PERANCANGAN PERHITUNGAN PERSENTASE PEKERJAAN
REPARASI KAPAL MENGGUNAKAN FUZZY LOGIC
－Studi Kasus di PT. Meranti Nusa Bahari－
Designing of Percentage Calculation for Ship Repair using Fuzzy logic
Luh Putri Adnyani 1), Raka Whibiseno 1)
1) Institut Teknologi Kalimantan, Balikpapan
Email : luhputria@itk.ac.id
Diterima : 02 Mei 2019; Direvisi : 08 Juli 2019; Disetujui: 11 Juli 2019
Abstrak
Pada pekerjaan reparasi kapal, lingkup pekerjaan dituangkan dalam work order atau repair list, yang disepakati oleh pihak pemilik kapal dan galangan kapal. Sistem pembayaran biasanya didasarkan pada persentase kemajuan pekerjaan, sebagaimana tertuang pada dokumen kontrak atau Surat Perintah Kerja (SPK). Galangan di Indonesia umumnya menggunakan metode konvensional yang dapat menimbulkan perbedaan pendapat antara pihak pemilik kapal dan galangan. Divisi PPIC PT. Meranti Nusa Bahari merancang metode untuk menghitung persentase pekerjaan dengan hasil yang transparan. Pada penelitian ini dilakukan perancangan metode yang memiliki hasil transparan dan berbentuk sederhana dengan menggabungkan metode konvensional dengan metode PPIC PT. Meranti Nusa Bahari. Perancangan metode perhitungan persentase pekerjaan ini dilakukan pada studi kasus pekerjaan reparasi BG. Merry. Metode ini dirancang dengan menulis program sesuai dengan perhitungan persentase yang dirancang oleh divisi PPIC PT. Meranti Nusa Bahari dan disusun secara sederhana seperti metode konvensional dengan menggunakan fuzzy logic. Fuzzy logic merupakan metode pemrograman untuk melakukan analisa pada suatu data dengan memproses data atau nilai-nilai yang rumit dan mengubahnya menjadi kesimpulan atau output yang mudah diterima dan ditafsirkan manusia. Simulasi perhitungan persentase pekerjaan dilakukan pada nilai 25 persen. Hasil perbandingan persentase pekerjaan metode rancangan PPIC PT. Meranti Nusa Bahari, metode konvensional dan metode fuzzy logic adalah: 25,32 persen, 28,10 persen dan 25,54 persen. Dari penelitian didapatkan bahwa metode perhitungan persentase yang dirancang menggunakan fuzzy logic dapat menghasilkan nilai persentase yang transparan dan berbentuk sederhana.
Kata kunci : reparasi kapal, kemajuan pekerjaan, metode rancangan PPIC, fuzzy logic
Abstract
In ship repair, the scope of work is stated in a work order or repair list, agreed upon by the ship owner and shipyard. The payment system is usually based on the percentage of work progress, as stated in the contract document or work order. Shipyards in Indonesia generally use conventional methods that can lead the differences of opinion between the owner and the shipyard. PPIC Division in PT. Meranti Nusa Bahari designed a method to calculate the percentage of work with more transparent results. In this research, a method that has transparent and simple form is done by combining conventional and PPIC method. The design of the percentage calculation method of this work was carried out in the case study of BG Merry’s repair. This method is designed by writing a program in accordance with the percentage calculation designed by the PPIC division of PT. Meranti Nusa Bahari and arranged in a simple
manner as a conventional method using fuzzy logic. Fuzzy logic is a programming method for analyzing data by processing complex data or values and turning them into conclusions or output that are easily accepted and interpreted by humans. Simulation calculation of the percentage of work was carried out at a value of 25 percent. The results for the comparison from the percentage of PPIC division of PT. Meranti Nusa Bahari design methods, conventional methods and fuzzy logic methods are 25.32 percent, 28.10 percent and 25.54 percent, respectively. From the research, it was found that the percentage calculation method using fuzzy logic can produce a percentage value that is more transparent and simpler.
Keywords : ship repair, progress of work, PPIC design method, fuzzy logic
PENDAHULUAN
Aktivitas perbaikan kapal dibedakan menjadi tiga jenis, antara lain: pemeriksaan dan layanan rutin yang dapat dilakukan oleh staf kapal dan tidak mengharuskan kapal itu masuk ke galangan; pemeliharaan skala menengah yang mengharuskan kapal berlabuh di pelabuhan untuk melakukan pemeliharaan; dan pemeliharaan menyeluruh yang membutuhkan galangan kapal (Deris dkk., 1999).
