BAB 4 ANALISIS DAN PEMBAHASAN

Transkripsi

1 BAB 4 ANALISIS DAN PEMBAHASAN 4.1 Pengumpulan Data Studi kasus pada PT Surya Toto Indonesia, Tbk (PT STI) dilaksanakan untuk memecahkan masalah penjadwalan mesin produksi yang berfokus pada pabrik kedua. Beberapa data yang dikumpulkan adalah sebagai berikut: Gambaran umum dari perusahaan serta proses produksi secara umum. Keterangan dari setiap mesin yang digunakan pada studi kasus di pabrik kedua. Data produksi pada 12 bulan terakhir dan waktu proses dari 20 komponen yang memiliki produksi berkelanjutan Data Mesin Dalam pabrik ini, berikut beberapa mesin yang digunakan beserta spesifikasi mesin terkait dengan studi kasus: Tabel 4. 1 Data Mesin Pabrik Kedua Kode Mesin Kategori Mesin Nama Mesin Jumlah 2CANA Casting Core Naniwa 6 2CAIMR Casting Core IMR 1 2CALP Casting Low Pressure Die Casting 2 2CAGDC Casting Gravity Die Casting 1 2MCRV2 Machining Rim Vertikal 2 2 2MCDR Machining Drilling 3 2MCNF Machining NC Forging 5 2MCMC Machining Milling Center Topper 4 2MCMCT Machining Milling Center Mori 4 2POUS Polishing Universal Polishing 1 2POORG Polishing Manual Polishing 49 2PLLS Marking Laser Marking 1 Sumber: Hasil Observasi Lapangan Data Produksi Komponen Data berikutnya yang dikumpulkan adalah data produksi 20 komponen yang diproduksi pada pabrik kedua. Adapun pemilihan 20 komponen ini didasarkan atas komponen yang memiliki tingkat produksi berkelanjutan dari setiap 12 bulan terakhir sehingga komponen-komponen ini memerankan peran penting dalam proses penjadwalan produksi di bagian Production Planning & Inventory Control (PPIC). Data produksi 20 komponen pada 12 bulan terakhir yang dimulai dari bulan April 2012 sampai dengan Maret 2013 dapat dilihat pada lampiran A. 17

2 4.1.3 Data Waktu Proses Produksi Komponen Tabel 4. 2 Data Waktu Proses Produksi Nama Kode Mesin Komponen M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 S S R S S11008S S S N S11016S S11030R S11036R S11037S S11038N S11039R S S S S S S11145R S S S R(A) Sumber: Bagian PPIC pada PT STI Keterangan Tabel 4.2: Kode Nama Mesin Kode Nama Mesin M1 Core Naniwa M7 NC Forging M2 Core IMR M8 Milling Center Topper M3 Low Pressure Die Casting M9 Milling Center Mori M4 Gravity Die Casting M10 Universal Polishing M5 Rim Vertikal 2 M11 Manual Polishing M6 Drilling M12 Laser Marking Tabel 4.2 mendeskripsikan waktu proses produksi untuk 20 komponen yang akan diproduksi. Dapat dilihat pada komponen S , waktu mesin pertama untuk memproses komponen tersebut adalah 18 detik, mesin keempat adalah 50 detik dan seterusnya. Nilai nol menandakan bahwa tidak ada proses yang terjadi pada komponen tersebut. 4.2 Pengolahan Data Teknik Industri Peramalan Jumlah Produksi dengan Metode ES Dalam studi kasus ini, data yang digunakan untuk penjadwalan adalah data hasil peramalan jumlah produksi yang diolah melalui data produksi 20 komponen pada 12 bulan terakhir dan peramalan dilakukan selama satu bulan ke depan. Ada empat jenis metode Exponential Smoothing (ES) yang akan digunakan pada studi kasus ini. Contoh perhitungan dari masing-masing metode ES ini akan dijelaskan sebagai berikut: 18

3 1. Metode Single Exponential Smoothing (SES) Berikut adalah contoh perhitungan metode SES dengan menggunakan rumus (2.1): 19 Data diatas menggunakan data komponen S11010 dalam meramalkan satu bulan ke depan, yaitu bulan ke-13. Hasil perhitungan untuk 12 bulan ke belakang berada pada Lampiran B pada Tabel B Metode Double Exponential Smoothing (DES) Berikut adalah contoh perhitungan metode DES dengan menggunakan rumus (2.2) sampai (2.4): S 13 = (0,1 x 1361) + ((1 0,1) x (1970, ,7)) S 13 = 816, ,1 S 13 = 1704,7 γ B 13 = (0,3 x (1704,7 1970,6)) + ((1 0,3) x 249,7) b 13 = -79, ,8 b 13 = 95,0 F 13 = 1704,7 + 95,0 F 13 = 1800 Data diatas menggunakan data komponen S15014 dalam meramalkan satu bulan ke depan, yaitu bulan ke-13. Hasil perhitungan untuk 12 bulan ke belakang berada pada Lampiran B pada Tabel B Metode Linear Exponential Smoothing (LES) Berikut adalah contoh perhitungan metode LES dengan menggunakan rumus (2.5) sampai (2.9): S 13 = (0,1 x 4440) + ((1 0,1) x 2636,2) S 13 = 444, ,5 S 13 = 2816,5 S 13 = (0,1 x 2816,5) + ((1 0,1) x 1789,5) S 13 = 281, ,6 S 13 = 1892,2 a(t) =2 a(13) = (2 x 2816,5) 1892,2 a(13) = 3740,8 b(13) = 0,1 x (2816,5 1892,2) b(13) = 102,7

