Estimasi Waktu Pengerjaan Produksi
Menggunakan Metode Naïve Bayes
Mokh Juniarto[1], Ade Eviyanti, S.Kom[2] Jurusan Teknik Informatika, Fakultas Teknik
Universitas Muhammadiyah Sidoarjo
Junetassololey@gmail.com Abstrak
Produksi utama PT Saka Agung Karya Abadi adalah rumah lampu, panel cabinet, Ledder Tray, Tee Tray, Elbow Tray, dan beberapa box listrik pesanan khusus. Selama ini, terdapat kesulitan dalam melakukan perhitungan estimasi lama pengerjaan yang masih manual dan tidak terdata dengan baik, serta banyaknya laporan perkerja yang terganngu karena alokasi waktu yang tidak menyebabkan kerugian perusahaan.
Naive Bayes merupakan salah satu metode dalam pendekatan statistik untuk melakukan inferensi induksi pada persoalan klasifikasi. Metode ini biasa digunakan dalam menyelesaikan permasalahan yang berkaitan dengan pengambilan keputusan. Metode ini juga cocok untuk menyelesaikan permasalahan dimana diperlukan penanganan data yang tidak konsisten. Sedangkan permsalahan tersebut memerlukan data yang konsisten.
Aplikasi berjalan dengan baik dan menghasilkan informasi sesuai yang diharapkan. Sistem yang dibuat menggunakan bahasa pemrograman PHP dan menggunakan MySQL sebagai databasenya. Pelanggan bisa mendaftarkan diri dan memulai memesan produk. Bagian produksi akan melakukan cek terhadap pesanan pelanggan dan melakukan perhitungan naive bayes dengan memasukkan variabel seperti jumlah order, tingkat kesulitan, jumlah pekerja, bahan baku, perlengkapan, dan tingkat kerusakan. Penggunaan naive bayes memudahkan staf melakukan estimasi pengerjaan dan memudahkan customer memantau lama pengerjaan barang yang dipesan.
Time Frame Production Estimates
Using Naïve Bayes Method
Mokh Juniarto[1], Ade Eviyanti, S.Kom[2] Department of Informatics, Faculty of Engineering
Universitas Muhammadiyah Sidoarjo
Junetassololey@gmail.com Abstract
The main production of PT Saka Abadi Karya Agung is home lights, cabinet panels, Ladder Tray, Tray Tee, Elbow Tray, and some electrical box special order. During this time, there are difficulties in calculating the old estimate is still manual workmanship and not recorded properly, and many report that terganngu worker because of the allocation of time that does not cause the company's losses.
Naive Bayes is one method in a statistical approach to inference induction on classification issues. This method is commonly used in solving problems related to decision making. This method is also suitable for solving the problems which required the handling of inconsistent data. While permsalahan requires consistent data.
Applications running well and producing information as expected. Systems made using the programming language PHP and using MySQL as the database. Customers can enroll and start ordering the product. The production department will perform a check against customer orders and do calculations Naive Bayes to include variables such as the number of orders, the level of difficulty, number of workers, raw materials, equipment, and the extent of damage. Naive Bayes facilitate the use of the staff doing the work estimates and facilitate the customer to monitor the old craftsmanship goods ordered.
1. Pendahuluan 1. 1 Latar belakang
Pada zaman
perkembangan teknologi yang sangat pesat sekarang ini, kebutuhan adanya aplikasi
yang mendukung
pengambilan keputusan bisnis sangat dibutuhkan secara cepat dan akurat. Informasi yang dihasilkan dari aplikasi dapat digunakan untuk membantu pihak manajemen dalam pengambilan keputusan, pengendalian informasi dan dalam pengerjaan produk tersebut, perusahaan memiliki divisi produksi yang mengerjakan banyak item pekerjaan. Proses supervisi produksi dilakukan untuk memastikan pengerjaan produksi dapat diselesaikan dengan tepat waktu dengan alokasi tenaga kerja yang sesuai. Proses tersebut juga harus mampu melakukan estimasi waktu pengerjaan proyek dengan tepat dan efisien. Hal ini terkait
dengan manajemen
produksi secara
keseluruhan. Adanya sistem yang mampu melakukan tidak terdata dengan baik, serta dan banyaknya laporan pekerjaan yang terganggu karena alokasi waktu yang tidak tepat
menyebabkan kerugian
perusahaan. Data dan laporan pengerjaan produk sebelumnya tidak tersimpan dengan baik, padahal dari situ bisa dilakukan analisa estimasi lama pengerjaan sehingga bermanfaat menentukan estimasi lama pengerjaan pada proyek yang sama di masa depan.
