i- i -
PERANGKAT LUNAK PENDUKUNG ESTIMASI BIAYA
PRODUKSI DENGAN METODE K-MEANS DAN
MULTIPLE LINEAR REGRESSION PADA SISTEM PRODUKSI
JOB ORDER
Studi Kasus pada Industri Kecil Menengah (IKM) Manufaktur
TESIS
Karya tulis sebagai salah satu
syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung
oleh
UUF BRAJAWIDAGDA
NIM: 23506003
PROGRAM STUDI MAGISTER INFORMATIKA
INSTITUT TEKNOLOGI BANDUNG
2009
ABSTRAK
Sistem produksi job order yang dipergunakan oleh Industri Kecil Menengah (IKM) Manufaktur adalah sistem produksi berbasis pesanan yang dicirikan dengan variasi produk banyak, skala produksi berukuran kecil dan daur hidup produk yang pendek. Pesanan yang datang dari konsumen harus ditanggapi dengan segera dalam bentuk penawaran harga dan waktu produksi. Proses penawaran harga menuntut kecepatan proses estimasi biaya produksi sehingga respon kepada konsumen dapat dilakukan lebih cepat.
Dengan metode K-Means dan Multiple Linear Regression (MLR) secara bersama-sama, estimasi biaya dengan metode analogi dapat dilakukan sehingga dapat mempercepat proses estimasi biaya. Metode K-Means dipergunakan untuk melakukan pengelompokan produk sedangkan metode MLR dipergunakan untuk membangkitkan model estimasi biaya untuk setiap kelompok. Akurasi model diukur dengan mempergunakan Mean Absolute Percentage Error (MAPE) dan dipergunakan untuk menentukan kemampuan model estimasi biaya yang dibangkitkan.
ii- ii -
ABSTRACT
Job order, a production system which is usually applied by Small Medium Enterprise in manufacture area, is an order based production system. This production system characteristics are: small production batch, huge various products and short product life cycle. An order from customer must be responded quickly to meet the customer satisfaction. A quotation, consists of information about price and production time, is sent to customer as an order respond. In order to determine the price, a cost estimation process should be done quickly and accurately.
Using K-Means and Multiple Linear Regression (MLR), an analogycal cost estimation approach is proposed in this thesis. The K-Means method is to create product clusters based on historical product while MLR is used to generate the estimation model for each cluster. The model accuracy is measured by Mean Absolute Percentage Error (MAPE) which reflects the model’s capability.
PEDOMAN PENGGUNAAN TESIS
Tesis S2 yang tidak dipublikasikan terdaftar dan tersedia di Perpustakaan Institut Teknologi Bandung, dan terbuka untuk umum dengan ketentuan bahwa hak cipta ada pada pengarang dengan mengikuti aturan HaKI yang berlaku di Institut Teknologi Bandung. Referensi kepustakaan diperkenankan dicatat, tetapi pengutipan atau peringkasan hanya dapat dilakukan seizin pengarang dan harus disertai dengan kebiasaan ilmiah untuk menyebutkan sumbernya.
Memperbanyak atau menerbitkan sebagian atau seluruh tesis haruslah seizin Direktur Program Pascasarjana, Institut Teknologi Bandung.
iv- iv -
UCAPAN TERIMA KASIH
Puji syukur dipanjatkan kepada Tuhan Yang Maha Esa sehingga tesis ini dapat diselesaikan. Tesis ini disusun sebagai salah satu syarat kelulusan Program Studi Magister Informatika Sekolah Tinggi Elektronika dan Informatika (STEI), Institut Teknologi Bandung (ITB).
Dalam proses penyusunannya, berbagai pihak turut memberikan dukungan dan bantuan baik secara langsung maupun tidak langsung. Untuk itu, penulis menyampaikan terima kasih dan penghargaan yang sebesar-besarnya kepada:
1. Keluarga yang tiada hentinya memberi kasih sayang, perhatian, dukungan, serta doa untuk kelancaran penulisan tesis
2. Dr. Oerip S. Santoso, M.Sc. dan Alm. Ir. Sri Purwanti, M.Sc. sebagai dosen pembimbing yang telah memberikan masukan, pengarahan serta bimbingan dalam penyusunan tesis
3. Dra. Harlili, M.Sc dan Drs. Judhi Santoso, M.Sc sebagai penguji sidang 4. Seluruh dosen Magister Informatika dan rekan-rekan angkatan 2006
5. Direktorat Pendidikan Tinggi Departemen Pendidikan Nasional dan Politeknik Batam yang telah menyediakan biaya studi
6. Pihak lain yang semua pihak baik secara langsung maupun tidak langsung terlibat dalam penyusunan tugas akhir yang tidak dapat penulis tulis satu persatu
Tesis ini masih jauh dari kondisi sempurna, karena itu saran, kritik yang bersifat membangun serta usulan pengembangan sangat dibutuhkan untuk perbaikan dan pengembangan lebih lanjut.