4 20 F t = a(t) + b(t) F 13 = 3740, ,7 F 13 = 3844 Data diatas menggunakan data komponen S11007 dalam meramalkan satu bulan ke depan, yaitu bulan ke-13. Hasil perhitungan untuk 12 bulan ke belakang berada pada Lampiran B pada Tabel B Metode Triple Exponential Smoothing (TES) Berikut adalah contoh perhitungan metode TES dengan menggunakan rumus (2.10) sampai (2.13): S t = (0,6 x 9655,0) + ((1 0,6) x (4250, ,0)) S t = 5793, ,5 S t = 7558,4 γ b t = (0,1 x (7558,4 4250,7)) + ((1 0,1) x 163,0) b t = 330, ,7 b t = 477,4 I t = (0,1 x 1,8) + ((1 0,1) x 0,8) I t = 0,2 + 0,7 I t = 0,9 F t = (7558, ,4) x 0,9 F t = 7092 Data diatas menggunakan data komponen S R dalam meramalkan satu bulan ke depan, yaitu bulan ke-13. Hasil perhitungan untuk 12 bulan ke belakang berada pada Lampiran B pada Tabel B Penjadwalan Proses Produksi dengan Algoritma LDFA Dalam mengimplementasikan algoritma Lévy-Flight Discrete Firefly (LDFA) dalam masalah penjadwalan proses produksi, digunakan algoritma kunang-kunang berbentuk diskrit. Bentuk diskrit dari algoritma ini diperoleh melalui implementasi aturan Smallest Position Value (SPV) pada representasi urutan permutasi sebagai bentuk dari solusi penjadwalan. Tahapan dari algoritma ini dimulai dari mengubah bentuk kontinu dari dimensi setiap kunang-kunang menjadi urutan permutasi dari proses produksi. Berikutnya, akan dibentuk populasi sebesar n dimana setiap kunang-kunang merupakan satu kandidat solusi. Populasi kunang-kunang ini akan mengalami pergerakan berdasarkan konsep ketertarikan kunang-kunang satu dengan lainnya yaitu I j > I i. Adapun ketertarikan ini akan berbeda nilainya yang didasarkan atas jarak antar kunang-kunang dan fungsi evaluasi dari setiap kunang-kunang. Nilai dari daya tarik ini akan berubah seiring dekat atau jauhnya kunang-kunang satu dengan yang lainnya. Untuk lebih jelasnya, berikut tahap-tahap dari algoritma kunang-kunang:

5 1. Representasi Solusi (Solution Representation) Representasi dari solusi penjadwalan ditampilkan melalui urutan permutasi dari proses produksi. Dalam menentukan urutan ini, digunakan aturan SPV, dimana setiap nilai kontinu dari dimensi kunang-kunang diubah menjadi bentuk diskrit (Marichelvam, Prabaharan, & Yang, 2012, p. 3). Aturan SPV dengan contoh tujuh urutan proses produksi ini dapat diilustrasikan pada tabel 4.3 berikut: Tabel 4. 3 Solusi Representasi Untuk Sebuah Kunang-kunang Dimensi (j) Nilai Posisi (x ij ) 0,911 0,738 0,224 0,592 0,03 0,633 0,862 Urutan Permutasi Dari tabel 4.3, setiap dimensi menandakan satu urutan proses produksi. Nilai x ij terkecil pertama berada pada dimensi j = 5 sehingga urutan permutasi pertama adalah 5 (lima), dan berikut seterusnya. Proses SPV ini akan dilakukan sebanyak jumlah dimensi sehingga terbentuk satu kunang-kunang yang merepresentasikan satu kandidat solusi. Jika diartikan dalam urutan penjadwalan, maka urutan produksi akan dimulai dari komponen kelima, ketiga dan seterusnya hingga komponen kesatu. 2. Inisialisasi Populasi (Population Initialization) Inisialisasi dari populasi kunang-kunang ini menggunakan bilangan acak dengan rentang [0,1]. Adapun bilangan acak ini digunakan pada setiap dimensi dalam nilai posisi kunang-kunang (x ij ) dimana i = 1,2,3,...,n; n adalah jumlah populasi kunang-kunang dan j adalah jumlah dimensi untuk setiap kunang-kunang. Sebagai contoh, apabila ada lima kunang-kunang dengan jumlah dimensi (j) sebanyak tujuh, maka ada 35 bilangan acak yang akan dibangkitkan. 3. Fungsi Evaluasi (Fitness Function) Fungsi evaluasi yang digunakan untuk algoritma ini adalah fungsi objektif penjadwalan produksi, yaitu minimalisasi waktu total pengerjaan proses produksi (makespan). Rumus yang digunakan adalah rumus (2.15). Sebagai contoh, berikut perhitungan makespan untuk dua komponen: Tabel 4. 4 Perhitungan Makespan untuk Dua Komponen Urutan Produksi S11157 S11030R S P E S P E M 1 0,0 1,4 1,4 1,4 3,6 5,0 M 2 0,0 0,0 0,0 0,0 0,0 0,0 M 3 1,4 5,9 7,2 7,2 16,2 23,4 M 4 0,0 0,0 0,0 0,0 0,0 0,0 M 5 7,2 1,1 8,3 2,4 6,6 30,0 M 6 8,3 1,2 9,5 3,0 7,3 37,3 M 7 9,5 1,3 1,7 37,3 15,7 53,0 M 8 0,0 0,0 0,0 0,0 0,0 0,0 M 9 0,0 0,0 0,0 0,0 0,0 0,0 M 10 10,7 2,0 12,7 53,0 12,2 65,2 M 11 12,7 1,8 14,5 65,2 10,6 75,8 M 12 14,5 4,3 18,9 0,0 0,0 0,0 Sumber: Pengolahan Data 21

