SKRIPSI
Oleh :
NUR KHOFIFAH
NIM. 1365009
i
HALAMAN PENGAJUAN
SKRIPSI
Diajukan kepada :
Fakultas Sains dan Teknologi
Universitas Islam Negeri Maulana Malik Ibrahim Malang
Untuk memenuhi Salah Satu Persyaratan dalam
Memperoleh Gelar Sarjana Komputer (S.Kom)
Oleh :
NUR KHOFIFAH
NIM. 13650009
ii
HALAMAN PERSETUJUAN
SKRIPSI
Oleh :
NUR KHOFIFAH
NIM. 13650009
Pembimbing I Pembimbing II
Mengetahui,
Ketua Jurusan Teknik Informatika
Fakultas Sain dan Teknologi
UIN Maulana Malik Ibrahm Malang
iii
HALAMAN PENGESAHAN
SKRIPSI
OLEH:
NUR KHOFIFAH
NIM. 13650009
Mengetahui,
Ketua Jurusan Teknik Informatika
Fakultas Sains dan Teknologi
Universitas Islam Negeri Maulana Malik Ibrahim Malang
iv
PERNYATAAN KEASLIAN TULISAN
NIM : 13650009
Rumahan Di Jombang)
terdapat unsur-unsur duplikasi karya penelitian atau karya ilmiah yang pernah
dilakukan atau dibuat oleh orang lain, kecuali yang secara tertulis dikutip dalam
naskah ini dan dissebutkan dalam sumber kutipan dan daftar pustaka. Apabila
ternyata hasil penelitian ini terbukti hasil jiplakan, maka saya bersedia menerima
Nur Khofifah
NIM. 13650009
v
MOTTO
vi
HALAMAN PERSEMBAHAN
vii
KATA PENGANTAR
Segala puji bagi Allah tuhan semesta alam, karena atas segala rahmat dah
Industri Mebel Rumahan Di Jombang)” dengan baik. Shalwat serta salam selalu
tercurah kepada tauladan terbaik Nabi Muhammad SAW yang telah membimbing
umatnya dari zaman kebodohan menuju Islam yang rahmatan lil alamiin.
Dalam penyelesaia skripsi ini, banyak pihak yang telah memberi baantuan
baik secara moril, semangat, maupun materiil. Atas segala bantuan tersebut,
penulis ingin menyampaikan doa dan ucapan terima kasih yang sedalam-
dalamnya kepada:
3. Bapak, ibuk serta keluarga yang selalu memberika doa dan dukungan yang
viii
6. Teman-teman UKM Taekwondo, Teknik Informatika, serta semua pihak
skripsi ini, untuk itu penulis menerima segala kritik dan saran dari pembaca.
Penulis
ix
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i
HALAMAN PENGAJUAN .................................................................................... ii
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ................................................................................ iv
PERNYATAAN KEASLIAN TULISAN .............................................................. v
MOTTO ................................................................................................................. vi
HALAMAN PERSEMBAHAN ........................................................................... vii
KATA PENGANTAR ......................................................................................... viii
DAFTAR ISI ........................................................................................................... x
DAFTAR GAMBAR ............................................................................................ xii
DAFTAR TABEL ................................................................................................ xiii
ABSTRAK ........................................................................................................... xiv
ABSTRACT .......................................................................................................... xv
ملخص البحث.............................................................................................................. xvi
BAB I ...................................................................................................................... 1
1.1 Latar Belakang ............................................................................................... 1
1.2 Identifikasi Masalah....................................................................................... 4
1.3 Tujuan Penelitian ........................................................................................... 5
1.4 Batasan Penelitian .......................................................................................... 5
1.5 Manfaat Penelitian ......................................................................................... 6
1.6 Sistematika Penulisan .................................................................................... 6
BAB II ..................................................................................................................... 7
2.1 Industri Mebel dan Persediaan Bahan Baku .................................................. 7
2.2 Dasar Optimasi dan Metode-Metode Optimasi ........................................... 18
2.3 Integrasi Optimasi dengan Islam ................................................................. 21
2.4 Algoritma Genetika ..................................................................................... 25
2.4.1 Komponen-Komponen Algoritma Genetika ......................................... 27
2.4.2 Algoritma Genetika untuk Masalah Optimasi ...................................... 36
2.5 Penelitian Terkait ......................................................................................... 37
BAB III ................................................................................................................. 40
3.1 Studi Literatur .............................................................................................. 40
3.2 Analisis Kebutuhan Sistem ......................................................................... 41
x
3.3 Pengumpulan Data ...................................................................................... 42
3.4 Perancangan Sistem ..................................................................................... 46
3.4.1 Desain Sistem ....................................................................................... 46
3.4.2 Algoritma Genetika .............................................................................. 48
3.5 Desain Hitung Manual................................................................................. 52
3.5.1 Pembangkitan Populasi Awal ............................................................... 52
3.5.2 Crossover .............................................................................................. 53
3.5.3 Mutasi ................................................................................................... 54
3.5.4 Menghitung Nilai Fitness ..................................................................... 55
3.5.5 Seleksi ................................................................................................... 57
BAB IV ................................................................................................................. 59
4.1 Implementasi Interface ................................................................................ 59
4.1.1 Login Page (Halaman Login) ............................................................... 59
4.1.2 Halaman Register (Daftar) .................................................................... 59
4.1.3 Halaman Utama (Beranda) ................................................................... 60
4.1.4 Halaman Analisis .................................................................................. 61
4.2 Pengujian Sistem ......................................................................................... 66
4.2.1 Persiapan Data ...................................................................................... 67
4.2.2 Hasil dan Analisa .................................................................................. 67
4.2.3 Pengujian Ukuran Populasi................................................................... 67
4.2.4 Pengujian Ukuran Crossover dan Mutasi ............................................. 69
4.2.5 Pengujian Data Produksi....................................................................... 71
4.4 Integrasi Islam ............................................................................................. 78
BAB V................................................................................................................... 81
5.1 Kesimpulan .................................................................................................. 81
5.2 Saran ............................................................................................................ 82
DAFTAR PUSTAKA .......................................................................................... 83
xi
DAFTAR GAMBAR
xii
DAFTAR TABEL
xiii
ABSTRAK
xiv
ABSTRACT
xv
ملخص البحث
خفيفة ،نور .٨١٠٢ .االستفادة المثلى من تقديرات المواد الخام لألثاث باستخدام أساليب الخوارزمية
الجينية )دراسة حالة :صناعة األثاث المنزلي في جومبانج( .أطروحة .قسم هندسة المعلوماتية بكلية العلوم
والتكنولوجيا بالجامعة اإلسالمية في موالنا مالك إبراهيم ماالنج.
تحت إشراف )٠( :فخر الكرنياوان ،الماجستير ( )٨محمد إمام الدين ،الماجستير
xvi
BAB I
PENDAHULUAN
akan kebutuhan papan itu sendiri. Kayu yang diproduksi merupakan kayu jenis
kayu bulat dan kayu gergajian. Adapun kayu bulat adalah semua kayu bulat
(gelondongan) yang ditebang atau dipanen yang bisa dijadikan sebagai bahan
merupakan kayu hasil konservasi kayu bulat dengan menggunakan mesin gergaji,
mempunyai bentuk yang teratur dengan sisi-sisi sejajar dan sudut-sudutnya siku
dengan ketebalan tidak lebih dari 6 cm dan kadar air tidak lebih dari 18 persen.
