BAB I PENDAHULUAN 1.1 Latar Belakang Job Order merupakan pekerjaan yang dilakukan apabila ada order yang diterima dari konsumen. Setiap detil pekerjaan 100% ditentukan oleh calon pembeli, pihak pembuat hanya menyatakan kesanggupannya. Bila pekerjaan telah disetujui, maka dilakukan negosiasi harga antara pembeli dan pembuat. Dalam proses negosiasi tersebut tentunya masing-masing pihak telah mengetahui prakiraan harga barang atau jasa yang ingin dikerjakan tersebut. Kepastian untuk urusan yang satu tersebut membutuhkan waktu yang panjang hanya untuk negosiasi kecocokan harga, jika telah tercapai kesepakatan harga maka pihak calon pembeli harus memenuhi kewajiban pembayaran minimal 50% dari nilai yang telah disepakati. Hal tersebut diberlakukan agar calon pembeli serius dan tidak berpindah ke pembuat yang lain sekaligus sebagai bentuk tanda jadi kerjasama (Meisya, 2011). Pada PT. Komatsu Remanufacturing Asia (KRA) cabang Balikpapan, secara umum mekanisme Job Order dilakukan saat customer melakukan permintaan untuk repair komponen mesin-mesin alat berat yang ingin diperbaiki, untuk selanjutnya pihak dari PT. KRA yang disebut inspector yang dapat menentukan lama proses repair komponen tersebut. Setiap perusahaan manufaktur yang bergerak dalam sistem job order dengan jaringan yang luas menyadari pentingnya pelayanan yang memenuhi persyaratan konsumen untuk memenangkan persaingan pasar, penjadwalan merupakan unsur penting didalam pemenuhan pesanan (order) tepat waktu. Penjadwalan yang baik dapat meminimasi keterlambatan dan resiko pinalty karena keterlambatan tersebut, memberikan kepuasan dan mempertahankan loyalitas konsumen, dan dapat membawa perusahaan pada keunggulan bersaing. Bagaimana mengatasi penjadwalan secara lebih optimal untuk job-job dengan bobot yang berbeda pada masing-masing job yang dapat mengakibatkan keterlambatan tertimbang total yang besar untuk perusahaan. Keterlambatan ini 1
2 akan memberi dampak kerugian berupa pinalty yang harus ditanggung oleh perusahaan (Parwadi, 2005). Kinerja layanan dan produksi Department Machining Fabrication & Maintenance Facility pada PT. KRA saat ini masih belum optimal dalam menyelesaikan suatu job order perbaikan komponen alat berat, hal ini terlihat pada data job order Departement Machining Fabrication & Maintenance Facility pada PT. KRA dari tahun 2010 hingga 2012, dari 78.848 job order perbaikan komponen alat berat yang dilakukan terdapat 42.243 job order atau sekitar 54% berstatus tidak on time. Pengertian tidak on time adalah jika lama penyelesaian job order perbaikan komponen alat berat tersebut lebih dari 5 hari, hal ini sesuai dengan standar dari PT. KRA yang menetapkan target penyelesaian job order maksimal 5 hari. Seiring masih banyak terjadi keterlambatan penyelesaian job order perbaikan komponen alat berat pada Departement Machining Fabrication & Maintenance Facility, pihak PT. KRA masih sulit mengetahui faktor-faktor yang sering menyebabkan keterlambatan penyelesaian job order tersebut, sehingga inspector juga sulit menjelaskan kepada customer bahwa perbaikan komponen yang akan dilakukan apakah dapat selesai on time atau tidak on time. Selama ini pihak PT. KRA masih mengalami kesulitan dalam melakukan analisis faktor-faktor penyebab keterlambatan penyelesaian job order sehingga kebijakan yang diambil masih belum efektif meminimalisir keterlambatan penyelesaian job order. Hal ini dapat diatasi dengan teknik seleksi lain yang memiliki ketelitian analisis, dan penilaian yang bersifat objektif, yaitu aplikasi komputer yang menggunakan teknik data mining, sementara Job Order System pada Departement Machining Fabrication & Maintenance Facility pada PT. KRA saat ini hanya bisa menampilkan informasi berupa laporan yang sifatnya hasil entri data saja. Teknik data mining ini digunakan karena mampu mengekstrak knowledge dari data-data job order sebelumnya (Han dan Kamber, 2006). Knowledge ini, lalu digunakan untuk menyelesaikan permasalahan. Penentuan status klasifikasi atas data job order merupakan salah satu teknik yang digunakan dalam data mining,
