SISTEM INFORMASI DATA MINING UNTUK MENENTUKAN AKURASI PERSEDIAN PADA WAREHOUSE PT.COCA-COLA EUROPACIFIC PARTNERS INDONESIA
Suhendar1), Purwanto2)
1,2)Sistem Informasi ,Universitas Panca Sakti Bekasi,Bekasi email: [email protected]1), [email protected]2)
ABSTRAK
PT. Coca-Cola Europacific Partners Indonesia memiliki salah satu gudang terbesar di Indonesia tepatnya Warehouse Mega Distribution Center (DC) di Cibitung, dengan luas gudang kurang lebih 32000 m2 atau setara dengan kurang lebih 30.000 Pallet.
Untuk menjaga keakuratan stok di warehouse tentunya diperlukan suatu sistem pengelolaan persediaan yang baik. Salah satu cara untuk menjaga keakuratan stok di dalam warehouse yaitu dengan melakukan perhitungan produk secara keseluruhan (Stock Opname) di dalam warehouse. Data transaksi yang tersimpan di gudang hanya dibiarkan menumpuk tanpa ada tindakan yang lebih lanjut. Dalam penelitian ini diusulkan suatu sistem informasi yang dapat mengolah data transaksi untuk menggali informasi yang terkandung di dalamnya dengan teknik data mining. Dengan menggunakan sistem informasi Data Mining di PT.Coca-Cola Europacific Partners Indonesia maka permasalahan-permasalahan dapat terjadi dapat ditekan seminimal mungkin.
ABSTRACT
PT. Coca-Cola Europacific Partners Indonesia has one of the largest warehouses in Indonesia, specifically Warehouse Mega Distribution Center (DC) in Cibitung, with a warehouse area of approximately 32000 m2 or equivalent to approximately 30,000 Pallets. To maintain the accuracy of stock in the warehouse, of course, a good inventory management system is needed. One way to maintain the accuracy of stock in the warehouse is by calculating the overall product (Stock Taking) in the warehouse.
Transaction data stored in the warehouse is only left to accumulate without any further action. In this study proposed an information system that can process transaction data to explore the information contained in it with data mining techniques. By using the Data Mining information system at PT. Coca-Cola Europacific Partners Indonesia, the problems that can occur can be reduced to a minimum.
.
Kata Kunci: Data Mining; Database; Stock Opname; Warehouse.
1
.
PENDAHULUANSeiring dengan perkembangan teknologi, maka semakin berkembang pula kemampuan kita dalam mengumpulkan dan mengolah data. Penggunaan sistem komputerisasi dalam berbagai bidang baik itu dalam perusahaan maupun pemerintahaan telah menghasilkan data yang berukuran sangat besar. Data-data yang terkumpul semakin hari akan semakin banyak akibatnya data akan menumpuk. Hal ini menyebabkan timbulnya kebutuhan terhadap teknik-teknik yang dapat melakukan pengolahan data sehingga dari data-data yang ada dapat diperoleh informasi penting yang dapat digunakan untuk perkembangan pada masing-masing bidang.
Teknik data mining saat ini telah berkembang dalam mengadaptasi setiap bentuk analisa data. Data mining merupakan suatu proses penggalian data atau penyaringan data yang memanfaatkan kumpulan data dengan ukuran yang besar melalui serangkaian proses untuk mendapatkan informasi yang berharga dari data tersebut. Ada beberapa tahapan data mining diantaranya, Pembersihan data (data cleaning), Integrasi data (data integration), seleksi data (data selection), transformasi data (data transformation), proses mining, evaluasi pola (pattern evaluation) dan presentasi pengetahuan (knowledge presentation), dimana
semua tahapan tersebut adalah sebagai suatu rangkaian proses.
PT.Coca-Cola Europacific Partnes Indonesia atau nama sebelumnya CCAI (Coca-Cola Amatil Indonesia) merupakan sebuah perusahaan manufacture yang bergerak dibidang minuman ringan terkemuka di Indonesia.