Untuk produksi kayu hutan menurut jenis produksinya selalu naik disetiap
tahunnya, seperti kayu bulat pada tahun 2014 sebanyak 44.963.529 m3 menjadi
35.290.288 m3 pada tahun 2015. Kayu lapis pada tahun 2014 sebanyak 3.579.113
m3 menjadi 3.640.631 m3 pada tahun 2015. Dan kayu gergajian pada tahun 2014
Statistik, 2015). Dari data tersebut menunjukkan bahwa kebutuhan akan kayu
memang tinggi. Dibanyak daerah banyak usaha kayu atau disebut dengan mebel.
Mebel sendiri sudah menjadi sebuah industri untuk pengolahan bahan baku kayu.
Industri mebel biasa memproduksi kayu untuk dijadikan parabot rumah tangga
seperti lemari, meja, kursi, jendela, pintu, dan banyak lainnya. Menurut Presiden
Joko Widodo ada 3 poin penting dalam industri mebel saat menghadiri peresmian
1
2
Kemayoran, Jakarta Pusat, "Industri ini menggunakan bahan baku 100% dari
Indonesia. Kedua, serap tenaga kerja banyak sekali. Ketiga, ekspor yang
menghasilkan devisa. Ini tiga hal penting di industri ini, mebel dan kerajinan.
Gede sekali".
berbagai faktor antara lain: modal, teknologi, persediaan bahan baku, persediaan
barang jadi dan tenaga kerja. Sama halnya dengan proses produksi mebel juga
kayu, jenis kayu, banyak pengarjin, permintaan pelanggan dan waktu pengerjaan.
Namun dalam menentukan jumlah bahan baku cukup sulit seiring dengan
pada fungsi bisnis terutama fungsi operasi pemasaran dan keuangan, selain itu
dalam operasi bisnis dalam pabrik (manufacturing) yaitu persediaan bahan baku,
bahan pembantu, barang dalam proses, barang jadi dan persediaan suku cadang.
bagi perusahaan, karena sering kali terjadi kesalahan dalam menentukan besarnya
penyusutan dan kualitas bahan yang tidak dapat dipertahankan, sehingga akan
baku yang terlalu kecil dalam perusahaan akan mengakibatkan kemacetan dalam
sehingga dapat menekan biaya produksi yang akan timbul atau terjadi. Secara
umum dapat dikatakan bahwa tujuan dari pengendalian adalah untuk menekan
kinerja perusahaan.
berbagai faktor yang terkait dengan persediaan. Dengan begitu perlu adanya suatu
sistem yang dapat membantu dalam mengoptimalkan kebutuhan bahan baku kayu
sistem kita akan bisa berhemat dalam segala hal antara lain energi, waktu, biaya,
sumber daya (alam maupun pekerja) dan lain-lain, tanpa mengurangi fungsi
sistem tersebut.
Salah satu metode yang digunakan untuk optimasi adalah metode Algoritma
Genetika (AG). Algoritma Genetika adalah teknik pencarian yang di dalam ilmu
Menurut Haupt dan Haupt (2004) ada beberapa hal yang termasuk kelebihan
Bersamaan pencarian dari sebuah sampling yang luas pada permukaan biaya, 4)
dengan biaya yang sangat kompleks, 6) Memberikan daftar variabel yang optimal,
perkiraan bahan baku kayu guna didapati hasil yang optimal berdasarkan data
setiap produksinya.
mebel.
Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah
Desember 2017.
daun pintu, lemari sekolah, lemari rumah tangga, kursi ruang tamu,
5. Bahan baku dan harga yang dihitung menyesuaikan jenis kayu, untuk
BAB I PENDAHULUAN
TINJAUAN PUSTAKA
Industri mebel atau industri furnitur merupakan insdustri yang mengolah dan
menggunakan bahan setengah jadi dari kayu, papan, kulit dan bahan baku alami
lainnya yang sehingga menjadi produk yang mempunyai nilai tambah dan manfaat
lebih tinggi. Produk mebel biasa kita kenal dengan perabot rumah tangga, seperti
lemari, meja, kursi, jendela dan sebagainya. Ada beberapa macam mebel yang
secara umum kita ketahui, seperti mebel yang hanya menjual produk tetapi tidak
memroduksi sendiri, ada yang menjual dan memroduksi sendiri da nada yang
sudah berupa prabik atau (manufaktur) yang lebih canggih dalam pengolahan dan
produksinya.
Kayu yang digunakan untuk mebel adalah kayu gergajian, di mana kayu
gergajian merupakan olahan dari kayu bulat (gelondong) yang kemudian digergaji
dibagi menjadi dua kelompok industri. Yang pertama industri pengolahan kayu
hulu, yaitu industri yang mengolah kayu primer atau kayu bulat/log menjadi
sortimen kayu. Yang kedua industri pengolahan kayu hilir, yaitu industri yang
yang berpotensi untuk digunakan sebagai kayu bangunan. Akan tetapi hingga saat
7
8
ini hanya sekitar 400 jenis (10%) yang memiliki nilai ekonomi dan lebih sedikit
Berikut ini adalah daftar nama-nama kayu atau kelompok kayu menurut nama
No. Nama
Nama Ilmiah Nama-nama Daerah
Perdagangan
Damar (Jw.), dama (Slw.),
damar bindang (Klm.),
1. Agatis Agathis spp.
damar sigi (Smt.). (Ingg.):
kauri pine.
Shorea spp.
(misalnya S.
Damar laut (Smt.),
materialis Ridl., S.
semantok (Aceh), amperok,
2. Balau maxwelliana King,
anggelam, selangan batu
S. scrobiculata
(Klm.)
Burck);
Parashorea spp.
Balau laut, damar laut
Shorea spp. (mis.
merah, batu tuyang, putang,
3. Balau merah S. collina Ridl., S.
lempung abang. Ingg.: red
guiso (Blanco) Bl.)
selangan.
Shorea spp. (mis.
S. kunstleri King,
S. laevis Ridley, S. Benuas, balau mata kucing,
laevifolia Endert); hulo dereh, puguh, jangkang
4. Bangkirai
Hopea spp. (mis. putih, kerangan (Smt.),
H. celebica Burck, bubuh (Bk.)
H. semicuneata
Sym.)
Araucaria spp.
(mis. A.
Alloa, ningwik, pien (Pap.).
5. Damar cunninghamii D.
Ingg.: araucaria.
Don, A. hunsteinii
K.Schum.)
6. Durian Durio spp. Durian burung, lahong,
9
Nama
No. Nama Ilmiah Nama-nama Daerah
Perdagangan
Tumu, Lenggadai, Jangkar,
Rhizophora spp. dan
1. Bakau Tanjang, Putut, Busing,
Bruguiera spp
Mata buaya
Balang, Walang, Wadang,
2. Bayur
Wayu
Octomeles sumatrana Benuang bini (Klm.),
3. Benuang
Miq. winuang (Slw.)