Naive Bayes
merupakan salah satu metode dalam pendekatan statistik untuk melakukan inferensi induksi pada persoalan klasifikasi. Metode ini biasa digunakan dalam menyelesaikan permasalahan yang berkaitan dengan pengambilan keputusan. Metode ini juga cocok untuk menyelesaikan permasalahan dimana diperlukan penanganan data yang tidak konsisten. Sedangkan permsalahan tersebut memerlukan data yang konsisten.
efisien utamanya di sisi alokasi waktu.
1.2 Rumusan Masalah
Bagaimana merancang dan membangun Aplikasi Estimasi Waktu Pengerjaan Proyek dengan Metode Naive Bayes di PT Saka Agung Karya Abadi ?
1.3 Batasan Masalah
Dari rumusan masalah diatas dilakukan batasan masalah dari penelitian yang akan dikerjakan antara lain : - Pengambilan data yang
digunakan adalah data laporan pekerjaan di PT Saka Agung Karya Abadi setiap dua minggu sekali - Proses penghitungan
estimasi menggunakan parameter yang sudah ditetapkan perusahaan.
2.1 Penelitian Terdahulu
Hera Wasiati dan Dwi Wijayanti (2014) pada penelitiannya yang berjudul Sistem Pendukung Keputusan Penentuan Kelayakan Calon Tenaga Kerja Indonesia Menggunakan Metode Naive Bayes (Studi Kasus: Di P.T. Karyatama Mitra Sejati Yogyakarta) menerangkan bahwa Pembuatan sistem pendukung keputusan penyeleksian calon tenaga kerja Indonesia dengan metode Naive Bayes diharapkan dapat membantu Staf dalam menentukan siapa yang layak diterima atau tidak.
Metode Naive Bayes adalah suatu metode yang digunakan untuk memprediksi
berbasis probabilitas. Dalam penyeleksian calon tenaga kerja Indonesia dengan menggunakan nilai-nilai yang dimasukkan, berupa kriteria-kriteria yang dibutuhkan yaitu pendidikan, usia, tinggi badan, berat badan, nilai tes.
Sistem yang dibuat
menggunakan bahasa
pemrograman Java dan menggunakan MySQL sebagai databasenya.
Dari penelitian terdahulu tersebut di atas, penulis merancang skipsi yang berjudul “Aplikasi Estimasi Waktu Pengerjaan Produksi dengan Metode Naive Bayes di PT Saka Agung Karya Abadi“.
Judul Sistem
Data dan laporan order produksi
2.2 Naive Bayes
2.2.1 Pengertian Naive Bayes
Naive Bayes merupakan pendekatan statistik untuk melakukan inferensi induksi pada persoalan klasifikasi. Metode ini menggunakan probabilitas bersyarat sebagai dasarnya. Dalam ilmu statistik, probabilitas bersyarat dinyatakan sebagai :
Probabilitas X di dalam Y adalah probabilitas interseksi X dan Y dari probabilitas Y, atau dengan kata lain P(X|Y) adalah prosentase banyaknya X di dalam Y.
Gambar 2.1 Diagram Ven pada Relasi Probabilitas Bersyarat
Misalkan terdapat data set cuaca seperti tampak pada tabel di bawah ini.
Tabel 2.3 Tabel Set Cuaca
berolahraga=ya adalah 4 dari 6 data maka dituliskan
P(cuaca=cerah dan
Olahraga=ya)=4/6.
Dari informasi tersebut, maka probabilitas cuaca cerah pada saat berolah raga adalah :
Metode Bayes dapat dinyatakan dengan probabilitas bersyarat seperti yang diilustrasikan oleh gambar berikut :
Gambar 2.2 Probabilitas di atas dapat dinyatakan dengan persamaan :
Dimana, keadaan Posterior (Probabilitas Xk di dalam Y) dapat dihitung dari keadaan prior(Probabilitas Y di dalam Xk dibagi dengan jumlah dari semua probabilitas Y di dalam semua Xi).
2.3 MySQL
MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL
(bahasa Inggris: database management system) atau DBMS yang multithread, multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat MySQL tersedia sebagai perangkat lunak gratis dibawah lisensi
GNU General Public License (GPL), tetapi mereka juga menjual dibawah lisensi komersial untuk kasus-kasus dimana penggunaannya tidak cocok dengan penggunaan GPL.
