13
3.2 Sumber Data Transaksi Penggudangan
Untuk menghitung nilai asosiasi antar material yang disimpan di gudang dan untuk menghitung peramalan jumlah material yang dibutuhkan pada periode berikutnya maka
dibutuhkan data transaksi penggudangan material bahan baku dari suatu perusahaan agroindustri yang bergerak di bidang industri ban. Data transaksi penggudangan bahan baku tersebut berisi
data mengenai bahan baku, tanggal keluar-masuk material, serta jumlah material yang digunakan. Data tersebut dikumpulkan dari data transaksi penggudangan dalam jangka waktu satu tahun.
Semua pengolahan data yang telah didapat dilakukan dengan menggunakan program Microsoft Excel 2007.
3.3
Formulasi Double Exponential Smoothing
Pada dasarnya metode double exponential smoothing atau pemulusan eksponensial ganda lazim digunakan untuk menghitung atau memprediksikan jumlah kebutuhan suatu material pada
periode ke depannya forecast dengan menggunakan data penggunaan pada periode sebelumnya. Metode ini digunakan bertujuan untuk mendapatkan peramalan jumlah kebutuhan material
dengan eror terkecil. Penggunaan metode ini diharapkan mampu menghasilkan forecast jumlah kebutuhan material yang bersifat adaptif terhadap perubahan data penggunaan yang bersifat
stochastic, yang kemudian mampu mengoptimalisasi jumlah dan lead-time pengadaan suatu material. Formulasi perhitungan metode double exponential smoothing dapat dilihat pada Gambar
2 dibawah ini.
Mulai
Data Penggunaan Mateial periode
x-1 Plotting data
menjadi Grafik
Inisiasi awal dengan menentukan
nilai α,
S
1
’=S
1
”=X
1
Grafik
Menghitung nilai S
t
’, S
t
”, a
t
, dan b
t
Menghitung Nilai Ft
Forecast t = 24 Selesai
Menghitung nilai MSE
Menghitung forecast jumlah
Gambar 2. Formulasi Double Exponential Smoothing
14
3.4 Formulasi
Associative Rules Data Mining
Dari pengamatan terhadap pola interaksi user bagian produksi dan warehouse manager, pada transaksi penggudangan dan penggunaan suatu material dari gudang penyimpanan, banyak
hal yang harus diperhatikan dalam waktu bersamaan. Hal ini tentu dapat menjadi suatu permasalahan ketika terjadi kesalahan perhitungan baik untuk perencaan produksi maupun
pengendalian persediaan yang dituntut terus untuk melakukan peninjauan terhadap jumlah material yang dibutuhkan, jumlah material yang telah digunakan, dan jumlah material yang
tersimpan.
Berdasarkan Witten 2005, associative rules adalah salah satu teknik dalam data mining untuk menemukan hubungan antar item dalam suatu suatu kumpulan data yang telah ditentukan.
Konsep ini diturunkan dari terminologi market basket analysis. Konsep ini banyak digunakan untuk pencarian hubungan dari beberapa produk dalam suatu transaksi pembelian. Namun konsep
ini juga dapat diaplikasikan terhadap transaksi penggunaan material di gudang. Maka dari itu associative rules data mining digunakan untuk mencari hubungan atau nilai kedekatan antar
material satu dengan material lainnya antar item untuk meminimalisir kesalahan perhitungan tiga aspek utama dalam kegiatan gudang. Proses formulasi associative rules data mining dapat
dilihat pada Gambar 3 dibawah ini.
Mulai Analisis frequent
item set awal Menghitung nilai
Support
Menghitung Nilai Confidence
Menentukan rules material bahan baku
Rules frequent item set
Selesai
Gambar 3. Formulasi Associative Rules Data Mining Penggunaan konsep ini bertujuan untuk mencari kombinasi material item set yang sering
muncul frequent. Pada dasarnya konsep ini memiliki dua langkah utama dalam menghitung nilai asosiasi yaitu pertama adalah menghitung untuk menemukan frequent item set
dan langkah kedua adalah mencari kaidah asosiasinya rules dari kumpulan frequent item set tadi. Seperti
yang telah terlihat diatas, dengan menggunakan associative rules data mining, terdapat dua kriteria nilai, yaitu:
1. Support : suatu nilai kriteria untuk menentukan tingkat dominasi item set dari keseluruhan
transaksi penggudangan dari seluruh transaksi penggudangan yang didapat, seberapa besar kemungkinan item A dan item B digunakan secara bersamaan. Support {A,B} = Number
of Transaction A,B 2. Confidence probability: suatu ukuran untuk menyatakan hubungan antar satu item dengan
item lainnya secara conditional misal: seberapa sering item A digunakan, jika pengguna menggunakan item B. Confidence A U B = Probability B | A = Support A,B Support
A
15
3.5 Verifikasi
Kategori