3 dimana pengklasifikasian merupakan kegiatan dalam mengektraksi data dan kemudian dilakukan prediksi label kategori untuk masing-masing data (Han et al, 2001). Data job order sebelumnya, diproses menggunakan sebuah algoritma untuk membangun model, lalu model ini digunakan untuk mengklasifikasi perkiraan ketepatan waktu penyelesaian job order yang akan dikerjakan apakah diklasifikasikan ke kelas on time atau tidak on time. Metode yang digunakan dalam data mining untuk klasifikasi disebut metode klasifikasi atau Supervised Learning. Ada banyak teknik yang bisa dilakukan untuk melakukan klasifikasi data di antaranya adalah decision tree, bayesian classifiers, bayesian belief network dan rule based classifiers (Han dan Kamber, 2006). Namun dalam penelitian ini akan dikembangkan sistem dengan menggunakan teknik klasifikasi naive bayesian classifiers. Pendekatan ini merupakan pendekatan mengacu pada teorema Bayes yang merupakan prinsip peluang statistika untuk mengkombinasikan pengetahuan sebelumnya dengan pengetahuan baru. Prinsip ini kemudian digunakan untuk memecahkan masalah klasifikasi (Tan dkk. 2006). Penggunaan teknik ini didasari oleh keperluan dari sistem untuk mengetahui nilai probabilitas dari data hasil klasifikasi yang dihasilkan. Selain itu, tingginya tingkat permintaan perbaikan komponen alat berat secara langsung menyebabkan meningkatnya jumlah data mengenai setiap komponen yang diperbaiki yang jumlahnya terus meningkat hingga puluhan ribu. Dengan demikian, dalam pengolahan data akan menghasilkan dimensi yang sangat besar. Oleh sebab itu, diperlukan algoritma yang sederhana agar proses pengolahan dapat efektif dan efisien. Penggunaan algoritma ini dinilai sesuai karena naive bayesian classifier merupakan salah satu algoritma klasifikasi yang sederhana namun memiliki kemampuan dan akurasi tinggi (Rish, 2006). Dan untuk prediksi kebangkrutan perusahaan, algoritma yang memiliki kinerja yang lebih unggul adalah algoritma naive bayes dengan tingkat akurasi mencapai 100% (Dian dan Crispina, 2010). 1.2 Rumusan Masalah Berdasarkan latar belakang dan permasalahan di atas maka rumusan masalah dalam penelitian ini sebagai berikut :
4 1. Bagaimana mengaplikasikan algoritma naive bayesian classifiers untuk memperkirakan ketepatan waktu job order baru perbaikan komponen alat berat dapat diselesaikan secara on time atau tidak on time di PT. Komatsu Remanufacturing Asia Cabang Balikpapan? 2. Bagaimana performa algoritma naive bayesian classifiers pada sistem yang dibangun jika dibandingkan dengan algoritma naive bayesian classifiers dan SVM dari perangkat lunak Rapid Miner 5.3 untuk klasifikasi ketepatan waktu job order baru perbaikan komponen alat berat di PT. Komatsu Remanufacturing Asia Cabang Balikpapan? 1.3 Batasan Masalah Ruang lingkup penelitian akan dibatasi agar penyelesaian masalah dapat lebih terarah pada tujuan penelitian sehingga dapat memberikan manfaat yang diharapkan. Batasan penelitian adalah sebagai berikut: 1. Data yang digunakan adalah data Job Order untuk tahun 2010 sampai 2012 yang diperoleh dari Job Order System milik Department Machining Fabrication & Maintenance Facility dari PT. Komatsu Remanufacturing Asia cabang Balikpapan. 2. Data masukan adalah data Job Order yang diantaranya berupa trans_cat, qty_order, date_in, estimate_date, actual_date. Selisih antara estimate_date dengan date_in dan actual_date dengan date_in digunakan untuk mendapatkan label kelas, dimana label kelas hanya ada dua yaitu on time dan tidak on time. 3. Nilai label kelas on time merupakan job order yang diselesaikan maksimal 5 hari, lebih dari itu tidak on time. 1.4 Keaslian Penelitian Berdasarkan pada penelitian sebelumnya tidak ditemukan adanya kemiripan yang identik dengan penelitian ini. Namun dalam hal kesamaan metode yang digunakan ada beberapa penelitian tentang klasifikasi dengan menggunakan metode naive bayesian classifiers. Penelitian-penelitian tersebut dijelaskan pada bagian berikutnya.