Reparasi kapal di galangan memiliki item-item pekerjaan yang ditulis di dalam work order (Wireman, 2010). Jumlah item pekerjaan selesai berpengaruh pada nilai persentase kemajuan pekerjaan, nilai ini berdampak pada pekerjaan reparasi karena berkaitan dengan pembayaran (Epstein, 2009). Galangan kapal yang berukuran menengah ke bawah di Indonesia umumnya menggunakan asumsi dan engineering judgement ketika menentukan persentase kemajuan pekerjaan. Asumsi persentase kemajuan pekerjaan yang dibuat dengan asumsi, cenderung bersifat subjektif dan dapat menimbulkan perbedaan pendapat yang dapat merugikan pihak galangan atau pihak pemilik kapal.
Pihak galangan membutuhkan metode perhitungan persentase yang menunjukan kemajuan pekerjaan sesuai dengan lapangan. Hal ini dilakukan untuk menghindari kerugian yang dapat terjadi pada pihak-pihak terkait. Divisi Production Planning and Inventory Control (PPIC) PT. Meranti Nusa Bahari telah membuat suatu metode perhitungan persentase kemajuan pekerjaan yang nilai persentasenya berdasarkan pada pembobotan harga item pekerjaan dan sesuai dengan yang terjadi di lapangan dan dibuat dengan terperinci menggunakan banyak item (PT Meranti Nusa Bahari, 2016). Sebelum adanya metode PPIC, PT. Meranti Nusa Bahari menggunakan metode konvensional dengan engineering judgement yang bersifat subjektif dan seringkali kurang tepat sehingga memiliki dampak merugikan salah satu pihak. Di sisi lain, metode konvensional memiliki kelebihan yaitu sederhana, mudah diterima dan dipahami.
Sebagian besar penelitian menonjolkan pendekatan deterministik, sementara masalah penjadwalan personil berhubungan dengan berbagai sumber ketidakpastian (Bergh dkk., 2013). Oleh karena itu, perlu ada simulasi perilaku stokastik dari beberapa komponen masalah dan mengembangkan algoritma yang memungkinkan penjadwalan ulang berdasarkan informasi baru. Karena itu, diusulkan model optimasi berdasarkan metode PPIC dan dengan melihat kemudahan yang dimiliki metode konvensional untuk menghitung persentase pekerjaan perbaikan kapal.
Fuzzy logic merupakan metode pemrograman untuk melakukan analisa pada suatu data dengan memproses data atau nilai-nilai yang rumit dan mengubahnya menjadi kesimpulan atau output yang mudah diterima dan ditafsirkan manusia (Sivanandam dkk., 2006).
Penelitian dilakukan pada studi kasus pekerjaan reparasi BG. Merry yang dilakukan di PT. Meranti Nusa Bahari. Hal ini dilakukan untuk membantu proses penulisan program dengan berdasarkan pada metode yang telah dirancang oleh divisi PPIC PT. Meranti Nusa Bahari.
TINJAUAN PUSTAKA
Salah satu metode yang digunakan untuk mengukur dan mengkomunikasikan progres kinerja suatu proyek adalah metode earned value management (EVM). Variabel penting dalam metodologi ini adalah waktu (schedule), biaya (cost) dan pekerjaan (work) (Wahyuni dan Bambang, 2018). Metode lain yang biasanya digunakan untuk penentuan jadwal, salah satunya merupakan jadwal reparasi kapal, adalah critical path method atau metode jalur kritis. Jalur kritis mempunyai arti penting dalam suatu proyek karena kegiatan-kegiatan yang melewati jalur kritis diusahakan tidak mengalami kelambatan penyelesaian (Olivia dkk., 2015).
Fuzzy logic banyak digunakan dalam penentuan jadwal reparasi kapal. Dasar pemilihan metode fuzzy yakni menjabarkan permasalahan samar-samar, ambigu, fleksibel dan memiliki toleransi terhadap data-data yang tidak tepat. (Firstdhitama dkk., 2018).
