuk BrosurA4 Tiga Periode Ke Depan……….113
Gambar 4.37 Perhitungan Peramalan Label A6 Menggunakan Aplikasi ...113
(9)
xvii
Gambar 4.40 Hasil Kebutuhan Bahan Baku untuk Label A6
Tiga Periode Ke Depan……….117
Gambar 4.41 Perhitungan Peramalan Label A5 Menggunakan Aplikasi ...118
Gambar 4.42 Hasil Peramalan Label A5 untuk 3 Periode Ke Depan ...118
Gambar 4.43 Nilai Konstanta α untuk Produk Label A5 ...118
Gambar 4.44 Hasil Kebutuhan Bahan Baku untuk Label A5 Tiga Periode Ke Depan……….120
Gambar 4.45 Perhitungan Peramalan Hang TagA7 Menggunakan Aplikasi ..120
Gambar 4.46 Hasil Peramalan Hang Tag A7 untuk 3 Periode Ke Depan ...120
Gambar 4.47 Nilai Konstanta α untuk Produk Hang Tag A7 ...121
Gambar 4.48 Hasil Kebutuhan Bahan Baku untuk Hang Tag A7 Tiga Periode Ke Depan……….121
Gambar 4.49 Perhitungan Peramalan Hang Tag A6 Menggunakan Aplikasi ..123
Gambar 4.50 Hasil Peramalan Hang Tag A6 untuk 3 Periode Ke Depan ...123
Gambar 4.51 Nilai Konstanta α untuk Produk Hang Tag A6 ...123
Gambar 4.52 Hasil Kebutuhan Bahan Baku untuk Hang Tag A6 Tiga Periode Ke Depan……….124
(10)
xviii
Halaman
Tabel 3.1 Tahap Observasi ... 27
Tabel 3.2 Kebutuhan Pengguna Bagian Penjualan ... 31
Tabel 3.3 Kebutuhan Pengguna Bagian Gudang... 31
Tabel 3.4 Kebutuhan Fungsi Mengelola Data Master ... 33
Tabel 3.5 Kebutuhan Fungsi Melakukan Peramalan... 34
Tabel 3.6 Kebutuhan Fungsi Membuat Laporan Peramalan ... 35
Tabel 3.7 Perencanaan Kebutuhan Sistem ... 36
Tabel 3.8 Uji Autokorelasi ... 39
Tabel 3.9 Pemilihan Teknik Peramalan ... 40
Tabel 3.10 Hasil Perbandingan Metode untuk Data Stasioner ... 41
Tabel 3.11 Nilai-nilai pemulusan Single Exponensial Smoothing ... 45
Tabel 3.12 Struktur Tabel Bahan Baku ... 57
Tabel 3.13 Struktur Tabel Produk Jadi ... 58
Tabel 3.14 Struktur Tabel Bill Of Material ... 58
Tabel 3.15 Struktur Tabel Peramalan ... 59
Tabel 3.16 Struktur Tabel Hasil Peramalan ... 58
Tabel 3.17 Struktur Tabel Kebutuhan Bahan Baku ... 59
Tabel 3.18 Struktur Tabel Jenis ... 59
Tabel 3.19 Struktur Tabel Permintaan Produk Jadi ... 60
Tabel 3.20 Struktur Tabel Permintaan ... 60
Tabel 3.21 Struktur Tabel Kategori ... 61
(11)
xix
Tabel 3.24 Uji Coba Mengeloa Data Master Bahan Baku ... 74
Tabel 3.25 Uji Coba Mengeloa Data Master Bill Of Material ... 75
Tabel 3.26 Uji Coba Mengeloa Data Master Produk Jadi ... 75
Tabel 3.27 Uji Coba Mengeloa Data Master Permintaan Produk Jadi ... 76
Tabel 3.28 Uji Coba Melakukan Peramalan ... 77
Tabel 3.29 Uji Coba Membuat Laporan ... 78
Tabel 4.1 Hasil Uji Coba Form Log In ... 92
Tabel 4.2 Hasil Uji Coba Form Menu Utama ... 93
Tabel 4.3 Hasil Uji Coba Form Master ... 95
Tabel 4.4 Hasil Uji Coba Tombol Form Master ... 98
Tabel 4.5 Hasil Uji Coba Form Peramalan ...100
Tabel 4.6 Hasil Uji form membuat laporan ...102
Tabel 4.7 Hasil Uji laporan kebutuhan bahan baku ...103
Tabel 4.8 Perhitungan Peramalan Secara Manual ...106
Tabel 4.9 Perhitungan Manual Peramalan Produk Brosur A6 ...108
Tabel 4.10 Nilai MSE Beberapa Konstanta ...108
Tabel 4.11 Perhitungan Manual Peramalan Produk Brosur A4 ...110
Tabel 4.12 Nilai MSE Beberapa Konstanta ...111
Tabel 4.13 Perhitungan Manual Peramalan Produk Label A6 ...114
Tabel 4.14 Nilai MSE Beberapa Konstanta ...114
Tabel 4.15 Perhitungan Manual Peramalan Produk Label A5 ...117
(12)
xx
Tabel 4.18 Nilai MSE Beberapa Konstanta ...120
Tabel 4.19 Perhitungan Manual Peramalan Produk Hang Tag A6 ...122
Tabel 4.20 Nilai MSE Beberapa Konstanta ...122 Tabel 4.20 Hasil Kesesuaian Perbandingan Perhitungan
(13)
1 BAB 1 PENDAHULUAN
1.1 Latar Belakang
CV Lintas Nusa merupakan perusahaan yang bergerak dalam bidang jasa
percetakan offset. Lokasi perusahaan berada di Jl. Kalidami no 60 Surabaya.
Produk yang sering diproduksi adalah brosur, label kemasan, dan hang tag.
Bahan baku yang digunakan dalam proses cetak yaitu kertas, tinta, dan plat. Ciri
khas percetakan offset yaitu penggunaan film dan plat cetak (aluminium plate)
sebagai media transfer dokumen sebelum dicetak ke permukaan kertas. Jenis
kertas yang sering digunakan adalah art paper, Houtvrij Schrijfpapier (HVS) dan
sticker. Perusahaan menggunakan empat mesin dalam proses produksi, seperti
mesin plat, mesin pencuci plat (processor), mesin cetak, mesin finishing.
Penggunaan mesin tidak digunakan bersama-sama, akan tetapi digunakan secara bertahap sesuai urutan.
Perusahaan melakukan produksi jika ada pesanan dari pelanggan (make
to order), baik melalui fax, email, telepon, maupun memberikan data secara langsung. Pesanan pelanggan yang diberikan kepada bagian administrasi dalam
bentuk softcopy/hardcopy. Setelah pesanan diterima, desainer melakukan editing
sesuai dengan permintaan. Selanjutnya bagian produksi mempersiapkan kebutuhan bahan baku untuk dilakukan proses produksi.
Frekuensi atau jumlah pemakaian bahan baku sangat berpengaruh pada tingkat persediaan. Semakin sering atau semakin banyak bahan baku yang digunakan dalam proses produksi, maka akan semakin besar jumlah persediaan
(14)
yang dibutuhkan perusahaan (Syamsudin, 2007). Kondisi CV Lintas Nusa Surabaya saat ini masih sering mengalami kekurangan bahan baku pada saat melakukan produksi, dikarenakan kurangnya pengawasan terhadap persediaan di gudang dan kurang teliti dalam mempersiapkan kebutuhan bahan baku sebelum proses produksi. Sedangkan pengadaan bahan baku dilakukan satu minggu sekali
sesuai dengan acuan history pemakaian bahan baku sebelumnya. Akibatnya
proses produksi dan pengiriman produk ke pelanggan mengalami keterlambatan. Untuk memenuhi kebutuhan dari permasalahan yang terjadi, dibuat aplikasi peramalan persediaan bahan baku pada periode berikutnya untuk memenuhi permintaan pelanggan. Peramalan merupakan metode untuk memperkirakan suatu nilai di masa depan dengan menggunakan data masa lalu. Peramalan juga dapat diartikan sebagai seni dan ilmu untuk memperkirakan kejadian pada masa yang akan datang, sedangkan aktivitas peramalan merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dibuat dalam kuantitas yang tepat (Gaspersz 2002).
Sebelum menentukan metode yang digunakan, terlebih dahulu dilakukan uji pola data dari periode sebelumnya. Adapun salah satu perangkat lunak yang digunakan untuk mengolah data permintaan bahan baku yaitu Minitab. Pengolahan data ini, bertujuan untuk mengetahui pola data permintaan bahan baku CV Lintas Nusa selama Bulan September tahun 2014 sampai Bulan Desember
tahun 2015. Berdasarkan analisis hasil uji pola datamenghasilkan model dengan
kecenderungan stasioner, sehingga metode yang sesuai untuk meramalkan data
(15)
Smoothing. Oleh karena itu dalam merancang bangun aplikasi peramalan
persediaan bahan baku digunakan Metode Single Exponential Smoothing. Hasil
ramalan tersebut diolah untuk mendapatkan jumlah kebutuhan bahan baku yang harus disiapkan oleh perusahaan pada tiga periode yang akan datang.
1.2 Rumusan Masalah
Berdasarkan latar belakang masalah yang sudah dijelaskan sebelumnya, maka rumusan masalah dalam penelitian ini adalah :
1. Bagaimana meramalkan persediaan bahan baku untuk periode mendatang
berdasarkan data permintaan pelanggan periode sebelumnya dengan
menerapkan Metode Single Exponential Smoothing.
2. Bagaimana merancang bangun aplikasi peramalan persediaan bahan baku
dengan Metode Single Exponential Smoothing.
1.3 Batasan Masalah
Adapun batasan masalah pada penelitian ini adalah :
1. Data bahan baku yang digunakan untuk menguji pola data selama lima belas
bulan (September 2014–Desember 2015) untuk dua produk yang sering
diproduksi yaitu brosur dan label.
2. Jenis kertas yang digunakan dalam uji data maupun peramalan adalah kertas art
paper,hvs dan stiker.