Adina minutiflora
Kayu lobang, Barumbung,
4. Berumbung Val.); Pertusadina
Kayu gatal
spp.
Calophyllum spp.;
mis. C. calaba L., C.
inophyllum L., C. Bintangor, penaga;
5. Bintangur papuanum Lauterb., Nyamplung; Sulatri; Bunoh,
C. pulcherrimum bintangur bunut
Wall.ex Choisy, C.
soulattri Burm.f.
6. Bipa Pterygota spp. Kayu wipa
Serianthes minahassae
Merr. & Perry (Syn. Rayango, Merang,
7. Bowoi
Albizia minahasae Terangkuse
Koord.)
Koordersiodendron
8. Bugis Grepau
pinnatum Merr.
9. Cenge Mastixia rostrata BI. Cenge, Cingo
Duabanga moluccana Benuang laki, Takir, Aras,
10. Duabanga
BI. Raju mas
Eucalyptus spp.; mis.
Kayu putih; Leda, aren
E. alba Reinw.ex Bl.,
11. Ekaliptus (Mlku.), tampai; Ampupu
E. deglupta Bl., E.
(Timor),
urophylla S.T. Blake
12. Gelam Melaleuca spp. Kayu putih
13. Gempol Nauclea spp. Wosen, Klepu pasir, Anggrit
14. Gopasa Vitex spp. Teraut, Laban
Cratoxylum spp.; mis.
Gerunggang/Deru C. arborescens (Vahl) Madang baro; Mampat,
15.
m Bl., C. cochinchinense butun; kemutul, temau; edat
(Lour.) Bl.
Anthocephalus spp. Kelampayan (Mly.), laran
16. Jabon
(A. chinensis (Lamk.) (Klm.), semama (Amb.).
13
Han.
Tetramerista glabra Kayu malaka (Smt.), cerega
38. Punak
Miq. (Klm.)
Schima spp.; terutama Seru (Jw.), simartolu (Smt.),
39. Puspa
S. wallichii Korth. madang gatal (Klm.)
Gluta aptera (King)
40. Rengas Rengas tembaga, Rangas
Ding Hou
Castanopsis argentea Sarangan (Jw.), ki hiur
41. Saninten
A. DC. (Sd.), kalimorot
Paraserianthes Jeungjing, Tawa kase, Sika
42. Sengon
falcataria (L) Nielsen (Maluku)
Berrya cordofolia
43. Sepat Waru gunung, Kalong
Roxb.
Endospermum spp.;
mis. E. diadenum Sendok-sendok, kayu labuh
(Miq.) Airy Shaw, E. (Smt.), kayu bulan (Mly.),
44. Sesendok
moluccanum (T & B) garung (Klm.); Kayu raja
Kurz, E. peltatum (Mlku.)
Merr.
Dillenia spp.; mis. D.
grandifolia Wall., D.
45. Simpur Sempur, segel, janti, dongi
obovata Hoogl., D.
pentagyna Roxb.
46. Surian Toona sureni Merr. Suren, kalantas
Fagraea spp.; mis. F.
Tomasu (Smt.), kulaki
47. Tembesu fragrans Roxb., F.
(Slw.), malbira, ki tandu
sororia J.J. Sm.
48. Tempinis Sloetia elongata Kds. Damuli, Kayu besi
Banitan, Pemelesian, Kayu
Polyalthia glauca
49. Tepis tinyang, Kayu bulan, Banet,
Boerl.
Kayu kalet
Buku ongko, Pejatai, Purut
50. Tenggayun Parartocarpus spp.
bulu
Cempedak, Kulur, Tara,
51. Terap Artocarpus spp.
Teureup
Campnosperma spp.;
mis. C. auriculatum
52. Terentang (Bl.) Hook.f., C. Tumbus (Smt.), pauh lebi
brevipetiolatum
Volkens, dll.
Pauhan, Antumbus,
53. Terentang ayam Buchanania spp.
Talantang
54. T u s a m Pinus spp. Pinus, Damar batu, Uyam
15
meliputi barang-barang milik perusahaan dengan maksud untuk dijual dalam suatu
pengerjaan atau proses produksi, ataupun persediaan bahan baku yang menunggu
tujuan di dalam suatu operasi perusahaan, menurut Barry Render dan Jay Haizer
biaya produk.
tidak tepat.
Dilihat dari fungsi persediaan itu sendiri, menurut Sofjan Assauri (2004),
b. Fluctuation Stock
c. Anticipation Stock
segala biaya yang timbul sebagai akibat dari diadakannya persediaan. Dalam hal
jumlahnya berubah dengan perubahan waktu atau titik pemesanan serta jumlah
pesanan. Apabila terdapat biaya yang harus dibayar untuk pengadaan persediaan,
tetapi jumlahnya tidak dipengaruhi oleh aturan kerja (waktu pemesanan dan
persediaan bahan baku, persediaan bahan setengah jadi dan persediaan barang
biaya yang timbul akibat dari adanya persediaan tersebut. Adapun biaya-biaya
tersebut adalah:
cost adalah biaya untuk mempersiapkan mesin atau proses produksi untuk
prinsip, setup cost adalah order cost pada saat bahan telah/sedang
diproses. Pada banyak kasus, setup cost sangat berkorelasi dengan setup
time (setup time dapat dieliminasi dengan inovasi mesin dan perbaikan
c. Stock out cost, adalah kerugian akibat demand tidak terpenuhi pada periode
pengendalian persediaan yang jarak waktu antar dua pesanan adalah tetap.
meredam fluktuasi permintaan selama lead time, tetapi juga untuk seluruh
konsumsi persediaan.
Optimasi adalah salah satu disiplin ilmu dalam matematika yang fokus untuk
mendapatkan nilai minimum atau maksimum secara sistematis dari suatu fungsi,
peluang, maupun pencarian nilai lainnya dalam berbagai kasus. Optimasi juga
dapat diartikan sebagai suatu bentuk mengoptimalkan sesuatu hal yang sudah ada,
19
ataupun merancang dan membuat sesusatu secara optimal (nilai efektif yang dapat
dicapai). Optimasi dalam matematika dasar sering dikaitkan dalam pencarian nilai
yang tertinggi atau nilai yang terendah bahkan niali yang terbaik dari suatu
usaha secara efektif dan efisien untuk mencapai target hasil yang diinginkan.
Tentunya hal ini sangat sesuai dengan prisnsip ekonomi yang menekan
Pada kasus produksi barang, optimasi bahan baku akan memberikan pengaruh
1. Mengidentifikasi masalah
2. Memilih tujuan
3. Mendefinisi sistem
algoritmanya. Algortima tersebut harus bisa memilih salah satu solusi terbaik dari
Greddy, Dinamic Programming, dan Monte Carlo. Setiap metode memiliki sifat
dan ciri yang berbeda-beda misalnya metode Brute Force memiliki sifat optimal
akan tetapi lama dalam waktu running, Greddy memiliki sifat cepat tapi kurang
optimal, Dinamic Programming memiliki sifat optimal dan cukup cepat dalam
running, sedangkan Monte Carlo memiliki sifat mendekati optimal dan cepat.
algoritma ini yaitu bagaiman proses evolusi dapat terjadi pada mahluk hidup.