6 Untuk keterangan, M i adalah urutan produksi ke-i, S adalah Start, P adalah Processing dan E adalah End. Data diatas menggunakan jam sebagai satuan unit penjadwalan dan tabel 4.5 menunjukkan makespan yang dihasilkan adalah sebesar 75,8 jam. Tentunya nilai ini akan berubah sesuai dengan urutan yang dihasilkan oleh algoritma itu sendiri. Hal yang patut diperhatikan adalah satu urutan produksi hanya boleh memproses satu komponen hingga selesai. Contohnya pada M 11, mesin sudah idle pada jam ke 14,5 karena komponen S11157 hanya memiliki waktu proses sebesar 1,8 jam. Namun komponen S11030R tetap harus menunggu hasil proses dari M 10 sehingga waktu S dari komponen S11030R adalah 65,2. 4. Intensitas Cahaya (Light Intensity) Intensitas cahaya (I) dari kunang-kunang ini merupakan indikator yang digunakan untuk menentukan apakah kunang-kunang yang satu akan bergerak ke kunang-kunang lainnya. Contohnya, jika kunang-kunang j lebih terang dibanding kunang-kunang i maka kunang-kunang i akan bergerak ke kunang-kunang j. Adapun intensitas cahaya ini dihitung melalui rumus (2.17). Nilai pada rumus tersebut merupakan nilai konstanta yang digunakan agar nilai intensitas cahaya yang telah dihitung tidak terlalu kecil. Hal ini disebabkan oleh tingginya digit angka yang diperoleh untuk setiap fungsi objektif pada minimalisasi makespan pada penjadwalan proses produksi. 5. Jarak (Distance) Perhitungan jarak ini dilakukan untuk setiap kunang-kunang di dalam populasi. Sebagai ilustrasi, berikut contoh perhitungan untuk jarak antar kunang-kunang dengan jumlah dimensi yaitu lima: Tabel 4. 5 Perhitungan Jarak Antar Kunang-kunang Kunang-Kunang (x ij ) Dimensi (j) x 1j 0,203 0,573 0,032 0,134 0,887 x 2j 0,293 0,116 0,613 0,673 0,934 (x 2j - x 1j ) 2 0,008 0,209 0,337 0,291 0,002 Dari tabel 4.5, perhitungan jarak antara kunang-kunang satu dan dua dimulai dari baris ketiga dengan menambahkan angka 0,008 sampai 0,002 lalu dihitung dengan menggunakan rumus (2.18) sehingga nilai r 12 adalah 0,920. Perhitungan jarak antar kunang-kunang ini akan dilakukan sebanyak jumlah populasi kunang-kunang (n). 6. Pergerakan (Movement) Pergerakan pada kunang-kunang dilakukan jika intensitas antara satu kunang-kunang lebih besar dibanding kunang-kunang yang berada di dekatnya. Dengan menggunakan rumus (2.19), rumus dari pergerakan akan dilakukan pada setiap dimensi dalam nilai posisi kunang-kunang (x ij ). Sebagai ilustrasi, berikut perhitungan dari pergerakan kunangkunang: Tabel 4. 6 Perhitungan Pergerakan Dua Kunang-kunang Kunang-Kunang (x i ) Dimensi (j) x 1 0,203 0,573 0,032 0,134 0,887 x 2 0,293 0,116 0,613 0,673 0,934 x 1 0,585 0,955 0,414 0,516 1,269 22