5 1.5 Tujuan Penelitian Tujuan yang ingin dicapai adalah membangun model menggunakan algoritma naive bayesian classifiers untuk melakukan klasifikasi data job order perbaikan komponen alat berat pada PT. Komatsu Remanufacturing Asia Cabang Balikpapan ke dalam klasifikasi on time dan tidak on time. 1.6 Manfaat Penelitian Manfaat yang dapat diperoleh dari penelitian adalah dapat membantu Department Machining Fabrication & Maintenance Facility dari PT. Komatsu Remanufacturing Asia cabang Balikpapan dalam memperkirakan ketepatan waktu job order perbaikan komponen alat berat dapat diselesaikan secara on time atau tidak on time serta mengetahui faktor-faktor yang sering menyebabkan keterlambatan penyelesaian job order tersebut, sehingga dapat membantu Department Machining Fabrication & Maintenance Facility untuk menentukan kebijakan demi peningkatan kinerja layanan dan produksi Department Machining Fabrication & Maintenance Facility. 1.7 Metode Penelitian 1. Bahan dan Peralatan Data job order yang digunakan diperoleh dari Job Order System milik Department Machining Fabrication & Maintenance Facility dari PT. Komatsu Remanufacturing Asia cabang Balikpapan diantaranya seperti trans_cat, qty_order, date_in, component_name, kind_oj, ex_over, status_jo, estimate_date, dan actual_date. Selisih antara estimate_date dengan date_in dan actual_date dengan date_in digunakan untuk mendapatkan label kelas. Label kelas hanya ada dua yaitu on time jika selisih antara actual_date dengan date_in lebih kecil atau sama dengan selisih antara estimate_date dengan date_in dan diberi label tidak on time jika selisih antara actual_date dengan date_in lebih besar dari selisih antara estimate_date dengan date_in. Data tersebut di atas merupakan data asli yang diperoleh pada tahun 2010 sampai 2012 berupa file sql.
6 2. Analisis dan Perancangan Sistem Tahap ini dilakukan analisis sistem, yang pada bagian ini dilakukan analisis kebutuhan-kebutuhan perangkat lunak dari sistem yang akan dikembangkan. Setelah tahap analisis dikerjakan dan menghasilkan spesifikasi kebutuhan perangkat lunak kemudian dilakukan perancangan sistem yang meliputi perancangan proses preprocessing, perancangan use case diagram, diagram aktifitas / diagram alir, perancangan basis data, perancangan antarmuka. 3. Pengujian sistem Setelah semua rancangan selesai disusun dan sistem juga telah dibangun, maka tahap berikutnya adalah menggunakan sistem tersebut untuk menghasilkan model probabilitas dari data training, menguji akurasi model probabilitas dengan data testing serta melakukan percobaan dengan menggunakan data yang sama dengan aplikasi lain yaitu Rapid Miner 5.3 dan membandingkan hasil akurasinya dengan aplikasi yang dibuat. Pengujian dilakukan terhadap 5 aspek, yaitu (1) pengujian kinerja aplikasi, (2) pengujian implementasi algoritma naive bayes, (3) pengujian validasi model probabilitas, (4) pengujian penentuan kelas on time kesesuaian waktu job order dan (5) perbandingan validasi model dengan Rapid Miner 5.3. Pada pengujian kelima tersebut akan dilakukan dilakukan pengujian akurasi model probabilitas. Pada pengujian ini akan diperoleh nilai akurasi untuk masing-masing metode naive bayes classifier dan SVM yang dihasilkan oleh aplikasi Rapid Miner 5.3, setelah itu nilai akurasi masing-masing metode tersebut kemudian dibandingkan dengan hasil akurasi dengan menggunakan aplikasi yang telah dibuat. 4. Dokumentasi Langkah akhir didalam penelitian ini adalah pembuatan laporan mulai dari studi literature sampai dengan implementasi dan diikuti dengan penarikan kesimpulan dan saran. 1.8 Sistematika Penulisan Sistematika penulisan ini memberikan gambaran/intisari dari setiap bab yang terdapat pada penulisan tesis ini.
7 BAB I Pendahuluan Berisi uraian secara singkat mengenai latar belakang masalah, rumusan masalah, batasan masalah, keaslian penelitian, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan. BAB II Tinjauan Pustaka Berisi uraian secara singkat mengenai hasil-hasil penelitian sejenis yang dilakukan oeh para peneliti terdahulu termasuk metode penelitian yang digunakan. BAB III Landasan Teori Berisi uraian tentang teori dasar yang berkaitan dengan penelitian yang dilakukan dan akan menjadi dasar dalam pemecahan masalah. BAB IV Analisis dan Rancangan Sistem Berisi uraian tentang tahapan analisis dan perancangan sistem dari program aplikasi yang akan dibuat. BAB V Implementasi Berisikan implementasi (pengkodingan) aplikasi yang dibangun berdasarkan rancangan sistem yang telah dibuat. BAB VI Hasil dan Pembahasan Bab ini membahas pengujian-pengujian yang dilakukan terhadap sistem yang dibangun berdasar pada skenario pengujian yang telah ditetapkan sebelumnya dan pembahasan terhadap pengujian yang telah dilakukan. BAB VII Kesimpulan dan Saran Bab ini merupakan bagian penutup, meliputi kesimpulan dari hasil penelitian dan saran untuk pengembangan sistem yang telah dibangun.