Yang menganggap bahwa hasil setiap evolusi itu menjadi lebih baik dan optimal.
Particel Swarm Optimization, Ant Colony Optimization, dan Artificial Bee Colony
Optimization.
terinspirasi dari suatu mekanisme dalam ilmu biologi tentang mutasi, pindah
silang (crossover), seleksi alam, dan kelangsungan hidup. Dan yang termasuk
Islam membawa manusia untuk berlaku adil dan tak melampaui batas. Karena
segala sesuatu yang melampaui batas itu buruk. Allah Swt. berfirman dalam surat
hal itu mereka menjadi orang yang serupa dengan syaitan. Ibnu Mas’ud
mengatakan: “Tabdzir ialah infak yang tidak pada tempatnya.” Demikian pula
sesuatu guna mencapai hasil yang menguntungkan dan yang terbaik. Dalam
dan waktu yang paling optimal. Artinya, untuk proses produksi, bahan baku tidak
terjadi penimbunan bahan baku atau kurang bahan baku. Bahan baku juga harus
dipilih dan dipilah agar hasil produksi memiliki mutu yang bagus dan terbaik. Dan
22
kita sebagai muslim yang berakal hendaknya memilih sesuatu hal yang paling
ٓ ٓ
َّٱللُ َّ َوأ ُ ْو َٰلَئِ َك َّ ُه ۡم ََّ سنَ ٓهَّۥُ َّأ ُ ْو َٰ َلئِ َك َّٱلذ
َّ َّ ِين َّ َهدَ َٰى ُه ُم ََّ ِين َّ َي ۡستَ ِمعُونَ َّ ۡٱلقَ ۡو
َ ل َّفَ َيت ِبعُونَ َّأ َ ۡح ََّ ٱلذ
ََّّ٨١َّب َِّ َأ ُ ْولُواَّْ ۡٱۡل َ ۡل َٰب
diberi Allah petunjuk”, yaitu orang-orang yang telah diberi petunjuk oleh Allah di
dunia dan di akhirat. Mereka adalah yang mempunyai akal sehat dan fitrah yang
lurus (Ibnu Katsir, 2003). Jelas kita sebagai mahluk Allah yang telah diberikan
kesitimewaan berupa akal, hendaklah kita menjadi manusia yang tidak berbuat
rusak terhadap sesama, dan terlebih bumi tempat kita tinggal. Bukankah, orang
yang berakal itu ialah orang yang bisa membedakan yang baik dan yang buruk.
Untuk itu hendaklah kita tidak serta-merta merusak Bumi ini. Seperti halnya
Khususnya bencana alam seperti yang sering kita jumpai, tanah longsor, banjir,
dan lain-lain.
menjaga dan melestarikan lingkungan. Terlebih lagi kita masuk di mana planet
global adalah meningkatnya suhu rata-rata atmosfer, laut, dan daratan bumi. Salah
satu penyebab terjadinya hal ini karena aktivitas manusia. Aktivitas-aktivitas itu
menyebabkan efek rumah kaca yang berlebihan sehingga berdampak buruk bagi
23
bumi. Di sini sebagai umat manusia, khususnya muslim yang berakal sehat dan
mendatangkan bencana alam, yang tidak lain merupakan akibat dari kemunkaran
sikap manusia. Dari bencana-bencana itu, hendaknya kita semakin sadar dan
ilmu pengetahuan, manusia sudah mempunyai cara atau pencegahan dalam hal-hal
yang sekiranya merugikan seperti di atas. Misal, dalam industri mebel dan jual
beli kayu. Pemerintah sudah menyediakan badan atau lembaga seperti Perhutani
belikan melalui proses penebangan yang legal dan resmi. Kayu-kayu tersebut
memiliki surat izin tersendiri. Dan untuk menanggulangi kayu yang telah ditebang
tersebut, maka Perhutani juga melakukan tanam pohon kembali atau lebih dikenal
dengan reboisasi. Sama seperti kita menanam padi di sawah, padi yang sudah siap
untuk dipanen kita panen, yang selanjutnya kita tanami lagi sawah dengan padi
Dalam Islam juga banyak anjuran untuk kita melestarikan alam. Para ahli ilmu
dan ulama mengatakan sedekah jariyah memiliki berbagai bentuk dan cara.
atau tanaman pangan dan lain-lain. Seperti dalam hadis Rasulullah SAW.,
bersabda:
24
ُ ُ ْأ،ي،ز ْرعًا ف، ر ُع، ْز، ْر ًسا أَ ْو ي، ْغ ِر ُس غ، ما ِم ْن ُم ْس ِ ٍِل ي،
، ِ ٌةَمي،سان أَ ْو ب، ْ ط ْْي أَ ْو إن، ُك ِمنْ ُه
ِ
، ق،صد، َُل ِب ِه، ن، َك، إ اَّل
ِ
“Tak ada seorang muslim yang menanam pohon atau tanaman, lalu burung
memakannya atau manusia atau hewan, kecuali ia akan mendapatkan sedekah
karenanya” (HR. Bukhori dan Muslim).
Hadis di atas menjelaskan bahwa, jika ada seorang muslim yang menanam
pohon atau tanaman, kemudian apa yang ditanam tadi dimakan manusia atau
hewan sekalipun, sudah termasuk bentuk sedekah. Dan manusia yang menanam
akan mendapat pahala sedekah darinya. Hal ini menunjukkan bahwa Allah adalah
tersebut kalau kita umpamakan dalam kehidupan dapat berupa petani yang
kembali juga dapat kita kategorikan ke dalam hadis di atas. Reboisasi merupakan
upaya dan usaha kita dalam menjaga, melestarikan lingkungan dan untuk
SAW.,
ْْ َ، ْْ َ، ْْ،ا ف،َس، ْغ ِر، ح اَّت ي، م، ُقو، َّل ي، ع َأ ْن، طا، ت، ا ْن ْإس،ََل ف، ِس،ح ِد ُ ُْك ف، َ ِد َأ، و ِب، ُ ،إلساع
ا م ْت، ا،إ ْن ق
ِ ِ
“Jika hari kiamat telah tegak, sedang ditangan seorang diantara kalian
terdapat bibit pohon korma; jika ia mampu untuk tidak berdiri sampai ia
menanamnya, maka lakukanlah” (HR. Ahmad).