7 Skenario pada tabel 4.6 adalah kunang-kunang kedua memiliki intensitas cahaya lebih terang sehingga kunang-kunang pertama yang bergerak ke kunang-kunang kedua. Contoh perhitungan pada x 1 pada dimensi j = 1 adalah sebagai berikut (Contoh nilai rand = 0,734): 23 Perhitungan ini akan dilanjutkan sampai dengan dimensi ke-n dan hasil, j = 1,2,3,...,k; k = jumlah dimensi, akan digunakan sebagai nilai dari posisi baru bagi kunang-kunang pertama. Berikutnya akan digunakan aturan SPV untuk mengubah setiap dimensi dalam nilai posisi kunangkunang (x ij ) menjadi bentuk urutan permutasi sehingga terbentuk kandidat solusi yang baru. 4.3 Pembahasan Data Teknik Industri Peramalan Jumlah Produksi Komponen-komponen di bawah ini menggunakan metode yang berbeda satu sama lain karena memiliki pola data yang berbeda. Adapun pola data dari 20 komponen ini telah digambarkan pada Lampiran B, yang dimulai dari gambar B.1 sampai dengan gambar B.20. Sesuai dengan karakteristik metodenya, pola data pada tujuh komponen pertama memiliki pola data yang cenderung stabil dan menunjukkan tren yang lemah sehingga digunakan metode SES. Penggunaan metode berikutnya, DES, memiliki bentuk pola data yang menunjukkan bahwa terjadi tren yang kuat. Hal ini dapat dilihat pada garis linear yang memiliki kemiringan yang cukup ekstrim. Garis ini ditampilkan pada grafik tiga komponen. Metode berikutnya, yaitu LES, memiliki karakteristik yang hampir sama dengan metode sebelumnya, DES. Tetapi jika dilihat lebih spesifik pada grafik dari enam komponen berikutnya, terjadi tren yang kuat namun selalu berubah-ubah. Metode terakhir, yaitu TES, digunakan untuk pola data pada empat komponen terakhir yang cenderung memiliki sifat musiman dan tren yang cukup kuat. Hal ini dapat dilihat pada pergerakan naik turunnya grafik setiap komponen yang berulang-ulang. Setelah mengetahui berbagai jenis metode yang akan digunakan pada 20 komponen ini, dilakukan pengolahan data berupa perhitungan pada peramalan bulan berikutnya, bulan ke-13 sebagai input data penjadwalan proses produksi. Sebagai pandangan, berikut adalah rangkuman dari hasil perhitungan peramalan untuk setiap metode ES: Tabel 4. 7 Rangkuman Hasil Peramalan Metode SES No. Nama Komponen Nilai Peramalan 1 S11037S S S11030R S S S11016S S S 326

8 24 Tabel 4. 8 Rangkuman Hasil Peramalan Metode DES No. Nama Komponen Nilai Peramalan 1 S S S S N 606 Tabel 4. 9 Rangkuman Hasil Peramalan Metode LES No. Nama Komponen Nilai Peramalan 1 S S11038N S11008S S11145R S R(A) 496 Tabel Rangkuman Hasil Peramalan Metode TES No. Nama Komponen Nilai Peramalan 1 S R S S11036R S11039R Implementasi Algoritma LDFA Implementasi algoritma LDFA ini terdiri dari dua proses utama, yaitu penentuan parameter yang digunakan dan tampilan antarmuka sebagai gambaran dari hasil algoritma untuk proses penjadwalan dengan data yang tersedia. Parameter yang digunakan pada algoritma LDFA ini adalah: Tabel Pengaturan Parameter Algoritma LDFA Simbol Keterangan Nilai Simbol Keterangan Nilai Konstanta n Jumlah Populasi 20 β o 0,5 Ketertarikan t Jumlah Iterasi 15 γ Konstanta Gamma 0,75 α Konstanta Alpha 0,5 λ Konstanta Lévy 1,5 Sumber: (Marichelvam, Prabaharan, & Yang, 2012, p. 5) Semua perhitungan ini dijalankan pada komputer dengan spesifikasi Intel Core i7 3,4 GHz CPU dengan 8 GB DDR3 RAM dan dirancang dengan menggunakan bahasa pemrograman Java 1,7 dengan Netbeans versi 7,3. Adapun beberapa asumsi yang digunakan pada implementasi algoritma dalam mengatur penjadwalan ini, yaitu sebagai berikut: 1. Semua waktu mulai pengerjaan (release date) komponen dilakukan pada awal bulan dan tenggat waktu (due date) untuk setiap komponen adalah sama, yaitu akhir bulan dari pengerjaan proses produksi. 2. Satu tahap produksi dapat berisi satu mesin atau lebih yang memiliki karakteristik dan proses yang sama. 3. Untuk setiap tahap produksi, dua komponen tidak bisa diproses dalam waktu yang bersamaan.