3. Metode yang digunakan dalam penelitian ini menggunakan metode Single
(16)
1.4 Tujuan Penelitian
Berdasarkan perumusan masalah, maka tujuan penelitian ini adalah menghasilkan aplikasi peramalan persediaan bahan baku pada periode selanjutnya
dengan Metode Single Exponential Smoothing. Hasil dari aplikasi yang dibuat
adalah laporan hasil peramalan dan laporan kebutuhan bahan baku, yang digunakan oleh perusahaan dalam mempersiapkan kebutuhan bahan baku yang digunakan dalam proses produksi.
1.5 Manfaat Penelitian
Adapun manfaat yang diharapkan dalam penelitian ini adalah :
1. Penulis
Sebagai media penerapan ilmu dan pengetahuan yang telah didapat saat perkuliahan berlangsung, maupun ilmu baru yang telah dipelajari.
2. CV Lintas Nusa Surabaya
Membantu pihak perusahaan khususnya bagian produksi dan bagian gudang dalam meramalkan kebutuhan bahan baku yang akan digunakan dalam proses produksi untuk periode selanjutnya.
3. Pembaca
Sebagai referensi untuk pengembangan penelitian berikutnya dalam bidang yang sama.
4. Pelanggan CV Lintas Nusa
Mendukung terciptanya kepuasan pelanggan, seperti ketepatan waktu pengiriman produk, Mutu produk yang sesuai dengan harapan pelanggan.
(17)
1.6 Sistematika Penulisan
Laporan Tugas Akhir “Rancang Bangun Aplikasi Peramalan Persediaan Bahan Baku pada CV Lintas Nusa Surabaya” ini disusun ke dalam lima bab.
Untuk memudahkan dalam memahami persoalan dan pembahasan laporan Tugas Akhir ini, maka penulisan laporan ini dibuat dengan sistematika sebagai berikut.
Bab pertama pendahuluan menjelaskan mengenai latar belakang
penulisan tugas akhir, seperti profil perusahaan yang diteliti, proses bisnis perusahaan, permasalahan yang terjadi pada perusahaan, solusi yang dapat dilakukan untuk mengatasi masalah yang terjadi. Selain itu pada bab ini menjelaskan mengenai perumusan masalah, batasan masalah supaya jelas ruang lingkup dari laporan tugas akhir, tujuan dibuatnya laporan tugas akhir, manfaat yang diperoleh dari pembuatan tugas akhir ini dari pihak perusahaan, penulis dan pembaca.
Bab kedua landasan teori menjelaskan mengenai teori-teori yang berkaitan dalam penyelesaian laporan tugas akhir, yaitu persediaan, peramalan, uji pola data, perhitungan akurasi kesalahan dalam peramalan dan pengujian
perangkat lunak. Selain teori-teori tersebut, dijelaskan teori mengenai Single
Exponential Smoothing yang menggunakan data permintaan persediaan
perusahaan di masa lampau sebagai masukan untuk menghasilkan nilai ramalan yang dapat digunakan oleh pimpinan sebagai pendukung pengambilan keputusan.
Bab ketiga analisis dan perancangan sistem menjelaskan mengenai metode yang digunakan, penerapan metode yang digunakan dan tahapan-tahapan hingga menemukan solusi untuk permasalahan penelitian. Tahapan-tahapan tersebut dapat dimulai dari pengumpulan data, identifikasi permasalahan, analisis
(18)
permasalahan, solusi permasalahan sampai pada perancangan sistem, seperti
document flow, system flow, context diagram, data flow diagram, perancangan
Entity Relationship Diagram (ERD) yang terdiri atas Conceptual Data Model
(CDM) dan Physical Data Model (PDM), perancangan database, perancangan
input output dan perancangan intreface.
Bab keempat implementasi dan evaluasi sistem menjelaskan mengenai bagaimana implementasi dan proses evaluasi dari aplikasi yang sudah dirancang. Memastikan apakah aplikasi yang dibuat sesuai dengan tujuan dan kebutuhan.
Tahap uji coba fungsi adalah dengan menguji apakah semua input dari setiap
aplikasi menghasilkan output sesuai dengan yang diahrapkan.
Bab kelima penutup menjelaskan mengenai penjelasan dari kesimpulan dan saran. Saran yang dimaksud adalah saran terhadap kekurangan dari aplikasi yang ada kepada pihak lain yang ingin mengembangkan topik tugas akhir ini. Tujuannya adalah agar pihak lain tersebut dapat menyempurnakan aplikasi yang sebelumnya sehingga dapat menjadi lebih baik dan berguna.
(19)
7 BAB II
LANDASAN TEORI
2.1 Persediaan
Menurut Prawirosentoso (2005), pada perusahaan manufaktur yang
memproses input menjadi output, persediaan adalah simpanan bahan baku dan
barang setengah jadi (work in process) untuk diproses menjadi barang jadi
(finished good) yang mempunyai nilai tambah lebih besar secara ekonomis, untuk
selanjutnya dijual kepada pihak ketiga (konsumen). Mengingat bahan baku tersebut akan diolah menjadi barang jadi maka agar kelancaran proses produksi dapat terjamin diperlukan penyediaan bahan-bahan bersangkutan. Bila tidak,
kemungkinan kelancaran proses produksi dapat terganggu sehingga
mengakibatkan terjadinya pemborosan. Bila saja suatu perusahaan tidak melakukan penyimpanan persediaan bahan, tetapi proses produksinya berjalan lancar. Hal ini hanya dapat terjadi pada perusahaan yang bekerja secara pesanan
(job order), dimana perusahaan akan membeli bahan bila ada pesanan, sebaliknya
bila tidak ada pesanan(order), dia tidak akan menyediakan bahan baku
2.2 Fungsi Persediaan
Menurut Herjanto (2001), beberapa fungsi penting yang dikandung oleh persediaan dalam memenuhi kebutuhan perusahaan, yaitu :
a. Memberikan pelayanan kepada pelanggan dengan tersedianya barang yang
diperlukan.
b. Menghilangkan risiko keterlambatan pengiriman bahan baku atau barang yang
(20)
c. Menghilangkan risiko jika material yang dipesan tidak baik sehingga harus dikembalikan.
2.3 Make To Order
Menurut Sinulingga (2009), pelanggan menyediakan spesifikasi dan desain produk. Berdasarkan desain tersebut perusahaan menyediakan bahan,
pembuatan part dan komponen, merakit dan mengirimkan produk kepada
pelanggan. Sama seperti engineering to order kegiatan produksi dilakukan apabila
pelanggan telah mengajukan permintaan. Karena engineering design disediakan
oleh pelanggan maka perencanaan dan pengendalian produksi tidak mencakup
kegiatan engineering.
Tipe make to order sering dijumpai pada perusahaan industri
mesin-mesin di mana original equipment manufacturer sering mensubkontrakkan
pembuatan sebagian komponen mesin-mesin yang diproduksinya. Perusahaan
yang menerima order subkontrak ini disebut beroperasi berdasarkan tipe make to
order. Sedangkan menurut Arif (2016), Bila produsen menyelesaikan produk jika
dan hanya telah menerima pesanan konsumen untuk produsen tersebut. Bila produk tersebut bersifat unik dan mempunyai desain yang dibuat menurut pesanan, maka konsumen mungkin bersedia menunggu hingga produsen dapat menyelesaikan.
2.4 Bill Of Material (BOM)
Menurut Arif (2016), Bill Of Material merupakan rangkaian struktur
semua komponen yang digunakan untuk memproduksi barang jadi sesuai dengan
(21)
material atau komponen yang dibutuhkan untuk dirakit, dicampur atau membuat
produk akhir. Fungsi secara spesifik bill of material tidak saja berisi komposisi
komponen, tetapi juga memuat langkah penyelesaian produk jadi. Tujuannya
sebagai suatu network atau jaringan yang menggambarkan hubungan Induk
(parent product) hingga ke komponen. Penggunaan bill of material yaitu
dibutuhkan sebagai masukan dalam perencanaan dan pengendalian aktivitas
produksi. Ada beberapa jenis BOM level antara lain :
1. Single Level Bill of Material
Menggambarkan hubungan sebuah induk dengan satu level
komponen-komponen pembentuknya.
2. Multi Level Bill of Material
Menggambarkan struktur produk yang lengkap dari level nol (0) atau produk
akhir sampai level paling bawah dan komponen yang sama dapat digunakan
pada level yang berbeda.
Menurut Heizer dan Render (2010), daftar bahan (Bill of Material-BOM)
merupakan daftar kuantitas komponen, bahan-bahan dan bahan material yang diperlukan untuk menciptakan suatu produk. Penggambaran individu bukan hanya berupa sebuah dimensi fisik, tetapi juga beberapa proses tertentu sebagaimana bahan mentah dari mana masing-masing bagian akan dihasilkan.
(22)
2.5 Peramalan
2.5.1 Definisi Peramalan
Beberapa definisi peramalan menurut Santoso (2009) :
a. Perkiraan munculnya sebuah kejadian masa depan, berdasarkan data yang ada
di masa lampau.
b. Proses menganalisis data historis dan data saat ini untuk menentukan trend di
masa mendatang.
c. Proses estimasi dalam situasi yang tidak diketahui.
d. Pernyataan yang dibuat tentang masa depan
e. Penggunaan ilmu dan teknologi untuk memperkirakan situasi di masa depan.
f. Upaya sistematis untuk mengantisipasi kejadian atau kondisi di masa depan.
Menurut Ishak (2001), peramalan dilakukan untuk menentukan jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari proses perencanaan dan pengendalian produksi. Dalam peramalan ditetapkan jenis
produk apa yang diperlukan (what), jumlahnya (how many), dan kapan
dibutuhkan (when).
Menurut Nasution (2006), Peramalan adalah proses memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Peramalan tidak terlalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaannya relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila kondisi permintaan pasar bersifat kompleks dan dinamis.
(23)
Dalam kondisi pasar bebas, permintaan pasar lebih bersifat kompleks dan dinamis karena permintaan tersebut tergantung dari keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing, dan produk substitusi. Oleh karena itu peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen.