Hadis di atas juga sudah jelas bahwa menanam pohon, biji dan lainnya
merupakan amal saleh dan bentuk kepedulian kita untuk bumi. Sebagai manusia
Sudah banyak kampanye-kampanye atau gerakan tentang One Man One Tree
25
artinya satu orang menanam (paling sedikit) satu pohon. Gerakan semacam ini
Dalam hal ini proses optimasi memiliki esensi yang sama, yaitu dengan
sesuai dengan aturan-aturan yang telah ada. Melalui optimasi ini diharapkan agar
pada tahun 1970-an di New York, Amerika Serikat. John Holland beserta murid-
murid dan teman kerjanya berhasil membuat buku berjudul "Adaption in Natural
and Artificial Systems" pada tahun 1975. Melalui sebuah penelitian dan
berdasarkan pada mekanisme seleksi alam dan genetik alam. Algoritma Genetika
adalah simulasi dari proses evolusi Darwin dan operasi genetika atas kromosom.
yang didasarkan pada mekanisme seleksi alamiah dan genetika alamiah. Pada
mendapatkan nilai-nilai parameter yang optimal pada JST (jaringan syaraf tiruan)
Terdapat dua istilah biologi yang sudah tidak asing lagi didengar dalam teori
1. Seleksi Alamiah
pendek akan mati. Dalam hal ini, jerapah berleher panjang dikatakan
2. Genetika Alamiah
spesies) hidup, bereproduksi, dan mati dalam suatu area yang disebut
dengan populasi.
pada nilai fungsi tujuan, tidak ada pemakaian gradient atau teknik
kalkulus.
27
seleksi orang tua, pindah silang (crossover), mutasi, etilisme (untuk AG berjenis
1. Skema Pengkodean
1.
3. Nilai Fitness
maksimasi), maka nilai fitness yang digunkan adalah nilai dari fungsi
semakin kecil nilai h semakin besar nilai f. tetapi fungsi ini akan
5. Pindah Silang
acak.
dua kromosom ditukar pada titik pindah silang yang dipilih. Titik
pindah silang adalah titik terjadinya pertukaran gen antar dua individu
31
solusi.
6. Mutasi
berubah.
33
Mutasi pada tingkat gen: semua bit dalam satu gen akan
Prosedur mutasi sangat sederhana. Untuk semua gen yang ada, jika
biasanya pmut sebesar ini berarti mutasi hanya terjadi sekitar satu gen
7. Elitisme
evolusi, perlu dibuat satu atau dua kopinya. Prosedur ini dikenal
generational replacement.
8. Pengganti Populasi
memiliki nilai fitnass yang lebih baik daripada salah satu atau
keragaman.
9. Kriteria Penghentian
menjadi sebuah fungsi, maka kita dapat dengan mudah menyelesaikan masalah-
keuntungan penjualan dua buah produk. Kedua produk harus diproduksi antara 3
kerugian, produk ke-2 harus tetap diproduksi agar produk ke-1 tetap laku di
pasaran. Berapa jumlah produk ke-1 dan ke-2 yang harus diproduksi untuk
Pada interval tersebut, fungsi h mencapai maksimum, yakni bernilai 24, pada saat
dan
37
menjadi sebuah individu (satu individu mneyatakan satu solusi). Untuk mencari
nilai dari variabel dan perlu mengkodekan kedua variabel tersebut menjadi
sebuah individu. Ada banyak cara untuk mempresentasikan solusi ke dalam suatu
menghasilkan satu individu dengan satu kromosom yang berisi dua gen
dan masing-masing gen berisi satu nilai (bilangan real, desimal, atau
Misalkan menggunakan cara kedua, pada skema real number encoding, setiap
individu memiliki dua kromosom yang setiap kromosom berisi satu gen yang
dikodekan dalam satu bilangan real. Pada skema descrete decimal encoding,
dua gen yang dikodekan sebagai dua bilangan bualat dalam interval [0,9].
Sedangakan pada skema binary encoding, setiap individu memiliki dua kromosom
biner.
berbagai penelitian. Seperti dalam penelitian Fan-Hsun Tseng dan Xiaofei Wang
38
memperkirakan kebutuhan sumber daya slot waktu berikutnya sesuai dengan data
historis di slot waktu sebelumnya. Penelitan tersebut mencapai hasil bahwa solusi
optimal untuk prediksi sumber daya di bawah stabil, dan tidak stabil yang
untuk perancangan jalur udara tak berawak atau unnamed aerial vehicle (UAV).
mengevalusi distribusi sumber ancaman di wilayah misi (Jinghua Li, 2017). Hasil
algoritma perencanaan jalan dengan mencari jalur yang lebih pendek dengan
biaya lebih rendah dan mengurangi terjadinya jalan memutar secara efektif.
Wang, 2017). Hasil penelitian disajikan pada beberapa tolak ukur yang
(LDPC). LDPC dianggap sebagai pertukaran yang masuk akal antara kerumitan
dan keandalan komputasi. Dalam penelitian ini algoritma optimasi kode LDPC
node dan memeriksa kelainan derajat distribusi. Hasil dari penelitian ini
39
menunjukkan hasil sesuai yang diinginkan tapi dengan biaya yang cukup mahal
dan lebih model yang kompleks. Dari berbagai contoh penelitian yang ada
METODE PENELITIAN
Pada bab ini akan dijelaskan tentang beberapa hal, yaitu tahapan penelitian
yang akan dilakukan, kebutuhan sistem yang akan dibuat dan penyelesaian
3.1.
40
41
Industri mebel
Dasar optimasi
Algoritma genetika
Penelitian Terkait
akan dibuat, yang meliputi perangkat lunak (software) serta perangkat keras
(hardware). Berikut ini merupakan penjelasan dari perangkat lunak dan perangkat
PHP
Xampp v3.2.2
RAM 4 GB
Monitor 14 inc
Metode pengumpulan data dalam penelitian ini dilakukan dengan cara berikut:
Wawancara (Interview)
Data primer merupakan data yang diperoleh dari pengamatan yang dilakukan
secara langsung. Data ini didapatkan melalui wawancara dengan pihak pengusaha
mebel tersebut.
Data yang akan diolah merupakan data primer yang diambil langsung dari
Selanjutnya data yang akan digunakan merupakan data produk dari mebel dan
data permintaan pembeli. Data yang akan dihitung adalah data permintaan
pembeli setiap bulannya, dimulai dari bulan Januari – Desember tahun 2017.
Adapun data yang dibutuhkan adalah jenis produk, biaya produk per item,
harga jual per item, laba penjualan per item, jumlah permintaan terendah, jumlah
permintaan tertinggi, harga bahan baku, dan maksimal biaya produksi yang
disediakan dalam satu bulan. Jumlah permintaan terendah dan jumlah permintaan
tertinggi akan digunakan sebagai batasan mengacak nilai gen dalam kromosom.