2.4 Flowchart
Flowchart adalah penyajian yang sistematis tentang proses dan logika dari kegiatan penanganan informasi atau penggambaran secara grafik dari langkah-langkah dan urut-urutan prosedur dari suatu program. Flowchart menolong analis dan
programmer untuk
memecahkan masalah ke dalam segmen-segmen yang lebih kecil dan menolong dalam menganalisis alternatif-alternatif lain dalam pengoperasian.
3.1 Lokasi dan Waktu Penelitian
Lokasi penelitian bertempat di PT Saka Agung Karya Abadi yang beralamat di Jln Raya Lingkar Timur No.9 Kelurahan Kebonsari Kec. Candi Sidoarjo yang dimulai bulan Desember 2014 s/d bulan Pebruari 2015
3.2 Alat Dan Bahan Penelitian
a. Data laporan pengerjaan
1. Microsoft Windows 7
2. Microsoft Office Word 2007
3. XAMPP
4. MySQL Database Server
3.3 Teknik Pengumpulan Data Untuk mendapatkan data-data yang penulis butuhkan untuk melakukan perancangan sistem yang akan dibuat, maka penulis menggunakan beberapa metode untuk mendapatkan data yang dibutuhkan, adapun mengadakan pengamatan langsung terhadap obyek yang di teliti guna mendapatkan data-data, adapun data-data yang meliputi data tentang penjualan barang,
laporan-laporan penjualan barang, data pengadaan barang
2. Wawancara kepada pihak-pihak terkait untuk mengetahui sistem yang sudah ada untuk dianalisa tentang kelemahan yang ada dan selanjutnya dijadikan sebagai bahan referensi dalam pengembangan program
3. Dokumentasi :
pengambilan data-data tentang kegiatan, profil perusahaan, serta organisasi yang ada untuk dijadikan sebagai acuan dalam pengembangan sistem
3.4 Teknik Analisis
Dari data yang didapat, sebelum digunakan untuk merancang sistem yang akan dibuat maka penulis melakukan beberapa analisis terhadap data-data yang telah didapat dengan langkah-langkah sebagai berikut :
1. Mempelajari dan
mengumpulkan data untuk disusun sebagai sebuah struktur data yang teratur sesuai dengan sistem yang akan dibuat. 2. Memilah-milah dari data
yang ada untuk diambil pokok dari permasalahan yang akan dibahas nanti, hal ini untuk menetukan dengan jelas batasan
permasalahan yang diambil.
3. Melakukan evaluasi terhadap rumusan yang baru dibuat dan mencoba menerapkannya pada sistem yang ada.
4. Menganalisa sistem yang lama dengan sistem yang baru dirancang
3.5 Desain Sistem
Urutan alur sistem pada aplikasi dimulai dengan user input semua data pengerjaan proyek yang kemudian akan dilakukan preprocessing untuk melakukan klasifikasi awal. Dilanjutkan dengan klasifikasi/penggolongan dengan menggunakan Naive Bayes yang mengambil data dari database. Hasil akhir nantinya diharapkan berupa nilai estimasi waktu pengerjaan proyek.
Gambar 3.1 Desain Sistem
3.6 Flowchart
3.7 Konteks Diagram
estimasi lama pengerjaan proyek. Admin bisa melakukan input produk dan cek order. Admin mendapatkan laporan pelanggan, order, dan estimasi waktu.
3.8 DFD Level 0
Pada DFD Level 0 yang merupakan penjabaran dari konteks diagram sebelumnya ini, terdapat 5 proses yakni : data profil dan jasa, order pengerjaan, registrasi pelanggan, estimasi pengerjaan, dan laporan. Masing-masing entitas pelanggan dan admin mempunyai interaksi dengan proses yang ada. Hasil dari proses ini akan disimpan kedalam database. Berikut adalah gambar dari DFD Level 0.
3.9 Relasi Antar Tabel
Hubungan data antar tabel dalam database disebut relasi. Relasi digunakan untuk meringkas data yang ada dalam database, adapun gambar dari relasi antar tabel dapat dilihat di bawah ini:
4.1 Hasil Penelitian
Untuk mencapai sebuah rancangan system yang baik maka terlebih dahulu melakukan analisa system dan penelitian dari system yang sebelumnya sehingga pada aplikasi estimasi waktu pengerjaan produksi dengan metode naïve bayes dapat berjalan sesusai dengan yang diharapkan. Setelah diamati dan dianalisa system yang lama sebagai berikut :.
