ISSN 1411 - 6340 Volume 1 Nomor 3, November 2011 J JJ J J JJ J u uu u u uu ur rr r r rr r n nn n n nn na aa a a aa al ll l l ll lT TT TT TT Te ee ee ee ek kk kk kk kn nn nn nn ni ii ii ii ik kk kk kk k I II II II In nn nn nn nd dd dd dd du uu uu uu us ss ss ss st tt tt tt tr rr rr rr ri ii ii ii i J U R N A L K E I L M U A N T E K N I K I N D U S T R I PENENTUANLOKETYANGOPTIMALPADAGERBANGSELATANTOLPONDOK GEDEBARATDENGANMENGGUNAKANTEORIANTRIANUNTUKMEMINIMASI BIAYA Ririn Regiana Dwi Satya RANCANGBANGUNMODELPRAKIRAANDANPERINGATANDINIUNTUK PASOKANDANHARGABERASDIPROPINSIDKIJAKARTAMENGGUNAKAN JARINGAN SYARAF TIRUAN Dadang Surjasa, E. Gumbira Said, Bustanul Arifin, Sukardi STUDIKELAYAKANINDUSTRIPENGOLAHANROTANDIKECAMATAN PEMATANGKARAUKABUPATENBARITOTIMURPROVINSIKALIMANTAN TENGAH Saputera, Ahim S.Rusan, Dedi Takari dan Lelo Sintani INTERVENSIERGONOMIKOGNITIFUNTUKMENGURANGIKESALAHANKERJA OPERATOR DI STASIUN KERJA CUTTING DAN SEWING PT. ABC Dian Mardi Safitri, Winnie Septiani, Astrida Destianty Kemala Putri ANALISA TATA LETAK PABRIK UNTUK MEMINIMALISASI MATERIAL HANDLING DI PABRIK SHEET METAL DENGAN SOFTWARE PROMODEL Sri Lestari USULANPERANCANGANPROSESPRODUKSITEROTOMASIUNTUKPERAKITAN CABIN TRUCK COLT DIESEL (TD) DI PT. KYRM Aditya Kristi Saputra, Amal WitonohadiANALISAMODELROUTINGCOREDENGANROUTINGINFORMATIONPROTOCOL (RIP) PADA JARINGAN DATA Sukamto Bernat GUSAHA PENINGKATAN MUTU KAIN GREY TS-8151 DI DEPARTEMEN WEAVING PT. ISTEM Dorina Hetharia, Kathy Angriani Sunandar ENGINEERING SYSTEM BERBASISKAN LEAN MANUFACTURING Tumbur Francisco MODELSIMULASIUNTUKMENGHITUNGJUMLAHTENAGAKERJAYANG OPTIMALPADA LINE 21 PT PANCAPRIMA EKABROTHERS Zeny Fatimah Hunusalela Diterbitkan oleh :JURUSAN TEKNIK INDUSTRI, FAKULTAS TEKNOLOGI INDUSTRI UNIVERSITAS TRISAKTI Jurnal TIVol. 1No.3Halaman 224-311Jakarta, November 2011ISSN 1411-6340 ISSN 1411 6340 J JJ JJ JJ Ju uu uu uu ur rr rr rr rn nn nn nn na aa aa aa al ll ll ll l T TT TT TT Te ee ee ee ek kk kk kk kn nn nn nn ni ii ii ii ik kk kk kk kI II II II In nn nn nn nd dd dd dd du uu uu uu us ss ss ss st tt tt tt tr rr rr rr ri ii ii ii i J URNALKEI LMUANTEKNI KI NDUSTRI Volume 1 Nomor 3, November 2011 Penanggung Jawab: Prof Dr. Ir. Dadan UD, DEA Dewan Penyunting:Ketua: Parwadi Moengin, Ph.D Wakil Ketua: Rahmi Maulidya ST, MT Mitra Bestari : 1.Dr. Ferry Jie (RMIT, AUSTRALIA) 2.Prof. DR. Zuraidah Mohd. Zain (UNIMAP, MALAYSIA) 3.Prof. Dr. Ir. Abdul Hakim Halim (Institut Teknologi Bandung, INDONESIA) 4.Prof. Dr. Ir. Eriyatno, MSAE (Institut Pertanian Bogor, INDONESIA) 5.Ir. Sritomo Wignjosoebroto, MSc (Institut Teknologi Sepuluh Nopember, INDONESIA) 6.Dr. Pudji Asuti (Universitas Trisakti, INDONESIA) 7.Prof. Ir. Nyoman Pujawan, Ph.D (ITS, Surabaya) 8.Prof. Dr. Ir. Yuri T Zagloel (Universitas Indonesia, INDONESIA) 9.Prof. Dr. Ir. Marimin (Institut Pertanian Bogor, INDONESIA) 10.Dr. Ir. The Jin Ai (Universitas Atma Jaya Yogyakarta, INDONESIA) Anggota Sidang Penyunting : 1.Dr. Ir. Docki Saraswati, M.Eng 2.Ir. Didien Suhardini, Ph.D 3.Dr. Ir. Tiena G. Amran 4.Ir. Sumiharni Batubara, M.Sc5.Ir. Triwulandari SD, MM 6.Dedy Sugiarto, SSi, MM Penyunting Pelaksana : 1.Ir. Iveline Anne Marie, MT 2.Rina Fitriana, ST, MM 3.Dian Mardi Safitri, ST, MT 4.Dadang Surjasa, SSi, MT 5.Ir. Nora Azmi, MT7.Dra. Nurlailah Badariah, MM 8.Wisnu Sakti Dewobroto, ST, MSc Sekretaris: Wijie Junarwati, ST Layout: Sonny Sugiarto Sirkulasi: Helmy Fauzan Penerbit: Jurusan Teknik Industri Fakultas Teknologi Industri-Universitas Trisakti Alamat Penerbit/Redaksi: Gedung Heri Hartanto Lantai 5JL. Kyai Tapa no 1, Grogol, Jakarta Barat-11440 Telp.(021)5663232 ext.8407, Fax.(021)5605841 Email : jurnalti@trisakti.ac.id Jurnal Teknik Industri diterbitkan sejak bulan Oktober 2000 oleh Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Trisakti. Terbit tiga kali dalam setahun yaitu Maret, Juli dan Nopember. Redaksi menerima karangan ilmiah berupa hasil penelitian, survey dan telaah pustaka yang erat kaitannya dengan Bidang Teknik Industri. Ketentuan penulisan naskah dapat dilihat pada halaman belakang. ISSN 1411 6340 J JJ JJ JJ Ju uu uu uu ur rr rr rr rn nn nn nn na aa aa aa al ll ll ll l T TT TT TT Te ee ee ee ek kk kk kk kn nn nn nn ni ii ii ii ik kk kk kk kI II II II In nn nn nn nd dd dd dd du uu uu uu us ss ss ss st tt tt tt tr rr rr rr ri ii ii ii i J URNALKEI LMUANTEKNI KI NDUSTRI Volume 1 Nomor 3, November 2011 DA F T A R I S I1. PenentuanLoketYangOptimalPadaGerbangSelatanTolPondok GedeBaratDenganMenggunakanTeoriAntrianUntukMeminimasi Biaya Ririn Regiana Dwi Satya 224-230 2. Rancang Bangun Model Prakiraan Dan Peringatan DiniUntuk Pasokan DanHargaBerasDiPropinsiDkiJakartaMenggunakanJaringan Syaraf Tiruan Dadang Surjasa, E. Gumbira Said, Bustanul Arifin, Sukardi 231-240 3. StudiKelayakanIndustriPengolahanRotanDiKecamatanPematang Karau Kabupaten Barito Timur Provinsi Kalimantan Tengah Saputera, Ahim S.Rusan, Dedi Takari dan Lelo Sintani 241-250 4. IntervensiErgonomiKognitifUntukMengurangiKesalahanKerja Operator Di Stasiun Kerja Cutting Dan Sewing PT. ABC Dian Mardi Safitri, Winnie Septiani, Astrida Destianty Kemala Putri 251-255 5. Analisa Tata Letak Pabrik Untuk Meminimalisasi Material Handling Di Pabrik Sheet Metal Dengan Software Promodel Sri Lestari 256-260 6. UsulanPerancanganProsesProduksiTerotomasiUntukPerakitan Cabin Truck Colt Diesel (TD) DI PT. KYRM Aditya Kristi Saputra, Amal Witonohadi261-269 7. AnalisaModelRoutingCoreDenganRoutingInformationProtocol (RIP) Pada Jaringan Data Sukamto Bernat G270-277 8. UsahaPeningkatan Mutu KainGreyTS-8151DiDepartemenWeaving PT. ISTEM Dorina Hetharia, Kathy Angriani Sunandar 278-291 9. Engineering System Berbasiskan Lean Manufacturing Tumbur Francisco 292-298 10.Model Simulasi Untuk Menghitung Jumlah Tenaga Kerja Yang OptimalPada Line 21 PT Pancaprima Ekabrothers Zeny Fatimah Hunusalela 299-311 Diterbitkan oleh :Jurusan Teknik Industri, Fakultas Teknologi Industri, Universitas Trisakti Jurnal TIVol. 