Simulasi Pengendalian Bahan Baku Produksi
Menggunakan Metode Monte Carlo dan Exponensial
(Studi Kasus : PT. Inaraya Sukses Pratama)
TUGAS AKHIR
Oleh : Deni 3311411005
Disusun untuk memenuhi syarat kelulusan Program Diploma-III
PROGRAM STUDI TEKNIK INFORMATIKA POLITEKNIK NEGERI BATAM
BATAM 2016
ii
HALAMAN PENGESAHAN
Simulasi Pengendalian Bahan Baku Produksi Menggunakan Metode Monte Carlo dan Exponensial
(Studi Kasus : PT. Inaraya Sukses Pratama)
Oleh : Deni 3311411005
Tugas Akhir ini telah diterima dan disahkan sebagai persyaratan untuk memperoleh gelar
Ahli Madya di
PROGRAM STUDI DIPLOMA-III TEKNIK INFORMATIKA POLITEKNIK NEGERI BATAM
Batam, 05 Januari 2017 Disetujui oleh;
Pembimbing I,
Mira Chandra Kirana, S.T., M.T NIP.197905302014042002
iii
HALAMAN PERNYATAAN
Dengan ini, saya:
NIM : 3311411005 Nama : Deni
adalah mahasiswa Teknik Informatika Politeknik Batam yang menyatakan bahwa tugas akhir dengan judul:
Simulasi Pengendalian Bahan Baku Produksi Menggunakan Metode Monte Carlo dan Exponensial (Studi Kasus : PT. Inaraya Sukses Pratama)
disusun dengan:
1. Tidak melakukan plagiat terhadap naskah karya orang lain
2. Tidak melakukan pemalsuan data
3. Tidak menggunakan karya orang lain tanpa menyebut sumber asli atau tanpa
ijin pemilik
Jika kemudian terbukti terjadi pelanggaran terhadap pernyataan di atas, maka saya bersedia menerima sanksi apapun termasuk pencabutan gelar akademik.
Lembar pernyataan ini juga memberikan hak kepada Politeknik Batam untuk mempergunakan, mendistribusikan ataupun memproduksi ulang seluruh hasil Tugas Akhir ini.
Batam, 05 Januari 2017
Deni 3311411005
iv
KATA PENGANTAR
Puji Syukur Kehadirat Tuhan Yang Maha Esa, atas berkat dan rahmat-Nya. Saya selaku penulis dapat menyelesaikan Tugas Akhir sebagai program kelulusan Diploma-III Politeknik Negeri Batam. Adapun tugas akhir tersebut berjudul ”Simulasi Pengendalian Bahan Baku Produksi dengan menggunakan Metode Monte Carlo dan Exponensial”.
Penelitian ini dilakukan dengan mengambil studi kasus langsung dari perusahaan tempat penulis bekerja. Penulis mengucapkan banyak terima kasih kepada rekan– rekan karyawan, dimana dengan bantuan rekan–rekan tersebut penulis mendapatkan informasi serta data yang akurat. Untuk itu penulis mengucapkan terima kasih kepada:
1. Manager Produksi, Bpk. Kelvin, S.T
2. Supervisor Produksi, Bpk. Ulit Priyatno, Amd 3. Rekan–rekan Staff Purchasing
Selain itu tidak lupa penulis mengucapkan banyak terima kasih kepada Dosen Pembimbing serta rekan–rekan mahasiswa Politeknik Negeri Batam, Dimana dengan bantuan mereka penulis dapat menyelesaikan laporan tugas akhir ini, untuk itu penulis mengucapkan terima kasih banyak kepada :
1. Dosen Pembimbing, Ibu Mira Chandra Kirana, S.T, M.T
2. Rekan – rekan Mahasiswa Politeknik Negeri batam tepatnya Teknik Informatika 2014-2017.
Penelitian ini dilakukan dengan harapan kebutuhan akan bahan baku produksi dapat
tercapai sesuai dengan permintaan perusahaan terhadap supplier serta permintaan
barang jadi untuk pelanggan terhadap perusahaan. Laporan tugas akhir ini juga belum tentu menjadi suatu modal yang cukup bagi perusahaan, untuk itu apabila terdapat
v
kekurangan terhadap penyusunan laporan ini, penulis dapat menerima kiritikan dan saran dari pembaca. Atas perhatianya penulis mengucapkan banyak terima kasih terhadap pembaca laporan tugas akhir ini.
Batam, 05 Januari 2017
vi ABSTRAK
Simulasi Pengendalian Bahan Baku Produksi Menggunakan Metode Monte Carlo dan Exponensial
(Studi Kasus : PT. Inaraya Sukses Pratama)
Air merupakan salah satu kebutuhan pokok dalam kehidupan sehari–hari. PT. Inaraya Sukses Pratama merupakan salah satu distributor air mineral kemasan, baik dalam bentuk botol, cup, maupun galon. Tingginya permintaan air mineral menjadikan permintaan bahan baku produksi menjadi lebih tinggi. Adapun permintaan air mineral tersebut dalam bentuk kemasan cup yaitu 240 ml. Bahan baku produksi air mineral
tersebut selalu mengalami kekurangan dalam memproduksi barang jadi yaitu Cup
Ipp. Untuk itu dengan adanya metode monte carlo dan exponensial, perusahaan dapat
menentukan pola permintaan bahan baku produksi dengan melihat kebutuhan permintaan pelanggan serta dengan metode tersebut perusahaan dapat mengambil keputusan dalam menentukan pola permintaan jumlah bahan baku produksi yang akan diminta kepada supplier. Metode ini bertujuan agar perusahaan dapat melihat keuntungan serta kerugian perusahaan. Hal ini mempermudah bagian pembelian material dalam menentukan pola permintaan bahan baku produksi yang akan ditentukan untuk melakukan produksi serta memperkirakan waktu kedatangannya.
vii ABSTRACT
Simulation Control Raw Material Production Using Monte Carlo Method and Exponential
(Case Study: PT. Inaraya Sukses Pratama)
Water is a basic need in everyday life. PT. Inaraya Success Primary is one of the distributors of bottled mineral water, either in the form of a bottle, cup, or gallons. The high demand for mineral water made the request to the production of raw material becomes higher. The demand for the mineral water in the form of cup packaging is 240 ml. Raw materials of mineral water production is always deficient in producing finished goods which Cup Ipp. For it with their method of monte carlo and exponential, the company can determine the pattern of demand for raw materials production to see the needs of customer demand and with that method a company can make decisions in determining the pattern of demand for the amount of raw material production will be requested to suppliers. This method aims to enable companies to see the advantages and disadvantages of the company. This facilitates the purchasing of material in determining the pattern of demand for raw materials production will be determined to make the production as well as the estimated time of arrival.