9 4. Waktu pengaturan mesin sudah termasuk pada waktu standar dari proses pengerjaan setiap komponen. 5. Waktu standar setiap komponen dalam setiap proses telah diketahui dan tetap untuk setiap penjadwalan. 6. Waktu pemindahan barang untuk setiap tahap produksi diabaikan. 7. Data produksi yang digunakan adalah data hasil peramalan dan jumlah dari komponen disesuaikan berdasarkan kasus. 25 Gambar 4. 1 User Interface Penjadwalan Produksi Dari gambar 4.1, diperoleh makespan dengan nilai sebesar 305,27 jam atau 19,08 hari. Nilai hari ini ditentukan dengan membagi jumlah jam dengan jumlah jam kerja total dari standar waktu kerja di PT STI, yaitu 16 jam tanpa adanya lembur. Karena makespan yang diperoleh merupakan hasil dari waktu total pengerjaan proses produksi yang dilihat dari setiap komponen, maka dengan menggunakan rumus (2.16), dapat dihitung nilai keterlambatannya (lateness): L max = (19,08 30) L max = -10,92 Hasil minus dari lateness menandakan bahwa penjadwalan telah selesai 10,92 hari lebih cepat dari tenggat waktu yang telah ditentukan, yaitu akhir bulan. 4.4 Perancangan Sistem Informasi Requirement Analysis Analisis pada perancangan sistem informasi proses penjadwalan dimulai dengan menentukan kebutuhan dari sistem. Kebutuhan ini berupa komponen-komponen dalam sistem yang akan dianalisa menggunakan model UML. Komponen-komponen ini seperti fungsi, detail dari setiap fungsi, aktor

10 dalam sistem dan arsitektur data. Tahap-tahap analisis dilakukan dengan menentukan fungsi dalam sistem. Kemudian dilakukan analisis terhadap data input dan ouput dari setiap fungsi. Analisis berikutnya adalah menentukan siapa yang akan bertanggung jawab terhadap fungsi-fungsi ini. Berikutnya adalah menentukan arsistektur data dari kriteria input dan output dari setiap fungsi. Hasil dari analisis ini akan digunakan untuk merancang sistem pada tahap berikutnya. Untuk memulai analisis kebutuhan ini, maka digunakan beberapa model UML yaitu sebagai berikut: 1. Activity Diagram Tujuan diagram ini adalah untuk memberikan gambaran keseluruhan terhadap proses bisnis di dalam perusahaan. Analisis dilakukan dengan mengobservasi beberapa aktivitas utama dalam proses bisnis perusahaan khususnya proses penjadwalan. Dari observasi pada proses bisnis perusahaan, diperoleh beberapa proses yang dimulai dari mencatat pemesanan untuk para pelanggan yang sudah terdaftar dan diakhiri dengan membuat rangkuman dari penyelesaian barang. Fungsifungsi sistem akan mencakup semua bagian produksi, bagian pemasaran dan bagian gudang. 26 Gambar 4. 2 Diagram Aktivitas

11 2. Event Table Merupakan perincian dari aktivitas dalam sistem yang dijelaskan dalam bentuk tabel. Secara detail, tabel ini menjelaskan input dan output dari setiap proses. Tabel ini juga menjelaskan siapa yang bertanggung jawab terhadap suatu aktivitas pada sistem tersebut serta mengapa aktivitas itu dilakukan. Tabel dapat dilihat di Lampiran C, dimulai dari gambar C. 1 sampai dengan C Use Case Diagram Tujuan dari diagram adalah untuk memetakan fungsi yang berasal dari tabel dan diagram aktivitas menjadi terstruktur sehingga sistem mengetahui secara pasti siapa yang bertanggung jawab untuk melakukan fungsi tersebut. Kata extends menandakan pendaftaran dapat saja dilakukan apabila pelanggan belum terdaftar ketika melakukan pemesanan. 27 Gambar 4. 3 Diagram Use Case

12 4. Use Case Description Sesuai dengan gambar 4.3 diatas, dilakukan penjelasan lebih detail berupa deskripsi dari setiap fungsi sistem (use case) yang dapat dilihat di Lampiran C, dimulai dari Tabel C. 1 sampai dengan C. 14. Contohnya pada fungsi mencatat pemesanan, penjelasan dilakukan pada skenario dari pencatatan, bagaimana pencatatan dilakukan dan kondisi-kondisi apa yang harus dipenuhi. 5. Domain Class Diagram Diagram ini menjelaskan struktur data dan asosiasi antar data yang akan digunakan untuk perancangan arsitektur sistem sesuai dengan tabel aktivitas yang telah dijelaskan. Setiap data memiliki atribut yang merupakan informasi untuk sistem. Asosiasi ditentukan berdasarkan proses bisnis dan fungsi dari sistem. Contohnya, satu pelanggan bisa melakukan pemesanan lebih dari satu kali atau tidak sama sekali. 28 Gambar 4. 4 Diagram Domain Class

13 6. Activity-Data Matrix Matriks ini digunakan untuk menentukan hubungan antara data dari diagram domain class dengan fungsi sistem dari diagram use case. Hubungan antar data tersebut ditentukan berdasarkan fungsi dasar data, yaitu Create, Read, Update dan Delete (CRUD). Contohnya pada fungsi mencatat pemesanan, data yang digunakan adalah pemesanan, barang pesanan, barang dan pelanggan. Data barang dan pelanggan hanya dibaca, sedangkan data pemesanan dan barang pesanan dapat dibaca, ditambah, diubah dan dihapus. 29 Gambar 4. 5 Matriks Hubungan Aktivitas-Data