1No.3Halaman 224-311Jakarta, November 2011ISSN 1411-6340 224 Jurnal Teknik Industri, ISSN:1411-6340 PENENTUAN LOKET YANG OPTIMAL PADA GERBANG SELATAN TOL PONDOK GEDE BARAT DENGAN MENGGUNAKAN TEORI ANTRIAN UNTUK MEMINIMASI BIAYA Ririn Regiana Dwi Satya Internal Control Division, PT. KMK Global Sport ABSTRACT Thepaperdiscussestheoptimumarrangementofticketwindowonthesouthgateof PondokGedeBaratTollinordertominimizethecost.Thisisbecausewhenthecongestion occurs,thehighwayroaduserswouldbedisadvantageousbecausetheirmoneyisnot compensatedwiththeservicesprovidedbythehighwaymanagement.Thequeuemodelatthe toll gates are (M/M/4), (FCFS / / ). To solve this problem, we use queuing theory so that it canresultinthefollowingstatement:forshift1,condition1,theoptimalshelteristhree shelterswiththecustomerwaitingtimeinqueue(WQ)of5.819secondsandtheidletimeof employees(X)of19.667%.Forshift1,condition2,theoptimumshelteris2shelterswith consumers waiting time in queue (WQ) of 7.274 seconds and idle time employees (X) of 22.5%. Forshift2,theoptimumshelteris2shelterswithconsumerswaitingtimeinqueue(WQ)of 0.995 seconds and idle time employees (X) of 57%. For shift 3, the optimum shelter is 1 shelters withconsumerswaitingtimeinqueue(WQ)of3.28secondsandidletimeemployees(X)of 58.6%.Afterimprovement,thecostofservicesincurredbythecompanywasRp243,043.9so the company can minimize the cost in amount of Rp 154,664.3. Keywords: Queue model, cost minimization 1.PENDAHULUAN1 Seiringdenganpertambahan pendudukdanpemerataanpembangunan didaerah,makasemakinbanyakpenduduk yangmenetapdanbekerjadiJakarta. Denganadanyahaltersebut,lahandi Jakarta menjadi semakin sempit, baik lahan untukperumahanmaupuntempatusaha didalamkotaJakarta.Olehkarenaitu,para pengusahamulaimelirikdaerahpinggiran Jakartaseperti:Tangerang,Bekasidan Bogorsebagaitempatmenanamkanmodal dibidangpropertybaikituperumahan murahsampairealestatemaupuntempat usaha.Karenasemakinbanyakpenduduk yangmenetapdanbekerjadidaerah pinggiranJakartaatautinggaldidaerah tersebuttetapibekerjadiJakarta,maka diperlukan jalan yang dapat mempersingkat waktuperjalanan.Danjalantolsebagai Korespondensi : Ririn Regiana Dwi Satya E-mail : ririn_regiana@yahoo.com jalan yang bebas hambatan merupakan jalan alternatifyangsangatdiharapkan kehadirannyauntukdapatmembantu mempersingkatwaktuperjalananketempat yangdituju.Kondisikemacetanyang dialamijikamenggunakanjalanbiasa, sangattidakdiharapkanparapengguna jalan tol. Denganadanyakemacetan,maka parapenggunajalantoltentumerasa dirugikankarenauangyangdikeluarkan tidaksepadandenganpelayananyang diberikanolehpihakjalantol.Bilatidak dilakukansuatuupayauntukmengurangi kemacetandijalantol,tentunyaakan mengakibatkanmenurunnyajumlah penggunajalantol.Karenayangterpikir adalahbuatapamengeluarkanuanguntuk membayaruangmasukjikakondisiyang dihadapiternyatasamadenganjalanbiasa yangtidakperlubayar.Halinitentunya akan berakibat buruk bagi pihak perusahaan karenapengembalianmodalyangtelah dikeluarkanuntukmodalpembangunan terhambat. Penentuan Loket Yang Optimal (Ririn Regiana Dwi Satya)225Kejadiangaristunggutimbul disebabkanolehkebutuhanakanlayanan melebihikemampuanpelayananatau fasilitaspelayanan,sehinggapelayanan akantertundadanpelangganyangbaru datangtidakdapatlangsungdilayani.Akan tetapibilayangterjadiadalahsebaliknya, makaakanterjadiketidakefisienandimana waktumenganggurparapelayanmenjadi lebihbesardanpengeluaranperusahaan jugamenjadilebihbesaryang mengakibatkankerugianperusahaandalam pengeluarankeuangan.Olehkarenaitu diperlukan fasilitas pelayanan yang optimal agarpelayanantidaktertundadantidak menimbulkanpengeluaranbiayayang berlebihan. Atas dasar itulah ingin dianalisa mengenaiteoriantriandanminimasibiaya. Berdasarkanlatarbelakangdiatas,maka tujuan penulisan ini adalah sebagai berikut : Untukmenganalisadanmengetahui berapa jumlah gardu yang optimal yang seharusnya digunakan. Untukmenentukansuatubentuksistem biayaminimumyangmenghasilkan tercapainya sasaran-sasaran optimum. Untukmemperdalampengetahuan mengenai hubungan antara teori antrian dan biaya operasional. 2.KAJIAN PUSTAKA Teoriantrianpertamakali dikemukakanolehA.K.Erlang,seorang insinyurbangsaDenmarkpadatahun1910 dalambukunyaSolutionofSomeProblem inTheTheoryofProbabilityofSignificant inAutomaticTelephoneExchange.Beliau melakukaneksperimententangfluktuasi permintaanfasilitasteleponyang berhubungandenganautomaticdialing equipment,yaituperalatanpenyambung telepon otomatis.Dalamwaktuyangsangatsibuk operatorsangatkewalahanuntukmelayani parapeneleponsecepatnya,sehinggapara penelepon harus antri menunggu gilirannya. PersoalanaslinyaA.K.Erlanghanya melakukanperhitunganketerlambatan (delay)dariseorangoperatoryang kemudiandilanjutkandenganpenelitian untukmenghitungkesibukanbeberapa operator. Kemudianpenelitiantentangteori antrianjugadilakukanolehMolina(1927) danThornton(1928).Dansebelumperang duniaberakhir,teoriinitelahdiperluaske masalah-masalahumumdengan memasukkan unsur-unsur antrian atau garis tunggu.Tentunyapastiseringmelihat bahkanmengalamisituasi-situasiberikut ini: a.Deretanmobilyangberhentikarena traffic light b.Truk-truk yang menunggu muatan c.Pesawat-pesawatmenungguuntuktake off di lapangan udara d.Pembelanja yang menunggu dilayani e.Mesin-mesinrusakyangmenunggu untuk diperbaiki oleh mekanik f.Mahasiswa-mahasiswasuatu universitasyangmengantriuntuk registrasi g.Mobil-mobilyangmenunggudigardu tol Situasi-situasitersebutadalahsuatu fenomenamenunggu.Akantetapisituasi menunggudapatdikurangijikaadasuatu pelayananyangbaiktanpaadagangguan dalammenunggu.Tapisukaatautidak, menungguadalahbagiandarikehidupan sehari-haridanseharusnyaberusahauntuk dikurangi. Tujuandalammempelajari pengoperasiansebuahsaranapelayanan dalamkondisiacakadalahuntuk memperolehbeberapakarakteristikyang mengukur kinerja sistem tersebut. Misalnya satuukuranyanglogisdarikinerjaadalah seberapalamaseorangpelanggan diperkirakanharusmenunggusebelum dilayani. Satu ukuran lain adalah persentase waktu sarana tersebut tidak dipergunakan.Ukuranpertamamemandangsistem darisudutpandangpelanggan,sementara ukurankeduamemandangsistemdengan mengevaluasiderajatpemanfaatansarana tersebut. Secara intuitif dapat dilihat bahwa semakinlamaseorangpelanggan menunggu,semakinkecilpersentasewaktu saranatersebuttidakdipergunakandan sebaliknya.Keduaukurankinerjaini dipergunakanuntukmemilihtingkat pelayananataulajupelayananyangakan 226 Jurnal Teknik Industri, ISSN:1411-6340 menghasilkankeseimbanganyangwajar antara kedua situasi yang bertentangan ini. MenurutR.BronsondanH.J. Wospakriktentangmasalahantrianadalah sebagaiberikut:Prosesantrian(queueing process)adalahsuatuprosesyang berhubungandengankedatanganseorang pelangganpadasuatufasilitaspelayanan, kemudianmenunggudalamsuatubarisan (antrian)bilafasilitaspelayanansedang sibuk dan meninggalkan fasilitas pelayanan tersebut setelah mendapatkan pelayanan. 