2.5.2 Tahapan Peramalan
Beberapa tahapan peramalan menurut Santoso (2009):
a. Perumusan masalah dan pengumpulan data
Menentukan masalah tentang apa yang akan diprediksi. Formulasi masalah yang jelas akan menuntun pada ketepatan jenis dan banyaknya data yang akan dikumpulkan. Dapat saja masalah telah diterapkan, namun data yang relevan tidak tersedia; hal ini akan memaksa diadakannya perumusan ulang, atau mengubah metode peramalan.
b. Persiapan data
Setelah masalah dirumuskan dan data telah terkumpul, tahap selanjutnya adalah menyiapkan data hingga dapat diproses dengan benar. Hal ini diperlukan, karena dalam praktek ada beberapa masalah berkaitan dengan data yang terkumpul, seperti : jumlah data terlalu banyak, jumlah data justru terlalu sedikit, data harus diproses terlebih dahulu, data tersedia namun rentang waktu data tidak sesuai dengan masalah yang ada, data tersedia namun cukup banyak data yang hilang.
(24)
c. Membangun model
Setelah data dianggap memadai dan siap dilakukan kegiatan prediksi, proses selanjutnya adalah memilih (model) metode yang tepat untuk melakukan peramalan pada data tersebut.
d. Implementasi model
Setelah metode peramalan ditetapkan, maka model dapatditerapkan pada data, dan dapat dilakukan prediksi pada data untuk beberapa periode ke depan.
e. Evaluasi peramalan
Hasil permalan yang telah ada kemudian dibandingkan dengan data aktual. Tentu saja tidak ada metode peramalan yang dapat memprediksidata di masa depan secara tepat; yang ada adalah ketepatan prediksi. Untuk itu pengukuran kesalahan peramalan dilakukan untuk melihat apakah metode yang telah digunakan sudah memadai untuk memprediksi sebuah data. Sedangkan menurut Ishak (2010), tujuan peramalan adalah meredam ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya.
2.5.3 Sifat Hasil Peramalan
Menurut Ishak (2010), dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal yang harus dipertimbangkan yaitu :
a. Peramalan pasti mengandung kesalahan, artinya peramalan hanya bisa
mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.
(25)
b. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan, maka adalah penting bagi peramalan untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.
c. Peramala jangka pendek lebih akurat dibandingkan peramalan jangka panjang.
Hal ini disebebkan karena pada peramalan jangka pendek, faktor-faktor yang mempengaruhi permintaan relatif masih konstan, sedangkan semakin panjang periode peramalan, semakin besar pula kemungkinan terjadinya perubahan pada faktor-faktor yang mempengaruhi permintaan.
2.5.4 Pola Data Stsioner
Menurut Santoso (2009), Data stasioner adalah data dimana rata-rata nilainya tidak berubah dari waktu ke waktu, atau dapat dikatakan data bersifat satbil. Sebaliknya, data dapat saja tidak stasioner, ketika pada uji pola data
didapati adanya trend atau pola seasonal (pengaruh musim). Melihat terlebih
dahulu apakah data bersifat stasioner aaukah tidak stationer penting untuk
menentukan metode forecasting yang akan digunakan.
2.6 Uji Pola Data
Menurut Santoso (2009), Uji pola data pada intinya adalah menguji apakah sebuah data dapat dikatakan stasioner ataukan tidak. Jika pada data terdapat trend atau ada komponen seasonal atau siklis, dikatakan bahwa data tidak dapat dikatakan stasioner. Namun sebaliknya, jika pada data tidak ada trend, seasonal ataukah siklis, maka data dapat dikatakan stasioner. Stasioneritas data
penting untuk menentukan lebih jauh metode forecasting apa yang tepat
(26)
forecasting apa yang tepat dilakukan. Metode untuk data yang stasioner akan
berbeda dengan metode forecasting untuk data yang tidak stasioner.
Pada umumnya, jika sebuah data saling berkorelasi pada jarak waktu yang berdekatan, misalnya antara waktu t dengan waktu sebelumnya (t-1), maka dikatakan data mempunyai kecenderungan berotokolerasi. Besaran korelasi antara data ke t dan data ke t-1 cukup tinggi, kemudian menurun secara bertahap. Data demikian bisa diduga mempunyai unsur trend di dalamnya dan tidak bersifat random. Sebaliknya, data yang mempunyai korelasi antar waktu yang rendah serta tidak menunjukkan pola penurunan otokorelasi yang bertahap, pada data tersebut dapat dikatakan tidak ada unsur trend.
Pengujian stasioner data penting karena banyak teknik forecasting yang
mensyaratkan data harus stasioner. Namun jika kegiatan forecasting yang
dilaukan tidak mensyaratkan data harus stasioner (walaupun hal ini jarang), proses pengujian berikut ini tentu tidak perlu dilakukan. Pengujian stasioneritas data dapat dilakukan dengan dua cara : dengan grafik atau dengan menghitung otokorelasi. Sebaliknya kedua cara dilakukan secara bersama-sama, karena saling melengkapi.
2.7 Single Exponential Smoothing (SES)
Menurut Santoso (2009), Metode ini beranggapan bahwa semakin ‘jauh’
sebuah data terkini, semakin berkurang bobot data tersebut. Dengan demikian, jika data terakhir adalah data tahun 2008, maka data tahun 2007 dinilai lebih
penting dan diberi bobot lebih besar dalam upaya forecasting dibandingkan
dengan data tahun 2006. Demikian pula, data tahun 2006 dianggap lebih berperan dalam prediksi dibanding data tahun 2005. Pada data terkini (misal tahun 2008),
(27)
ada konstanta smoothng (α) untuk melakukan forecast. Pada data satu periode sebelum data terakhir ( dalam hal ini tahun 2007), konstanta menjadi α(1-α). Untuk data dua periode sebelum data terakhir (dalam hal ini tahun 2006),
konstanta menjadi α(1-α)2. Demikian seterusnya untuk n periode sebelum data terakhir.
Menurut Arsyad (2001), Pemulusan exponensial merupakan prosedur yang mengulang perhitungan secara terus-menerus dengan menggunakan data terbaru. Metode ini didasarkan pada perhitungan rata-rata (pemulusan) data-data masa lalu secara eksponensial. Setiap data diberi bobot yang lebih besar. Bobot
yang digunakan adalah α untuk data yang paling baru, α(1-α) digunakan untuk
data yang agak lama, a(1-a)2 untuk data yang lebih lama lagi, dan seterusnya.
Dalam bentuk yang mulus, ramalan yang baru (untuk waktu t+1) dapat
dianggap sebagai rata-rata yang diberi bobot terhadap data terbaru (pada waktu t)
dan ramalan yang lama (untuk waktu t). Bobot α diberikan pada data terbaru, dan
bobot 1-α diberikan pada ramalan yang lama, di mana 0 < α < 1. Dengan
demikian :
Ramalan baru = α x (data baru) + (1-α) x (ramalan yang lama) Secara sistematis, persamaan pemulusan eksponensial dapat ditulis :
̂ ̂ ………...(2.1)
dimana :
̂ = nilai ramalan untuk periode berikutnya
α = konstanta pemulusan (0 < α < 1)
Yt = data baru atau nilai Y yang sebenarnya pada periode t
(28)
Agar α dapat diinterpretasikan dengan baik, persamaan 2.1 diuraikan sebagai berikut.
̂ ̂
= αYt + ̂t–α ̂t = ̂t + α (Yt - ̂t)
2.8 Menghitung Kesalahan Peramalan
Menurut Render (2009), Akurasi keseluruhan dari setiap model peramalan dapat dijelaskan dengan membandingkan nilai yang diramal dengan
nilai aktual atau nilai yang sdengan diamati. Jika Ft melambangkan peramalan
pada periode t, dan At melambangkan permintaan aktual pada periode t, maka
kesalahan peramalannya (deviasinya) adalah sebagai berikut :
Kesalahan peramalan = Permintaan aktual – Nilai Peramalan
= At - Ft
Ada beberapa perhitungan yang bisa digunakan untuk menghitung
kesalahan peramalan total. Perhitungan ini dapat digunakan untuk
membandingkan model peramalan yang berbeda, mengawasi peramalan, dan untuk memastikan peramalan berjalan dengan baik. Tiga dari perhitungan yang
paling terkenal adalah deviasi mutlak rata-rata (mean absolute deviation –MAD),
kesalahan kuadrat rata-rata (mean squared error-MSE), dan kesalahan persen
mutlak rata-rata (mean absolute percent-MAPE).
2.8.1 Mean Absolute Deviation (MAD)
Menurut Arsyad (2001), Salah satu cara untuk mengevaluasi teknik peramalan adalah menggunakan penjumlahan kesalahan absolut. Simpangan
(29)
absolut rata-rata atau Mean Absolute Deviation (MAD) mengukur akurasi peramalan dengan merata-ratakan kesalahan peramalan (nilai absolutnya). MAD ini sangat berguna jika seorang analis ingin mengukur kesalahan peramalan dalam unit ukuran yang sama seperti data aslinya. Persamaan berikut menunjukkan bagaimana cara menghitung MAD.
∑ ̂
2.8.2 Mean Squared Error (MSE)
Menurut Arsyad (2001), Kesalahan rata-rata kuadrat atau mean squared
error (MSE) merupakan metode alternatif dalam mengevaluasi suatu teknik
peramalan. Setiap kesalahan atau residual dikuadratkan, kemudian dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini menghukum suatu kesalahan peramalan yang besar karena dikuadratkan. Pendekatan ini penting karena suatu teknik yang menghasilkan kesalahan yang moderat lebih kecil tetapi kadang-kadang menghasilkan kesalahan yang sangat besar, Persamaan 3.6 menunjukkan bagaimana cara menghitung MSE ini :
∑ ̂ ...(2.2)
2.8.3 Mean Absolute Percentage Error (MAPE)
Menurut Arsyad (2001), Kadang kala lebih bermanfaat jika kita
menghitung kesalahan peramalan dengan menggunakan secara persentase
ketimbang nilai absolutnya. Persentase kesalahan absolut rata-rata atau MAPE dihitung dengan menemukan kesalahan absolut setiap periode, kemudian membaginya dengan nilai observasi pada periode tersebut, dan akhirnya
(30)
merata-ratakan persentase absolut ini. Pendekatan ini sangat berguna jika ukuran variabel peramalan merupakan faktor penting dalam mengevaluasi akurasi peramalan tersebut. MAPE memberikan petunjuk seberapa besar kesalahan peramalan dibandingkan dengan nilai sebenarnya dari series tersebut. MAPE juga dapat digunakan untuk memperbandingkan akurasi dari teknik yang sama atau berbeda pada dua series yang berbeda. Berikut ini menunjukkan bagaimana cara menghitung MAPE :
∑
̂
2.8.4 Mean Percentage Error (MPE)
Menurut Arsyad (2001), kadang kala perlu juga untuk menentukan apakah suatu metode peramalan bisa atau tidak (secara konsisten tinggi atau
rendah). Presentase kesalahan rata-rata atau mean percentage error (MPE)
digunakan dalam kasus seperti ini. MPE dihitung dengan cara menemukan kesalahan setiap periode, kemudian membaginya dengan nilai sebenarnya pada periode tersebut, dan kemudian merata-ratakan persentase kesalahan tersebut. Jika menghasilkan persentase mendekati nol. Jika hasil persentase negatifnya cukup besar, maka metode peramalan tersebut menghasilkan hasil ramalan yang terlalu tinggi, demikian sebaliknya.