Fuzzy logic inference process merupakan serangkaian proses yang terdapat dalam model fuzzy inference system dan merupakan proses formulasi dan pemetaan suatu input menjadi output. Fuzzy Inference System (FIS) adalah komponen yang membentuk fuzzy output dari input fuzzy set yang dihubungkan dengan rules yang telah dibuat (Cordon dkk., 2001). Untuk membentuk suatu fuzzy logic inference process dibutuhkan input dan rules atau aturan. Komponen ini dibentuk di dalam fuzzy inference system yang terdiri dari lima tahapan kerja atau parameter yaitu :
• Fuzzification
Fuzzification merupakan tahapan di mana data-data himpunan crisp ditafsirkan menjadi bagian-bagian dari membership function pada fuzzy sets. Himpunan crisp merupakan bentuk himpunan yang sederhana dan biasa dikenal dengan himpunan yang menyatakan sesuatu dalam angka 1 atau 0, ya atau tidak, besar atau kecil dan sebagainya (Sivanandam dkk., 2006). Dalam proses fuzzification, data-data himpunan crisp harus ditafsirkan menjadi membership function. Ada beberapa jenis membership function diantaranya seperti trapezoid, triangular, gaussians, sigmoidal, Z-shape dan masih banyak lagi.
• Fuzzy Operator
Setelah proses fuzzification, masing-masing bagian dari input sudah ditafsirkan dan diletakkan sesuai dengan membership function-nya masing-masing. Jika anteseden aturan tertentu memiliki lebih dari satu bagian, fuzzy operator diterapkan untuk mendapatkan satu nilai yang mewakili hasil dari anteseden tertentu untuk aturan tersebut, jumlah ini kemudian diterapkan pada fungsi output. Input ke fuzzy operator dilakukan dengan dua atau lebih nilai membership function dari variabel-variabel fuzzified input. Sedangkan output-nya adalah nilai kebenaran yang tunggal (Sumathi dan Paneerselvam, 2010).
• Implication Method
Sebelum menetapkan implication method, aturan-aturan yang ada pada FIS, harus diberikan nilai bobot dari 0 hingga 1. Setelah bobot yang tepat telah ditetapkan untuk setiap aturan, implication method dapat diimplementasikan. Fuzzy set diwakili oleh membership function. Nilai bobot yang ditentukan akan menggambarkan karakteristik dari fuzzy set itu sendiri. Implication method dapat diimplementasikan untuk setiap aturan. Implication method memiliki fungsi yang sama dengan AND method yaitu min (minimum), yang merupakan metode yang memotong output fuzzy set, dan prod (produk) yang melakukan penyekalaan pada output fuzzy set (Sumathi dan Paneerselvam, 2010).
• Aggregation
Segala bentuk output yang dikeluarkan oleh fuzzy logic bergantung pada susunan aturan atau rules yang telah dibuat, aturan-aturan ini harus disusun agar fuzzy dapat mengeluarkan output. Aggregation merupakan proses penggabungan dan penyusunan semua fuzzy set dari setiap aturan menjadi satu fuzzy set. Aggregation dilakukan hanya sekali dari setiap output yang dikeluarkan, input untuk aggregation adalah daftar fungsi output yang telah diproses pada langkah implication. Aggregation dapat menggunakan metode kerja maximum, probabilistic dan penjumlahan (Sivanandam dkk., 2006).
• Defuzzification
Input dari defuzzification adalah fuzzy set yang telah diagregasi atau telah melewati proses aggregation, output dari defuzzification adalah angka atau output yang sebenarnya. Defuzzification adalah proses pengambilan keputusan. Proses aggregation memberikan fuzzy set dalam banyak bentuk nilai output, karena itu perlu dilakukan defuzzification untuk mengambil satu bentuk nilai output. Ada lima metode defuzzification yang umum digunakan seperti centroid, bisector, largest of maximum, smallest of maksimum, dan middle of maximum (Siddique dan Adeli, 2013).
METODE PENELITIAN
Diagram alir penelitian dapat dilihat pada diagram alir Gambar 1, dengan membuat serangkaian sistem fuzzy logic yang digunakan untuk menentukan persentase progres pekerjaan reparasi pada kapal studi kasus yaitu BG. Merry. Sistem ini kemudian dapat digunakan sebagai metode baru untuk melakukan perhitungan persentase pekerjaan reparasi kapal.
Tahapan awal untuk memulai penelitian ini adalah dengan melakukan studi literatur dan mengumpulkan data-data yang dibutuhkan dalam menunjang penelitian. Data yang diperoleh didapat dari PT. Meranti Nusa Bahari adalah work order reparasi BG. Merry, metode konvensional PT. Meranti Nusa Bahari dan metode PPIC PT. Meranti Nusa Bahari.