3.HASIL DAN PEMBAHASAN Setelahdatadiolahmelalui serangkaianujistatistik,didapatdata-data yangberkaitandengansistemantrian sebagai berikut: 1.Lajurata-ratakedatangankendaraan yangmelaluigerbangselatantol Pondok Gede Barat adalah : - Shift1kondisi1jam05.30-09.30: 4,580 kendaraan per 10 detik - Shift1kondisi2jam09.30-13.30: 3,210 kendaraan per 10 detik - Shift 2 jam 13.30-21.30: 1,961 kendaraan per 10 detik - Shift 3 jam 21.30-05.30: 0,890 kendaraan per 10 detik 2.Wakturata-ratapelayanankendaraan yangmelaluigerbangselatanPondok Gede Barat adalah sebagai berikut: -Shift1kondisi1jam05.30-09.30: 5,270kendaraan per 10 detik -Shift1kondisi2jam09.30-13.30: 4,826 kendaraan per 10 detik -Shift 2 jam 13.30-21.30: 4,390 kendaraan per 10 detik -Shift 3 jam 21.30-05.30: 4,650 kendaraan per 10 detik Selaindatalajukedatangan kendaraandanwaktupelayanan,diketahui jugabahwapelayananyangdiberikan melalauisaluranparalel(multichannel) denganfasilitaspelayananberjumlah4 buahgardupelayanan,disiplinantrian adalahFCFS(FirstComeFirstService) denganjumlahkandaraanyangdapat dilayanididalamsistemantriantidak terbatas,sertapopulasiinputataujumlah kendaraanyangmungkinkeluardari gerbangselatantolPondokGedeBarat tidak terbatas. Berdasarkandata-datadiatas,maka modelantrianpadasistemantriangerbang selatantolPondokGedeBaratdapat dinyatakan sebagai berikut: (M/M/4):(FCFS//) Gambar 1. Model antrian pada gerbang selatan tol Pondok Gede Barat PenetuanJumlahGarduyangOptimal Berdasarkan tingkat Aspirasi Dalampengambilankeputusan mengenaiberapajumlahgarduyang optimal,makaperludiperhatikan Penentuan Loket Yang Optimal (Ririn Regiana Dwi Satya)227beberapakriteriayangdiberikanoleh perusahaan, yaitu: -Waktumenunggurata-rata kendaraandalamsistem(Ws)yang diperbolehkan adalah 15 detik -Persentasewaktumenganggur pelayan(X)yangdiperbolehkan olehperusahaanuntukshift1 kondisi1danshift1kondisi2 adalah 23 % dan untuk shift 2 dan shift 3 adalah 59%. Tabel1berikutiniadalahhasil perhitunganuntukmenentukanjumlah gardu yang optimal. Keterangan tabel : C:Jumlah gardu :/ : Tingkat kegunaan fasilitas Po:Probabilitastidakadakonsumen dalam sistem antrian Lq:Rata-ratajumlahkonsumendalam antrian (kendaraan) Ls:Rata-ratajumlahkonsumendalam sistem antrian (kendaraan) Wq:Waktumenunggurata-rata konsumen dalam antrian (detik) Ws:Waktumenunggurata-rata konsumendalamsistemantrian (detik) X:Persentasewaktumenganggur karyawan (%) Shift 1 kondisi 1 jam 05.30-09.30 Diketahui: Rata-rata tingkat kedatangan () = 4,580 kendaraan/10 detik = 0,458 kendaraan/detik Rata-rata waktu pelayanan (t)= 5,270 detik/kendaraan Tingkat pelayanan rata-rata ()= 1/5,270 = 0,190 kendaraan/detik. Tabel 1. Hasil Perhitungan untuk Shift 1 Kondisi 1 CPoLqLsWqWsX 10.4580.192.41****** 20.4580.192.41****** 30.4580.192.410.062.6655.0755.81911.08219.667 40.4580.192.410.080.4392.8490.9596.22239.75 Daritabeldiatasdapatdiketahuibahwajumlahgarduyangoptimaldansesuaidengan kriteria perusahaan untuk shift 1 kondisi 1 adalah sebanyak 3 (tiga) buah gardu. Shift 1 kondisi 2 jam 09.30-13.30 Diketahui: Rata-rata tingkat kedatangan () = 3,210 kendaraan/10 detik = 0,321 kendaraan/detik Rata-rata waktu pelayanan (t) = 4,826 detik/kendaraan Tingkat pelayanan rata-rata ()= 1/4,826 = 0,207 kendaraan/detik Tabel 2. Hasil Perhitungan untuk Shift 1 Kondisi 2 CPoLqLsWqWsX( 10.3210.2071.55****** 20.3210.2071.550.132.3353.8857.27412.10522.5 30.3210.2071.550.20.2731.8230.855.68148.333 40.3210.2071.550.210.0521.6020.1634.99361.25 Daritabeldiatasdapatdiketahuibahwajumlahgarduyangoptimaldansesuaidengan kriteria perusahaan untuk shift 1 kondisi 2 adalah sebanyak 2 (dua) buah gardu. Shift 2 jam 13.30-21.30 Diketahui: Rata-rata tingkat kedatangan () = 1,961 kendaraan/10 detik = 0,196 kendaraan/detik Rata-rata waktu pelayanan (t) = 4,390 detik/kendaraan Tingkat pelayanan rata-rata ()= 1/4,390 = 0,228 kendaraan/detik 228 Jurnal Teknik Industri, ISSN:1411-6340 Tabel 3. Hasil Perhitungan untuk Shift 2 CPoLqLsWqWsX 10.1960.2280.860.145.2836.14326.9431.32614 20.1960.2280.860.40.1951.0550.9955.38157 30.1960.2280.860.420.0250.8550.1284.51471.333 40.1960.2280.860.420.0030.8630.0174.40378.5 Daritabeldiatasdapatdiketahuibahwajumlahgarduyangoptimaldansesuaidengan kriteria perusahaan untuk shift 2 adalah sebanyak 2 (dua) buah gardu. Shift 3 jam 21.30-05.30 Diketahui: Rata-rata tingkat kedatangan () = 0,890 kendaraan/10 detik = 0,089 kendaraan/detik Rata-rata waktu pelayanan (t)= 4,650 detik/kendaraan Tingkat pelayanan rata-rata ()= 1/4,650 = 0,215 kendaraan/detik Tabel 4. Hasil Perhitungan untuk Shift 3 CPoLqLsWqWsX 10.0890.2150.4140.590.2920.7063.2867.93858.6 20.0890.2150.4140.660.0190.4330.2084.85979.3 30.0890.2150.4140.660.0010.4150.0114.66286.2 40.0890.2150.4140.660.00010.41410.0014.65289.65 Daritabeldiatasdapatdiketahuibahwajumlahgarduyangoptimaldansesuaidengan kriteria perusahaan untuk shift 3 adalah sebanyak 1 (satu) buah gardu. Perhitungan Biaya Perhitungan waktu kerja karyawan : Diasumsikan : -1 tahun : 12 bulan : 20 hari kerja -Waktu kerja/hari : 8 jam dengan allowance 10% dimana ada 3 shift per hari -Total 1 hari kerja adalah : ( 8 jam ( 8jam * 10%)) * 3 : 21,6 jam -Total 1 bulan : 21,6 jam * 20 hari : 432 jam Perincianbiayadiperkirakansecaraumum(kuranglebih).Perinciantidakdapatdiberikan secara nyata karena pihak perusahaan tidak memperbolehkan untuk mendapatkan data biaya ataupungajiyangbersifatsangatrahasiadanpribadi.Berikutiniadalahperincianbiaya penyediaan pelayanan : -Gaji 1 pengumpul tol (secara umum) tiap bulan:Rp 2.000.000 -Seragam 1 Pengumpul tol : Rp 300.000 Rp 300.000/12 bulan:Rp 25.000 -Printer Struk (susut 4 tahun) : Rp 5.500.000 Rp 5.500.000/48 bulan : Rp 114.583 -Sensor dan peralatan lainnya (susut 5 tahun): Rp 13.000.000 Rp 13.000.000/60 bulan: Rp 216.667 -Peralatan kantor dan lainnya tiap bulan :Rp 30.000 + Rp 2.386.250 E (service cost) = Rp 2.386.250 /432 jam = Rp 5.523,726/jam Darihasilpengamatandanperhitungandenganmenggunakantingkataspirasididapat jumlah gardu yang dibutuhkan tiap shift adalah sebagai berikut: Penentuan Loket Yang Optimal (Ririn Regiana Dwi Satya)229 Tabel 5. Jumlah Gardu yang Dibutuhkan Tiap Shift Setelahdidapatkanekspektasibiaya pelayananyaitusebesarRp5.523,726dan jumlahgarduyangdibutuhkan,langkah selanjutnyaadalahmembandingkanbiaya pelayanansebelumdansesudahperbaikan. Setelahdilakukanperbaikandengan mengoptimalkanjumlahgardu,biaya pelayanandapatdiminimalkan.Semula biayapelayananadalahsebesarRp 397.708/hari,akantetapisetelahdilakukan perbaikanbiayapelayananyang dikeluarkanmenjadiRp243.043,9/hari berartiperusahaandapatmenghemat sebesar Rp 154.664,3/hari. Penjadwalan Kerja Karyawan Shift1dibagimenjadi2yaitukondisi1 