43
Data lain yang harus diperhitungkan adalah maksimal biaya produksi dalam satu
bulan. Data maksimal biaya prosukdi diperukan agar solusi yang dihasilkan
Data yang dibutuhkan pada proses optimasi bahan baku mebel menggunakan
Rp50,000,000
Maret 240
Rp30,000,000
April 180
Rp30,000,000
Mei 180
Rp80,000,000
Juni 400
Rp100,000,000
Juli 570
Rp86,000,000
Agustus 550
Rp70,000,000
September 370
Rp50,000,000
Oktober 240
1 5 1 424.5 212.25 2
2 4 1 450 150 2
3 4 1 590.6 196.8667 2
4 1 3 372 124 1
5 1 3 439.2 146.4 1
6 1 2 780 260 3
7 1 1 60.48 30.24 1
8 4 1 100 50 1
Tabel 3. 3 Tabel Permintaan Pembeli Bulan Januari – Juni 2017
44
Tabel 3. 4 Tabel Permintaan Pembeli Bulan Juli – Desember 2017
45
46
Berikut adalah rancangan desain sistem yang akan dibuat dalam penelitian
ini:
Dari desain sistem di atas (gambar 3.2) menggambarkan alur sistem dalam
garis besarnya. Dalam sistem yang akan dibangun, input yang digunakan adalah
data permintaan mebel dengan format atau tamplate yang telah disediakan seperti
tabel 3.3 dan tabel 3.4. Kemudian data tersebut diolah melalui serangkaian proses
secara acak dua individu dari populasi awal untuk dijadikan parent dalam proses
(orang tua) dan offspring mutasi hampir sama dengan proses crossover, yaitu
dengan memilih secara acak satu individu dari populasi awal. Kemudian nilai satu
didapatkan hasil proses crossover dan mutasi, semua populasi atau individu
tersebut. Yaitu dengan mengurutkan nilai fitness dari nilai terbesar. Individu yang
mempunyai nilai fitness terbesar adalah solusi terbaik yang dihasilkan dari metode
Algoritma Genetika.
bahan baku per produk, dan dashboard atau visualisasi dari rekomendasi tadi.
48
a. Desain Kromosom
yakni setiap gen berupa deretan bilangan bulat atau integer. Representasi ini
dipilih karena setiap gen dalam kromosom mewakili jumlah item yang akan
diproduksi dalam waktu satu bulan dan angka dapat berulang dalam satu
individu.
jenis produk.
a2: Kusen
a8: Jendela
49
b. Desain Fitness
nilai fitness individu tersebut. Jika dalam produksi mebel terjadi kekurangan
bahan baku produksi maka akan menjadi kendala atau penghambat dalam
berikut:
Kendala 1:
(1)
Kendala 2:
a1 + a2 + a3 + a4 + a5 + a6 + a7 + a8 ≤ banyak produksi
(2)
Keterangan:
bulan yang dimiliki usaha mebel Sekar Jaya untuk produksi semua jenis
produksi.
Nilai 550 pada kendala 2 merupakan batas maksimal produksi per bulan.
Maka fungsi fitness dapat dicari dengan menurangi total yang didapatkan
Keterangan:
maka nilai fitness akan memiliki nilai = f(x1, x2) atau sama dengan modal.
Jadi seberapa besarpun nilai M yang digunkan, jika nilai C1+C2 = 0, maka
cara membagi hasil pengurangan total laba dan total pinalti dengan
menggunakan angka yang cukup besar. Dengan tujuan agar nilai fitness yang
didapat tidak terlalu besar. Angka pembagi yang digunakan adalah 1000000.
(4)
berikut ini:
(5)
(6)
52
menggunakan data produksi dari mebel UD. Sekar Jaya bulan Agustus 2017.
Modal = 50000000
Populasi =3
Crossover = 0.5
Mutasi = 0.5
Jumlah iterasi =2
produk mebel. Rentang pembangkitan gen dalam individu ditunjukkan pada tabel
berikut:
Gen 3 (a3) 60 80
Gen 4 (a4) 10 30
Gen 5 (a5) 20 40
Gen 6 (a6) 3 10
Gen 7 (a7) 40 70
Gen 8 (a8) 30 50
Individu A1 A2 A3 A4 A5 A6 A7 A8
P1 122 48 80 13 28 9 46 41
P2 53 58 45 26 36 9 39 35
P3 125 67 77 14 35 5 43 40
3.5.2 Crossover
crossover, dimana dilakukan dengan memilih dua induk (parent) secara acak dari
populasi. Misalkan, setelah dipilih dua individu acak terpilih P1 dan P2 sebagai
didapatkan dari parameter populasi dan crossover. Yaitu nilai populasi dikalikan
P1 [122, 48, 80, 13, 28, 9, 46, 41] X P2 [53, 58, 45, 26, 36, 9, 39, 35]
Nilia alpha dibangkitkan secara acak, misal didapatkan nilai alpha [0.5, 0.24,
1, -0.2, -0.25, 0.8, 1, 0.01]. Maka, gen pertama pada offsring C1 dapat dihitung
sebagai berikut:
A1 C1= 174
yang sama dilakukan perhitugan terhadap A2C1, A3C1, A4C1, A5C1, A26C1, A7C1,
dan A8C1.
PARENT OFFSPRING A1 A2 A3 A4 A5 A6 A7 A8
C1 88 50 45 10 26 9 39 41
P1 >< P2
C2 88 56 80 29 38 9 46 35
3.5.3 Mutasi
mutasi sama seperti proses offspring pada crossover. Nilai dari parameter populasi
terbentuk [P1, P2, P3]. Misal yang terpilih adalah populasi P2, selanjutnya dipilih
titik acak antara rentang 1 sampai 8. Misalkan terpilih indek 2 untuk offspring
yang pertama dan terpilih indek ke 7 untuk offspring yang kedua. Maka nilai gen
55
pada indek 2 dan indek 7 dibangkitkan secara acak sesuai dengan rentang masing-
masing gen. Maka, hasil mutasi ditunjukkan seperti pada tabel berikut:
P2 M1 53 30 45 26 36 9 39 35
M2 53 58 45 26 36 9 60 35
pada desain fitness yang telah dibahas pada subbab sebelumnya. Maka tahap-
Dari tabel populasi awal diketahui nilai individu P1 adalah [122, 48, 80, 13,
28, 9, 46, 41]. Maka perhitungan nilai fitness dapat dilakukan dengan langkah
sebagai berikut:
1. Nilai C1
Jika kondisi benar (true) maka C1 sama dengan 0. Jika kondisi bernilai salah
.
56
2. Nilai C2
nilai C1, yang pertama kali dilakukan yakni mencari nilai kebenaran dari
. Jika kondisi
bernilai benar (true), maka C2 sama dengan 0. Dan jika kondisi bernilai salah
122+48+80+13+28+9+46+41 = 387
Karena 387≤350 bernilai salah, maka sama dengan persamaan di bawah ini:
Sehingga 387-
Total laba didapatkan dari perkalian antara jumlah item yang diproduksi dengan
laba per item. Maka total laba individu P1 dapat dihitung sebagai berikut:
57
78180000
3.5.5 Seleksi
individu yang memiliki nilai fitness terbaik. setelah didapatkan hasil seperti pada
Dari hasil pengurutan di atas, diambil individu dengan nilai fitness teratas.
Maka populasi yang memiliki nilai fitness terbaik yaitu populasi M3 dengan nilai
(beranda).
Apabila seorang pengguna baru yang belum mempunyai akun, maka perlu
klik menu Register yang ada pada halaman Login di bawah tombol login.
Kemudian, isi data sesuai formulir yang ada pada halaman register.
59
60
maka secara langsung akun baru tersebut akan masuk ke halaman beranda dan
Pada halaman utama terdapat beberapa fitur atau menu untuk melakukan
optimasi. Menu-menu tersebut terletak pada bar navigasi (navbar) sebelah kiri
halaman, yang meliputi beranda dan menu analisis. Menu analisis merupakan
drop down menu, dimana ia memiliki dua sub menu lain yaitu Tambah Analisis
Pada halaman ini terdapat dua sub menu yaitu halamn Tambah Analisis, dan
List Analisis. Di Halaman ini berisi tentang proses optimasi, di mana terdapat
1. Tambah Analisis
2. List Analisis
File Upload
Untuk mengisi ini, pengguna harus melakukan proses ungah data produk
jenis produk, biaya prosuksi, harga jual, laba, permintaan terendah, dan
permintaan tertinggi. Dan format excel data produk seperti gambar berikut.