viii DAFTAR ISI
HALAMAN PENGESAHAN ... ii
KATA PENGANTAR ... iv
ABSTRAK ... vi
DAFTAR ISI ... viii
BAB I PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Rumusan Masalah ... 2 1.3 Batasan Masalah... 2 1.4 Tujuan Penelitian ... 3 1.5 Manfaat Penelitian ... 3 1.6 Tinjauan Pustaka ... 3 1.7 Sistematika Penulisan ... 4
BAB II LANDASAN TEORI ... 6
2.1 Sistem Pendukung Keputusan ... 6
2.2 Simulasi ... 7
2.2.1 Simulasi Monte Carlo ... 7
2.2.2 Simulasi Exponensial ... 8
2.3 UML ... 8
2.4 PHP ... 8
2.5 CSV ... 9
BAB III ANALISIS DAN PERANCANGAN ... 10
3.1 Deskripsi Umum Sistem ... 10
3.2 Teknik Simulasi Monte Carlo ... 11
3.3 Teknik Simulasi Exponensial ... 15
3.4 Spesifikasi Kebutuhan ... 17
3.4.1 Kebutuhan Fungsional ... 17
ix
3.5 Use Case Diagram ... 18
3.6 Skenario Use Case Simulasi... 19
3.6.1 Skenario Import data CSV ... 19
3.6.2 Skenario Memasukkan Jumlah Hari ... 20
3.6.3 Skenario Mencetak Hasil Simulasi ... 21
3.7 Sequence Diagram ... 21
3.7.1 Sequence Diagram Import data CSV ... 21
3.7.2 Sequance Diagram Memasukkan Jumlah Hari ... 22
3.7.3 Sequence Diagram Mencetak Hasil Simulasi ... 23
3.8 Class Diagram ... 23
3.9 Perancangan Antar Muka ... 24
3.9.1 Antar Muka Import data CSV ... 25
3.9.2 Antar Muka Hasil Simulasi ... 26
BAB IV HASIL DAN PEMBAHASAN ... 28
4.1 Hasil Implementasi... 28
4.2 Pembahasan ... 28
4.2.1 Klasifikasi Data Cup Ipp ... 28
4.2.2 Import data CSV(Comma Delimited) ... 33
4.2.3 Memasukkan Jumlah Hari... 35
4.2.4 Mencetak Hasil Simulasi... 38
4.3 Pengujian ... 39
4.3.1 Skenario Pengujian... 39
4.3.2 Tabel Pengujian ... 40
BAB V KESIMPULAN DAN SARAN ... 42
5.1 Kesimpulan ... 42
5.2 Saran ... 42 DAFTAR PUSTAKA ...
x
DAFTAR GAMBAR
Gambar 1. Deskripsi Umum Simulasi ... 10
Gambar 2. Use Case Diagram Simulasi ... 18
Gambar 3. Sequence Diagram Import data CSV ... 22
Gambar 4. Sequence diagram Memasukkan Jumlah Hari ... 22
Gambar 5. Sequence diagram Mencetak Hasil Simulasi ... 23
Gambar 6. Class Diagram Simulasi ... 23
Gambar 7. Antar Muka Simulasi………. ... 24
Gambar 8. Antar Muka Import data CSV ... 25
Gambar 9 . Antar Muka Simulasi Monte Carlo ... 26
Gambar 10. Antar Muka Simulasi Exponensial ... 27
Gambar 11. Data CSV (Comma Delimited) ... 33
Gambar 12. XAMPP dan Notepad++ ... 34
Gambar 13 . Koneksi XAMPP……….. ... 34
Gambar 14. Import CSV (Comma Delimited) ... 35
Gambar 15 . Jumlah hari yang diharapkan... 35
Gambar 16. Hasil Simulasi Monte Carlo ... 36
Gambar 17. Hasil Simulasi Exponensial………. ... 37
Gambar 18. Mencetak Hasil Simulasi…………. ... 38
xi
DAFTAR TABEL
Tabel 1. Permintaan Cup Ipp ... 12
Tabel 2. Distribusi Peluang Permintaan Cup Ipp ... 12
Tabel 3. Distribusi Kumulatif Permintaan Cup Ipp ... 13
Tabel 4. Interval Angka Acak Permintaan ... 13
Tabel 5. Angka Acak... 14
Tabel 6. Hasil Simulasi Permintaan Bahan Baku (Cup Ipp) ... 15
Tabel 7. Angka Acak Decimal ... 17
Tabel 8. Skenario Import data CSV ... 19
Tabel 9. Memasukkan jumlah hari yang diharapkan ... 20
Tabel 10. Mencetak Hasil Simulasi ... 21
Tabel 11. Data Klasifikasi ... 29
1 BAB I PENDAHULUAN
1.1 Latar Belakang
Batam merupakan salah satu wilayah di Indonesia yang merupakan pusat sektor industri. Seiring dengan kemajuan perkembangan industri diperlukan juga teknologi sebagai pendukung kemajuan industri itu sendiri.
PT. Inaraya Sukses Pratama merupakan salah satu perusahaan yang bergerak dalam distribusi minuman. Adapun jenis minuman tersebut adalah air mineral kemasan.
Berdiri pada tahun 2014 menjadikan perusahaan ini menjadi salah satu distributor air
mineral kemasan di Batam. Dalam proses kelancaran kepuasan pelanggan terhadap produk yang dihasilkan, perusahaan ini masih dalam proses pengembangan sistem manajemen yang baik, salah satunya adalah pengendalian bahan baku produksi.
Bahan baku produksi merupakan hal utama dalam meningkatkan proses produksi dimana hasil produksi tersebut akan mencapai target penjualan yang diharapkan bagi perusahaan. Hal ini sangat penting bagi perusahaan karena modal awal dari kelangsungan perusahaan tetap berdiri adalah bagaimana cara agar konsumen dapat merasakan hasil produk yang telah dibuat oleh perusahaan tersebut. Dalam proses pengendalian bahan baku, perusahaan ini masih menggunakan sistem manual, yakni dengan proses pencatatan serta pengarsipan yang memakan biaya dalam proses
manajemen serta dalam melakukan permintaan terhadap supplier perusahaan ini
masih menggunakan push system. Hal ini menjadi pusat konsentrasi penyusun dalam
membuat sistem yang layak bagi manajemen agar dalam perkembangan produksi dapat terjaga sehingga minat konsumen bertambah.
2
Untuk itu berdasarkan permasalahan tersebut diperlukan ”Simulasi Pengendalian Bahan Baku Produksi dengan metode monte carlo dan exponesial” yang bertujuan memberikan suatu keputusan terhadap proses pengendalian persediaan bahan baku produksi, sehingga pihak perusahaan dapat mengendalikan proses biaya produksi terhadap permintaan bahan baku serta penjualan hasil produk dan mengurangi terjadinya pengeluaran biaya produksi yang berlebihan.
1.2 Rumusan Masalah
Berdasarkan uraian masalah diatas, rumusan masalah yang akan dipecahkan adalah : 1. Bagaimana membuat simulasi bahan baku produksi menggunakan metode
monte carlo dan exponensial ?
2. Bagaimana mengatasi masalah pengendalian bahan baku produksi dengan simulasi yang akan dibuat?
3. Bagaimana mengatasi pola permintaan bahan baku terhadap supplier dengan
metode monte carlo dan exponensial?
1.3 Batasan Masalah
Adapun batasan masalah dalam pembuatan simulasi pengendalian bahan baku produksi menggunakan metode monte carlo dan exponesial antara lain :
1. Sistem simulasi berbasis web (offline) tidak terkoneksi dengan internet serta tidak memiliki login admin.
2. Penerapan simulasi hanya digunakan untuk perusahaan yang terkait dalam pembuatan simulasi ini sendiri.
3. Pengguna merupakan karyawan (Purchaser) diperusahaan tersebut.
4. Simulasi dipakai untuk pola permintaan bahan baku produksi yaitu Cup Ipp
diperusahaan tersebut.
5. Simulasi diimplementasikan berdasarkan data CSVyang akan dipilih sesuai
dengan klasifikasi datanya sehingga simulasi maksimal adalah sebanyak 30 hari atau satu bulan.
3 1.4 Tujuan Penelitian
Adapun tujuan dari tugas akhir ini adalah :
1. Menerapkan metode monte carlo dan exponesial pada simulasi pengendalian
bahan baku.
2. Mendapatkan perkiraan waktu kedatangan terhadap permintaan bahan baku
produksi.