dan2.Dimanatiapkondisimempunyai interval waktu 4 jam. Oleh karena itu, shift 2danshift3akandibagimenjadi2, sehinggadidapatintervalwaktu4jam.Hal inidilakukanagarmempermudah perhitungan.Berikutiniadalahjumlah karyawan yang dibutuhkan : Tabel 7. Kebutuhan Tenaga Kerja Interval WaktuJumlah Pengumpul TolJumlah PengawasJumlah Karyawan 05.30 - 09.30314 09.30 - 13.30213 13.30 17.30213 17.30 - 21.30213 21.30 - 01.30112 01.30 - 05.30112 Variabel keputusan : X1:jumlahkaryawanyangbertugas pada jam 05.30 09.30X2:jumlahkaryawanyangbertugas pada jam 09.30 13.30X3:jumlahkaryawanyangbertugas pada jam 13.30 17.30X4:jumlahkaryawanyangbertugas pada jam 17.30 21.30X5:jumlahkaryawanyangbertugas pada jam 21.30 01.30X6:jumlahkaryawanyangbertugas pada jam 01.30 05.30Tujuan : Meminimalkanjumlahkaryawanyang dibutuhkan.Berikutiniadalahfungsi tujuannya : Min Z : X1 + X2 + X3 + X4 + X5 + X6 Kendala : 1.X1 + X2 4 2.X2 + X3 3 3.X3 + X4 3 4.X4 + X5 3 5.X5 + X6 2 6.X1 + X6 2 Adapunformulasimatematislinier programing adalah sebagai berikut : Minimumkan Z : X1 + X2 + X3 + X4 + X5 + X6 Dengan kendala : 1.X1 + X2 4 2.X2 + X3 3 3.X3 + X4 3 4.X4 + X5 3 5.X5 + X6 2 6.X1 + X6 2 X1, X2, X3, X4, X5, X6 0 Setelah didapat formulasi matematis seperti diatas,langkahselanjutnyaadalah penyelesaiandenganmenggunakanmetode simpleks.Tabeliterasiyangdilakukan adalahiterasi1sampaiiterasi7danhasil yang didapat adalah jumlah karyawan yang ShiftInterval WaktuJumlah Gardu yang Dibuka Sebelum PerbaikanSesudah Perbaikan Shift 1 Kondisi 105.30 - 09.3043 Shift 1 Kondisi 209.30 - 13.3042 Shift 213.30 - 21.3032 Shift 321.30 - 05.3021 230 Jurnal Teknik Industri, ISSN:1411-6340 bertugastiapintervalwaktusepertiterlihat pada Tabel 8 berikut. Tabel 8. Jumlah Karyawan yang Bertugas Jadikebutuhanjumlahkaryawan seluruhnya adalah sebesar 9 tenaga kerja. 4.KESIMPULAN Berdasarkan analisa dan pembahasan, maka dapat ditarik kesimpulan sebagai berikut : 1.Disiplinantrianpadagerbangselatan tolpondokgedebaratadalahFCFS (FirstComeFirstService)dengan jumlahgardu4(empat)dantingkat kedatangan tidak terbatas. 2.Padashift1kondisi1garduyang optimaladalah3gardudenganwaktu menunggukonsumendalamantrian (Wq)sebesar5,819detikdanwaktu menganggurkaryawan(X)sebesar 19,667%. 3.Padashift1kondisi2garduyang optimaladalah2gardudenganwaktu menunggukonsumendalamantrian (Wq)sebesar7,274detikdanwaktu menganggurkaryawan(X)sebesar 22,5%. 4.Pada shift 2gardu yang optimaladalah 2gardudenganwaktumenunggu konsumendalamantrian(Wq)sebesar 0,995detikdanwaktumenganggur karyawan (X) sebesar 57%. 5.Pada shift 3gardu yang optimaladalah 1gardudenganwaktumenunggu konsumendalamantrian(Wq)sebesar 3,28detikdanwaktumenganggur karyawan (X) sebesar 58,6%. 6.Setelahdilakukanperbaikan,biaya pelayanan yang dikeluarkan perusahaan adalahRp243.043,9sehingga perusahaandapatmeminimalkanbiaya sebesarRp397.908Rp243.043,9= Rp 154.664,3 5.DAFTAR PUSTAKA [1]Bronson,R.,Waspakrik,H.J.1988. TeoridanSoal-SoalOperation Research Seri buku Schaums, Penerbit Erlangga.[2]Dimyati,TjutjuTarliah,Ahmad Dimyati.1992.Operation Research:Model-modelPengambilan Keputusan. Penerbit PT. Sinar Baru,[3]Subagyo,P.1986,Dasar-dasar OperationsResearch.BPFE, Jogjakarta,[4]Supranto,J.1989.,StatistikTeoridan AplikasiJilid2.PenerbitErlangga, Jakarta[5]SutalaksanaI.Z.1986,TehnikTata Cara Kerja. Penerbit ITB, Bandung.[6]Siagian,P.1987.Penelitian Operasional.Teori&Praktek,UI Press. [7]Taha,HamdyA,1987.Operations Research,AnIntroductionEdisi MacmillahPublishingCompani,New York. Interval WaktuJumlah Karyawan 05.30 - 09.302 09.30 - 13.302 13.30 - 17302 17.30 - 21.301 21.30 - 01.302 01.30 - 05.300 Penentuan Loket Yang Optimal (Ririn Regiana Dwi Satya)231RANCANG BANGUN MODEL PRAKIRAAN DAN PERINGATAN DINI UNTUK PASOKAN DAN HARGA BERAS DI PROPINSI DKI JAKARTA MENGGUNAKAN JARINGAN SYARAF TIRUAN Dadang Surjasa1), E. Gumbira Said2), Bustanul Arifin3), Sukardi4) 1) Dosen Program Studi Teknik Industri - Fakultas Teknologi Industri Universitas Trisakti 2) Guru Besar Fakultas Teknologi Industri Pertanian - Institut Pertanian Bogor 3) Guru Besar Fakultas Pertanian - Universitas Lampung 4) Dosen Fakultas Teknologi Industri Pertanian - Institut Pertanian Bogor ABSTRACT DKI Jakarta is a region which has a very large population but it is not supported directly bythericefieldareathatcanmeettheneedsofriceforitspopulation.Cipinangricemarket center(PIBC)managedbyPT.FoodStationTjipinangJaya(FSTJ)isexpectedtobeaparty that can manage and control the supply of rice for food security, especially in the Jakarta area. Oneimportant aspectofriceforregulatingandcontrollingoffoodsecurity in DKIJakartais the aspect of supply and price of rice.Artificialneuralnetworkisoneofthemethodswhichcanbeusedtosolvemany problems, especially in complex and difficult mathematical modelling. One of the problems that canbesolvedbyusingartificialneuralnetworksistheforecastingoftimeseriesdata.The purposeofthisstudywastoforecastsupplyandpriceofriceinDKIJakartaprovince. Forecastingwasmadetoanticipatericesupplyscarcityandricepriceincreasesthatcould disrupt the availability and buying power of DKI Jakarta's residents. Timeseriesdatawhichwasusedasinputdatainthisstudywastheweeklydataof supplyriceandricepricefortheperiodofJanuary2009uptoJuly2010.Trainingwas conducted using several network models as well as several network parameters to determine the capabilitiesofartificialneuralnetworkinforecastingthemostaccuratevalue.Toobtainthe optimum network, some number of nodes were tried. The number of input was used in the input layer was fournodes, the number of nodes in the hidden layer was tried with four, six and eight nodes, while the number of output nodes was two nodes. This network also used a learning rate of 0.2 and momentum of 0.05 and activation function was logsig. Experimentshaveshownthattheoptimalnetworkforsupplyandricepriceforecasting can be obtained by using four input nodes, eight hidden nodes and two output nodes. Result of thestudyshowthattheaccuracyofforecastingmodelstoforecastthesupplyofriceandto forecastricepriceshadreachedmorethan90%.Fromtheresultsofforecasting,themodels can provide also early warning for the supply and price of rice in the form of statement "safe", "cautious" or "prone". Keywords: Artificial Neural Network, Forecasting, Early Warning System, Rice, DKI Jakarta 1.PENDAHULUAN2 Pengadaanberasnasionaldaridulu sampaisekarangmasihmenjadi permasalahannasionalyangsangatpelik. Salahsatudiantaranyaterjadikarena Korespondensi : 1Dadang Surjasa E-mail :masyarakat