Perusahaan ini memproduksi berbagai macam minuman ringan dibawah lisensi perusahaan The Coca-Cola Company yang berpusat di Inggris. Perusahaan ini memiliki salah satu gudang terbesar di Indonesia yaitu Warehouse Mega Distribution Center (DC) di Cibitung – Bekasi, dengan luas gudang ±32000 m2 atau setara dengan ±30000 Pallet. Untuk menjaga keakuratan stok di warehouse tentunya diperlukan suatu sistem yang baik agar dapat menunjang kegiatan operasional.
Salah satu cara untuk menjaga keakuratan stok di dalam warehouse yaitu dengan melakukan perhitungan produk secara keseluruhan agar dapat diketahui keakuratan antara data yang di dalam sistem dengan stok fisik yang ada di gudang. Proses stock opname ini biasanya dilakukan dalam satu bulan (Mounthly Stock Count), untuk proses monthly stock count dibutuhkan beberapa manpower untuk melakukan proses penghitungan minimal 30 orang sebagai inventory controller 7 orang, operator 8 orang dan sebagai
counter 15 orang. Setiap counter akan menghitung produk sesuai lokasi atau blok dan juga rack yang sudah ditentukan oleh team inventory controller. Proses penghitungan produk dilakukan di hari libur agar kegiatan operasioanl warehouse tidak terganggu. Hasil perhitungan ini yang nantinya akan dibandingkan oleh team inventory controller dengan total stok yang ada di sistem. Hasil stock opname terkadang berbeda dengan pencatatan stock, hal ini terjadi karena ketika penghitungan jumlah produk di gudang ada item barang yang kurang. Penyebab terjadinya selisih produk dikarenakan adanya item yang tertukar dengan item barang yang lainnya. Apabila losses product bertambah maka akan mempengaruhi budget pengeluaran dari departement Warehouse Transportation (WT), hal ini tentunya sangat merugikan bagi perusahaan.
Disamping itu, sistem yang berjalan saat ini tidak bisa membandingkan antara hasil penghitungan produk sebelumnya dengan hasil perhitungan produk terbaru.
Bagian inventory controller harus membuka dokumen stock accuracy sebelumnya untuk dibandingkan dengan hasil perhitungan terbaru. Selain itu banyak data transaksi yang tersimpan dalam arsip yang hanya dibiarkan menumpuk tanpa diolah dan dianalisa lebih lanjut.
Dari latar belakang tersebut maka penulis akan membuat sebuah sistem informasi data mining untuk menentukan Stock Accuracy Pada Warehouse PT.Coca- Cola Europacific Partners Indonesia dan diharapkan sistem ini dapat memberikan solusi bagi pimpinan dalam pengambilan keputusan pada proses penghitungan stok produk serta keakuratan jumlah produk dalam kegiatan operasional di gudang.
2. METODE PENELITIAN 2.13. Lokasi Penelitian
Lokasi penelitian penulis meneliti di perusahaan minuman Departement Supply Chain PT.Coca-Cola Europacific Partners Indonesia, Warehouse Mega DC Cibitung.
Gambar 1. Lokasi Penelitian 2.1. Metode Pengumpulan Data
Dalam peneelitian ini penulis menggunakan jenis data yaitu data primer dan data sekunder. Data primer adalah data yang diperoleh langsung dari observasi dan wawancara
sedangkan data sekunder adalah data yang diperoleh dari dokumen perusahaan atau internet. Adapun beberapa metode dalam pengumpula data yang digunakan sebagai berikut:
a. Observasi
Pada metode ini penulis melakukan tinjauan dan pengamatan langsung pada tempat observasi serta mengumpulkan data-data yang dibutuhkan.
b. Wawancara
Dalam metode ini penulis secara langsung melakukan wawancara pada pihak-pihak yang terkait untuk menanyakan hal-hal yang berhubungan dengan penyusunan jurnal ini.