3. Memberikan gambaran pola permintaan bahan baku kepada bagian
pembelian.
1.5 Manfaat Penelitian
Adapun manfaat dari tugas akhir ini adalah :
1. Mempermudah kinerja karyawan dalam proses manajemen yang baik.
2. Mempermudah pengendalian bahan baku produksi terhadap proses produksi.
3. Mempermudah proses laporan produksi kepada atasan.
1.6 Tinjauan Pustaka
Banyaknya permintaan penjualan air mineral kemasan (cup) kepada pelanggan,
menjadikan pola permintaan bahan baku produksi menjadi tidak menentu. Hal ini mempengaruhi proses produksi. Salah satu fungsi penting dalam aspek pengendalian produksi adalah pengelolaan persediaan bahan baku (Bambang Sugiharto, 2007).
Bahan baku merupakan hal utama dalam menunjang proses produksi. Salah satu teknik yang digunakan untuk melakukan perkiraan ini adalah dengan teknik simulasi. Adapun teknik simulasi yang digunakan adalah dengan simulasi monte carlo dan exponensial. Teknik simulasi ini digunakan karena dua aspek yang sering memiliki karakteristik probabilistik dalam persediaan bahan baku yaitu, pola permintaan serta waktu datangnya permintaan.
4
Simulasi ini digunakan untuk membantu proses pola permintaan bahan baku produksi
terhadap supplier agar bahan baku tersebut tidak mengalami kekurangan serta
kelebihan, dimana apabila terjadi kekurangan maka proses produksi tidak berjalan sesuai dengan permintaan pelanggan, begitu juga sebaliknya apabila terjadi kelebihan maka terjadi pengeluaran biaya produksi yang dapat merugikan perusahaan. Pada kasus sebelumnya model simulasi ini diterapkan pada prilaku perhitungan sistem fisika dan matematika dimana digunakan untuk mengevaluasi integral definit, terutama integral multidimensi dengan syarat dan batasan yang rumit. Dengan adanya simulasi ini karyawan yang bekerja di bagian pembelian dapat memperkirakan rata– rata pola permintaan bahan baku dan waktu datang serta waktu tunggu permintaan
bahan baku terhadap supplier untuk perusahaan sehingga dalam proses produksi tidak
terjadi kekurangan serta kelebihan persediaan bahan baku tersebut.
1.7 Sistematika Penulisan
Adapun sistematika penulisan laporan tugas akhir ini terdiri dari 5 bab dengan rincian sebagai berikut :
Bab I : PENDAHULUAN
Berisi tentang penjelasan latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, tinjauan pustaka, dan sistematika penulisan untuk memberikan gambaran terhadap isi laporan tugas akhir ini.
Bab II : LANDASAN TEORI
Berisi tentang dasar teori dan ulasan tentang simulasi sejenis yang sudah ada, serta teori-teori yang berhubungan dengan penelitian.
5 BAB III : ANALISIS DAN PERANCANGAN
Berisi Deskripsi Umum Sistem, Teknik Simulasi Monte Carlo, Teknik Simulasi Exponensial, Spesifikasi Kebutuhan, Use Case Diagram, Skenario Use Case Simulasi, Sequence Diagram, Class Diagram, dan Perancangan Antar Muka
BAB IV : HASIL DAN PEMBAHASAN
Berisi tentang implementasi dan pembahasannya.
BAB V : KESIMPULAN DAN SARAN
Berisi tentang kesimpulan yang merupakan rangkuman dari hasil analisis kinerja pada bagian sebelumnya serta saran saran pengembangan dari penelitian yang dibuat dan aspek yang belum terselesaikan.
6 BAB II
LANDASAN TEORI
2.1 Sistem Pendukung Keputusan
Sistem pendukung keputusan adalah sistem berbasis komputer yang interaktif, dimana dengan sistem tersebut membantu pengambilan keputusan dalam menggunakan data dan model untuk menyelesaikan masalah (Widyastuti, 2012). Sistem pendukung keputusan menggabungkan sumber daya intelektual seorang individu dengan kemampuan komputer dalam rangka meningkatkan kualitas pengambilan keputusan. Sistem pendukung keputusan dapat diartikan sebagai pertimbangan manajemen dalam pengambilan keputusannya. Sehingga sistem ini tidak dimaksudkan untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan.
Adapun tahapan dari sistem pendukung keputusan adalah : 1. Definisi masalah.
2. Pengumpulan data atau elemen informasi yang relevan.
3. Pengolahan data menjadi informasi baik dalam grafik maupun tulisan. 4. Menentukan alternatif-alternatif solusi.
Tujuan dari sistem pendukung keputusan adalah :
1. Membantu menyelesaikan masalah semiterstruktur. 2. Mendukung manajemen dalam mengambil keputusan.
7 2.2 Simulasi
Simulasi adalah suatu sistem yang digunakan untuk memecahkan atau menguraikan persoalan–persoalan dalam kehidupan nyata yang penuh dengan ketidakpastian dengan tidak atau menggunakan model tertentu dan lebih ditekanankan pada pemakaian komputer untuk mendapatkan solusinya (Thomas J. Kakiay, 2004). Adapun metode simulasi yang akan digunakan dalam penelitian ini adalah monte carlo dan exponensial. Adapun keuntungan–keuntungan yang terdapat dalam simulasi diantaranya :
1. Compress Time ( Menghemat Waktu)
2. Expand Time ( Dapat Melebarluaskan Waktu)
3. Stop Simulation and Restart (Dapat dihentikan dan dijalankan kembali)
2.2.1 Simulasi Monte Carlo
Simulasi monte carlo atau lebih dikenal dengan sampling simulation adalah salah satu
bentuk teknik simulasi yang menggambarkan kemungkinan penggunaan data sampel dan juga sudah dapat diketahui atau diperkirakan distribusinya. Simulasi ini menggunakan data yang sudah ada yaitu data historis yang sebenarnya dipakai pada simulasi untuk tujuan lain. Model simulasi ini mengikutsertakan angka acak dan sampling dengan probabilitas yang dapat diketahui dan ditentukan. Dasar dari simulasi monte carlo adalah percobaan elemen kemungkinan dengan menggunakan sampel acak. Metode ini terbagi dalam 5 tahapan :
1. Membuat distribusi kemungkinan untuk variable penting.
2. Membangun distribusi kemungkinan kumulatif untuk tiap-tiap variabel ditahap pertama.
3. Menetukan interval angka acak untuk tiap variabel. 4. Membuat angka acak
8 2.2.2 Simulasi Exponensial
Simulasi exponensial adalah salah distribusi yang menggambarkan waktu antara (interval) dua kejadian bebas. Rumus simulasi distribusi exponensial pada persamaan 1.
x = - β * ln(1-Ui)
Persamaan 1Keterangan :
x : Waktu rata – rata dalam hari
β : Waktu rata – rata dari selang waktu dalam sebulan Ui : Bilangan acak
ln : Log dalam PHP
2.3 UML
Unified Modeling Language (UML) adalah sebuah bahasa pemodelan yang telah menjadi standar dalam industri software untuk visualisasi, merancang, dan mendokumentasikan sistem perangkat lunak. Bahasa Pemodelan UML lebih cocok untuk pembuatan perangkat lunak dalam bahasa pemrograman berorientasi objek (C+ , Java, VB.NET), namun demikian tetap dapat digunakan pada bahasa pemrograman prosedural (Ziga Turck, 2007).