14 7. State Transition Diagram Diagram ini menjelaskan transisi status pada suatu objek domain class yang penting di dalam sistem. Diagram dapat dilihat pada lampiran C, dimulai dari gambar C. 4 sampai C. 6. Pada objek class pemesanan, status pertama yang terjadi pada objek adalah pemesanan dimulai. Berikutnya, dilakukan pemilihan pelanggan sehingga status menjadi pelanggan tercatat. Pada akhir setelah status pemesanan menjadi grand total diketahui, maka objek akan disimpan ke dalam database. 8. System Sequence Diagram Merupakan diagram yang menjelaskan interaksi input dan output antara aktor dan sistem dalam suatu fungsi sistem dari diagram use case yang telah dijelaskan sebelumnya. Diagram ini dapat dilihat pada Lampiran C, dimulai dari gambar C. 7 sampai C. 20. Interaksi ini didasarkan atas use case description dan digunakan sebagai pedoman berikutnya untuk menentukan gambaran dasar terhadap antarmuka setiap aktivitas. Contohnya pada fungsi pendaftaran pelanggan, dimana aktor memberikan method pada sistem berupa createnewpelanggan() yang berarti suatu fungsi untuk membuka Form Pelanggan. 9. Storyboarding Diagram ini bertujuan untuk menggambarkan navigasi dari setiap hubungan antarmuka atau user interface (UI) pada sistem. Pada teknik storyboarding ini tidak ditampilkan UI Login karena diasumsikan telah dilakukan. Setiap warna menandakan siapa yang memiliki akses terhadap UI tersebut. Warna hijau menandakan Bagian Pemasaran dapat mengakses UI Pemesanan dan Pelanggan. Hal ini berlaku juga pada dua warna berikutnya, warna biru berarti Bagian Produksi dan warna kuning berarti Bagian Gudang. 30 Gambar 4. 6 Diagram Storyboarding

15 4.4.2 Design System Tahap ini akan menjelaskan desain dari arsitektur dan infrastruktur sistem melalui model UML. Perancangan dimulai dengan mengembangkan navigasi data dari setiap arsitektur dalam sistem. Setelah itu, ditentukan standar dari spesifikasi teknologi informasi dan arsitekur jaringan dari sistem. Kemudian, dilakukan perancangan pada urutan proses dari setiap fungsi sistem serta aristektur data yang telah dilengkapi dengan operasi-operasi untuk setiap objeknya. Terakhir adalah menggambarkan hubungan dari setiap sub sistem. Hasil dari perancangan desain ini berupa sistem yang memiliki fungsi-fungsi yang telah ditentukan pada analisis kebutuhan sistem. Berikut adalah model-model yang digunakan: 1. First-Cut Design Class Diagram Tujuan dari diagram ini adalah untuk menggambarkan navigasi data dari setiap data dalam aristektur sistem yang telah dikembangkan dari diagram domain class. Pengembangan tersebut dilakukan dengan menambahkan panah yang menandakan navigation visibility. Tujuan dari panah disesuaikan dengan setiap use case dari sistem. Contohnya, pada use case mencatat pemesanan, objek pemesanan membutuhkan data dari barang pesanan dan barang pesanan dari barang. Diagram ini dapat dilihat pada lampiran D, gambar D Deployment Environment (DE) Tujuan dari DE adalah memberikan standar dari spesifikasi teknologi informasi yang dibutuhkan oleh sistem informasi. Secara singkat, perancangan sistem informasi pada PT STI ini menggunakan Netbeans sebagai builder dan berbasiskan oleh bahasa pemrograman Java serta database yang digunakan adalah Microsoft Access. Untuk menjalankan sistem informasi ini, maka berikut rekomendasi dari standar spesifikasi komputer yang dibutuhkan: Tabel Standar Spesifikasi Komputer Komponen Spesifikasi Standar Sistem Perangkat Lunak Database Microsoft Access 2007 (Software) Java Runtime Java 1.7 dengan Windows 32bit Prosesor Intel Core i5 2.6 GHz Memory RAM 2 GB DDR 3 Perangkat Keras Grafik Tampilan VGA Intel 1 GB VRAM (Hardware) Hard Disk HDD 320 GB SATA Jumlah Server 1 Komputer Jumlah Client 3 Komputer Jaringan Kecepatan Lebih dari atau sama dengan (Network) Transfer Data 100 Mbps 3. Software Architecture Arsitektur dari sistem informasi menggunakan jenis arsitektur client dan server. Server akan digunakan untuk menyimpan database utama. Sedangkan untuk setiap client-nya, digunakan data mart sebagai penyimpanan sementara. Fungsi dari pemisahan untuk penyimpanan data ini bertujuan untuk mengurangi beban transfer data dari masing-masing bagian yang terjadi ketika sistem keseluruhan digunakan. Sinkronisasi antara database dengan data mart akan dilakukan secara berkala sesuai 31