Indonesia terlanjur menganggap berassebagaibahanmakananpokokyang harusadadalampolapangansehari-hari. Dengandemikiansebagaikomoditas panganutama,permasalahanberasbukan hanyamerupakanpermasalahanekonomi sajatetapijugabersifatpolitis(Gumbira-Said, 2007). Masalahutamayangterkaitdengan perberasannasionaladalahmasalahharga 232 Jurnal Teknik Industri, ISSN:1411-6340 dannonhargaberas.Masalahyangpaling kontroversialterkaitdenganmasalahharga berasadalahfluktuasihargaberas (Nainggolan,2007),sedangkanmasalah nonhargaberasyangpalingmerugikan perberasannasionaladalahmasalahsusut pascapanenyangdapatmencapai20%dari jumlahtotalpanendalamsatutahun (Hasbullah,2007).Hargaberasseringkali munculdanmenjadimasalahkontroversial antarakepentinganpetanidankepentingan masyarakat. Di satu sisi pemerintah sebagai regulatoringinmenjagakepentingandan inginmemberikankesejahteraanyang optimalbagipetani,tetapidisisilain pemerintahjugainginmemberikan perlindunganagarhargaberasdapat terjangkauolehsebagianbesarmasyarakat, bahkandapatterjangkauolehpetanipadi sendiriyangpadawaktutertentuharus menjadi konsumen beras (Suhardi, 2009). ProvinsiDKIJakartamemilikipasar indukperberasanbernamaPasarInduk BerasCipinang(PIBC)yangdikelolaoleh PT.FoodStationTjipinangJaya(FSTJ). PengelolaFSTJyangberadadibawah PemdaDKIJakartadiharapkandapat menjadipihakyangdapatmengaturdan mengendalikanpersediaanpangan, khususnyauntukkomoditasberasdi wilayah DKI Jakarta. Tahun 2009, menurut DinasKependudukandanCatatanSipil propinsiDKIJakarta,jumlahpenduduk DKIJakartaadalah8.523.157orang (www.kependudukancapil.go.id,2011), namuntidakdidukunglangsungoleharea persawahanyangdapatmencukupi kebutuhanberasbagipenduduknya. Apabilakonsumsiperorangpertahun sebesar 120 kg beras maka kebutuhan beras untukjumlahpendudukDKIJakarta tersebutsekitar1jutaton,sedangkan produksiberasdariwilayahDKIJakarta sendiripadatahun2009hanya11.013ton (http://www.deptan.go.id/, 2011). 1.1PerumusanMasalahPerberasandi Provinsi DKI Jakarta Daripermasalahanperberasan nasionaldiatasterdapatbeberapaaspek pentingyangperludikajilebihlanjut khususnyayangberhubungandengan masalahrantaipasokanberasdiProvinsi DKI Jakarta. Aspek-aspek yang perlu dikaji tersebut adalah sebagai berikut : 1.Aspekpasokanberas.Melaluiaspek tersebut,PemdaDKIJakartayang diwakiliolehFSTJperlumengelola pasokanberasbaikyangmasukke PIBCmaupunpasokanberasyangke luardariPIBCbaikkewilayahDKI JakartamaupunkeluarwilayahDKI Jakarta.2.Aspekhargaberas.Melaluiaspek tersebut,FSTJperlumengantisipasi hargaberasyangberfluktuasiguna menjagahargayangdapatterjangkau sehinggakelangsunganpasokanberas kepadawargaDKIJakartadapat terjaga.1.2 Tujuan Penelitian Sehubungandenganpermasalahan perberasandiProvinsiDKIJakarta tersebut,penelitianinimemilikitujuan untukmenghasilkanmodeldalambentuk programkomputasiyangdapatdigunakan (1)untukmemperkirakanjumlahpasokan beras dari PIBC ke wilayah di propinsi DKI Jakarta,(2)untukmemperkirakanharga berasjenisMuncul/IIIdanIR64/IIIdi PIBCJakartadan(3)sebagaisuatusistem peringatandinidalammengantisipasi pasokandanhargaberasyangtidak dikehendaki. 1.3Ruang Lingkup Penelitian Ruanglingkupdalampenelitianini mencakup hal-hal sebagai berikut : 1.Berasyangditelitiuntukmodel prakiraanpasokanadalahsemuajenis berasyangterdapatdiPIBC, sedangkanberasuntukmodel prakiraanhargadibatasiuntukjenis berasvarietasIR64/IIIdanvarietas Muncul/ III.2.Tempatpenelitiandilakukandi ProvinsiDKIJakartadenganfocal companyadalahPT.StationFood Tjipinang Jaya (FSTJ). 3.Pasokanberasyangditelitiadalah pasokanberasyangdidistribusikanke seluruh wilayah DKI Jakarta. 4.Data diperoleh melalui wawancara dan datasekunderyangdilaksanakan selama18bulandaribulanJanuari 2009 sampai dengan bulan Juli 2010. Rancang Bangun Model Prakiraan (Dadang Surjasa)233 2.METODEDANTAHAPAN PERANCANGAN PENELITIAN Padapenelitianini,model dikembangkandenganmenggunakan metodejaringansyaraftiruan(JST) backpropagation(Patuelli,2006),untuk memperkirakanpasokanberasdanharga beras.TahapanperancanganJSTuntuk prakiraanpasokandanhargaberasdapat dilihatpadaGambar1.JSTdirancang denganarsitekturJSTtigalapis (Kahfourushan,2010).JSTtersebut diperolehdengancaraujicobaberbagai parameter JST. Jumlah neuron yang dicoba adalahjumlahneurondalamhiddenlayer, sedangkanparameterlainyangdiujicoba adalahfungsiaktivasi,algoritmapelatihan danmomentum.Padapenelitianinijumlah neuronyangdiujicobapadalapisan tersembunyi(hiddenlayer)jumlahnya berbeda-bedayaitusebanyakempat, delapandanduabelasbuah.ParameteroutputyangdihasilkanadalahMSE(mean squareerror),jumlahiterasi(epoch)dan koefisien korelasi (R). Gambar 1. Tahapan Perancangan Jaringan Syaraf Tiruan Untuk Prakiraan serta Peringatan Dini dari Pasokan dan Harga Beras di DKI Jakarta. 234 Jurnal Teknik Industri, ISSN:1411-6340 3.PERANCANGANMODEL PENELITIAN PadapenelitianinidirancangJST dengansatuhiddenlayerdengan menggunakanalgoritmabackpropagation. MenurutSeminar,etal.(2010), backpropagationmerupakansalahsatu algoritmapembelajaranterawasi.Menurut Munakata(2008),algoritmaJST backpropagation memiliki tiga fase: 1.Fasefeedforwarduntukinput pembelajaran/pelatihan 2.Fasekalkulasidanbackpropagation error3.Fasepenyesuaianbobotuntuk memperbaiki output mendekati target. Algoritmabackpropagation menggunakanerroroutputuntuk mengubah nilai bobot-bobotnya dalam arah mundur(backward).Untukmendapatkan errorini,tahapforwardpropagasiharus dikerjakanterlebihdahulu.Padasaat forwardpropagation,neuron-neuron diaktifkandenganmenggunakanfungsi aktivasi. Padafasefeedforward,pelatihan dilakukandalamrangkamelakukan pengaturanbobot,sehinggapadaakhir pelatihandiperolehbobot-bobotterbaik. Selama proses pelatihan, bobot-bobot diatur secara iteratif untuk meminimumkan fungsi kinerja jaringan. Fungsi kinerja yang sering digunakanuntukbackpropagationadalah meansquareerror(MSE).Fungsiini mengambilrata-ratakuadraterroryang terjadiantaraoutputjaringandantarget. Sebagianbesaralgoritmapelatihanuntuk jaringan feedforward menggunakan gradien darifungsikinerjauntukmenentukan bagaimanamengaturbobotdalamrangka meminimumkankinerja.Gradienini ditentukandenganmenggunakansuatu teknikyangdisebutdengannama backpropagation.Padadasarnyaalgoritma backpropagationmenggerakkanbobot denganarahgradiennegatif,algoritmaini memilikiprinsipdasarmemperbaiki jaringandenganarahyangmembuatfungsi kinerjamenjaditurundengancepat (Seminar et al., 2010). Hal-hal yang perlu dilakukan untuk memperolehrancanganarsitekturJST backpropagationyangdapatmenghasilkan kinerjasistemterbaikadalahsebagai berikut (Silvia, 2007): a.Penentuan Fungsi Aktivasi Beberapaalternatiffungsiaktivasi JSTyangdicobakandalampenelitianini adalah sebagai berikut : -Fungsi sigmoid bipolar (tansig) Notasinya :tansig(n) = 2/(1+exp(-2*n))-1) -Fungsi sigmoid biner (logsig) Notasinya :logsig(n) = 1/(1+exp(-n)) -Fungsi identitas (purelin) Notasinya :purelin(n) = n b.Penentuan Algoritma Training Prosespelatihanjaringan backpropagationstandardenganmetode penurunangradien(traingd)seringkali lambat.Beberapaalternatifyangdicoba untukmempercepatprosesbelajarJSTpada penelitian ini dengan menggunakan: -Metodepenurunangradiendengan penambahan momentum (traingdm). -Metodepenurunangradiendengan momentumdanlearningrate (traingdx). -Metode Levenberg-Marquadt (trainlm) c.Penentuan Nilai Momentum Nilaimomentumyangbaik ditentukandengancaratrialanderror (Silvia,2007).Beberapaalternatifnilai momentumyang dicobakan pada penelitian iniadalah0.005,0.05,0.1,0.5dan0.9. Nilai-nilaiinidiambilsecarasembarang dengan syarat berada di antara 0 dan 1. d.Penentuan Target Toleransi Error. Targeterroryangdicobaadalah 0.01,0.001dan0.0001.Nilaitersebut merupakanbatastoleransinilaierroryang ditentukanagariterasidihentikanpadasaat nilaierrorlebihkecildaribatasyang ditentukanataujumlahepochtelah mencapai batas yang ditentukan. e.Penentuan Arsitektur Hidden Layer Penentuanarsitekturhiddenlayer terdiridariduabagian,yaitupenentuan jumlahlayerdanukuranlayer(jumlah neurondalamhiddenlayer).Menurut Rancang Bangun Model Prakiraan (Dadang Surjasa)235Seminaretal.(2010),secaraumumsatu lapisantersembunyisudahcukupuntuk sembarang pemetaan dari pola input ke pola outputpadasembarangtingkatakurasi. Trialdanerrordilakukanpadabeberapa alternatif jumlah neuron dalam hidden layer kemudiandipilihalternatifyangmemiliki kinerjayangterbaik.Padaspesifikasi pertamadicobaarsitekturdenganbeberapa alternatifjumlahneuron,yaituempat neuron,delapanneurondanduabelas neuron.Arsitekturhiddenlayerdengan kinerjaterbaikdipilihuntukrancangan, pelatihandanpengujianJST.Tabel1 adalah contoh pemilihan fungsi aktivasi dan algoritmapelatihanuntukJSTprakiraan harga beras jenis IR64/ III. Tabel 1. Pemilihan Fungsi Aktivasi dan Algoritma Pelatihan Untuk JST IR64/III Spesifikasi JST Fungsi Aktivasi Algoritma Pelatihan MSEEpochR 1 Tansig traingd0.00263050000.954 2traingdm0.00233050000.960 3traingdx0.00198050000.974 4trainlm0.000999760.983 5 Logsig traingd0.00842050000.852 6traingdm0.00486050000.914 7traingdx0.00144050000.975 8trainlm0.000987100.983 9 Purelin traingd0.00450050000.920 10traingdm0.00458050000.919 11traingdx0.00448050000.921 12trainlm0.00448040.921 BerdasarkanspesifikasiJSTdari Tabel1,diperoleharsitekturJSTterbaik untukberastipeIR64/IIIdenganparameter fungsiaktivasiadalahlogsigdanalgoritma pelatihanadalahtrainlm.Darispesifikasi tersebutdiperolehnilaiMSEsebesar 0.000987.Selanjutnyadilakukanujicoba pemilihanparameterlainyaituparameter momentum seperti dapat dilihat pada Tabel 2. Tabel 2. Pemilihan Momentum Untuk JST Prakiraan Harga Beras IR 64/ III Spesifikasi JSTNilai MomentumMSEEpochR 8.10.0050.00088190.98494 8.20.050.000999230.98297 8.30.10.000987100.98309 8.40.5 0.000987100.98309 8.50.90.001150.98288 BerdasarkanspesifikasidariTabel2, diperoleh arsitektur JST terbaik untuk beras tipeIR64/IIIdengannilaimomentum 0.005.Selanjutnyadilakukanujicoba pemilihanparametertoleransierroryang dapat dilihat pada Tabel 3. 236 Jurnal Teknik Industri, ISSN:1411-6340 Tabel 3. Pemilihan Toleransi Error Untuk JST Prakiraan Harga Beras IR 64/ III Spesifikasi JSTToleransi errorMSEEpochR 8.1.10.00010.050818080.46821 8.1.20.001 0.00088190.98494 8.1.30.010.0041320.94048 BerdasarkanspesifikasiJSTdari Tabel3,diperoleharsitekturJSTterbaik dengantoleransierrorsebesar0.001.Dari spesifikasitersebutdiperolehnilaiMSE sebesar0.00088,jumlahiterasi(epoch) adalah19dannilairegresiadalah0.98494. Selanjutnyadilakukanujicobapemilihan parameterlainyaituparameterjumlah neuronuntukhiddenlayersepertidapat dilihat pada Tabel 4. Tabel 4. Pemilihan Jumlah Hidden Neuron Untuk JST Prakiraan Harga Beras IR 64/ III Spesifikasi JST Jumlah Hidden Neuron MSEEpochR 8.1.2.140.000999920.98290 8.1.2.28 0.00088190.98494 8.1.2.3120.00099723080.98290 Dengancarayangsama,setelah dirancangJSTuntukprakiraanhargaberas IR64/IIImakadihasilkanjugaJSTterbaik untukprakiraanpasokanberasdanJST prakiraan harga beras Muncul/ III. Data Penelitian Datayangdigunakandalam pengembanganJSTtersebutdiperolehdari PIBC.Datatersebutadalahdatapasokan dandatahargaberasharianyang dikumpulkandarimulaitanggal1Januari 2009sampaidengan24Juli2010.Data hariandiubahmenjadidatamingguanyang selanjutnyadijadikandatainputjaringan untukmemperkirakanpasokanberasdan hargaberasselamaduaminggukedepan. Datainputyangdigunakanadalahdata pasokanberasdandatahargaberasselama empatmingguterakhir.Datayang diperolehdibuatpolayangselanjutnya dimasukkankedalamjaringan.Polayang dibuatadalahempatinputdanduaoutput. Polayangdiperolehadalahsebanyak75 pola,denganrincian50poladigunakan untukpelatihandan25polalagidigunakan untuk pengujian. Proses Pengujian Prosespengujiandilakukandengan menggunakan arsitektur JST hasil pelatihan yangmemilikikinerjaterbaikyaituyang menghasilkannilaierrordanepoch terkecil.ArsitekturJSTterbaikyang dihasilkandalampenelitianiniadalahJST untukpasokanberas,JSTuntukprakiraan hargaberastipeIR64/IIIdanJSTuntuk prakiraanhargaberastipeMuncul/III. Spesifikasidarimasing-masingJST tersebut dapat dilihat pada Tabel 6. Aturan Untuk Peringatan Dini SebagaicontohuntukJSTprakiraan hargaberas,aturanperingatandini diperolehdaridiskusidenganpakardan dapat dinyatakan sebagai berikut: Input : harga untuk minggu ke-i, i = 1, 2, 3,4 Output:prakiraanhargauntukminggu ke-j, j = 5, 6. Rancang Bangun Model Prakiraan (Dadang Surjasa)237 4 , dan 4 , Dengan aturan peringatan dini dapat dilihat pada Tabel 5. Tabel 5. Aturan Peringatan Dini Untuk Harga Beras Peringatan Dini Minggu Ke LimaPeringatan Dini Minggu Ke Enam Jika 0.05maka harga beras aman Jika 0.05maka harga beras aman Jika 0.05 0.1maka harga beras harus diwaspadai Jika 0.05 0.1maka harga beras harus diwaspadai Jika 0.1maka harga beras rawan Jika 0.1maka harga beras rawan