2.4 PHP
PHP pertama kali dibuat oleh Rasmus Lerdorf pada tahun 1995. PHP atau Hypertext
Preprocessor adalah bahasa script yang dapat ditanamkan atau disisipkan ke dalam HTML. PHP banyak dipakai untuk memrogram situs web dinamis. PHP dapat digunakan untuk membangun sebuah CMS. Pada awalnya PHP merupakan kependekan dari Personal Home Page (Situs personal). Pada waktu itu PHP masih
9
digunakan untuk mengolah data formulir dari web. Selanjutnya Rasmus merilis kode sumber tersebut untuk umum dan menamakannya PHP/FI. Dengan perilisan kode
sumber ini menjadi sumber terbuka, maka banyak programmer yang tertarik untuk
ikut mengembangkan PHP. Aplikasi-aplikasi yang dibagun oleh PHP pada umumnya
akan memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan
dijalankan di Server. Pada prinsipnya server akan bekerja apabila ada permintaan dari
client. Dalam hal ini client menggunakan kode-kode PHP untuk mengirimkan
permintaan ke Server. Ketika menggunakan PHP sebagai Server-side embedded
script language maka Server akan melakukan hal-hal berikut : 1. Membaca permintaan dari client atau browser. 2. Mencari halaman atau page di Server.
3. Melakukan instruksi yang diberikan oleh PHP untuk melakukan modifikasi pada halaman atau page.
4. Mengirim kembali halaman tersebut kepada client.
2.5 CSV (Comma Delimited)
Data yang akan dikelola dalam melakukan proses simulasi berbentuk CSV dimana data tersebut merupakan suatu jenis data format yang dimana setiap bagian data dipisahkan dengan koma. Format ini digunakan untuk mentransfer data dari suatu aplikasi ke aplikasi lain, karena sebagian besar sistem database dapat mengimpor dan mengekspor data koma-delimited.
10 BAB III
ANALISIS DAN PERANCANGAN
3.1 Deskripsi Umum Sistem
Cara kerja sistem simulasi pengendalian bahan baku produksi dengan metode monte
carlo dan exponensial menggunakan bahasa pemograman PHP yang ditunjukan pada
gambar 1. Aktor memiliki hak akses penuh terhadap simulasi pengendalian bahan
baku tersebut. Aktor mengelola data penelitian berupa data CSV (Comma delimited)
yang kemudian di import dengan melakuakan pemograman menggunakan PHP, setelah itu aktor memasukkan jumlah hari yang diharapkan untuk disimulasikan. Maka sistem akan menampilkan hasil simulasi dari penelitan yang dilakukan pada pola permintaan bahan baku produksi serta waktu kedatangan bahan baku dari
supplier.
11 3.2 Teknik Simulasi Monte Carlo
Pembagunan model simulasi monte carlo didasarkan pada probabilitas yang diperoleh dari data historis sebuah kejadian dan frekuensinya. Persamaan 2 menunjukkan banyaknya frekuensi kejadian dibagi dengan total observasi frekuensi kejadian.
P
i=
fi
/ n
Persamaan 2Keterangan :
Pi : Probabilitas kejadian i
fi : Frekuensi kejadian i
n : Jumlah frekuensi semua kejadian
Untuk menentukan hasil yang akan dicapai dari berbagai faktor ketidakpastian, sebuah diagram keputusan dapat dilakukan dengan menentukan berbagai jumlah permintaan beserta probabilitasnya kemudian melakukan simulasi Monte Carlo berdasarkan keluaran bilangan acak terhadap probabilitas jumlah permintaan. Bilangan acak yang digunakan dalam simulasi ini merupakan representasi dari situasi yang tidak pasti dalam sebuah sistem nyata. Perancangan simulasi dengan metode ini diimplementasikan dari beberapa tahapan sebagai berikut :
1. Membuat distribusi kemungkinan untuk variabel tertentu
Banyak variabel dalam dunia nyata yang secara alami mengandung berbagai kemungkinan yang dapat disimulasikan. Salah satu cara untuk membuat distribusi kemungkinan untuk suatu variabel adalah dengan memperhitungkan data masa lalu. Kemungkinan atau frekuensi untuk tiap kemungkinan hasil dari tiap variabel ditentukan dengan membagi frekuensi dengan jumlah total observasi. Variabel yang digunakan dalam simulasi ini adalah dengan variabel diskrit, dimana peluang atau distribusi peluang suatu peubah acak diskrit x untuk setiap hasil x yang mungkin seperti persamaan 3, dimana x memenuhi :
12 1. ( )
2.∑ ( ) Persamaan 3
3. P = ( )
Tabel 1 menunjukkan data pola permintaan bahan baku (Cup Ipp) yang akan
dikelola berdasarkan dari hasil penelitian.
Tabel 1. Permintaan Cup Ipp Jumlah Permintaan Frekuensi
0 84
1 132
Jumlah 216 Hari
Keadaan tersebut dapat diubah menjadi distribusi peluang dengan cara membagi frekuensi permintaan dan total frekuensi permintaan. Tabel 2 menunjukan distribusi peluang tersebut .
Tabel 2 . Distribusi Peluang Permintaan Cup Ipp Jumlah Permintaan Fungsi Kemungkinan f(x)
0 84 / 216 = 0.39
1 132 / 216 = 0.61
Jumlah 216 / 216 = 1.00
2. Membagun distribusi kumulatif untuk tiap variabel yang penting di tahap pertama
Distribusi kumulatif F(x) suatu peubah acak x dengan distribusi peluang f(x) dinyatakan oleh F(x) = P(X = x) = ∑ f (t) dimana 1 . Tabel 3 menunjukkan distribusi kumulatif.
13
Tabel 3. Distribusi Kumulatif Permintaan Cup Ipp
Jumlah Permintaan Kemungkinan Kemungkinan Kumulatif
0 0.39 0.39
1 0.61 1.00
3. Menentukan angka acak untuk tiap variabel
Setelah menentukan distribusi probabilitas kumulatif untuk tiap variabel dalam simulasi, selanjutnya menentukan batas atau interval didasarkan oleh kemungkinan kumulatifnya. Tabel 4 merupakan bentuk interval angka acak
untuk pola permintaan Cup Ipp.
Tabel 4. Interval Angka Acak Permintaan Jumlah Permintaan Kemungkinan Kemungkinan Kumulatif Interval Angka Acak 0 0.39 0.39 1 s/d 39 1 0.61 1.00 40 s/d 100
4. Membuat angka acak
Dalam melakukan proses simulasi monte carlo, untuk pembangkit nilai acak menggunakan bahasa pemograman PHP. Angka acak tersebut mempunyai range 1 hingga 100 dimana angka acak diperoleh dari banyaknya simulasi yang akan dilakukan. Tabel 5 menunjukan contoh angka acak berdasarakan masukkan jumlah simulasi sebanyak 10 hari kedepan.
14
Tabel 5. Angka Acak
5. Membuat simulasi dari rangkaian percobaan
Berdasarkan angka acak tersebut dapat diperoleh jumlah permintaan yang akan dikelola sesuai dengan interval dari angka acak tersebut. Tabel 6 menunjukan hasil simulasi pola permintaan bahan baku produksi berdasarkan angka acak sesuai dengan banyaknya simulasi yang dilakukan.