∑
̂
Keputusan kita dalam memilih suatu teknik peramalan sebagian tergantung pada apakah teknik tersebut menghasilkan kesalahan yang bisa dengan
(31)
kecil atau tidak. Tentu saja sangat logis dan realistis jika kita menginginkan teknik peramalan yang menghasilkan kesalahan terkecil. Empat cara pengukuran akurasi peramalan yang dibahas di muka digunakan untuk tujuan berikut :
a. Pembandingan akurasi dari dua teknik peramalan yang berbeda
b. Pengukuran kegunaan atau reliabilitas suatu teknik peramalan
c. Pencarian teknik peramalan yang optimal
2.9 Aplikasi
Menurut Jogiyanto (2003), teknologi yang canggih dari perangkat keras akan berfungsi bila instruksi-instruksi tertentu telah diberikan kepadanya.
Instruksi-instruksi tersebut disebut dengan perangkat lunak (software). Perangkat
lunak dapat diklasifikasikan ke dalam dua bagian besar, yaitu sebagai berikut :
1. Perangkat lunak sistem (system software), yaitu perangkat lunak yang
mengoperasikan sistem komputernya. Perangkat lunak sistem dapat dikelompokkan lagi menjadi empat bagian yakni perangkat lunak sistem
operasi (operating system), peragkat lunak sistem bantuan (utility), perangkat
lunak bahasa (language software).
2. Perangkat lunak aplikasi (application software), yaitu program yang ditulis dan
diterjemahkan oleh language software untuk menyelesaikan suatu aplikasi.
Berdasarkan uraian di atas, aplikasi peramalan persediaan merupakan sebuah
program yang ditulis dan diterjemahkan oleh language software untuk
menyelesaikan sebuah sistem peramalan, atau untuk melakukan sistem peramalan tertentu.
(32)
2.10 Black Box Testing
Menurut Fatta (2007), jika struktur kendali antar modul sudah terbukti bagus, maka pengujian yang tak kalah pentingnya adalah ngujian unit. Pengujian unit digunakan untuk menguji setiap modul untuk menjamin setiap modul
menjalankan fungsinya dengan baik. Black Box Testing Terfokus pada apakah unit
program memenuhi kebutuhan (requirement) yang disebutkan dalam spesifikasi.
Pada black box testing, cara pengujian hanya dilakukan dengan menjalankan atau
mengeksekusi unit atau modul, kemudian diamati apakah hasil dari unit itu sesuai
dengan proses bisnis yang diinginkan. Jika ada unit yang tidak sesuai outputnya
maka untuk menyelesaikannya, diteruskan pada pengujian yang kedua, yaitu white
box testing.
2.11 System Development Life Cycle (SDLC)
Siklus hidup pengembangan sistem adalah nama lain dari System
Development Life Cycle (SDLC) yang merupakan suatu proses pengembangan
atau perubahan pada suatu perangkat lunak. Pengembangan atau perubahan tersebut dilakukan dengan cara menggunakan model-model dan metodologi yang digunakan oleh banyak orang yang telah mengembangkan sistem-sistem perangkat lunak sebelumnya. Pada penelitian ini model SDLC yang digunakan adalah Model Waterfall seperti yang terlihat pada Gambar 2.1 di bawah ini.
(33)
Gambar 2.1 SDLC Model Waterfall (Pressman,2012)
Tahapan-tahapan pada SDLC Model Waterfall adalah sebagai berikut:
1. Komunikasi
a. Permulaan proyek
Melakukan komunikasi dengan stakeholder mengenai proyek yang dibuat
dengan merumuskan masalah dan solusi yang dicapai.
b. Teknik untuk mendapatkan spesifikasi kebutuhan pengguna
Merumuskan dan mencatat apa saja yang dibutuhkan dari keseluruhan aplikasi yang dibuat.
2. Perencanaan
a. Membuat prakiraan-prakiraan
Menentukan kapan proyek akan dimulai dan kapan akan selesai.
b. Penjadwalan
Menentukan jadwal untuk tiap tahap-tahap proses penyelesaian masalah.
c. Pelacakan
Menentukan jalur serta milestone yang akan ditempuh selama proses
pembangunan aplikasi.
3. Pemodelan
(34)
Melakukan analisis terhadap kebutuhan pihak stakeholder dan menentukan solusi yang akan dicapai untuk menyelesaikan masalah.
b. Perancangan
Merumuskan hasil analisis ke dalam bentuk model atau diagram.
4. Konstruksi
a. Penulisan kode-kode program
Tahap ini merupakan implementasi dari tahap desain yang secara teknis
nantinya dikerjakan oleh programmer.
b. Pengujian
Melakukan uji coba terhadap fungsi-fungsi software, agar bebas dari error,
dan hasilnya harus sesuai dengan kebutuhan.
5. Penyerahan perangkat lunak ke pengguna
a. Pengiriman
Memberikan laporan kepada pihak stakeholder apa saja yang telah
dilakukan dan hasil sementara proyek untuk tiap tahap pengerjaan.
b. Dukungan
Menyediakan bantuan berupa training untuk pihak stakeholder dalam
menggunakan sistem aplikasi basis data, agar pihak stakeholder dapat
menggunakan dengan baik.
c. Umpan balik
Menerima kritik dan saran dari pihak stakeholder yang menggunakan
sistem aplikasi basis data yang telah dibuat untuk perbaikan sistem ke arah yang lebih baik lagi.
(35)
2.12 Percetakan Offset
Menurut Pitarto (2015) , mesin cetak offset merupakan mesin khusus
yang digunakan untuk mencetak dengan jumlah besar dalam waktu singkta.
Percetakan offset membutuhkan bantuan atau tambahan alat yaitu film dan plat
cetak (aluminium plate) yang berfungsi sebagai media transfer gambar atau
dokumen yang akan ditransfer ke permukaan media setelah diisi terlebih dahulu dengan tinta di roll mesin.
Menurut Mulyanta (2005), konsep cetak offset adalah menggunakan
prinsip di mana tinta minyak dan air tidak akan bercampur. Plate cetak akan
menyerap tinta, sebab area ini dikondisikan untuk dapat menyerap tinta minyak dan tidak menyerap air. Pada cetak warna, setiap warna mempunyai unit tersendiri. Pada perkembangan teknologi mesin cetak, satu mesin cetak dapat
langsung mereproduksi warna utama dalam industri cetak, yaitu Cyan, Magenta,
Yellow dan Black atau CMYK. Secara garis besar proses cetak menggunakan
mesin offset adalah,
a. Platemaking
Dengan menggunakan proses fotografi, printer akan membakar bagian gambar dari film dan negatif (film separasi warna) pada metal datar atau plat
kertas (paper plate) yang kemudian dilakukan proses pengembangan
(develop) atas gambar tersebut. Area gambar pada plate dapat dilihat dan
dibaca dengan mudah, karena merupakan gambar positif. Area gambar akan
dilapisi oleh minyak atau tinta, sedangkan daerah non imaeg akan dilapisi
(36)
b. Wetting
Plate akan dipasangkan pada silinder yang akan berputar selama proses cetak.
Saat proses cetak dimulai, plate akan kontak dengan roller air. Proses
pelembaban ini dilakukan secara terus menerus selama proses cetak.
c. Inking
Roller bekerja berdasarkan plate yang telah dilumuri tinta. Tinta tersebut akan
diratakan oleh roller tinta sehingga distribusi tinta dapat mengenai seluruh
bagian plate. Saat roller tinta ini kontak dengan plate printing yang basah
oleh air, akan didistribusikan pada bagian yang tidak terkena air, yaitu bagian gambar yang tahan terhadap air
d. Offseting
Roller terakhir adalah blanket dari kaert, di mana blanket ini akan menerima
tekanan dari plate printing sehingga akan mentransformasi tinta secara
terbalik dan roller plate printing. Blanket karet ini sangat lentur dan diberi
tekanan ke bagian kertas, di mana media ini akan menerima tinta dari blanket
karet sehingga gambar akan ditransfer ke kertas.
e. Printing
Langkah terakhir, kertas lembaran atau roll akan melintasi blanket dari karet
dan sillinder impresi akan menekan kertas tersebut. Silinder blanket dengan
gambar terbaik (negatif) akan ditekan oleh silinder impresi bersama kertas
yang melintas di bawahnya sehingga gambar positif akan kembali muncul. Ini
(37)
(38)
26
Pada bab ini dijelaskan mengenai analisis permasalahan dari sistem yang diambil pada CV Lintas Nusa Surabaya. Selain itu, bab ini merancang Perancangan sistem dari Rancang Bangun Aplikasi Peramalan Persediaan dengan
Metode Single Exponential Smoothing pada CV Lintas Nusa Surabaya.
3.1 Analisis Sistem
Pada tahap analisis sistem ini dilakukan beberapa proses yang berhubungan dengan tahapan awal metode penelitian. Pada metode penelitian
yang diambil menggunakan model pengembangan waterfall. Pada model
waterfall terdapat beberapa tahapan yang meliputi tahap komunikasi
(Communication), tahap perencanaan (Planning), tahap pemodelan (Modeling),
tahap konstruksi (Construction) dan tahap penerapan aplikasi (Deployment). Pada
tahap analisis sistem membahas tentang komunikasi (Communication) dan
perencanaan (Planning).