16 dengan konfigurasi perusahaan. Berikut adalah gambar dari struktur hubungan antara server dengan client: 32 Gambar 4. 7 Arsitektur Perangkat Lunak 4. Completed Three-Layer Sequence Diagram Tujuan dari diagram ini adalah menggambarkan secara detail terhadap bagaimana urutan dari sistem bekerja. Diagram ini merupakan pengembangan dari diagram SSD dan dapat dilihat pada Lampiran D, dimulai dari gambar D. 2 sampai D. 15. Detail tersebut dibagi menjadi tiga lapisan, yaitu view, domain dan data access layer. Contohnya pada use case mendaftarkan pelanggan, aktor memulai fungsi penambahan data dengan fungsi add(). Setelah itu fungsi akan masuk ke view layer, yaitu Form Pelanggan. Dilanjutkan ke pelanggan Handler dan pelanggan yang merupakan domain layer. Dari objek pelanggan, fungsi ini akan diterjemahkan ke dalam data access pelanggan menjadi bentuk CRUD yaitu save(infopelanggan). 5. Updated Design Class Diagram Tujuannya adalah untuk memberikan gambaran keseluruhan terhadap arsistektur dari data dan operasi-operasi yang terlibat dari setiap data. Diagram ini merupakan pengembangan dari diagram first-cut class dan dapat dilihat pada lampiran D, gambar D. 16. Diagram ini menambahkan method-method yang ada dalam sistem. Method ini merupakan fungsi detail yang dimiliki oleh setiap objek dalam sistem. Contohnya, gettotalharga() merupakan method dari objek pemesanan yang ditujukan untuk memperoleh data dari objek Barang Pesanan. Agar semua fungsi dalam UI berjalan, setiap objek ini dihubungkan pada suatu Handler yang memiliki berbagai method. Diagram ini kemudian dibagi lagi sesuai dengan jenis Handler dan dapat dilihat pada gambar D. 17 sampai D. 30. Di dalam Handler ini, akan dijelaskan lagi beberapa method yang merupakan fungsi detail untuk setiap use case.

17 6. Package Diagram Tujuan dari diagram ini adalah menggambarkan hubungan keseluruhan dari semua lapisan atau layer di dalam sistem. Secara singkat, layer ini dibagi menjadi tiga, yaitu view, domain dan data access layer. Diagram ini menggambarkan diagram sequence dalam bentuk keseluruhan dan dibagi menjadi setiap sub sistem yang telah ditentukan. Diagram dapat dilihat pada Lampiran D, gambar D. 31. Berikutnya, diagram package ini dibagi menjadi beberapa subsistem yang telah ditentukan dahulu. Garis putus menandakan bahwa suatu sub-sistem membutuhkan data dari sub-sistem yang dituju. Contohnya, sub-sistem pemesanan membutuhkan data dari sub-sistem pengaturan data yang merupakan pusat data pada sistem keseluruhan. Untuk lebih jelas, berikut adalah struktur diagram yang telah dibagi menjadi empat sub-sistem: 33 Gambar 4. 8 Diagram Sub-system Package

18 7. Interface Design Standards Setiap fungsi dari setiap antarmuka atau User Interface (UI) pada sistem ini akan dijelaskan dalam empat konsep utama, yaitu Create, Read, Update dan Delete (CRUD). Penjelasan dari setiap UI akan dibagi-bagi menjadi dalam empat sub-sistem sesuai diagram sub-system package: a) Sub Sistem Pengaturan Data Pada sub sistem ini, rata-rata UI yang dirancang memiliki fungsi CRUD. Secara garis besar, data akan ditampung pertama kali pada tabel, lalu setiap informasi akan diisi oleh aktor yang bersangkutan. Beberapa UI memiliki fungsi tambahan seperti mengambil data pendukung dan mencari informasi dari atribut tertentu dalam suatu UI. Sub sistem ini memiliki enam UI yang dapat dirinci sebagai berikut: Tabel UI pada Sub-Sistem Pengaturan Data Jenis UI Bagian Referensi UI (Lampiran D) Pengaturan Data Barang Gudang Gambar D. 32 Pengaturan Data Body Gudang Gambar D. 33 Pengaturan Data BOM Gudang Gambar D. 34 Pengaturan Data Bahan Baku Gudang Gambar D. 35 Pengaturan Data Mesin Produksi Gambar D. 36 Pengaturan Data Pelanggan Pemasaran Gambar D. 37 b) Sub Sistem Pemesanan Sub sistem ini memiliki karakteristik yang sama dengan sub sistem sebelumnya, dimana fungsi CRUD masih dilakukan. Namun disini ada dua tabel yang digunakan. Tabel pertama menampung data pemesanan dan tabel kedua menampung detail dari setiap pemesanan yang dipilih. Detail ini berupa informasi barang-barang yang dipesan. Fungsi perhitungan dilakukan pada atribut grand total dan total harga. Sub sistem ini hanya memiliki satu UI sebagai berikut: Tabel UI pada Sub-Sistem Pemesanan Jenis UI Bagian Referensi UI (Lampiran D) Pencatatan Pemesanan Pemasaran Gambar D. 38 c) Sub Sistem Inventory Sub sistem ini berfokus pada bagian gudang dimana beberapa fungsi berhubungan dengan proses perencanaan, pemeriksaan dan penerimaan bahan baku. Pada UI perencanaan, fungsi CRUD masih dilakukan karena perencanaan dilakukan setiap bulan untuk setiap bahan baku. Namun untuk dua UI berikutnya, hanya digunakan fungsi RU karena perubahan informasi hanya dilakukan pada stok bahan baku dan status produksi. Berikut adalah tiga UI pada sub sistem ini: Tabel UI pada Sub-Sistem Inventory Jenis UI Bagian Referensi UI (Lampiran D) Perencanaan Produksi Gudang Gambar D. 39 Pemeriksaan Kebutuhan Produksi Penerimaan Kebutuhan Produksi Gudang Gambar D. 40 Gudang Gambar D