Angka Acak 76 21 10 14 78 92 18 60 33 12
15
Tabel 6. Hasil Simulasi Pola Permintaan Bahan Baku (Cup Ipp)
Angka Random Permintaan
76 1 21 0 10 0 14 0 78 1 92 1 18 0 60 1 33 1 12 0 Total 5
Dalam simulasi monte carlo, nilai hasil simulasi bisa berupa nilai rata–rata, nilai modus, median dan sebagainya. Namun pada proses simulasi pola permintaan bahan baku ini menggunakan nilai rata–rata sebagai pencapaian hasil akhir dari proses simulasi. Untuk mendapatkan hasil akhir dari pola permintaan bahan baku tersebut maka hasil dari total simulasi dibagi dengan jumlah hari yang diharapkan yaitu 10 hari maka nilai rata- rata permintaan bahan baku tersebut sebesar 0.5 atau 1 kali permintaan.
3.3 Teknik Simulasi Exponensial
Teknik simulasi exponensial merupakan teknik yang digunakan untuk menentukan selang waktu hari yang diperlukan dalam melakukan permintaan bahan baku terhadap
supplier. Simulasi exponensial ini digunakan untuk menetukan waktu kedatangan bahan baku yang diperlukan. Untuk itu dalam melakukan proses simulasi, penelitian dilakukan dengan mengambil sampel selang waktu dalam hari untuk kedatangan.
16
Dimana periode waktu yang digunakan dalam satu bulan yaitu 30 hari. Persamaan 4 menunjukkan proses perhitungan simulasi dalam selang waktu bulan :
Selang waktu dalam bulan = - β * ln(1-Ui) Persamaan 4
Keterangan :
β : Beta (selang waktu dalam bulan) Ui : Bilangan Acak
ln : longaritma dalam pemograman PHP
Dalam proses pelaksanaan simulasi dilakukan beberapa tahapan sebagai berikut : 1. Menentukan β atau Beta
Untuk mendapatkan nilai beta dilakukan perhitungan dengan membagi antara selang waktu dalam hari penelitian dengan periode waktu dalam satu bulan pada persamaan 5.
β = Selang waktu dalam hari / Periode (Bulan) Persamaan 5
2. Menetukan Angka Acak (Ui)
Dalam menentukan angka acak pada proses simulasi exponensial adalah dengan menggunakan pemograman PHP. Pemograman ini digunakan untuk menentukan angka acak berupa angka decimal dimana angka acak tersebut adalah kurang dari 1 seperti pada rumus sebelumnya bahwa 1 merupakan kemungkinan terjadi. Maka untuk bilangan acak adalah tidak lebih dari angka
17
Tabel 7 . Angka Acak Decimal Bilangan Acak 0.47845352416786 0.73781067819233 0.5007309278011 0.030108898892118 0.45385419458796 0.84337226014741 0.1369750286159 0.16954883801264 0.62045195494799 0.17069763372219
3. Menentukan selang waktu dalam hari
Proses ini merupakan proses perhitungan yang digunakan untuk menentukan pola waktu kedatangan yang diperlukan dalam melakukan pola permintaan
bahan baku terhadap supplier seperti pada persamaan 6. Selang waktu dalam
hari didapatkan dengan :
Selang waktu (Hari) = selang waktu dalam bulan * 30 Persamaan 6
3.4 Spesifikasi Kebutuhan 3.4.1 Kebutuhan Fungsional
Kebutuhan fungsional pada simulasi pengendalian bahan baku produksi menggunakan metode monte carlo dan exponensial adalah :
F-001 : Purchaser dapat melakukan import data CSV
F-002 : Purchaser dapat memasukkan jumlah hari yang diharapkan untuk
disimulasikan
18 3.4.2 Kebutuhan Non Fungsional
NF-001 : Simulasi ditampilkan berupa tabel perhitungan
NF-002 : Simulasi menghasilkan nilai rata-rata yang diharapkan oleh
Purchaser
3.5 Use Case Diagram
Gambar 2. Use Case Diagram Simulasi
Pada gambar 2 yaitu use case diagram diatas dijelaskan bahwa seorang purchaser
melakukan simulasi pengendalian bahan baku produksi dengan metode simulasi monte carlo dan exponensial. Proses simulasi dilakukan dengan cara mengimport data
CSV (Comma Delimited) yang telah ditelit, kemudian purchaser memasukkan jumlah
19
simulasi. Simulasi dilakukan untuk menentukan pola permintaan bahan baku
produksi dan selang waktu antar kedatangan bahan baku produksi dari supplier.
3.6 Skenario Use Case Simulasi
Skenario use case pada simulasi pengendalian bahan baku produksi menggunakan metode monte carlo dan exponensial, dimana aktor yang memakai simulasi ini adalah
purchaser. Aktor melakukan import data CSV (Comma Delimited) yang sebelumnya sudah diklasifikasikan berdasarkan penelitian yang dilakukan. Setelah itu purchaser
tersebut memasukkan jumlah hari yang diharapkan untuk disimulasikan dan
purchaser mencetak hasil simulasi.
3.6.1 Skenario Import data CSV
Tabel 8. Skenario Import data CSV
Nama Use Case Import File
Aktor Purchaser
Deskripsi Aktor melakukan import data yang berupa
CSV yang sebelumnya sudah
diklasifikasikan dalam penelitian
Kondisi Awal Memilih data CSV yang akan
disimulasikan sesuai dengan bulan yang diinginkan
Kondisi Akhir Data CSV terpilih
Skenario 1. Aktor Memilih CSV file yang akan
disimulasikan
20 3.6.2 Skenario Memasukkan Jumlah Hari
Tabel 9. Memasukkan jumlah hari yang diharapkan
Nama Use Case Memasukkan jumlah hari
Aktor Purchaser
Deskripsi Aktor menginput banyaknya simulasi
yang akan dilakukan sesuai dengan kebutuhan yang diharapkan
Kondisi Awal Aktor menginput banyaknya simulasi.
Kondisi Akhir Simulasi Monte Carlo dan Exponensial
ditampilkan
Skenario 1. Aktor mengimport data CSV
2. Aktor menginput banyak simulasi yang diharapkan
3. Simulasi Monte Carlo dan Exponensial Disimulasikan dan ditampilkan dalam bentuk table
21 3.6.3 Skenario Mencetak Hasil Simulasi
Tabel 10. Mencetak Hasil Simulasi
Nama Use Case Mencetak Hasil Simulasi
Aktor Purchaser
Deskripsi Aktor mencetak hasil simulasi
Kondisi Awal Aktor memasukkan jumlah hari yang
diharapkan untuk disimulasikan
Kondisi Akhir Aktor mencetak hasil simulasi
Skenario 1. Aktor melakukan import data CSV
2. Aktor memasukkan jumlah hari yang diharapkan untuk disimulasikan.. 3. Aktor mencetak hasil simulasi
3.7 Sequence Diagram
Sequence diagram adalah suatu diagram yang menggambarkan interaksi antara obyek dan mengindikasikan komunikasi diantara obyek-obyek tersebut. Diagram ini juga menunjukan serangkaian pesan yang diperlukan oleh obyek-obyek yang melakukan
suatu tugas atau aksi tertentu. Berikut sequence diagram pada Simulasi Pengendalian
Bahan Baku Produksi dengan Metode Monte Carlo dan Exponensial.
3.7.1 Sequence Diagram Import data CSV
Pada proses ini, purchaser melakukan import data CSV, kemudian proses import
tersebut diverifikasi oleh sistem, setelah itu sistem akan menampilkan data yang akan
diverifikasi oleh purchaser, maka data yang akan disimulasikan terpilih. Seperti yang
22
Gambar 3. Sequence Diagram Import data CSV
3.7.2 Sequance Diagram Memasukkan Jumlah Hari
Gambar 4 menunjukkan proses dimana, purchaser memasukkan jumlah hari yang
diharapkan untuk disimulasikan, kemudian proses validasi data dilakukan oleh sistem dan perhitungan simulasi diproses, setelah itu data hasil proses simulasi ditampilkan
kepada purchaser untuk disimulasikan.
