Implementasi Sistem Ketelusuran Cerdas Pada Industri Pengolahan
Beras
Pradeka Brilyan Purwandoko
1Department of Mechanical and Biosystem Engineering, Faculty of Agricultural Technology, IPB University, Bogor 16680, West Java, Indonesia; [email protected]; [email protected]
2Department of Agronomy and Horticulture, Faculty of Agriculture, IPB University, Bogor 16680, West Java, Indonesia;
Prof. Dr. Ir. Kudang Boro Seminar
1, M.Sc, Prof. Dr. Ir. Sutrisno
1, M.Agr
dan Dr. Ir. Sugiyanta, M.Si
21 1
OUTLINE
PENDAHULUAN
METODOLOGI PENELITIAN
HASIL DAN PEMBAHASAN
KESIMPULAN
REFERENSI
Diperlukan banyak langkah dalam pengolahan
Sistem Ketelusuran yang diterapkan??
PRODUK BERAS
Makanan pokok masyarakat Indonesia
Berperan 45% total asupan gizi
MANUAL PERLU SISTEM
MONITORING
Pendahuluan
• Penting untuk menghubungkan unit output ke bahan input
• Peningkatan kontrol proses
Moe (1998)
DOKUMENTASI
SISTEM KETERTELUSURAN TUJUAN PENELITIAN
Mengembangkan sistem ketelusuran yang
dikombinasikan dengan sistem cerdas pada industri pengolahan beras
Tujuan Penelitian
Mulai
Observasi Proses Bisnis
Analisis Kebutuhan
Desain Sistem
Implementasi Diterima
SELESAI
YaTIDAK
System Development Life Cycle (SDLC)
Metode analisis dan pengembangan sistem ketelusuran
Metodologi
Proses Bisnis Industri Pengolahan Beras Penerimaan Bahan
Pemasok Baku Pengolahan Gudang
Fase
Mulai
Pengiriman Bahan baku
Penerimaan Bahan Baku
Penyimpanan Bahan Baku
Pemecahan Kulit
Pengeringan
Pemisahan
Penyosohan
Grading
Pengemasan
Gudang Produk Akhir
Selesai GKP
Ditolak
Sorting Kontrol
Kualitas
Diterima
GKG
Kontrol Kualitas
Gudang Produk Tidak
Lolos Uji Ditolak
Diterima
swim lane diagram
Proses Bisnis Industri Pengolahan Beras
Tiga komponen utama sistem yaitu (1) sub sistem pencatatan, (2) sub sistem keterlacakan, dan (3) sub sistem cerdas
Ketelusuran Industri Pengolahan Beras
Perekaman Informasi
Data Master
Data Bahan Baku
Data Pesanan Masuk
Data Pengolahan
Data Penjualan
Data Produk
Produk Kemasan dengan QR Code
Sistem Kueri Ketelusuran
Web Database Komputer / Handphone Upload
Pelanggan
Pengembalian Informasi Masukkan Nomor
Kode Produksi / Scan QR Code Sistem Cerdas
Karakterisasi Pelanggan Pemilihan
Pemasok RFM
Fuzzy TOPSIS
Klasifikasi Mutu If Else Method
Arsitektur Sistem Ketelusuran
Desain ERD (Entity Relationship Diagram) berfungsi untuk memodelkan struktur data dan hubungan antar data.
Pemodelan ERD,
(1) entitas adalah bagian ERD yang mewakili suatu objek pada database,
(2) atribut merupakan properti atau
karakteristik yang dimiliki dari suatu entitas,
(3) hubungan, adalah bagian diagram yang digunakan untuk meggambarkan
hubungan antar data.
Desain Basis Data
Desain Basis Data
No Entitas Atribut
1 Supplier id_supplier*, name, telp, address
2 Employee id_employee*, name, id_division**
3 Division id_division*, division_name, id_industri**
4 Customer id_customer*, name, address, telephone 5 Warehouse id_warehouse*, name, location, capacity
6 Product id_product*, name, product_code, unit, photo, price, description 7 List Industries id_industry*, name, address, telp
8
Material Purchasing
id_purchase*, id_employee**, id_supplier**, id_industri**, purchase_code,variety, quantity, moisture_content, broken_material, other_material, appearance, receive_date, status, id_warehouse**
9 Production
id_production*, industri_id, production_code, production_date, production_type, status, id_industry**
10 Relation Production id_relation_production*, quantity, id_purchase**, id_production**
11
Production Testing
id_testing*, id_production**, polishing_degree, moistre_content, head_rice, broken_rice, brewer_grain, red_grain, yellow_grain, chalky_grain, paddy_grain, nutrition test_date, expire_date, pest_diseases, odors, rice_bran, cadmium, lead, information
12 Production Result id_result*, id_production**, id_ employee**, result_date, id_warehouse**
13 Relation Production Result
id_relation_result*, id_result**, packaging_type, packaging_date, quantity, id_product**
14 Sales
id_sales**, id_industri**, id_customer**, sales_date, shipment_date, transporter_type, plate_number
15 Relation Industry Sales id_relation_sales*, id_sales**, id_production**, quantity, sell_price 16 Customer id_customer*, name, telp, address
Sistem Cerdas Industri Pengolahan Beras
Menurut Fitriana (2013) sistem intelijensia bisnis merupakan proses untuk mengekstrak dan menganlisis data bisnis guna membantu pengambilan keputusan. Sistem ketelusuran yang dibangun dikombinasikan dengan sistem cerdas yang terdiri dari tiga sub sistem
Pemilihan Pemasok, Fuzzy TOPSIS
Beberapa kriteria adalah (1) kemampuan memenuhi jumlah pengiriman, (2) kemampuan untuk mengirim sesuai jumlah dalam jangka waktu tertentu, (3) kemudahan komunikasi, (4) kecepatan merespon pesanan, (5) pemberian jaminan, (6) fleksibilitas harga, (7) negotiable, (8) butir hijau dan mengapur, (9) butir rusak, (10) varietas lain.
