Analisis Data Keterlambatan Bahan Baku Berdasarkan Pendekatan Data Warehouse Dan Pohon Keputusan C5.0

Abstract

Dalam aktivitas bisnis yang selalu dinamis, para pelakunya harus senantiasa memikirkan strategi dan inovasi dari kualitas produk agar dapat mengembangkan skala bisnis mereka. Salah satu upaya dalam memenuhi kebutuhan bisnis tersebut adalah dengan melakukan analisis terhadap kegiatan pembelian bahan baku yang dibutuhkan oleh perusahaan terkait produksi. Semakin cepat pemenuhan kebutuhan tersebut, maka perusahaan dapat memaksimalkan segala aktivitas yang berhubungan dengan proses produksi. Salah satu permasalahan penting terkait kegiatan pembelian barang adalah kegiatan keterlambatan penerimaan barang dari vendor kepada perusahaan yang melakukan pembelian. Dengan berdasarkan latar belakang permasalahan yang dihadapi oleh PT AKPI Tbk maka penelitian ini bertujuan untuk melakukan pembangunan data warehouse dan OLAP untuk menyajikan informasi pembelian barang dan bahan baku secara multidimensi. Pembangunan data warehouse pada penelitian ini menggunakan aplikasi SpagoBI Studio yang terhubung dengan DBMS Oracle 11g XE dan SpagoBI web server yang digunakan sebagai antar muka dalam pembangunan aplikasi OLAP. Aplikasi OLAP yang terbentuk telah melalui skenario pengujian terhadap kesesuaian operasi OLAP dan query OLAP. Selain itu penelitian ini pun membangun model algoritme pohon keputusan C5.0 yang dapat menghasilkan aturan-aturan untuk mengidentifikasi keterlambatan pengiriman barang sehingga dapat dimanfaatkan dalam kegiatan analisis pembelian barang dan bahan baku PT AKPI Tbk. Aturan klasifikasi yang memiliki akurasi paling besar yang dihasilkan dari algoritme C5.0 yaitu fold 3 dengan akurasi paling besar dengan nilai 70.4%. Pada fold 3 terdapat 45 aturan yang terdiri dari 19 aturan yang menghasilkan kelas ontime (kedatangan barang tepat waktu) dan 26 aturan yang menghasilkan kelas delay (kedatangan barang terlambat). Berdasarkan hasil analisis keterlambatan pengiriman barang maka atribut yang paling memiliki pengaruh terbesar yaitu atribut ccid atau akun departemen sebesar 28.1 %.