2.2. Kerangka Penelitian
Kerangka penelitian yang dilakukan pada pembuatan skripsi ini dapat dilihat pada gambar berikut:
Gambar 2 Kerangka Penelitian
3. HASIL DAN PEMBAHASAN 3.1. Analisa Sistem Berjalan
Dari hasil observasi dan wawancara dengan narasumber Warehouse Inventory Coordinator Bapak Cahyo Budi Santoso menjelasankan tentang proses stock opname di warehouse PT.Coca-Cola Europacific Partners, maka dapat disimpulkan bahwa pembuatan program ini sangat diperlukan untuk penanganan terhadap stock accuracy, khususnya pada saat compare data masih dengan proses manual, dimana data yang di export dari SAP EWM diolah kembali ke Ms.Excel, hasil dari compare data tersebut didapatkan selisih produk yang mana data tersebut menjadi acuan dalam penentuan stock accuracy, apabila terjadi banyak selisih team inventory harus melihat history stock opname dengan membuka file-file sebelumnya, hal ini tentunya tidak efektif dalam hal waktu dan dalam mengambil keputusan untuk selisih produk yang ada di gudang.
3.3. Analisa Sistem Usulan a. Kebutuhan Fungsional
Kebutuhan Fungsional merupakan kebutuhan yang meliputi proses apa saja yang akan dilakukan oleh sistem.
Berikut merupakan kebutuhan-kebutuhan fungsional pada
sistem informasi data mining untuk menentukan stock accuracy:
1) sistem informasi untuk menangani keakurtan jumlah produk (stock accuracy), agar dapat disajikan data yang lebih akurat.
2) sistem informasi yang bisa membandingankan data sebelum dengan data terupdate, dimana data yang telah dibandingakan akan menjadi acuan untuk langkah pengambilan keputusan.
3) sistem informasi untuk mengetahui jumlah produk hilang (Losses Product), agar team admin dapat mengetahui total kerugian yang ditanggung oleh pihak perusahaan dan dapat menjadi refrensi untuk selanjutnya di follow up pada manager terkait.
b. Kebutuhan Non Fungsional
1) Sistem hanya akan bisa diakses oleh user atau sebagai inventory controller yang memiliki Username dan Password untuk bisa login.
2) Bisa diakses di semua PC atau komputer yang ada di tempat kerja melalui web browser.
3) Sistem bisa mengkuti hasil penghitungan yang telah di arahkan oleh inventory controller ke penghitung.
c. Document Flowchart
Gambar 3 Stock Opname Sistem yang berjalan d. Data Flow Diagram
Setelah melakukan analisa kebutuhan sistem, dan keinginan user sudah di dapatkan, maka tahap selanjutnya adalah menterjemahkan analisis ini ke dalam bentuk use case diagram untuk menjelaskan gambaran sistem dan aktor yang terlibat secara menyeluruh.
Gambar 4 Use Case Diagram
3.4. Implementasi
Dari proses perancangan yang telah dilakukan maka hasil dapat dilihat pada gambar dibawah ini:
1. Halaman Login User
Halaman login user adalah halaman untuk pengguna dengan status user sebagai syarat untuk memulai penggunaan program ini dengan memasukan user name dan password yang sudah terdaftar sebagai user.
Gambar 5 Halaman Layar Login
2. Halaman Menu Utama
Halaman menu adalah halaman utama program yang berisi berbagai macam program menu diantaranya Administration, Report, Maintenance dan Logout.
Gambar 6 Halaman Menu Utama
3. Halaman Menu Administration
Halaman menu Administration ini terdiri dari menu import data akan muncul tombol choose file dan import, klik tombol choose file secara otomatis akan menampilkan kotak dialog, pilih file yang akan diimport kemudian klik open.
Gambar 7 Halaman Menu Administration
4. Halaman Menu Report
Halaman menu report berfungsi untuk menampilkan hasil import data.