3.1.1 Komunikasi
Pada tahap komunikasi, dilakukan proses observasi dan wawancara. Proses observasi dilakukan dengan cara mengamati secara langsung proses bisnis yang terjadi pada bagian yang bersangkutan yang bertujuan untuk mengetahui informasi tentang perusahaan. Tahap ini dilakukan dengan cara melakukan proses tanya jawab kepada pimpinan CV Lintas Nusa yang berfungsi untuk mencocokkan data dan informasi yang diperlukan dalam membangun sistem.
(39)
TabeL 3.1 Tahap Observasi
Tahap Observasi Bagian yang diobservasi Data yang didapat
Observasi 1 Pimpinan Data Permintaan Pelanggan
Tahun 2014
Data Penjualan Tahun 2014
Observasi 2 Pimpinan Data Permintaan Pelanggan
Tahun 2015
Data Penjualan Tahun 2015
Observasi 3 Pimpinan Data Pembelian Tahun 2014
Observasi 4 Pimpinan Data Pembelian Tahun 2015
Tabel 3.1 merupakan tahap observasi dalam mengumpulkan data yang diperlukan untuk melakukan peramalan persediaan bahan baku. Setelah tahap observasi, tahap berikutnya adalah wawancara. Wawancara dilakukan kepada pimpinan dari CV. Lintas Nusa, untuk menggali informasi mengenai kebutuhan sistem sehingga nantinya dapat memberikan solusi dalam memecahkan masalah di perusahaan. Dan juga mengenai perhitungan kebutuhan bahan baku pada saat produksi yang selama ini digunakan oleh CV. Lintas Nusa Surabaya. Adapun hasil observasi dan wawancara tersebut terdapat pada lampiran 1.
A Analisis Bisnis
Berdasarkan hasil observasi dan wawancara yang telah dilakukan, setelah dilakukan tahap komunikasi, selanjutnya dilakukan proses analisis bisnis yang meliputi identifikasi masalah, identifikasi pengguna, identifikasi data dan identifikasi fungsi. Proses analisis bisnis dituliskan hasil observasi dan wawancara secara rinci tentang proses bisnis yang terjadi pada saat ini. Berikut tahap proses analisis bisnis yang dilakukan.
(40)
1. Identifikasi Masalah
Sebelum melakukan identifikasi masalah yang terjadi pada perusahaan, pemahaman mengenai proses bisnis utama dari perusahaan tersebut merupakan langkah yang penting. Pada latar belakang masalah di Bab I telah dijelaskan bahwa CV Lintas Nusa Surabaya merupakan perusahaan jasa. Perusahaan ini
bergerak di bidang percetakan offset, dimana produk yang sering dicetak
adalah brosur, label, dan hang tag. Berdasarkan hasil observasi dan wawancara
yang telah dilakukan, perusahaan ini memiliki masalah pada proses bisnis utamanya. Proses produksi yang dilakukan oleh perusahaan selama ini tidak sesuai dengan harapan pimpinan CV Lintas Nusa Surabaya. Hal tersebut disebabkan pada saat melakukan produksi sering terjadi kehabisan bahan baku. Sedangkan proses produksi dilakukan ketika ada permintaan dari pelanggan
(make to order). Jika bahan baku habis, perusahaan melakukan pembelian
kepada supplier dengan waktu tunggu (Lead Time) dari supplier adalah ± tiga
hari. Estimasi ± tiga hari digunakan untuk maksimal tiga supplier, sebab satu
supplier tidak selalu menyediakan apa yang dibutuhkan oleh perusahaan.
Berdasarkan permasalahan yang terjadi, perusahaan menghitung kebutuhan bahan baku yang digunakan untuk proses produksi dengan cara memperkirakan jumlah permintaan produk jadi periode berikutnya berdasarkan insting dan pengalaman sebelumnya. Dari hasil perkiraan tersebut, dihitung kebutuhan bahan baku yang harus disediakan berdasarkan jumlah permintaan produk jadi.
(41)
2. Identifikasi Pengguna
Berdasarkan hasil wawancara dengan pimpinan perusahaan terdapat beberapa
pengguna dalam proses peramalalan persediaan. Pengguna yang berpengaruh
pada jalannya sistem adalah bagian penjualan dan Manajer Pengadaan.
3. Identifikasi Data
Setelah dilakukan proses identifikasi permasalahan dan pengguna, maka dapat dilakukan identifikasi data. Pada proses peramalan persediaan bahan baku memerlukan data sebagai berikut : Data permintaan, data bahan baku, data
produk jadi, data bill of material.
4. Identifikasi Fungsi
Setelah dilakukan proses identifikasi permasalahan, pengguna dan data, maka dapat diidentifikasi fungsi dari proses peramalan persediaan sebagai berikut : Mengelola data master, melakukan peramalan, membuat laporan.
Gambar 3.1 merupakan alur dokumen yang saat ini digunakan dalam proses peramalan persediaan bahan baku. Proses bisnis yang terjadi saat ini adalah bagian penjualan memberikan data permintaan produk jadi periode sebelumnya kepada Manajer Pengadaan. Selanjutnya Manajer Pengadaan memperkirakan jumlah permintaan produk jadi periode berikutnya berdasarkan insting dan pengalaman, menghasilkan laporan hasil perkiraan jumlah permintaan produk jadi periode berikutnya. Dari hasil perkiraan tersebut dihitung jumlah kebutuhan bahan baku yang harus disediakan berdasarkan jumlah permintaan produk jadi untuk periode berikutnya.
(42)
Gambar 3.1 DocumentFlow Peramalan Persediaan Bahan Baku
B Analisis Kebutuhan Pengguna
Berdasarkan hasil identifikasi permasalahan yang telah dilakukan, maka dapat dibuat kebutuhan pengguna. Analisis kebutuhan pengguna berfungsi untuk mengetahui kebutuhan dari masing-masing pengguna yang berhubungan langsung dengan aplikasi yang dibuat dapat sesuai dengan apa yang diminta. Kebutuhan pengguna untuk bagian penjualan dapat dilihat pada Tabel 3.2 sedangkan kebutuhan pengguna Manajer Pengadaan dapat dilihat pada Tabel 3.3.
Bagian Penjualan Bagian Gudang
Mulai
Mempersiapkan Data Jumlah Permintaan Produk
Jadi Periode Sebelumnya
Jumlah Permintaan Produk Jadi Periode Sebelumnya
Memperkirakan Jumlah Permintaan Produk Jadi Periode Berikutnya
Berdasarkan Insting dan Pengalaman
Hasil perkiraan jumlah permintaan produk jadi peridode berikutnya
Menghitung jumlah kebutuhan bahan baku
yang harus disediakan berdasarkan jumlah permintaan produk jadi
untuk periode berikutnya
Hasil perhitungan jumlah kebutuhan bahan baku yang harus disediakan untuk periode
berikutnya Rekap stok bahan baku periode
mingguan
(43)
1. Bagian Penjualan
Tabel 3.2 Kebutuhan Pengguna Bagian Penjualan
Kebutuhan Fungsi Kebutuhan Data Kebutuhan Informasi
Mengelola Data Master 1. Data Produk Jadi
2. Data Permintaan
1. Jenis Produk Jadi 2. Jumlah Permintaan
2. Manajer Pengadaan
Tabel 3.3 Kebutuhan Pengguna Manajer Pengadaan
Kebutuhan Fungsi Kebutuhan Data Output
Mengelola Data Master 1. Data Permintaan
2. Data Produk Jadi 3. Data Bill Of Material 4. Data Bahan Baku
Melakukan Permalan Data Permintaan Nilai Peramalan
Membuat Laporan 1. Laporan Peramalan
2. Laporan Kebutuhan Bahan Baku
C Analisis Kebutuhan Data
Dari analisis kebutuhan pengguna yang telah disusun sebelumnya, maka dibutuhkan beberapa data untuk menunjang aplikasi yang dibuat. Terdapat enam data yang diperlukan dalam pembuatan aplikasi.
Data yang diperoleh dari bagian penjualan :
1. Data Permintaan
Data permintaan telah disediakan oleh pihak perusahaan dan peniliti diberi akses untuk membaca data permintaan. Data permintaan yang diperlukan adalah periode permintaan dan jumlah permintaan.
(44)
2. Data Produk Jadi
Data produk jadi telah disediakan oleh pihak perusahaan dan peneliti diberi akses untuk membaca data produk jadi. Data produk jadi yang diperlukan adalah jenis produk jadi.
Data yang diperoleh dari Manajer Pengadaan :
3. Data Bahan Baku
Data Bahan Baku telah disediakan oleh pihak perusahaan dan peneliti diberi akses untuk membaca data bahan baku. Data bahan baku yang diperlukan adalah jenis bahan baku dan stok saat ini.
4. Data Bill Of Material
Data bill of material digunakan untuk mengetahui dan mengitung bahan baku
apa saja yang dibutuhkan dalam memproduksi suatu produk jadi sesuai dengan permintaan pelanggan.
5. Data Kebutuhan Bahan Baku
Data kebutuhan bahan baku digunakan untuk mengetahui jumlah kebutuhan bahan baku yang harus disiapkan jika akan memenuhi permintaan.
6. Hasil Peramalan
Hasil Peramalan digunakan untuk mengetahui hasil dari perhitungan peramalan
yang dibuat dengan metode Single Exponential Smoothing.
D Analisis Kebutuhan Fungsi
Berdasarkan kebutuhan pengguna yang sudah dibuat sebelumnya, maka dapat diimplementasikan dengan membuat kebutuhan fungsional dari aplikasi. Pada tahap kebutuhan fungsi digunakan untuk mengimplmentasikan seluruh
(45)
fungsi yang didapatkan dari hasil analisis kebutuhan pengguna. Fungsi-fungsi tersebut dapat dibagi menjadi empat fungsi yang meliputi :
1. Fungsi Mengelola Data Master
Tabel 3.4 Kebutuhan Fungsi Mengelola Data Master
Nama Fungsi Mengelola Data Master
Pengguna Manajer Pengadaan
Deskripsi Fungsi dari proses ini digunakan oleh Manajer Pengadaan
untuk melakukan proses pengelolaan data master
Kondisi Awal 1. Data Permintaan 3. Data Bahan Baku 5. Kategori
2. Data Produk Jadi 4. Data Jenis
Alur Aksi Pengguna Respon Sistem
Pemilihan data yang akan dikelola
1. Pengguna mengelola
data master dengan menambahkan data dan mengubah data pada
tiap-tiap form.