23
3.7.3 Sequence Diagram Mencetak Hasil Simulasi
Gambar 5 menunjukkan proses, dimana purchaser mencetak hasil simulasi yang
telah disimulasikan sebelumnya.
Gambar 5. Sequence diagram Mencetak Hasil Simulasi
3.8 Class Diagram
Gambar 6 menunjukkan interaksi antar class yang terdapat pada simulasi.
24 3.9 Perancangan Antar Muka
25 3.9.1 Antar Muka Import data CSV
26 3.9.2 Antar Muka Hasil Simulasi
a. Simulasi Monte Carlo
Tabel Simulasi Permintaan
Hari Angka Random Permintaan
27 b. Simulasi Exponensial
Tabel Interval Lama Permintaan
Bilangan Acak Selang waktu dalam bulan Selang waktu dalam hari
28 BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Implementasi
Langkah-langkah yang dilakukan dalam mengimplementasikan simulasi ini adalah dengan beberapa tahapan, dimana diharapkan dengan tahapan-tahapan ini akan
mempermudah purchaser dalam menggunakan simulasi ini. Adapun langkah-langkah
hasil implementasi pengujian simulasi ini adalah sebagai berikut :
1. Mengklasifikasikan data berupa CSV (Comma Delimited)
2. Memastikan koneksi komputer terhubung dengan server lokal
3. Menginstal program XAMPP dan Notepad++
4. Mengimport data CSV (Comma Delimited)
5. Memasukkan jumlah hari yang diharapkan 6. Melakukan simulasi dengan proses PHP 7. Menampilkan hasil proses simulasi 8. Mencetak hasil simulasi
4.2 Pembahasan
Dalam proses melakukan simulasi ini berikut langkah – langkah yang harus diperhatikan oleh purchaser adalah sebagai berikut :
4.2.1 Klasifikasi Data Cup Ipp
Dalam melakukan proses klasifikasi berikut tahapan-tahapan yang dilakukan oleh
purchaser :
1. Purchaser terlebih dahulu mengklasifikasikan data yang akan
disimulasikan. Tabel 11 menunjukkan data yang akan disimulasikan oleh purchaser.
29
Tabel 11. Data Klasifikasi
IN OUT BAL
1-Sep-15 Masuk dr 10887/IPP/VIII/15 135,000 166,500
1-Sep-15 Keluar FPBP-00001 67,500 99,000
2-Sep-15 Keluar FPBP-00006 & 00012 67,500 31,500
3-Sep-15 Masuk dr 10892/IPP/VIII/15 112,500 - 144,000
3-Sep-15 Keluar FPBP-00013 & 00016 54,000 90,000
4-Sep-15 Masuk dr 10894/IPP/VIII/15 135,000 225,000
4-Sep-15 Keluar FPBP-00013 & 00016 63,000 162,000
5-Sep-15 Masuk dr 10900/IPP/VIII/15 90,000 252,000
5-Sep-15 Keluar FPBP-00021 54,000 198,000
6-Sep-15 Keluar FPBP-00024 54,000 144,000
7-Sep-15 Masuk dr 10902/IPP/IX/15 135,000 279,000
7-Sep-15 Keluar FPBP-00029& 00033 76,500 202,500
8-Sep-15 Keluar FPBP-00034 & 00035 67,500 135,000
9-Sep-15 Masuk dr 10908-10909/IPP/IX/15 157,500 292,500
9-Sep-15 Keluar FPBP-00043 & 00042 72,000 220,500
10-Sep-15 Keluar FPBP-00049 & 00050 85,500 135,000
11-Sep-15 Masuk dr 10911/IPP/IX/15 157,500 292,500
11-Sep-15 Keluar FPBP-00056 & 00057 76,500 216,000
12-Sep-15 Keluar FPBP-00058 & 00059 58,500 157,500
14-Sep-15 Keluar FPBP-00065 & 00064 81,000 76,500
15-Sep-15 Masuk dr 10920/IPP/IX/15 135,000 211,500
15-Sep-15 Keluar FPBP-00072 63,000 148,500
16-Sep-15 Keluar FPBP-00071 31,500 117,000
17-Sep-15 Keluar FPBP-00080 67,500 49,500
18-Sep-15 Masuk dr 10924/IPP/IX/15 180,000 229,500
18-Sep-15 Keluar FPBP-00086 58,500 171,000
19-Sep-15 Keluar FPBP-00093 54,000 117,000
21-Sep-15 Keluar FPBP-00097 58,500 58,500
22-Sep-15 Masuk dr 10929/IPP/IX/15 270,000 328,500
22-Sep-15 Keluar FPBP-00102 58,500 270,000
23-Sep-15 Keluar FPBP-00107 63,000 207,000
25-Sep-15 Keluar FPBP-00111 63,000 144,000
26-Sep-15 Keluar FPBP-00119 54,000 90,000
28-Sep-15 Masuk dr 10937/IPP/IX/15 225,000 315,000
30
29-Sep-15 Keluar FPBP-00131 63,000 180,000
30-Sep-15 Keluar FPBP-00137 & 00138 40,500 139,500
1-Oct-15 Keluar FPBP-00141 & 00147 81,000 58,500
2-Oct-15 Masuk dr 10945/IPP/X/2015 315,000 373,500
7-Oct-15 Keluar FPBP-00157 49,500 324,000
8-Oct-15 Keluar FPBP-00161 & 00165 67,500 256,500
9-Oct-15 Masuk dr 10950/IPP/X/2015 315,000 571,500
9-Oct-15 Keluar FPBP-00167 67,500 504,000
10-Oct-15 Keluar FPBP-00173 & 00200 58,500 445,500
12-Oct-15 Keluar FPBP-00175 67,500 378,000
13-Oct-15 Keluar FPBP-00182 & 00185 54,000 324,000
15-Oct-15 Keluar FPBP-00189 & 00193 67,500 256,500
16-Oct-15 Keluar FPBP-00199 67,500 189,000
17-Oct-15 Keluar FPBP-00203 45,000 144,000
19-Oct-15 Keluar FPBP-00205 & 00208 72,000 72,000
20-Oct-15 Masuk dr 10959/IPP/X/2015 315,000 387,000
20-Oct-15 Keluar FPBP-00210 & 00215 72,000 315,000
21-Oct-15 Keluar FPBP-00210 & 00217 67,500 247,500
22-Oct-15 Keluar FPBP-00222 & 00228 58,500 189,000
23-Oct-15 Masuk dr 10964/IPP/X/2015 135,000 324,000
23-Oct-15 Keluar FPBP-00229 67,500 256,500
24-Oct-15 Keluar FPBP-00236 58,500 198,000
26-Oct-15 Keluar FPBP-00242 & 00247 76,500 121,500
27-Oct-15 Keluar FPBP-00248 63,000 58,500
28-Oct-15 Masuk dr 10967/IPP/X/2015 315,000 373,500
28-Oct-15 Keluar FPBP-00258 72,000 301,500
29-Oct-15 Keluar FPBP-00259 67,500 234,000
30-Oct-15 Keluar FPBP-00260 45,000 189,000
31-Oct-15 Keluar FPBP-00269 49,500 139,500
2-Nov-15 Keluar FPBP-00276 67,500 72,000
3-Nov-15 Masuk dr SJ-10973/IPP/X/2015 315,000 387,000
3-Nov-15 Keluar FPBP-00283 & 00287 58,500 328,500
4-Nov-15 Keluar FPBP-00288 & 00302 72,000 256,500
5-Nov-15 Keluar FPBP-00295 72,000 184,500
6-Nov-15 Keluar FPBP-00303 67,500 117,000
