Analisis Data Keterlambatan Bahan Baku Berdasarkan Pendekatan Data Warehouse Dan Pohon Keputusan C5.0
View/ Open
Date
2016Author
Septiandi, Rendy
Sitanggang, Imas Sukaesih
Buono, Agus
Metadata
Show full item recordAbstract
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 %.