Aplikasi menampilkan
tiap-tiap form yang dipilih untuk
ditambahkan data.
Menyimpan Data
2. Pengguna memilih
tombol “simpan” Aplikasi yang sudah menyimpan ditambahkan data
dalam database.
Mengubah Data
3. Pengguna menekan dua
kali pada datagridview, kemudian label di
tombol “simpan”
berubah menjadi
“update”
Setelah diklik dua kali pada
datagridview, isi data
otomatis tampil pada tiap-tiap
textbox atau combo box.
Kondisi Akhir Fungsi ini mengelola dan menyimpan data master
Kebutuhan Non Fungsional
Security Hak akses untuk fungsi ini adalah Manajer Pengadaan
Error Handling
a. Aplikasi menampilan pesan ketika data
berhasil disimpan dari database
b. Aplikasi menampilkan pesan error ketika
data yang dimasukkan pada form tidak
(46)
4. Fungsi Melakukan Peramalan
Tabel 3.5 Kebutuhan Fungsi Melakukan Peramalan
Nama Fungsi Peramalan
Pengguna Manajer Pengadaan
Deskripsi Fungsi dari proses ini digunakan oleh Manajer
Pengadaan untuk melakukan proses peramalan
Kondisi Awal 1. Data Permintaan 3. Data Bahan Baku
2. Data Produk Jadi 4. Data Bill Of Material
Alur Aksi Pengguna Respon Sistem
Pemilihan data yang akan diramal
1. Pengguna memilih
tanggal dari data permintaan sebelumnya yang akan diramalkan.
Aplikasi menampilkan form
peramalan, menyediakan
menu datetimepicker tgl awal
dan tgl akhiruntuk pilihan
tanggal yang akan dipilih.
2. Pengguna memilih
produk jadi yang akan diramalkan untuk diketahui kebutuhan bahan bakunya.
Aplikasi menampilkan form
peramalan dan menyediakan
menu combobox untuk
pilihan produk jadi yang akan diramalkan.
3. Pengguna menekan
tombol “lihat data”
untuk mengetahui kebutuhan bahan baku sesuai dengan permintaan.
Aplikasi menampilkan form
peramalan dan menyediakan
datagridview untuk
menampilkan kebutuhan bahan baku sesuai permintaan dan produk jadi yang dipilih.
4. Pengguna Menekan
tombol “Hitung
Ramalan” dan “Hitung Bahan Baku”
Aplikasi menampilkan form
peramalan dan menyediakan
datagridview untuk
menampilkan hasil peramalan dengan menggunakan metode SES, serta menampilkan MSE terkecil.
Menyediakan datagridview
yang menampilkan kebutuhan bahan baku untuk tiga
periode ke depan. Menyimpan Data
5. Pengguna memilih
tombol “simpan” Aplikasi menyimpan data yang sudah ditambahkan ke
dalam database, tabel
Peramalan.
(47)
Kebutuhan Non Fungsional
Security Hak akses untuk fungsi ini adalah Manajer Pengadaan
Error Handling
a. Aplikasi menampilan pesan ketika data
berhasil disimpan dari database
b. Aplikasi menampilkan pesan error ketika
data yang dimasukkan pada form tidak
sesuai dengan ketentuan
6. Fungsi Membuat Laporan Peramalan
Tabel 3.6 Kebutuhan Fungsi Membuat Laporan Peramalan
Nama Fungsi Membuat Laporan Peramalan
Pengguna Manajer Pengadaan
Deskripsi
Fungsi dari proses ini digunakan oleh Manajer Pengadaan untuk melakukan proses pembuatan laporan peramalan
Kondisi Awal 1. Hasil Peramalan
2. Kebutuhan Bahan Baku
Alur Aksi Pengguna Respon Sistem
Pengguna memilih laporan yang akan dibuat.
a. Aplikasi menyediakan menu pilihan laporan yang akan dibuat.
b. Aplikasi menampilkan laporan yang sudah dibuat dari hasil peramalan dan perhitungan kebutuhan bahan baku.
Pengguna menekan
tombol “printer”.
Aplikasi menampilkan laporan yang akan dicetak. Kebutuhan Non
Fungsional
Security Hak akses untuk fungsi ini adalah Manajer Pengadaan
Error Handling
Aplikasi menampilkan pesan error ketika
tidak ada proses menampilkan laporan tersebut.
3.1.2 Perencanaan Kebutuhan Sistem
Aplikasi yang dibuat membutuhkan beberapa elemen yang mendukung
elemen dari sistem tersebut antara lain adalah hardware (perangkat keras) dan
software(perangkat lunak). Perencanaan kebutuhan perangkat keras dan
(48)
Tabel 3.7 Perencanaan Kebutuhan Sistem
Perangkat Keras Perangkat Lunak
1. Processor Intel Core 2 duo
2. Memory (RAM) 2 GB DDR3
3. Harddisk 320 GB
4. Monitor dengan resolusi minimal
1024 x 768
5. VGA standar
6. Keyboard
7. Optical Mouse
8. Printer Inkjet
1. Sistem Operasi Microsoft
Windows 7
2. Microsoft SQL server 2008 3. Microsoft .Net Framework 3.5
3.1.3 Proses Peramalan
Proses peramalan persediaan bahan baku yang diawali dari pengumpulan data, pengujian pola data, pemilihan teknik peramalan, peramalan periode masa lalu, perhitunan akurasi, peramalan masa datang dan menggunakan hasilnya dalam proses pengambilan keputusan. Penjelasan dari seluruh proses peramalan
akan dijabarkan pada sub bab setelah ini.
A Pengumpulan Data
Tahap persiapan data adalah tahap untuk mempersiapkan data yang telah dikumpulkan. Data yang digunakan untuk melakukan peramalan persediaan bahan baku adalah data permintaan yang terdapat pada CV Lintas Nusa Surabaya. Arsip yang dimiliki oleh perusahaan terkait dengan data permintaan yang paling awal adalah tahun 2014. Pada peramalan kali ini, rentang waktu dari data yang digunakan adalah data permintaan mulai dari bulan Desember tahun 2014 hingga bulan Januari tahun 2015 atau selama dua tahun. Dalam kurun waktu dua tahun, data yang didapatkan untuk diolah dalam peramalan sebanyak 51 data, pada tahun 2014 mempunyai 15 data sedangkan tahun 2015 mempunyai 36 data.
(49)
B Pengujian Pola Data
Data permintaan tersebut perlu diidentifikasi terlebih dahulu untuk mengetahui jenis dan polanya. Hal tersebut perlu dilakukan karena metode peramalan yang akan digunakan memiliki beberapa persyaratan untuk data masukannya, supaya peramalan yang dilakukan akan memberikan hasil yang baik. Data permintaan yang telah disiapkan termasuk ke dalam data kuantitatif, karena data tersebut didapatkan dari hasil pengukuran berupa angka. Data tersebut juga merupakan data runtut waktu, karena telah dikumpulkan dan dicatat sepanjang waktu yang berurutan secara kuantitatif. Selain jenis data kuantitatif dan runtut waktu, data permintaan tersebut harus diketahui terlebih dahulu bagaiman pola data.
Pola data dapat dibedakan menjadi empat jenis siklis dan trend, yaitu
pola horisontal(H), musiman(M), siklis(C), dan trend(T). Untuk dapat mengetahui
tampilan grafik dari data permintaan yang telah disiapkan. Tampilan grafik tersebut memiliki ciri khas tersendiri yang dapat membantu mendapatkan pola data yang benar. Adapun contoh pengamatan pola data berdasarkan grafik dari data permintaan ada pada Gambar 3.2, uji autokorelasi pada Gambar 3.3 dan Tabel 3.8.
Dari grafik yang terdapat pada Gambar 3.2, maka terlihat data dari waktu ke waktu relatif tidak naik atau turun. Ada pola kenaikan data yang diikuti oleh
pola data yang menurun. Sedangkan pada Gambar 3.3, adanya bar (batang)
berwarna biru yang melambangkan besaran ACF. Bar pertama terletak di atas
garis, karena bernilai positif (0,056366). Panjang bar menunjukkan besar korelasi
(50)
dalam bentuk bar yang sedikit di bawah garis. Adanya 12 bar menunjukkan adanya 12 ACF yang dihitung.
Gambar 3.2 Hasil pola data dari data permintaan
Gambar 3.3 Uji Autokorelasi data permintaan
50 45 40 35 30 25 20 15 10 5 1 40000 30000 20000 10000 0 Index P E R M IN T A A N
Time Series Plot of PERMINTAAN
13 12 11 10 9 8 7 6 5 4 3 2 1 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Lag A u to c o rr e la ti o n
Autocorrelation Function for PERMINTAAN
(51)
Tabel 3.8 Uji autokorelasi
Pada Gambar 3.3 di atas dan di bawah bar terdapat dua garis merah
terputus-putus. Itu adalah garis upper dan lower dari angka korelasi yang tidak
menunjukkan adanya autokorelasi. Jika bar yang ada tidak melebihi garis merah
yang di atas ataupun di bawah, berarti tidak ada autokorelasi. Sebaliknya jika
terdapat sejumlah bar (tidak harus semua bar) melewati baik garis bawah ataupun
atas, maka dapat diduga ada autokorelasi pada data. 12 Data ACF pada Gambar 3.2 tidak ada yang melewati garis batas merah, baik yang ada di atas ataupun yang ada di bawah. Dengan demikian, dapat disimpulkan tidak ada autokorelasi dan pola data bersifat stasioner.
C Pemilihan Teknik Peramalan
Dari uji pola data yang sudah dilakukan, pola data permintaan bersifat stasioner. Suatu data runtut waktu yang bersifat stasioner, merupakan suatu serial data yang nilai rata-ratanya tidak berubah sepanjang waktu. Keadaan seperti itu terjadi jika pola permintaan yang mempengaruhi data tersebut relatif stabil. Dalam
(52)
bentuknya yang paling sederhana, peramalan suatu data runtut waktu yang stasioner memerlukan data historis dari runtut waktu tersebut untuk mengestimasi nilai rata-ratanya, yang kemudian menjadi peramalan untuk nilai-nilai masa datang. Beberapa teknik yang seyogyanya dipertimbangkan ketika meramalkan data runtut waktu yang stasioner adalah model sederhana, metode rata-rata
sederhana, rata-rata bergerak, pemulusan eksponensial, dan metode box-jenkins.