Modal
Banyak Produksi
Jumlah Iterasi
Popsize (Populasi)
Crossover
Mutasi
Setelah form analisis terisi, selanjutnya data akan tersimpan pada halaman list
analisis.
Analisis. Kemudian hasil dari algoritma genetika akan muncul seperti berikut.
64
65
halaman List Analisis klik tombol Detail Produk. Pengguna dapat melakukan edit
produk.
Pengujian dalam program optimasi ini ada tiga tahap yaitu 1) Pengujian dengan
dengan data produksi mebel sehingga dapat diketahui perkiraan kebutuhan bahan
Pada tahap ini data yang digunakan adalah data yang diperoleh dari hasil
permintaan peembeli yang berasal dari mebel UD. Sekar Jaya, terhitung dari bulan
Januari 2017 - Desember 2017. Data dapat dilihat pada bab 3 sub bab
pengumpulan data.
Pada proses pengujian sistem akan dibagi beberapa uji coba, yang pertama
yaitu dilakukan pengujian dari beberapa parameter seperti banyaknya populasi, uji
coba kombinasi crossover dan mutasi dan terakhir pengujian pada seluruh data
nilai fitness yang tinggi. Ukuran populasi yang diujikan adalah kelipatan 10, mulai
dari 10, 20, 30, 40, 50, 60, 70, 80, 90 terakhir 100 populasi. Data produksi yang
digunakan untuk pengujian adalah data produksi mebel UD. Sekar Jaya bulan
Modal = 60000000
68
Iteras =2
Crossover = 0.2
Mutasi = 0.3
populasi Fitness
10 -0.17
20 -0.15
30 -0.18
40 -0.19
50 -0.19
60 -0.14
70 -0.18
80 -0.14
90 -0.14
100 -0.09
Dari tabel 4.1 dan gambar grafik di atas diperoleh hasil sebagai berikut:
Dan dari grafik dapat dilihat dengan jelas nilai fitness yang didapatkan naik
turun. Hal ini menjelaskan bahwa ukuran populasi memengaruhi nilai fitness yang
dihasilkan. Ukuran populasi juga berpengaruh dalam proses running sistem. Nilai
fitness terendah terdapat pada banyak populasi 40 dan 50 dengan fitness sebesar -
0.19. Sedangkan nilai fitness yang optimal terdapat dalam ukuran populasi 100
dengan fitness sebesar -0.09. Dari sini dapat disimpulkan juga semakin besar
Setelah diketahui ukuran populasi yang optimal adalah 100 populasi dari
atau terbaik dengan menguji parameter crossover dan mutasi. Ukuran crossover
70
dan mutasi yang digunakan antara 0-1 (silang) dan ukuran 0.1-1 (sejajar). Dengan
Modal = 60000000
Iteras =2
Populasi = 100
1 0 -0.15
nilai fitness yang didapat adalah -0.08. Sedangkan nilai fitness terbesar yaitu -0.18
Data yang diujikan dalam pengujian produksi ini adalah data produksi dari
mebel UD. Sekar Jaya sejumlah dua belas data dalam format Excel. Dengan
72
yaitu pengujian ukuran populasi dan pengujian nilai crossover dan mutasi. Hasil
perkiraan bahan baku terbaik disetiap bulannya. Dengan banyaknya unit produk
Lemari Kursi
Bangku Daun Lemari Meja
Bulan Kusen Rumah Ruang Jendela Total Laba Fitness
Sekolah Pintu Sekolah Guru
Tangga Tamu
Januari 54 23 49 6 6 10 24 36 37,965,000 -0.04
Februari 44 20 30 5 0 2 25 43 23,375,000 0.06
Maret 20 43 42 6 6 0 31 15 29,675,000 0.06
April 0 48 45 0 9 2 0 27 21,110,000 -0.02
Mei 29 34 36 0 2 5 0 25 14,355,000 -0.09
Juni 80 51 61 32 10 15 29 47 65,045,000 -0.32
Juli 160 65 83 25 33 11 56 56 98,115,000 -0.6
Agustus 51 52 61 22 27 5 66 41 84,480,000 -0.09
September 93 48 60 20 13 4 58 17 60,830,000 -0.27
Oktober 25 38 42 0 15 0 0 46 27,705,000 0.11
November 86 42 45 20 17 0 20 50 48,835,000 -0.1
Desember 81 35 30 13 6 12 17 20 36,815,000 -0.08
73
74
Keterangan:
354 batang dengan total laba sebesar Rp.37.965.000 dan perolehan nilai
267 batang dengan total laba sebesar Rp.23.375.000 dan perolehan nilai
268 batang dengan total laba sebesar Rp.29.675.000 dan perolehan nilai
Di bulan April total rekomendasi perkiraan bahan baku kayu sebanyak 228
batang dengan total laba sebesar Rp.21.110.000 dan perolehan nilai fitness
Di bulan Mei total rekomendasi perkiraan bahan baku kayu sebanyak 240
batang dengan total laba sebesar Rp.14.355.000 dan perolehan nilai fitness
Di bulan Juni total rekomendasi perkiraan bahan baku kayu sebanyak 547
batang dengan total laba sebesar Rp.65.045.000 dan perolehan nilai fitness
batang 819 dengan total laba sebesar Rp.98.115.000 dan perolehan nilai
499 batang dengan total laba sebesar Rp.84.480.000 dan perolehan nilai
217 batang dengan total laba sebesar Rp.27.705.000 dan perolehan nilai
kebutuhan
Januari Februari Maret April Mei Juni
kayu
Jenis Produksi
(loging) Uni kayu uni kayu uni kayu Uni kayu uni kayu uni kayu
t (log) t (log) t (log) t (log) t (log) t (log)
Paket bangku
2 54 108 44 88 20 40 0 0 29 58 80 160
sekolah
Kusen 2 23 46 20 40 43 86 48 96 34 68 51 102
Daun pintu 2 49 98 30 60 42 84 45 90 36 72 61 122
Lemari sekolah 1 6 6 5 5 6 6 0 0 0 0 32 32
Lemari rumah
1 6 6 0 0 6 6 9 9 2 2 10 10
tangga
Kursi ruang tamu 3 10 30 2 6 0 0 2 6 5 15 15 45
Meja guru 1 24 24 25 25 31 31 0 0 0 0 29 29
Jendela 1 36 36 43 43 15 15 27 27 25 25 47 47
Total 354 267 268 228 240 547
76
Tabel 4. 5 Tabel Hasil Optimasi Bulan Juli – Agustus 2017
kebutuhan
Juli Agustus September Oktober November Desember
kayu
Jenis Produksi
(loging) uni kayu uni kayu uni kayu Uni kayu uni kayu uni kayu
t (log) t (log) t (log) t (log) t (log) t (log)
Paket bangku 16
2 320 51 102 93 186 25 50 86 172 81 162
sekolah 0
Kusen 2 65 130 52 104 48 96 38 76 42 84 35 70
Daun pintu 2 83 166 61 122 60 120 42 84 45 90 30 60
Lemari sekolah 1 25 25 22 22 20 20 0 0 20 20 13 13
Lemari rumah
1 33 33 27 27 13 13 15 15 17 17 6 6
tangga
Kursi ruang tamu 3 11 33 5 15 4 12 0 0 0 0 12 36
Meja guru 1 56 56 66 66 58 58 0 0 20 20 17 17
Jendela 1 56 56 41 41 17 17 46 46 50 50 20 20
Total 819 499 522 271 453 384
77
78
Dari tabel 4.4 dan 4.5 dapat dilihat hasil rekomendasi kebutuhan bahan
baku mebel setiap produk. Rekomendasi bahan baku kayu terbesar terjadi pada
bulan Juli dengan hasil keseluruhan sebanyak 819 batang kayu. Sedangkan
rekomendasi bahan baku kayu terkecil terjadi pada bulan April dengan total
keseluruhan 228 batang kayu. Dari perhitungan optimasi di atas dapat diketahui
bahwa setidaknya dalam kurun waktu satu bulan mebel UD. Sekar Jaya dapat
menggunakan 2 sampai 5 kubik kayu. Dengan estimasi kayu satu panjang (p),
pembulatan ke atas maka hasil satu kubik kayu sama dengan 133 batang kayu.