7-Nov-15 Keluar FPBP-00307 54,000 63,000
9-Nov-15 Masuk dr SJ-10981/IPP/XI/2015 315,000 378,000
31
10-Nov-15 Keluar FPBP-00318 67,500 247,500
11-Nov-15 Keluar FPBP-00327 58,500 189,000
13-Nov-15 Keluar FPBP-00347 & 00339 67,500 121,500
14-Nov-15 Keluar FPBP-00334 58,500 63,000
16-Nov-15 Masuk dr SJ-10984/IPP/XI/2015 315,000 378,000
16-Nov-15 Keluar FPBP-00346 63,000 315,000
17-Nov-15 Keluar FPBP-00350 67,500 247,500
18-Nov-15 Keluar FPBP-00356 & 00365 63,000 184,500
19-Nov-15 Keluar FPBP-00361 67,500 117,000
20-Nov-15 Masuk dr SJ-10986/IPP/XI/2015 315,000 432,000
20-Nov-15 Keluar FPBP-00372 67,500 364,500
21-Nov-15 Keluar FPBP-00375 58,500 306,000
23-Nov-15 Masuk dr SJ-10988/IPP/XI/2015 279,000 585,000
23-Nov-15 Keluar FPBP-00384 45,000 540,000
24-Nov-15 Keluar FPBP-00388 & 00394 67,500 472,500
25-Nov-15 Keluar FPBP-00399 63,000 409,500
26-Nov-15 Keluar FPBP-00397 & 00402 58,500 351,000
30-Nov-15 Keluar FPBP-00409 36,000 315,000
30-Nov-15 Masuk dr SJ-10997/IPP/XI/2015 225,000 540,000
1-Dec-15 Keluar FPBP-00414 67,500 472,500
4-Dec-15 Keluar FPBP-00424 & 00427 31,500 441,000
5-Dec-15 Keluar FPBP-00428 & 00430 54,000 387,000
7-Dec-15 Keluar FPBP-00432 & 00434 76,500 310,500
8-Dec-15 Masuk dr 11005/IPP/XII/15 315,000 625,500
8-Dec-15 Keluar FPBP-00436 & 00437 67,500 558,000
10-Dec-15 Keluar FPBP-00438 58,500 499,500
11-Dec-15 Keluar FPBP-00451 & 00446 49,500 450,000
12-Dec-15 Keluar FPBP-00449 & 00452 54,000 396,000
14-Dec-15 Keluar FPBP-00454 72,000 324,000
15-Dec-15 Masuk dr 11008/IPP/XII/2015 315,000 639,000
15-Dec-15 Keluar FPBP-00459 67,500 571,500
16-Dec-15 Keluar FPBP-00465 36,000 535,500
17-Dec-15 Keluar FPBP-00470 45,000 490,500
18-Dec-15 Keluar FPBP-00473 & 00500 49,500 441,000
19-Dec-15 Keluar FPBP-00478 58,500 382,500
21-Dec-15 Masuk dr 11012/IPP/XII/2015 315,000 697,500
21-Dec-15 Keluar FPBP-00482 45,000 652,500
32
23-Dec-15 Keluar FPBP-00493& 00496 58,500 526,500
26-Dec-15 Keluar FPBP-00502 & 00505 54,000 472,500
28-Dec-15 Keluar FPBP-00506 & 00511 72,000 400,500
28-Dec-15 Masuk dr 11017/IPP/XII/2015 270,000 670,500
29-Dec-15 Keluar FPBP-00514 & 00517 49,500 621,000
30-Dec-15 Keluar FPBP-00519 67,500 553,500
31-Dec-15 Keluar FPBP-00526 36,000 517,500
2-Jan-16 Keluar FPBP-00528 58,500 459,000
5-Jan-16 Masuk dr 11022/IPP/1/2016 270,000 729,000
5-Jan-16 Keluar FPBP-00534 67,500 661,500
6-Jan-16 Keluar FPBP-00546 72,000 589,500
8-Jan-16 Keluar FPBP-00553 & 00556 81,000 508,500
11-Jan-16 Keluar FPBP-00559 & 00562 72,000 436,500
12-Jan-16 Keluar FPBP-00563 76,500 360,000
14-Jan-16 Keluar FPBP-00570 72,000 288,000
15-Jan-16 Keluar FPBP-00572 76,500 211,500
16-Jan-16 Keluar FPBP-00578 58,500 153,000
18-Jan-16 Keluar FPBP-00582 72,000 81,000
19-Jan-16 Masuk dr 11030/IPP/1/2016 315,000 396,000
19-Jan-16 Keluar FPBP-00585 72,000 324,000
20-Jan-16 Keluar FPBP-00588 & 00591 81,000 243,000
22-Jan-16 Masuk dr 11035/IPP/1/2016 315,000 558,000
22-Jan-16 Keluar FPBP-00597 & 00600 76,500 481,500
23-Jan-16 Keluar FPBP-00601 & 00605 63,000 418,500
25-Jan-16 Keluar FPBP-00606 76,500 342,000
26-Jan-16 Keluar FPBP-00612 76,500 265,500
27-Jan-16 Masuk dr 11038/IPP/1/2016 292,500 558,000
27-Jan-16 Keluar FPBP-00615 36,000 522,000
28-Jan-16 Keluar FPBP-00607 76,500 445,500
1-Feb-16 Keluar FPBP-00734 72,000 108,000
3-Feb-16 Keluar FPBP-00713 27,000 81,000
4-Feb-16 Masuk dr SJ: 11051/IPP/III/2016 315,000 396,000
4-Feb-16 Keluar FPBP-00717 63,000 333,000
5-Feb-16 Keluar FPBP-00722 & 00726 67,500 265,500
7-Feb-16 Keluar FPBP-00727 58,500 207,000
8-Feb-16 Keluar FPBP-00737 72,000 135,000
10-Feb-16 Keluar FPBP-00781 76,500 58,500
33
2. Setelah data tersebut diklasifikasikan maka, data tersebut disimpan dalam
bentuk data CSV (Comma Delimited) . Gambar 11 menunjukan bentuk data
CSV (Comma Delimited) yang akan disimulasikan.
Gambar 11. Data CSV (Comma Delimited)
4.2.2 Import data CSV (Comma Delimited)
Setelah melakukan proses klasifikasi serta merubah data menjadi data CSV (Comma
Delimited) maka selanjutnya, Simulasi dilakukan didalam sistem berbasis web.
Sebelum purchaser melakukan simulasi terlebih dahulu diperhatikan
langkah-langkah berikut ini :
11-Feb-16 Keluar FPBP-00745 & 00747 72,000 211,500
12-Feb-16 Keluar FPBP-00749 54,000 157,500
14-Feb-16 Keluar FPBP-00780 72,000 85,500
15-Feb-16 Masuk dr SJ: 11061/IPP/III/2016 225,000 310,500
15-Feb-16 Keluar FPBP-00755 76,500 234,000
16-Feb-16 Keluar FPBP-00761 72,000 162,000
17-Feb-16 Masuk dr SJ: 110631/IPP/III/2016 270,000 432,000
17-Feb-16 Keluar FPBP-00763 76,500 355,500
18-Feb-16 Keluar FPBP-00767 72,000 283,500
19-Feb-16 Keluar FPBP-00772 54,000 229,500
21-Feb-16 Keluar FPBP-00776 76,500 153,000
22-Feb-16 Keluar FPBP-00783 67,500 85,500
23-Feb-16 Masuk dr SJ: 11070/IPP/III/2016 315,000 400,500
23-Feb-16 Keluar FPBP-00788 72,000 328,500
24-Feb-16 Keluar FPBP-00794 40,500 288,000
26-Feb-16 Keluar FPBP-00797 54,000 234,000
28-Feb-16 Keluar FPBP-00805 22,500 211,500
34
1. Memastikan Program XAMPP sudah terinstal kedalam komputer yang akan
digunakan purchaser beserta Notepad++ , seperti pada gambar 12.