19 d) Sub Sistem Proses Penjadwalan Merupakan sub sistem utama dalam sistem secara keseluruhan sehingga rata-rata semua fungsi perhitungan dilakukan pada empat UI di bawah ini. Pada UI perhitungan jumlah dan waktu produksi, dilakukan fungsi RU karena data yang diubah hanya jumlah dan waktu total produksi. Berikutnya, dilakukan fungsi CRUD pada perhitungan penjadwalan dan penyelesaian barang. Hal ini dikarenakan jadwal yang telah dirancang dapat disimpan dan digunakan oleh bagian produksi. Pada sub sistem ini, diberikan fitur reporting yang dapat digunakan oleh perusahaan untuk menentukan keputusan pada saat melakukan produksi. Salah satu contohnya adalah pada UI perhitungan jadwal produksi dimana perusahaan mampu melihat secara detail kapan mulai dan selesainya suatu komponen. Tabel UI pada Sub-Sistem Proses Penjadwalan Jenis UI Bagian Referensi UI (Lampiran D) Perhitungan Jumlah Produksi Produksi Gambar D. 42 Perhitungan Waktu Produksi Produksi Gambar D. 43 Perhitungan Jadwal Produksi Produksi Gambar D. 44 Penyelesaian Barang Produksi Gambar D Pengujian Sistem Informasi Setelah dilakukan perancangan pada aristektur dan konstruksi pada sistem, maka dilakukan pengujian pada sistem informasi proses penjadwalan dengan menggunakan urutan dari proses bisnis dan data dari perusahaan. Prosesnya dimulai dengan melakukan input pada data-data master seperti data pelanggan, data Bill of Materials (BOM), data body, data barang dan data bahan baku. Kemudian dilakukan penambahan pada beberapa pemesanan dari data-data yang telah diramalkan pada pembahasan peramalan jumlah produksi. Setelah itu, dilakukan penentuan jumlah bahan baku dan jumlah body yang akan diproduksi. Proses terakhir adalah melakukan proses penjadwalan yang dimulai dari penentuan waktu total dari setiap body dan menentukan jadwal produksi untuk setiap body secara keseluruhan. Kemudian, sistem akan memberikan hasil akhir berupa rangkuman penyelesaian dari proses pengerjaan setiap kategori mesin. Hasil dari pengujian sistem tersebut berupa hal-hal yang dapat dicapai dengan adanya sistem dalam mendukung proses bisnis dalam perusahaan. Hal-hal tersebut dapat dijelaskan pada poin-poin di bawah ini: Manajemen Data yang Terintegrasi Dengan adanya sub sistem pengaturan data, maka setiap perubahan yang dilakukan pada data master, maka hal ini akan merubah data-data yang digunakan pada sub sistem lainnya. Contohnya, jika ada penambahan pada data barang, maka bagian pemesanan dapat menggunakan data barang baru jika ada pelanggan yang melakukan pemesanan pada barang baru tersebut. Keseluruhan data ini kemudian disimpan pada database Access dan sesuai dengan arsitektur software, digunakan data mart untuk menyimpan data yang akan disinkronisasi untuk memastikan agar data tetap terintegrasi. 35

20 Manajemen Inventory Dengan sub sistem inventory yang dirancang dalam sistem ini, perusahaan dapat mengetahui informasi bahan baku berupa penggunaan stok bahan baku pada tanggal tertentu. Dengan ini, perusahaan dapat mengatur lebih lanjut stok bahan baku yang digunakan pada bulan berikutnya. Penjadwalan yang Sistematis dan Akurat Kemampuan yang belum dimiliki oleh perusahaan sebelumnya adalah bagaimana melakukan penjadwalan yang sistematis dan akurat. Dalam sub sistem proses penjadwalan, kegiatan penjadwalan dilakukan secara sistematis. Kegiatan ini dimulai dari menentukan jumlah produksi yang dibutuhkan untuk setiap komponen dari barang yang akan diproduksi. Setelah itu, ditentukan waktu total dari setiap proses pengerjaan barang. Kemudian, dilanjutkan dengan melakukan penjadwalan dengan metode metaheuristik yang diusulkan. Agar penjadwalan yang dilakukan akurat, digunakan indikator yaitu waktu total pengerjaan (makespan) dan maksimal keterlambatan (lateness). Terakhir adalah menampilkan waktu penyelesaian dari setiap kategori mesin agar bagian produksi dapat memantau hal ini pada kegiatan produksi. 36