Tabel 3.9 Pemilihan Teknik Peramalan
Metode Pola Data Jangka
Waktu Model
Jumlah Data Minimum yang diperlukan
Sederhana ST,T,M, PDK RW 1
Rata-rata
sederhana ST PDK RW 30
Rata-rata
bergerak ST PDK RW 4-20
Pemulusan
Eksponensial ST PDK RW 2
Box Jenkins ST,T,S,M PDK RW 24
Keterangan Tabel 3.9 :
Pola Data : ST = Stasioner, T = Trend, M = Musiman, S = Siklis
Jangka Waktu : PDK = Pendek
Model : RW = Runtut Waktu (time series)
Setelah diketahui teknik peramalan apa saja yang sesuai dengan pola data stasioner seperti ada Tabel 3.9. Maka langkah selanjutnya adalah memilih salah satu teknik peramalan dengan cara membandingkan metode. Membandingan metode yaitu dengan cara menghitung ke dalam persamaan yang tersedia pada tiap-tiap metode. Setelah menghitung ke dalam persamaan, selanjutnya yaitu membandingkan MSE terkecil. Berikut hasil perbandingan MSE terkecil dari beberapa metode yang dibandingkan.
(53)
Tabel 3.10 Hasil Perbandingan Metode untuk data stasioner
NO Metode Nilai MSE
1 Naïve 70.656.372, 55
2 Simple Avarage 5.652.435.056
3 Moving Avarage 426.194.074,1
4 Single Exponensial 44.099.379,8
5 Double Exp Brown 46.049.700
6 Double Exp Holt 69.880.558,8
7 Winter 54.892.265
Dari hasil perbandingan metode untuk data stasioner yang terlihat pada tabel 3.10, nilai MSE yang terkecil yaitu pada metode Single Exponensial dengan nilai 44.099.379,8. Jadi, dari hasil uji pola data dan perbandingan metode yang
sudah dilakukan. Proses perhitungan peramalan menggunakan metode Single
Exponential Smoothing. Langkah selanjutnya yaitu meramalkan periode masa
lalu.
D Peramalan Periode Masa Lalu
Tahap meramalkan periode masa lalu, yaitu dengan menggunakan data yang sudah disiapkan sebelumnya. Data yang sudah disiapkan untuk peramalan
yaitu data permintaan pelanggan. Metode Single Exponensial Smoothing
merupakan peramalan untuk jangka pendek. Peramalan jangka pendek hanya efektif digunakan untuk beberapa periode ke depan. Contohnya, suatu peramalan
menggunakan metode Single Exponensial Smothing menggunakan data sejak
bulan September tahun 2014 hingga bulan Januari tahun 2016. Peramalan tersebut hanya efektif jika digunakan untuk meramalkan data permintaan di bulan Januari tahun 2016 hingga bulan Maret tahun 2016, dengan catatan terjadi penurunan keakuratan di setiap periodenya. Oleh karena itu, pada peramalan yang
(54)
akan dibuat ini dibatasi dengan maksimal jumlah periode yang diramalkan sebanyak tiga periode. Perhitungan peramalan periode masa lalu bisa dilihat pada
lampiran 2 peramalan dengan metode Single Exponensial Smoothing.
E Perhitungan Akurasi
Peramalan periode berikutnya dengan metode Single Exponential
Smoothing terlihat ada satu konstanta, yaitu α(alpha). Konstanta tersebut berperan penting dalam menentukan apakah model dari peramalan yang telah dipakai merupakan model yang terbaik. Konstanta tersebut dikombinasikan untuk mendapatkan hasil peramalan yang terbaik, meskipun dengan data masukan yang sama. Hal tersebut berarti bahwa untuk melakukan satu kali peramalan dengan
metode Single Exponential Smoothing dengan konstanta yang berbeda, belum
tentu menghasilkan nilai kesalahan terkecil.
Model dari metode Single Exponential Smoothing yang terbaik
didapatkan dengan cara mencari nilai rata-rata kesalahan yang terkecil, yaitu dengan mengubah kombinasi konstanta yang ada. Pengubahan kombinasi tersebut dilakukan secara berulang dengan jumlah perulangan sama dengan jumlah maksimal kombinasi yang bisa didapatkan dari konstanta yang ada. Model yang akan digunakan pada tahap peramalan kali ini menggunakan satu model saja, karena model yang terbaik akan dicari dengan menggunakan aplikasi yang akan dibuat.
(55)
F Peramalan Periode Berikutnya dan Menggunakan Hasilya dalam proses Pengambilan Keputusan
Secara sederhana Single Exponential Smoothing adalah nilai ramalan
lama ( ̂t) ditambah α (alpha) dikalikan dengan tingkat kesalahan (Yt - ̂t) dari
ramalan yang lama. Konstanta pemulsan α erfungsi sebagai faktor penimbang. Jika α menekati 1, berarti nilai ramalan yang baru sudah memasukkan faktor penyesuaian untuk setiap tingkat kesalahan yang terjadi pada nilai ramalan yang
lama. Sebaliknya, bila α mendekati 0, berarti nilai ramalan yang baru hampir sama dengan nilai ramalan yang lama. Teknik pemulusan eksponensial untuk data permintaan selama tahun 2014 sampai 2016, dengan menggunakan konstanta pemulusan 0.1 sampai dengan 0.9. Data yang dimuluskan secara eksponensial dihitung dengan menetapkan Y1 sampai dengan 51. Jika data masa lalu tersedia, maka dapat digunakan untuk membuat suatu rangkaian data yang dimuluskan sampai tahun 2014 dan menggunakannya sebagai data mula-mula. Perhitungan untuk ramalan tiga periode selanjutnya ditunjukkan prosedurnya sebagai berikut : Langkah 1 : ̂t+1 = αYt + ( 1- α ) ̂t
̂2+1 = αY2 + ( 1- α ) ̂2
̂3 = 0.1(2000) + (1-0.1) 12100 = 200 + 10890 = 11090
Langkah 2 : Ramalan untuk periode 3 adalah
̂4= 0.1(10000) + 0.9(11090) = 1000 + 9981 = 10981
Langkah 3 : Tingkat kesalahan dalam ramalan ini adalah
e3 = 2000 – 12100 = -10100
Langkah 4 : Peramalan permintaan pada kuartal pertama tahun 2014 dengan
menggunakan konstanta pemulusan 0.1 dan 0.9 adalah 11090 dan 10981
(56)
Tabel 3.11Nilai-nilai pemulusan Single Exponential Smoothing
No Periode (t) Nilai Aktual
Yt Nilai Pemulusan ̂(α=0.1) Kesalahan Perhitungan et
1 4 Des 2014 13000 13000
2 10 Des 2014 4000 13000 -9000
3 17 Des 2014 2000 12100 -10100
4 7-Nov-14 10000 11090 -1090
5 29-Nov-14 20000 10981 9019
6 1 Okt 2014 2000 11882.9 -9882.9
7 10 Okt 2014 4500 10894.61 -6394.61
8 11 Okt 2014 10000 10255.15 -255.15
9 13 Okt 2014 3000 10229.64 -7229.64
10 11-Sep-14 750 9506.68 -8756.68
11 16-Sep-14 10000 8631.01 1368.99
12 8-Jan-15 9500 8767.91 732.09
13 15-Jan-15 8500 8841.12 -341.12
14 22-Jan-15 4700 8807.01 -4107.01
15 28-Jan-15 13000 8396.31 4603.69
16 9-Feb-15 2700 8856.68 -6156.68
17 16-Feb-15 9500 8241.01 1258.99
18 31 Maret 2015 13000 8366.91 4633.09
19 15-Apr-15 8700 8830.22 -130.22
20 28-Apr-15 15000 8817.2 6182.8
21 8 Mei 2015 4500 9435.48 -4935.48
22 15 Mei 2015 15000 8941.93 6058.07
23 22 Mei 2015 2300 9547.74 -7247.74
24 29 Mei 2015 13500 8822.97 4677.03
25 22 Juni 2015 7700 9290.67 -1590.67
26 29 Juni 2015 14500 9131.6 5368.4
27 1 Juli 2015 23000 9668.44 13331.56
28 8 Juli 2015 12000 11001.6 998.4
29 15 Juli 2015 36000 11101.44 24898.56
30 22 Juli 2015 16000 13591.3 2408.7
31 8 Agustus 2015 2400 13832.17 -11432.2
32 14 Agustus 2015 4800 12688.95 -7888.95
33 21 Agustus 2015 7500 11900.06 -4400.06
34 28 Agustus 2015 4500 11460.05 -6960.05
35 3-Sep-15 11000 10764.05 235.95
36 10-Sep-15 15000 10787.65 4212.35
37 17-Sep-15 9800 11208.89 -1408.89
(57)
No Periode (t) Nilai Aktual Yt
Nilai Pemulusan ̂(α=0.1)
Kesalahan Perhitungan
et
39 2 Oktober 2015 7300 11361.2 -4061.2
40 8 Oktober 2015 3500 10955.08 -7455.08
41 14 Oktober 2015 13000 10209.57 2790.43
42 20 Oktober 2015 8000 10488.61 -2488.61
43 9-Nov-15 11500 10239.75 1260.25
44 16-Nov-15 9500 10365.78 -865.78
45 23-Nov-15 13000 10279.2 2720.8
46 30-11-2015 12500 10551.28 1948.72
47 08-Des-2015 4300 10746.15 -6446.15
48 14-Des-2015 11000 10101.54 898.46
49 22-Des-2015 14000 10191.39 3808.61
50 28-Des-2015 7800 10572.25 -2772.25
51 8-Jan-16 5900 10295.03 -4395.03
9855.53
8869.98
7982.98
Pada Tabel 3.11 terlihat bagaimana stabilnya nilai-nilai pemulusan pada konstanta pemulusan 0.1. Dengan meminimumkan MSE, hasil yang diberikan pada konstanta pemulusan 0.9 lebih baik. Jika peramalan pada setiap konstanta pemulusan dibandingkan pada permintaan yang sebenarnya pada kuartal pertama pada tahun 2014, maka perhitungan dengan konstanta pemulusan 0.9 juga lebih baik.