Bandung, Feburari 2009 Penulis
DAFTAR ISI
Bab I Pendahuluan ...I-1 I.1 Latar Belakang...I-1 I.2 Rumusan Masalah ...I-2 I.3 Tujuan...I-2 I.4 Ruang Lingkup ...I-3 I.5 Batasan ...I-3 Bab II Tinjauan Pustaka ... II-1
II.1 Pengolahan Data dan Knowledge Discovery in Database (KDD) ... II-1 II.2 Pengolahan Awal Data (Data Preprocessing) ... II-4 II.3 Clustering dengan Metode K-Means ... II-6 II.4 Prediction dengan MLR... II-10 II.5 Cost Estimation dalam Industri Manufaktur ... II-14 Bab III Analisis Proses Bisnis ... III-1 III.1 Tinjauan terhadap Proses Bisnis Saat Ini ... III-1 III.2 Usulan Proses Bisnis ... III-4 III.3 Kebutuhan Pengguna... III-5 Bab IV Analisis dan Perancangan Perangkat Lunak ...IV-1
IV.1 Analisis Kebutuhan Perangkat Lunak ...IV-1 IV.1.1 Deskripsi Sistem...IV-1 IV.1.2 Kebutuhan Antar Muka ...IV-1 IV.1.3 Kebutuhan Fungsional...IV-2 IV.1.4 Kamus Data ...IV-13 IV.1.5 Kebutuhan Non Fungsional...IV-17 IV.2 Deskripsi Perancangan ...IV-17
IV.2.1 Arsitektur Perangkat Lunak...IV-17 IV.2.2 Deskripsi Data ...IV-21 IV.2.3 Dekomposisi Fisik Modul ...IV-23
vi- vi -
Bab V Implementasi, Pengujian dan Evaluasi Hasil Pengujian ... V-1 V.1 Implementasi ... V-1
V.1.1 Lingkungan Implementasi ... V-1 V.1.2 Konfigurasi ... V-1 V.2 Pengujian ... V-2
V.2.1 Tujuan Pengujian... V-2 V.2.2 Ruang Lingkup Pengujian ... V-3 V.2.3 Strategi Pengujian... V-3 V.2.4 Kasus Uji ... V-4 V.3 Evaluasi Hasil Pengujian... V-7 Bab VI Kesimpulan dan Saran...VI-1 VI.1 Kesimpulan...VI-1 VI.2 Saran ...VI-2
DAFTAR GAMBAR
Gambar II-1Siklus Knowledge Discovery ... II-2 Gambar II-2 Tahapan Prediction ... II-11 Gambar II-3 Cost estimation paradox (Bode, 1998) ... II-15 Gambar III-1 Proses Bisnis Estimasi Biaya Saat Ini: Metode Analitis Proses Estimasi Biaya Produksi ... III-2 Gambar III-2 Usulan Proses Bisnis... III-4 Gambar IV-1 Deskripsi Sistem Pendukung Estimasi Biaya Produksi...IV-1 Gambar IV-2 Context Diagram Sistem Pendukung Keputusan Estimasi BiayaIV-3 Gambar IV-3 DFD Level 1 Sistem Pendukung Keputusan Estimasi Biaya ...IV-4 Gambar IV-4 DFD Level 2 Proses 1 Ekstraksi Fitur Geometri...IV-5 Gambar IV-5 DFD Level 2 Proses 2 Data Mining ...IV-7 Gambar IV-6 DFD Level 2 Proses 3 Estimasi Biaya Produksi ...IV-8 Gambar IV-7 DFD Level 3: Proses 2.1 Penyiapan Data ...IV-9 Gambar IV-8 DFD Level 3: Proses 2.2 Clustering...IV-10 Gambar IV-9 DFD Level 3: Proses 2.3 Pembuatan Aturan Estimasi...IV-11 Gambar IV-10 Relasi Data Store Informasi Produk Historis dan Data PesananIV-17
Gambar IV-11 Arsitektur Perangkat Lunak...IV-20 Gambar IV-12 Kebergantungan Antar Layar ...IV-24 Gambar IV-13 L1 Layar Main...IV-25 Gambar IV-14 L3 Layar Extract from Directory ...IV-26 Gambar IV-15 L4 Layar Extraction Result ...IV-26 Gambar IV-16 L5 Layar Feature Selection ...IV-26 Gambar IV-17 L6 Layar Dataset ...IV-26 Gambar IV-18 L7 Layar Clustering ...IV-26 Gambar IV-19 L8 Layar Clustering Result ...IV-26 Gambar IV-20 L9 Layar Save Rule ...IV-27
viii- viii -
DAFTAR TABEL
Tabel II-1 Contoh Penerapan Data Mining... II-3 Tabel II-2 Penerapan Metode Perkiraan Biaya dalam Daur Hidup Produk (Long, 2000) ... II-15 Tabel IV-1 Kebutuhan Fungsional Perangkat Lunak ...IV-2 Tabel IV-2 Kamus Data ...IV-13 Tabel IV-3 Data Store Informasi Produk Historis...IV-15 Tabel IV-4 Deskripsi Data Store Data Pesanan ...IV-15 Tabel IV-5 Deskripsi Data Store Data Set ...IV-16 Tabel IV-6 Deskripsi Data Store Aturan Estimasi ...IV-16 Tabel IV-7 Daftar Proses ...IV-17 Tabel IV-8 Dekomposisi Fungsional Modul ...IV-18 Tabel IV-9 Implementasi Fisik Data Store...IV-21 Tabel IV-10 Tabel InfoProduct...IV-21 Tabel IV-11 Tabel Order ...IV-22 Tabel IV-12 Dekomposisi Fisik Modul ...IV-23 Tabel IV-13 Perancangan Layar ...IV-24 Tabel V-1 Kasus Uji Fungsionalitas ... V-7 Tabel V-2 Kasus Uji Pengujian Unit pada Proses Tertentu... V-8 Tabel V-3 Evaluasi Hasil Pengujian ... V-9