2. Administator tidak dapat memberi tahu berapa lama pengerjaan jika ada customer order sebuah produk di perusahaan.
3. Aplikasi tidak terintergrasi dengan system stock barang di perusahaan
Berdasarkan hasil analisa dan penelitian diharapkan system yang akan dibangun dapat lebih optimal dan berjalan sesuai dengan yang diharapkan, berikut hasil perancangan system yang akan dibangun berdasarkan hasil analisa dan penelitian yang telah dilakukan :
1. Administrator dapat menyimpan data custamer dan data produk yang pernah di order di perusahaan.
2. Administrator dapat memperhitungkan berapa lama pengerjaan produksi.
3. Custamer dapat memesan produk dan mengetahui estimasi pengerjaan produk yang dipesan.
Dalam proses pengolahannya akan dibedakan menjadi beberapa katagori yaitu administator dan custamer. Berikut adalah fasilitas apa saja yang dapat dilakukan oleh administrator dan custamer :
1. Administrator : Konfigurasi System, Menambahkan Custamer, Menambahkan Produk, Menghitung Berapa Lama Pengerjaan Produksi, Memberi Informasi Kepada
Custamer, Running
Text/News. Reset Database.
2. Custamer : Order Produk, Mengetahui Estimasi
Pekerjaan Produk yang di Order.
4.2 Pembahasan Sistem
Berikut ini adalah hasil dari pengujian aplikasi estimasi waktu pengerjaan produksi dengan merode naïve bayes di PT. Saka Agung Karya Abadi pada Skripsi ini,
1. Halaman Depan
Halaman ini merupakan aplikasi yang mempunyai otoritas untuk melakukan konfigurasi system sehingga diperlukan suatu proses login terlebih dahulu. Adapun proses pada menu ini login username defaultnya yaitu bisa admin, customer.
Gambar 4.1 Form Depan
Gambar 4.9 From Data Produk
Gambar 4.12 Form Data Order / Pesanan
Gambar 4.13 Form Pesanan
Gambar 4.14 Form Hitung Naïve Bayes
Gambar 4.15 Form Hasil Hitung Naïve Bayes
Gambar 4.16 Form Hasil Data Pesanan
PENUTUP
Pada bab ini akan dijelaskan kesimpulan dan saran dari uraian-urain pada bab-bab sebelumnya.
5.1 Kesimpulan
Berdasarkan hasil penelitian yang telah dilakukan mengenai estimasi waktu pengerjaan produksi dengan metode Naive Bayes, maka dapat disimpulkan sebagai berikut :
pendaftar dengan mudah dan cepat.
2. Dengan menggunakan aplikasi estimasi waktu pengerjaan produksi, pihak perusahaan dapat langsung menerima laporan produk yang lama pengerjaan dengan produk yang cepat selesai.
3. Dengan menggunakan apliaksi estimasi waktu pengerjaan produksi, custamer dapat melakukan order produk dan mengetahui berapa lama produk yang dia pesan
4. Sistem pendukung keputusan dengan metode Naive Bayes untuk penentuan berapa lama yang dibutuhkan untuk mengerjakan suatu produk yang dipesan oleh custamer menggunakan data sebanyak 30 dan bisa lebih dengan
pihak perusahan
menambahkan data custamer baru.
5.2 Saran
Program aplikasi Estimasi Waktu Pengerjaan Produksi menggunakan Metode Naïve Bayes yang di buat penulis masih jauh dari sempurna, hal ini dapat dilihat dari fasilitas yang disediakan hanya sebatas menampilkan nama, menu di PT. Saka Agung Karrya Abadi tidak sama pada aslinya, ini dikarenakan masih
sedikitnya ilmu yang dimiliki penulis, sehingga memerlukan pengembangan dan modifikasi dalam beberapa hal. Misalkan pengembangan untuk sistem pesanan online. Untuk itu penulis menyarankan kepada siapa saja yang membaca dan mengembangkan penulisan ini agar dapat menyempurnakan pembuatan program aplikasi ini agar lebih terasa manfaatnya.
DAFTAR PUSTAKA
Agus. J. 2006.Pengenalan Internet. PT. Elex Media Komputindo : Jakarta.
Fathansyah. 1999. Sistem Basis Data. Informatika : Bandung.
Hermawan, Julius .
2005.Membangun Decision Support System. Yogyakarta : Penerbit ANDI
Kusrini. 2007. Konsep dan Aplikasi Sistem Pendukung Keputusan. Yogyakarta : Penerbit ANDI Kadir, Abdul.2002. Pemrograman
Web Mencakup HTML, CSS, Javascript dan PHP. Andi : Yogyakarta.
System. Prentice Hall : New Jersey.
O'Brien, James. 2005. Pengantar Sistem Informasi Perspektif Bisnis dan Manajerial. Salemba Empat : Jakarta. Pohan, Iskandar Husni dan