Gambar 8 Halaman Menu Report (Accuracy warehouse)
5. Halaman Menu Maintenance
Halaman menu maintenance dalam sistem ini berisi menu pengaturan yang terdiri dari Add, Edit, Delete, Save, dan Confirm Editing.
Gambar 9 Halaman Menu Maintenance 3.5. Deployment
Dalam penyerahan sistem diharapkan sistem informasi data mining ini dapat diimplementasikan dan digunakan oleh user yaitu personil Inventory Controller pada Departement Supply Chain Warehouse Mega DC Cibitung PT.Coca-Cola Europacific Partners Indonesia dan dapat dikembangkan sesuai dengan kebutuhan perkembangan perusahaan dan teknologi.
4. KESIMPULAN
Setelah melakukan penelitian, maka dapat di peroleh kesimpulan sebagai berikut:
1. PT.Coca-Cola Europacific Partners Indonesia banyak sistem yang sudah diaplikasikan, namun belum memanfaatkan sistem komputer secara efektif dalam proses penghitungan jumlah produk untuk menentukan keakuratan jumlah stok yang ada disistem dan yang ada dilapangan (Stock Accuracy).
2. Dalam permasalahan proses keakuratan jumlah produk (stock accuracy). pendekatan menggunakan prinsip teknik data mining.
3. Solusi yang diberikan sistem informasi data mining ini dapat memudahkan pengguna dalam mengambil keputusan pada proses penghitungan jumlah produk, dengan waktu yang lebih efisien tepat dan akurat.
4. Dengan menggunakan sistem informasi Data Mining di PT.Coca-Cola Europacific Partners Indonesia maka permasalahan-permasalahan dapat ditekan seminimal mungkin karena sistem ini dapat menjadi acuan dalam mengambil keputusan untuk keakuratan jumlah produk di dalam gudang.
DAFTAR PUSTAKA
Agus Ristono, 2013, “Manajemen Keuangan Teori dan Aplikasi”, Edisi 4:BPFE-Yogyakarta.
Elmasari, Ramez and Shamknat B. Navathe, 2012,
“Fundamentals of Database Systems”, Third Edition, Addison Wesley Publishing Company, New York.
Han, Jiawei 2014. “Data Mining: Concepts and Techniques”, Department of Computer Science University of Illinois at Urbana-Champaign.
Jindal, Rajni, and Taneja, Shweta 2012. “Comparative Study of Data Warehouse Design Approaches: A Survey”.
Jogiyanto Bukunya Yakub. 2012. “Pengantar Sistem Informasi”.Graha Ilmu. Yogyakarta.
Kadir, Abdul 2013. “Pengenalan Sistem Informasi”, Andi:
Yogyakarta.
Maanari, J. I. 2013, Perancangan Basis Data Perusahaan Distribusi dengan Menggunakan Oracle, e-journal.
Moh. Nazir Ph D, 2014, “Metode Penelitian”, Ghalia Indonesia. Bogor.
Rainardi, Vincent, 2013, “Building a Data Warehouse with Examples in SQL Server”, Springer, New York.
R. Ramakrishnan and J. Gehrke, “Database Management System”. McGraw Hill Higher Education, USA, 2007.
Santoso, Budi, 2007, “Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis”, Graha Ilmu, Yogyakarta.
S, Rosa A. dan M.Shalahudin.2013. “Rekayasa Perangkat Terstrtuktur Dan Berorientasi Objek”. Informatika.
Bandung.
Witten, I. H and Frank, E 2011. Data Mining: Practical Machine Learning Tool and Techniques Second Edition. Morgan Kauffman:San Francisco.
![KAJIAN PENGEMBANGAN STRATEGI POTENSIAL INDUSTRI TEPUNG TAPIOKA RAKYAT (ITTARA) DI KABUPATEN LAMPUNG TIMUR [A Study of Potential Strategy Development on Small Scale Tapioca Industry (ITTARA) in East Lampung District]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACH5BAEAAAAALAAAAAABAAEAAAICRAEAOw==)