3.2 Perancangan Sistem (Pemodelan Sistem)
Terdapat tiga fungsi untuk melakukan proses peramalan persediaan
bahan baku. Dari tiga fungsi tersebut dapat digambarkan dengan menggunakan
system flow, context diagram, Data Flow Diagram (DFD), Conceptual Data
Model (CDM), dan Physical Data Model (PDM) terletak pada skema database
(58)
Aplikasi peramalan persediaan dibuat dapat membantu Manajer Pengadaan dan pimpinan CV Lintas Nusa Surabaya untuk menghitung kebutuhan bahan baku yang digunakan dalam proses produksi, sehingga mengurangi kemungkinan terjadinya kehabisan mendadak pada saat proses produksi. Mengurangi kemungkinan terjadinya keterlambatan pengiriman kepada pelanggan.
3.2.1 Perancangan Proses
Tahap perancangan proses merupakan komponen perancangan yang menetapkan kapan dan bagaimana sesuatu harus dilakukan untuk mendukung kebutuhan pemakai. Karena pemakai mempunyai bermacam-macam kebutuhan informasi, maka harus ada pula perbedaan dalam rancangan proses. Berikut perancangan proses dari aplikasi peramalan persediaan bahan baku.
A Context Diagram
Pada Context Diagram menggambarkan entitas yang berhubungan
langsung dengan aplikasi dan aliran data secara umum. Terdapat dua pengguna yang berhubungan dengan aplikasi peramalan persediaan bahan baku yaitu
bagian penjualan dan Manajer Pengadaan. Perancangan dan Context diagram
(59)
Gambar 3.4 Context Diagram Aplikasi Peramalan Persediaan Bahan Baku
B Diagram Jenjang Proses
Diagram jenjang digunakan untuk menggambarkan hubungan dari proses
yang ada dan mendukung jalannya aplikasi yang dibuat. Gambar 3.5 menunjukkan diagram jenjang dari aplikasi peramalan persediaan bahan baku.
Diagram tersebut menunjukkan proses level 0 dari sistem, yaitu : mengelola data
master, melakukan peramalan, membuat laporan.
Gambar 3.6 menunjukkan diagram jenjang level 1 dari proses mengelola
data master. Proses pada diagram jenjang level ini meliputi : mengelola data bahan
baku, mengelola data permintaan, mengelola data produk jadi, mengelola bill of material.
Gambar 3.7 menunjukkan diagram jenjang level 1 dari proses melakukan
permalan. Proses pada diagram jenjang level ini meliputi : memilih periode
permintaan sebelumnya, memilih produk jadi, menghitung kebutuhan bahan baku sesuai dengan permintaan, menentukan periode peramalan, dan meramalkan kebutuhan bahan baku 3 periode ke depan.
Gambar 3.8 menunjukkan diagram jenjang level 1 dari proses membuat
laporan. Proses pada diagram jenjang level ini meliputi : memilih laporan dan
mencetak laporan.
Data Jenis Bahan Baku
data Kategori Bahan Baku
Data Produk Jadi
Laporan Kebutuhan Bahan Baku Laporan Hasil Peramalan
Data Bahan Baku Data Bill Of Material Data Permintaan
0
Rancang Bangun Aplikasi Permalan Persediaan Bahan
Baku
+
Bagian
(60)
Gambar 3.5 Diagram Jenjang Level 0 dari Aplikasi Peramalan Persediaan Bahan Baku
Gambar 3.6 Diagram Jenjang Level 1 dari proses mengelola data
Gambar 3.7 Diagram Jenjang Level 1 dari proses melakukan peramalan
0 Aplikasi Peramalan Persediaan Bahan Baku
1 Mengelola Data 2 Melakukan Peramalan 3 Membuat Laporan 1.1 Mengelola Data Bahan Baku 1.2 Mengelola Data Produk Jadi 1.3 Mengelola Data Bill Of Material
1.4 Mengelola Data Permintaan 1 Mengelola Data 2.1 Memilih Periode Permintaan sebelumnya 2.2
Memilih Produk Jadi
2.3 Menghitung Kebutuhan Bahan
Baku sesuai dg Permintaan
2.4 Meramalkan Kebutuhan Bahan
Baku 3 Periode Kedepan 2
(1)
123
Hitung MSE 0,7 157657177,1 0,8 178281356,8 0,9 203385165,5
Gambar 4.49 Perhitungan Peramalan Hang tag A6 Menggunakan Aplikasi
Gambar 4.50 Hasil Peramalan Hang Tag A6 untuk 3 Periode Ke Depan
(2)
124
Gambar 4.52 Hasil Kebutuhan Bahan Baku untuk Hang Tag A6 Tiga Periode Ke Depan
Tabel 4.21 Hasil Kesesuaian Perbandingan Perhitungan Manual dan Perhitungan Sistem
Berdasarkan perbandingan hasil peramalan manual dengan hasil peramalan sistem dapat diketahui bahwa peramalan dengan menggunakan metode Single Exponential Smoothing tingkat kesesuaiannya adalah 100%. Setiap produk memiliki tingkat kecocokan yang sama terhadap metode yang digunakan. Tingkat kesuksesan dari pernerapan metode peramalan Single Exponential Smoothinguntuk meramalkan persediaan bahan baku pada CV Lintas Nusa
No Produk Perhitungan
Manual
Perhitungan System
Kesesuaian % 1 Brosur A6 1. 9674,81 9674,8 100%
2 2. 4837,41 4837,4 100%
3 3. 2418,71 2418,7 100%
4 Brosur A4 1. 10190,08 10190,08 100%
5 2. 9171,07 9171,07 100%
6 3.8253,96 8253,96 100%
7 Label A6 1. 5390,89 5390,89 100%
8 2. 3773,62 3773,62 100%
9 3. 2641,53 2641,53 100%
10 Label A5 1. 9180,14 9180,14 100%
11 2.8262,13 8262,13 100%
12 3.7435,92 7435,92 100%
13 Hang Tag A7
1.10628,1 10628,1 100%
14 2. 7439,67 7439,67 100%
15 3. 5207,77 5207,77 100%
16 Hang Tag A6
1.17002,15 17002,15 100%
17 2. 15301,94 15301,94 100%
18 3. 13771,75 13771,75 100%
(3)
125
Surabaya adalah 100%. Secara umum, metode peramalan Single Exponential Smoothing dapat digunakan untuk meramalkan kebutuhan bahan baku pada tiga periode ke depan di CV Lintas Nusa Surabaya.
(4)
126 BAB V PENUTUP
5.1 Kesimpulan
Setelah menganalisis hasil uji coba dan evaluasi sistem maka dapat dibuat kesimpulan terhadap Rancang Bangun Aplikasi Peramalan Persediaan Bahan Baku yaitu sebagai berikut:
1. Aplikasi dapat menghasilkan laporan berupa hasil peramalan yang bertujuan untuk mengetahui hasil perhitungan peramalan yang digunakan untuk menghitung kebutuhan bahan baku tiga periode ke depan.
2. Aplikasi menghasilkan laporan kebutuhan bahan baku untuk tiga periode ke depan.
5.2 Saran
Adapun saran untuk pengembangan aplikasi Peramalan Persediaan Bahan Baku adalah sebagai berikut :
1. Metode yang digunakan dalam proses peramalan bisa diganti atau ditambahkan sesuai dengan kebutuhan perusahaan, dengan syarat data permintaan tidak sama dengan metode yang digunakan saat ini.
2. Aplikasi peramalan persediaan bahan baku dapat dikembangan dengan tambahan proses Reorder Point.
3. Aplikasi Peramalan persediaan dapat dikembangkan dengan tambahan proses penjadwalan produksi, sehingga dapat membantu perusahaan dalam meningkatkan hasil produksi dan pemenuhan kepada pelanggan dapat maksimal.
(5)
DAFTAR PUSTAKA
Arif, M. 2016. Rancangan Teknik Industri. Yogyakarta: Deepublish.
Arsyad, L. 2001. Peramalan Bisnis Edisi Pertama. Yogyakarta: BPFE-Yogyakarta.
Budijanto, A. A. 2006. Desain Grafis dengan Adobe In Design CS dan CS 2. Jakarta: PT Elex Media Komputindo.
Fatta, H. A. 2007. Analisis dan Perancangan Sistem Informasi untuk Keunggulan Bersaing Perusahaan & Organisasi Modern. Yogyakarta: Penerbit ANDI.
Gaspersz, V. 2002. Lean Six Sigma For Manufacturing and Srvice Industries. Jakarta: PT.Gramedia Pustaka
Heizer, J., & Render, B. 2010. Manajemen Operasi (Buku 2 Edisi 9). Jakarta: Salemba Empat.
Herjanto, E. 2001. Manajemen Operasi Edisi Ketiga. Jakarta: Grasindo. Ishak, A. 2010. Manajemen Operasi. Yogyakarta: Graha Ilmu.
Jogiyanto. 2003. Sistem Teknologi Informasi Pendekatan Terintegrasi : Konsep Dasar, Teknologi, Aplikasi, Pengembangan dan Pengelolaan. Yogyakarta: Penerbit ANDI.
Maturid, A. D. 2012. Metode Penelitian Teknik Informatika. Yogyakarta: Deepublish.
Mulyanta, E. S. 2005. Menjadi Desainer Layout Andal dengan Adobe InDesign CS. Yogyakarta: ANDI OFFSET.
Nasution, I. A. 2006. Manajemen Industri. Yogyakarta: CV Andi Offset (Penerbit Andi).
Pitarto, E. 2015. 50 Ribu Bisa Menerbitkan Buku. Jakarta: Nawaksara Publishing. Prawirosentoso, S. 2005. Riset Operasi dan Ekonofisika. Jakarta: Bumi Aksara. Pressman, R. S. 2012. Rekayasa Perangkat Lunak (Pendekatan Praktisi) Edisi 7
Buku 1. Yogyakarta: Andi.
Render, J. H. 2009. Manajemen Operasi Buku 1 Edisi 9. Jakarta: Salemba Empat. Santoso, S. 2009. Business Forecasting Metode Peramalan Bisnis Masa Kini
(6)
Sinulingga, S. 2009. Perencanaan dan Pengendalian Produksi. Yogyakarta: Graha Ilmu.
Syamsudin, L. 2007. Manajemen Keuangan Perusahaan. Jakarta: Raja Grafindo Persada.