Tabel 6. Arsitektur JST Terbaik Dengan Metode Backpropagation. Karakteristik JSTPasokan Beras JST Harga Beras Muncul/ III JST Harga Beras IR 64/ III Jumlah neuron pada input layer4 neuron4 neuron4 neuron Jumlah neuron pada output layer2 neuron2 neuron2 neuron Fungsi Aktivasilogsiglogsiglogsig Algoritma pelatihantrainlmtrainrptrainlm Momentum0.0050.0050.005 Learning rate0.20.20.2 Goal error0.0010.0010.001 Neuron hidden layer8 neuron8 neuron8 neuron 4.PRAKIRAANDAN PERINGATANDINIPASOKAN DAN HARGA BERAS JSTterbaikyangdihasilkanadalah JST untuk prakiraan pasokan beras dan JST untukprakiraanhargaberasIR64/IIIdan hargaberasMuncul/IIIdiprovinsiDKI Jakarta. Hasil dari prakiraan pasokan beras, selanjutnyadibandingkandengan kebutuhan beras dari penduduk DKI Jakarta padasaatitu.Dariperbandingantersebut diperolehsuatuperingatandiniuntuk pasokanberasdiprovinsiDKIJakarta, apakahpasokanberasamanataupasokan berasperludiwaspadaiataupasokanberas rawan.Hasildariprakiraanhargaberas, selanjutnyadibandingkandenganrata-rata hargaberaspadabulantersebut.Dari perbandingantersebutjugadiperolehsuatu peringatandiniuntukhargaberasdi provinsiDKIJakarta,apakahhargaberas amanatauhargaberasperludiwaspadai atauhargaberasrawan.Prosespengujian padaJSTyangdihasilkan,dilakukan denganmenggunakan25datauji. Berdasarkanhasilpengujiandiperoleh tingkatakurasiJSTdalammengenalipola yang dapat dilihat pada Tabel 7. Tabel 7. Tingkat Akurasi Hasil Pengujian JST Terhadap Data Aktual 238 Jurnal Teknik Industri, ISSN:1411-6340 Jaringan Syaraf TiruanTingkat Akurasi (%) Prakiraan Pasokan Beras91.96 Prakiraan Harga Beras Muncul/ III93.05 Prakiraan Harga Beras IR 64/ III98.63 JST yang dihasilkan memiliki tingkat akurasitertentusesuaidengankeberhasilan jaringandalammengenalipola.DariTabel 6 tersebut, untuk prakiraan harga beras tipe IR64/IIIberartibahwa98.63%hasil pengujiansesuaidengandataaktualdi lapangan.Sebagaicontoh,implementasi dilakukanpadaJSTuntukmemperkirakan pasokanberasdanhargaberas.Gambar2 menunjukkan tampilan JST untuk prakiraan pasokanberasdariPIBCkeDKIJakarta, sedangkanGambar3menunjukkan tampilanJSTuntukprakiraanhargaberas tipe Muncul/ III. Tampilan gambar tersebut dihasilkan melalui proses perancangan GUI (graphicaluserinterface)dengan menggunakansoftwareMatlabversi R2009a. Gambar 2. Tampilan JST Prakiraan Pasokan Beras dari PIBC Ke DKI Jakarta Gambar 3. Tampilan JST Prakiraan Harga Beras Muncul III Rancang Bangun Model Prakiraan (Dadang Surjasa)239MenurutBadanPusatStatistik (2009),jumlahpendudukDKIJakarta adalah9.416.200orang,sehinggapada Gambar2dapatdilihatbahwahasil prakiraanpasokanberaslebihkecildari padakebutuhanberaspendudukDKI Jakartasehinggapasokanrawan.Dalam kondisisepertiitu,pihakPIBCdapat memintabantuanpihakBadanUrusan LogistikDKIJakartauntukmelakukan operasipasar.Bentukinformasitersebut dapatdipandangsebagaibentukperingatan diniuntukpasokanberas.MenurutSuku DinasKependudukandanPencatatanSipil Kota (2011), apabila jumlah penduduk DKI Jakartapadatahunyangsamaadalah 8.527.000orang,makajumlahkebutuhan beraspendudukpadaminggukelima adalah 9.526 ton dan pada minggu ke enam adalah9.527tonsehinggaperingatandini yangmunculbaikpadaminggukelima atau pada minggu ke enam adalah pasokan berasrawan.PadaGambar3,untuk prakiraanhargaberasMuncul/III, berdasarkanperhitunganpadabagian peringatan dini, untukminggu ke lima dan minggukeenamdiperolehpernyataan bahwa harga beras Muncul/III aman 5.KESIMPULANDaripenelitianini,dapatditarikdua kesimpulan berikut : 1.Modelprakiraanpasokanberas, prakiraanhargaberasMuncul/IIIdan prakiraanhargaberasIR64/IIIuntuk DKIJakartamampumemberikan informasiperingatandiniaman, waspada dan rawan. 2.Tingkat akurasi untuk model prakiraan pasokanberasadalah91.96%,tingkat akurasiuntukmodelprakiraanharga berasMuncul/IIIadalah93.05%dan tingkatakurasiuntukmodelprakiraan harga beras IR64/III adalah 98.63%. 6.DAFTAR PUSTAKA [1]BadanPusatStatistik.2009. PerkembanganBeberapaIndikator Utama Sosial-Ekonomi Indonesia.[2]Badan Pusat Statistik. 2011. Produksi PadiMenurutProvinsidalam http://www.deptan.go.id/infoeksekutif/tan/ARAM-I-2011/prod-padi.htm. Diakses tanggal 14.03 2011. [3]Gumbira-Sa'id,E.,T.Bantacut,R. Hasbullah.2007.ManajemenRantai PasokBerasdanFiturTerminal AgribisnisBiji-Bijian.Agrimedia, MajalahAgribisnis,Manajemendan Teknologi. Desember Vol.12 No.2. [4]Hasbullah,R.2007.Gerakan NasionalPenurunanSusut Pascapanen.Agrimedia,Majalah Agribisnis,Manajemendan Teknologi. Desember Vol.12 No.2. [5]Kahforoushan,E.,M.Zarif,E.B. Mashahir. 2010. Prediction of Added ValueofAgriculturalSubsections UsingArtificialNeuralNetworks: Box-JenkinsandHolt-Winters Methods.JournalofDevelopment andAgriculturalEconomicsVol. 2(4), pp. 115-121. [6]Munakata,T.2008.Fundamentalsof theNewArtificialIntelligence: Neural,Evolutionary,Fuzzyand More.SecondEdition.Springer-Verlag, London. [7]Nainggolan,K.2007.Perberasan SebagaiBagianDariKetahanan PanganNasional.Agrimedia, MajalahAgribisnis,Manajemendan Teknologi. Desember Vol.12 No.2. [8]Patuelli,R.,A.Reggiani,P. Nijkamp,U.Blien.2006.New NeuralNetworkMethodsfor ForecastingRegionalEmployment. The Tinbergen Institute, The Institute forEconomicResearchofThe ErasmusUniversiteitRotterdam, UniversiteitvanAmsterdam,and Vrije Universiteit Amsterdam. [9]Seminar,K.B.,MarimindanN. Andarwulan.2010.SistemDeteksi Dini untuk Manajemen Krisis Pangan dengan Simulasi Model Dinamik dan KomputasiCerdas.Manajemen Krisis.ISBN:978-979-493-246-5 hal. 127-162. IPB Press. Bogor. [10]Silvia,E.2007.DisainJaringan SyarafTiruanUntukPrediksi KualitasGulaKristalPutihdi Indonesia.TesisMagisterSains, ProgramStudiTeknologiIndustri Pertanian Institut Pertanian Bogor. [11]Suhardi,B.,Sutrisno.2009.Dalam http://litbang.patikab.go.id/index.php 240 Jurnal Teknik Industri, ISSN:1411-6340 ?option=com_content&view=article&id=64:dilematis-kebijakan-harga-beras-di-tingkat-petani&catid=71:dilematis-kebijakan-harga-beras-di-tingkat-petani&Itemid=109.Dilematis KebijakanHargaBerasditingkat Petani. Diakses tanggal 27.11.09. [12]SukuDinasKependudukandan PencatatanSipilKota.2011.Jumlah PendudukProvinsiDKIJakarta dalam http://www.kependudukancapil.go.id/index.php? option=com_content&view=article&id=4&Itemid=63.Diaksestanggal 10.03. 