Gambar 12. XAMPP dan Notepad++
2. Memastikan koneksi XAMPP Sistem Simulasi yang sudah terhubung
seperti gambar 13.
Gambar 13 . Koneksi XAMPP
3. Setelah semua sistem terkoneksi, selanjutnya masuk kedalam sistem
berbasis web untuk import data CSV (Comma Delimited) dan memilih
35
Gambar 14. Import CSV (Comma Delimited)
4.2.3 Memasukkan Jumlah Hari
1. Purhaser memasukkan jumlah hari yang diharapkan untuk disimulasikan. Gambar 15 menunjukkan jumlah hari yang akan disimulasikan oleh purchaser.
36
2. Setelah memasukkan jumlah hari, maka hasil perhitungan diproses oleh sistem menggunakan bahasa pemograman PHP yang menghasilkan data rata-rata simulasi monte carlo dan exponensial. Gambar 16 menunjukkan hasil simulasi monte carlo dan Gambar 17 menunjukkan hasil simulasi exponensial.
37
38 4.2.4 Mencetak Hasil Simulasi
Setelah melakukan proses simulasi, selanjutnya purchaser mencetak hasil simulasi
dalam bentuk pdf yang ditunjukkan pada gambar 18.
39 4.3 Pengujian
4.3.1 Skenario Pengujian
Skenario pengujian pada simulasi pengendalian bahan baku produksi menggunakan metode monte carlo dan exponensial adalah skenario yang digunakan untuk menguji kelayakan pada proses simulasi untuk menentukan pola permintaan bahan baku dan
perkiraan waktu kedatangan terhadap permintaan kepada supplier. ini dilaksanakan
agar bagian-bagian penting dari simulasi ini berjalan dengan benar, sesuai dengan perancangan penulis. Gambar 19 menunjukkan alur pengujian.
40 4.3.2 Tabel Pengujian
Pengujian simulasi pengendalian bahan baku produksi menggunakan metode monte carlo dan exponensial akan dijelaskan dalam pada tabel 12.
Tabel 12. Hasil Pengujian Simulasi
No Use Case Skenario Data Uji Hasil Uji Validasi
1 Import data CSV Purchaser tidak melakukan import data CSV - Gagal melakuk an simulasi Purchaser melakukan import data CSV CSV file Berhasil melakuk an simulasi 2 Memasukkan jumlah hari yang diharapkan Purchaser tidak memasukkan jumlah hari yang diharapkan untuk disimulasikan - Gagal melakuk an simulasi Purchaser memasukkan jumlah hari yang diharapkan untuk Jumlah masukka n yang diharapa kan dari purchase Berhasil melakuk an simulasi
41 disimulasikan r 3 Mencetak hasil simulasi Purchaser tidak melakukan import data CSV - Gagal menceta k hasil simulasi Purchaser tidak memasukkan jumlah hari yang diharapkan untuk disimulasikan - Gagal menceta k hasil simulasi Purchaser melakukan import data CSV dan memasukkan jumlah hari yang diharapkan CSV file dan masukka n dari purchase r Berhasil menceta k hasil simulasi
42 BAB V
KESIMPULAN DAN SARAN 5.1 Kesimpulan
Setelah melakukan implementasi dan pengujian terhadap simulasi, maka dapat diambil kesimpulan sebagai berikut :
1. Berdasarkan pengujian simulasi yang telah dilakukan oleh purchaser maka
metode monte carlo dan exponensial dapat diterapkan pada pola permintaan bahan baku serta memperkirakan waktu kedatangan bahan baku tersebut.
2. Hasil pengujian memberikan nilai rata-rata sebesar 0.6 dimana dengan adanya
nilai tersebut maka purchaser dapat menentukan pola permintaan bahan baku
serta waktu kedatangan terhadap supplier.
3. Simulasi memberikan gambaran hasil perkiraan selang waktu kedatangan
bahan baku produksi, sehingga purchaser dapat memperkirakan waktu
kedatangan dalam melakukan permintaan bahan baku produksi.
Dengan adanya simulasi ini maka diharapkan kinerja purchaser dalam menentukan
pola permintaan bahan baku produksi dapat berjalan dengan baik, sehingga proses produksi tidak terhambat dan sesuai dengan waktu yang dibutuhkan oleh pelanggan.
5.2 Saran
Berdasarkan hasil implementasi dan penelitian pada Simulasi Pengendalian Bahan Baku Produksi menggunakan Metode Monte Carlo dan Exponensial, selaku penulis berharap untuk selanjutnya, dikembangkan simulasi yang lebih baik lagi. Penulis menyadari bahwa dalam laporan ini masih terdapat banyak kekurangan, untuk itu mohon kiranya jika ada kritik dan saran yang mengarahkan ke tahap yang lebih baik lagi.
DAFTAR PUSTAKA
Bedworth, D.D. and J.E. Bailey. 1982. Integrated Production Control System
Management, Analysis, Design. John Wiley and Son Inc., New York.
John Wiley & Sons. Buffa, ES. 1983. Manajemen Produksi dan Operasi.
Jakarta: Erlangga.
Bambang Sugiharto.2007.”Aplikasi Simulasi Peramalan Permintaan dan Pengelolaan
Persediaan yang bersifat probabilistic”. INSEA, Vol.8, No.2, hal.112-120
Gordon, G. 1978. System Simulation. New Jersey: Prentice Hall, Inc.
Heizer, J. and B. Render. Manajemen Operasi. Jakarta: Salemba.
Michael. 2007. “Analisa Persediaan Bahan Baku Cat Top Paint.” Skripsi. Jurusan Teknik Industri. Universitas Bina Nusantara.
Thaha, HA. 1992. Operation Research. Ontario: Maxwell Macmillan.
Bronson, R. 1996. “Teori dan Soal-Soal Operations Research” (Terjemahan Hans Wospakrik). Jakarta: Erlangga.
Dharma, J. L. 2001. Model Antrian MH/G/1. Bandung: Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Katolik Parahyangan.
Dimyati, A, & Tarliyah, T. 1999. Operation Research “Model-Model Pengambilan Keputusan”. Bandung: PT Sinar Baru Algesindo.
Djauhari, M. 1997. Statistika Matematika. Bandung: Fakultas Matematika dan Ilmu Pengetahuan Alam, ITB.
Sinalungga, S. 2008. Pengantar Teknik Industri. Yogyakarta: Graha Ilmu.1
Hillier, F.S, & Lieberman, G. J. 2005. Introduction to Operations Research. New York: McGraw-Hill.
Wospakrik, H. 1996. Teori dan Soal-Soal Operations Research. Bandung: Erlangga.
Hillier, Frederick. S dan Lieberman, Gerald. I. 1980. Introduction to Operations Research. Holden Day, Inc. San Francisco.
Siagian, P. 1987. Penelitian Operasional : Teori dan Praktek. Universitas Indonesia Press. Jakarta.
Taha, A Hamdy. 1997. Riset Operasi : Suatu Pengantar. Binarupa Aksara. Jakarta Suparno, Willy Bayuardi. 2008. Pemrograman PHP dan MySQL. Bandung.