antara Islam dengan Sains yakni optimasi itu sendiri pada sub bab 2.3. Dalam
Islam kelak di hari akhir (hari kiamat) manusia akan dibangkitkan kembali dan
perbuatan selama di Bumi atau yang disebut Yaumul Mizan. Allah telah banyak
menunjukkan tentang adanya Mizan dalam Al-Quran salah satunya dalam firman
pada hari Kiamat kelak. Pendapat terbanyak menyatakan bahwa timbangan itu
yang akan ditimbang di dalamnya (Ibnu Katsir, 2003). Maka, pada hari itu, tidak
akan ada seorang pun yang dicurangi dengan pengurangan kebaikannya atau
penghitung, maka tak seorang pun akan dirugikan. Ayat ini mengisyaratkan
betapa ringannya biji sawi (khardzal) itu. Melalui penelitian dapat diketahui
bahwa satu kilogram biji sawi terdiri atas 913.000 butir. Dengan demikian, berat
satu butir biji sawi hanya sekitar satu per seribu gram, atau ± 1 mg, dan
Oleh karena itu, biji ini sering digunakan untuk menimbang berat yang sangat
Timbangan amal ini dapat kita umpamakan seperti petani yang menanam padi
di sawah. Dapat diketahui apakah petani itu merawat atau membiarkan padi yang
dengan kualitas dan kuantitas padi-padi tadi. Dari situ, dapat diketahui apakah
padi tersebut dirawat dengan baik seperti diberi pupuk secara berkala, dicabut
rumput atau gulma yang mengganggu pertumbuhan padi, bahkan apakah padi
dibiarkan sampai akhirnya dapat dipanen. Sama dengan kehidupan kita, apakah
kita menjaga diri kita dari perbuatan kufur, dan munkar atau membiarkan hidup
kita kalah dengan nafsu dan godaan-godaan. Entah, kita meninggal sebelum atau
80
bertepatan hari kiamat. Segala amal perbuatan manusia yang dilakukan selama di
Allah yang maha bijaksana lagi maha penyanyang telah memberikan kita
berbagai petunjuk baik di dalam al Quran, hadis, ijma’ dll. Agar kita khususnya
kita bisa terlepas dari hitung-menghitung, dan Allah telah menyiapkan para
Malaikat untuk mencatat dan menghitung sekecil dan sehalus apapun amal kita.
Yang kelak menjadi sebuah balasan baik (surga) dan buruk (neraka). Sama halnya
pada penelitian ini, dalam berdagang khususnya usaha mebel juga memerlukan
inventori. Dengan sangat hati-hati dan teliti diharapakan program ini dapat
PENUTUP
5.1 Kesimpulan
Program optimasi perkiraan bahan baku mebel dapat berjalan sesuai dengan
satu bulan dengan format file Excel sesuai dengan tamplate yang disediakan.
nilai fitness. Dari ketiga pengujian mendapatkan nilai fitness yang optimal pada
ukuran populasi = 100, crossover = 0.3, dan mutasi = 0.3. Pada pengujian data
permintaan UD. Sekar Jaya menghasilkan nilai fitness paling besar di bulan
Oktober 2017 dengan nilai fitness 0.11. Dan rekomendasi perkiraan bahan baku
menujukkan sebanyak 819 batang kayu, atau sekitar membutuhkan 6 kubik kayu
untuk produksi dalam bulan tersebut dengan perkiraan total laba terbesar yaitu
Rp98.115.000.
81
82
5.2 Saran
memperbaiki penelitian ini untuk penelitian selanjutnya agar hasil menjadi lebih
seperti, jenis kayu yang akan digunakan dalam produksi agar diperoleh hasil
2. Proses crossover, mutasi, dan seleksi yang digunakan dalam penelitian ini
dan solusi.
DAFTAR PUSTAKA
https://alamendah.org/2009/11/05/gerakan-one-man-one-tree/
Amirzadeh, A., Taieb, M. H., & Chouinard, J.-Y. (2017). On the Design of Good
Optimization. IEEE.
Badan Pusat Statistik. 2015. Produksi Kayu Hutan Menurut Jenis Produksi (m3).
Gen, M., & Cheng, R. (2000). Genetic Algorithm ang Engineering Optimization.
Haupt, Rendy L., & Haupt, Sue Ellen. (2004). Practical Genetic Algorithms
Jordan, Ray. 3 Poin Penting Industri Mebel dan Kerajinan Menurut Jokowi. 26
industri-mebel-dan-kerajinan-menurut-jokowi
Katsir, Ibnu. (2003). Tafsir Ibnu Katsir Jilid 5. Terjemahan oleh Ghoffar, M.
Katsir, Ibnu. (2003). Tafsir Ibnu Katsir Jilid 7. Terjemahan oleh Ghoffar, M.
83
84
Kumar, S., Meenu, & Satsangi, P. S. (2012). A Genetic Algorithm Approach for
Li, J., Huang, Y., Xu, Z., Wang, J., & Chen, M. (2017). Path Planning of UAV
Mahmudy, W., Marian, R., & Luong, L. (2013). Optimization of Part Type
Salemba Empat.
Shihab, M. Quraish. (2002). Tafsir Al Misbah (Pesan, Kesan dan Keserasian al-
Soerianegara, I., & Lemmens. (2002). Sumber Daya Nabati Asia Tenggara 5(1):
Tseng, F.-H., Wang, X., & Chou, L.-D. (2017). Dynamic Resource Prediction and
Allocation for Cloud Data Center Using the Multiobjective Genetic Algorithm.
IEEE.
Wang, D., Wan, S., Zhang, Y., & Guizani, N. (2017). Design of Improved
Probability Neural Network Classifiers for Medical Decision Making with the Aid