2011. Rancang Bangun Model Prakiraan (Dadang Surjasa)241STUDI KELAYAKAN INDUSTRI PENGOLAHAN ROTANDI KECAMATAN PEMATANG KARAU KABUPATEN BARITO TIMUR PROVINSI KALIMANTAN TENGAH Saputera1), Ahim S.Rusan2), Dedi Takari3), Lelo Sintani4) 1Jurusan Budidaya Pertanian, Fakultas Pertanian Universitas Palangka Raya 2,3Jurusan Ekonomi Pembangunan, Fakultas Ekonomi Universitas palangka Raya 4Jurusan Manajeman, Fakultas Ekonomi Universitas Palangka Raya ABSTRACT EastBaritoRegencyasoneoftheareasestablishedunderLawNo.5of2002,withan areadefinedareaof3834km2or383,400hectares,hasanaturalrichnessoftheforestare sufficientsothatthepotentialforthedevelopmentofrattan.Thefeasibilitystudyaimsto(1) explore the potential of data sought by cane farmers and people in some villages and districts in East Barito Regency expected to be suppliers of raw materials (suppliers) for Rattan Processing IndustryBusinessUnitnatinya,and(2)reviewedfeasibilityofdevelopingRattanProcessing IndustryBusinessUnitwhichincludesthefeasibilityof:(a)marketsandmarketing,(b) technical and technological, and (c) Financial. Financial feasibility analysis was conducted on theNPV,IRR,netB/C,PPandsensitivityanalysis(sensitivity).Basedontheresultsofthe investmentfeasibilityanalysisshowedthattherattanprocessingindustryindeveloped Bambulung feasible. This was proved by the B / C ratio> 1, positive NPV, IRR> 12%, Net Cash Flowpositiveinyear5meansPaybackPeriod1andthepaybackperiodisstill 1layak 2NPVRp. 4.581.128.722Positiflayak 3IRR45,725%> 12%layak 4Net CFRp. 63.233.837Positiflayak 5PPTahun ke-5< usia ekonomis (10 tahun)layak Sumber: Analisis Data Primer, 2010. Nilaikelayakanbesertainterpretasi yangdisajikanpadaTabel2, mengindikasikanbahwausahapabrik pengolahanrotanlayakdilaksanakan/ diusahakan(go).Penilaianinvestasi menggunakanpaybackperiodatauPeriode Pengembalianmerupakancarapenilaian investasiyangpalingsederhanadanpaling banyakdigunakan.Metodeinitidak memasukkanunsurnilaiwaktuuangdi dalamperhitungannya.Periode pengembaliandidefinisikansebagai banyaknya periode (tahun) yang diperlukan untukmenutuppengeluaraninvestasiyang dilakukan.Investasidapatdilakukanjika periodepengembalianlebihpendekdari jangkausiaekonomispabrik.Karenausia ekonomispabrikdihitungselama10tahun, danpaybackperioddapatdicapaipada tahunke-5,makainvestasiinidapatatau layakuntukdilanjutkan.Secaraterperinci penjelasankelayakanfinansialusaha industri pengolahan rotan sebagai berikut: NilaiNetPresentValue(NPV)yang dihasilkanusahapabrikpengolahanrotan adalahRp.4.581.128.722,-.NilaiNPV usahapabrikpengolahanrotanlebihbesar dari0.SesuaidengankriteriaNPVmaka usahapabrikpengolahanrotanlayakuntuk diterima.Hasilperhitungankriteria investasiuntukusahapabrikpengolahan rotanbesarnyanilaiIRRadalah45,725%. IniberartiIRRusahapabrikpengolahan rotanlebihbesardaritingkatbunga (DiscountFactor)yaitusebesar12%. Berdasarkan kriteria investasi, usaha pabrik pengolahanrotanlayakuntukditerima. Darihasilperhitungan,nilaiB/CRyang dihasilkanuntukusahapabrikpengolahan rotanadalahsebesar1,298.HasilB/CRini lebihbesardari1(B/CR1).Sesuai kriteriainvestasi,makausahapabrik pengolahanrotanlayakuntukditerima. Hasilperhitunganmenunjukkanbahwa PaybackPerioduntukusahapabrik pengolahanrotanperiodepengembalian investasi(paybackperiod)adalahTahunke-5.HasilPaybackPeriodusahapabrik pengolahanrotaninilebihsingkatdari umurekonomismesinpengolahrotan, sehinggasesuaikriteriainvestasi,maka usahapabrikpengolahanrotanlayakuntuk diterima. 4.4.Analisis Sensitivitas Analisissensitivitasdigunakanuntuk melihatkepekaanproyekterhadap penurunanhargajualprodukataukenaikan biayabahanbaku,inputdanutilitas.MenurutGrayatal,(1992),analisis sensitivitasdiperlukanuntuk mengantisipasikemungkinankesalahan dalammenilaibiayaataumanfaatserta untukmengantisipasikemungkinanterjadi perubahansuatuunsurhargapadasaat Studi Kelayakan Industri Pengolahan Rotan (Saputera)249proyektersebutdilaksanakan.Perubahan yangmungkinterjadiadalahkenaikan dalambiayakonstruksi(costoverrun), perubahandalamhargahasilproduksi, terjadipenurunanpelaksanaanpekerjaan, danlain-lain.Hasilanalisissensitivitas pendirianindustripengolahanrotan(Tabel 3). Tabel 3. Analisis Sensitivitas Pendirian Industri Pengolahan Rotan No.Kriteria Investasi Kenaikan Harga Bahan Baku, Bhn Penolong dan by angkut Penjualan 10% Harga JualTurun 8% DF Naik 5%atau DF 17% 1.NPV (Rp)3.907.033.2952.982.850.134 3.282.995.124 2.IRR (%)41,05534,723 45,726 3.B/C Ratio1,2431,194 1,249 4.PP (tahun)7 tahun9 tahun 5 Tahun Sumber: Analisis Data Primer, 2010 HasilanalisissensitivitaspadaTabel 3,diketahuikondisibiayaoperasional industripengolahanrotanlayak dikembangkan.Padakondisikenaikan hargabahanbaku,bahanpenolongdan biayaangkutpenjualansebesar10%dan penurunanhargajual8%sertadiscount factor(DF)menjadi17%,pendirianpabrik inimasihlayakdengannilaiNPVpositif, IRR lebih besar dari suku bunga Bank,B/C Rlebihdarisatu,danPaybackPeriod/PP di bawah umur ekonomis. Mengingatperhitunganyang digunakanpadaanalisisinihanya menggunakantigajenisprodukyang dihasilkan yaitu kulit, filtrit dan core, maka industriiniakanlebihefektifbila menggunakan beberapa hasil produk olahan dalambentukjadidengankombinasi beberapaprodukyangdihasilkan.Dengan demikianefesiensipenggunaantenaga kerja,prosesproduksidankapasitasmesin akandapatlebihoptimal.Padaakhirnya akanberpengaruhterhadapjangkawaktu pengembalianinvestasi(PaybackPeriod) tentunyaakanlebihcepat,sehingga keuntungan akan lebih cepat pula diperoleh. 5.KESIMPULAN Berdasarkanstudikelayakanindustri pengolahanrotandiKecamatanPematang KarauKabupatenBaritoTimurdapat disimpulkan sebagai berikut : (1)RantaipemasaranrotanrakyatdiBaritoTimurselamainiyaituhasil usaharotanrakyatdijualkepada pedagangpengumpul.Selanjutnya pedagangpengumpulmengolah sampai menjadi rotan kering kemudian dijualkewilayahKalimantanSelatan denganhargayangberfluktuasisesuai dengankondisipasardiKalimantan Selatan. (2)Berdasarkan hasil survey baik dari data sekundermaupundataprimer(hasil wawancaradankuesioner)ditemukan bahwabahanbakurotanyangadadi KabupatenBaritoTimurmampu memenuhikebutuhanindustri pengolahanrotandiBambulung KecamatanPematangKarau Kabupaten Barito Timur. (3)BerdasarkanhasilanalisisMetode PerbandinganEksponensial(MPE) sesuaibeberapakreteriakeputusan, lokasiindustripengolahanrotandi Bambulung sudah tepat. (4)Terhadapsemuamesinsudah dilakukanujicobadanternyata berfungsidenganbaikkecualimesin webbingkarenaadabagiandari peralatan mesin (sparepart) yang tidak terpasang. (5)Berdasarkanhasilanalisiskelayakan investasimenunjukkanbahwaindustri pengolahanrotandiBambulunglayak dikembangkan. Hal ini terbukti dengan nilai B/C ratio > 1, NPV positif, IRR > 12%,NetCashFlowpositifpada tahunke5berartiPaybackPeriod< usiaekonomismesin(10tahun)dan gedung (10 tahun). (6)Berdasarkanhasilanalisissensitivitas kenaikanhargabahanbaku,bahan penolongdanbiayaangkutpenjualan 250 Jurnal Teknik Industri, ISSN:1411-6340 maksimal10%,penurunan harga jual maksimal 8%, tingkat bunga (Discount Factor)naik5%,industripengolahan rotanmasihlayakuntuk dikembangkan,haliniterbuktidengan nilaiNPVpositif,IRRmelebihisuku bungaBankdanB/CRatio>1dan PaybackPeriodmasih