Analisis Karakteristik Pelanggan, RFM
Terdiri dari tiga variable yaitu Recency (R), Frequency (F), Monetary (M)
Kontrol Kualitas, If Else Method
Empat kategori persyaratan mutu yang telah ditetapkan yaitu (1) syarat umum, (2) syarat khusus yang berupa atribut fisik beras, (3) kandungan logam berat, (4) residu pestisida.
Sistem Cerdas Industri Pengolahan Beras Pemilihan Pemasok, fuzzy TOPSIS
Menurut Papilo et al. (2018) metode ini dapat digunakan untuk pengambilan
keputusan multi kriteria berdasarkan nilai kedekatan antara nilai solusi ideal positif
(FPIS) dengan nilai solusi ideal negatif (FNIS).
Sistem Cerdas Industri Pengolahan Beras Analsis Karakteristik Pelanggan, RFM
RFM terdiri dari tiga variable yaitu (1) Recency (R) yaitu periode terakhir transaksi dengan pelanggan selama periode analisis, (2) Frequency (F) adalah jumlah transaksi yang dilakukan selama periode analisis, (3) Monetary (M) jumlah nilai uang yang dikeluarkan pelanggan untuk perusahaan selama periode analisis (Monalisa 2018).
Sistem Cerdas Industri Pengolahan Beras Kontrol Kualitas, If else method
Pada kontrol kualitas ini agroindustri beras dapat melakukan dua penilaian produk yaitu selesai diolah (accepted) atau rejected dengan empat kategori yaitu yaitu (1) syarat umum, (2) syarat khusus yang berupa atribut fisik beras, (3) kandungan logam berat, (4) residu pestisida
Sistem Cerdas Industri Pengolahan Beras Kontrol Kualitas, If else method
Hasil penilaian status produk akhir
Sistem Cerdas Industri Pengolahan Beras Kontrol Kualitas, If else method
Detail status pada produk accepted
Penelusuran Produk Akhir
swim lane diagram
User umum (konsumen) dapat melakukan melakukan penelusuran produk yang mereka beli dengan mengakses website dan memilih bagian trackingPenelusuran produk dapat dilakukan dengan memasukkan kode produksi pada bagian pencarian. Sistem informasi ketelusuran yang dikembangkan berbasis web sehingga memungkinkan konsumen untuk mengakses aplikasi dimana dan kapan saja.
Hasil penelusuran produk
Penelusuran Produk Akhir
swim lane diagram
Detail penelusuran produk
Kesimpulan
Arsitektur sistem ketelusuran yang dikembangkan terdiri dari tiga fungsi utama yaitu pencatatan data, pengambilan keputusan, dan penelusuran produk.
Terdapat 5 data yang dicatat yaitu (1) data master, (2) data pembelian bahan baku, (3) data pesanan masuk, (4) data pengolahan, dn (5) data penjualan.
Sistem cerdas terdiri dari tiga kemampuan yaitu (1) pemilihan pemasok, (2) analisis karakteristik pelanggan, dan (3) kontrol kualitas.
Proses bisnis pada industri pengolahan beras telah berhasil diidentifikasi dimana dalam prosesnya terdapat tiga kegiatan utama yaitu penerimaaan bahan baku,
pengolahan, dan penggudangan produk akhir.Studi ke depannya membahas mengenai pengujian dan evaluasi
sistem yang telah dikembangkan.
Referensi
Fitriana R. 2013. Rancangbangun sistem intelijensia bisnis untuk agroindustri susu skala menengah di Indonesia [disertasi]. Bogor. IPB University.
Monalisa S. 2018. Segmentasi perilaku pembelian pelanggan berdasarkan model RFM dengan metode k-means. Query: Journal of Information Systems. 2(1): 9-15.
Papilo P, Djatna T, Arkeman Y, Marimin. 2018. Penerapan fuzzy TOPSIS
dalam penentuan lokasi kawasan pengembangan rantai pasok bioenergi
kelapa sawit. Agritech. 38(1): 79-87.
Output
Purwandoko P, Seminar K, Sutrisno, Sugiyanta. 2018. Framework for Design of Traceability System on Organic Rice Certification. IOP Conf. Series: Earth and Environmental Science. 147: 012044.
Purwandoko P, Seminar K, Sutrisno, Sugiyanta. 2018. Analisis Rantai Pasok Beras Organik Di Provinsi Jawa Barat. Pangan. 27(3): 187-194.
Purwandoko P, Seminar K, Sutrisno, Sugiyanta. 2019. Design Framework of a Traceability System for the Rice Agroindustry Supply Chain in West Java.
Information. 10(6): 218.
Purwandoko P, Seminar K, Sutrisno, Sugiyanta. 2019. Development of a Smart Traceability System for the Rice Agroindustry Supply Chain in Indonesia. Information. 10(10): 288.
Purwandoko P, Seminar K, Sutrisno, Sugiyanta. 2020. Development and Implementation of Smart Traceability System in the Rice Processing Industry.
CIGR Journal. (Submitted)
THANK YOU
ありがとうございます。