Langkah selanjutnya adalah menyusun fuzzy logic melalui proses formulasi dan pemetaan data yang didapat menjadi fuzzy set input, fuzzy set output dan rules. Model-sistem fuzzy logic yang digunakan adalah Mamdani-system. Kelebihan dari Mamdani-system adalah sistem ini mudah diterima dan dioperasikan manusia, memiliki jangkauan yang sangat luas dan fleksibel serta memiliki sifat mudah ditafsirkan (Trillas dkk., 2012). Selanjutnya adalah melakukan penyusunan FIS yang membentuk fuzzy set output dari fuzzy set input yang dihubungkan dengan rules yang telah dibuat.
Penyusunan FIS dimulai dengan melakukan pendefinisian data secara objektif dan menentukan kriteria kontrol.
FIS dibuat dengan menentukan lima parameter, yaitu fuzzification, fuzzy operator, implication method, aggregation dan deffuzification (Sumathi dan Paneerselvam, 2010).
Pada penelitian ini fuzzy operator menggunakan “and method” tipe “minimum” dan untuk “or method” digunakan tipe “maximum”. Implication method yang digunakan adalah “minimum”, aggregation menggunakan “sum” atau penjumlahan dan deffuzification menggunakan ”middle of maximum”. Setelah proses penyusunan fuzzy logic selesai,
selanjutnya adalah melakukan simulasi pada perhitungan persentase pekerjaan dengan fuzzy logic sampai hasil perhitungannya menunjukkan hasil yang sesuai dengan yang terjadi di lapangan. Terakhir adalah membandingkan masing-masing hasil dari ketiga metode.
HASIL DAN PEMBAHASAN
Penyusunan Fuzzy Logic
Hasil dari penelitian ini adalah metode perhitungan persentase pekerjaan reparasi kapal yang disusun dengan fuzzy logic. Penyusunan fuzzy logic berdasar pada pekerjaan reparasi BG, Merry. Item pekerjaan terbagi menjadi tujuh item utama. Tujuh item ini kemudian ditulis sebagai fuzzy inference system yang membentuk variabel-variabel untuk menghitung persentase pekerjaan pada reparasi BG. Merry. Item-item ini antara lain pelayanan umum, perawatan badan kapal, replating, tangki-tangki, perlengkapan lambung, jangkar serta perlengkapannya dan laporan pengedokan (PT. Meranti Nusa Bahari, 2016).
Bobot setiap item pekerjaan ditulis sesuai dengan bobot setiap item pekerjaan reparasi BG. Merry, agar tidak mengurangi tingkat ketepatan metode perhitungan dengan menggunakan fuzzy logic. Input nilai yang digunakan pada metode fuzzy logic adalah nilai satuan pekerjaan sesuai dengan work order reparasi BG. Merry agar metode perhitungan dengan menggunakan fuzzy logic tetap bersifat realistis.
Penyusunan data yang ditulis dalam fuzzy inference system dilakukan dengan software Matlab dan menggunakan fuzzy logic designer. Langkah-langkah untuk melakukan penulisan dan penyusunan fuzzy inference system ditunjukan di dalam diagram alir pada Gambar 2.
Gambar 3 adalah salah satu metode untuk melakukan fuzzification.
Perbedaan antara hasil perhitungan persentase dengan metode fuzzy logic yang disusun berdasarkan metode rancangan PPIC PT Meranti Nusa Bahari perlu dibandingkan dengan metode konvensional. Studi kasus dilakukan pada saat persentase seluruh pekerjaan reparasi BG. Merry selesai 25% dari 100%.
Pelayanan umum terdiri dari pekerjaan docking, launching, asistensi tali-temali, asistensi mooring boat, pemasangan ganjal, penyewaan dok, dan penggunaan alat angkat yang memiliki bobot 4,41% dapat dilihat pada Gambar 4.
FIS pelayanan umum ditulis dalam empat bagian, menggunakan dua fuzzy set input yaitu persentase pekerjaan docking dan persentase pekerjaan launching. Fuzzy set input ini menggunakan membership function tipe gauss dan ditulis dalam bentuk persentase pekerjaan yang dibagi menjadi empat membership function yaitu 25%, 50%, 75%, dan 100% dan fuzzy set output ditulis dalam bentuk yang sama dengan fuzzy set input.
Item pekerjaan FIS pelayanan umum ditulis tidak serinci seperti metode rancangan PPIC, tetapi penyusunan ini diharapkan menjadi lebih sederhana dibandingkan metode rancangan PPIC. Sesuai dengan metode rancangan PPIC yang dijadikan acuan, progres docking telah selesai di hari pertama, maka pada input “progress docking” ditulis 100% dan pada “ganjal” ditulis dengan input (1). Persentase 25% dicapai pada hari ke-11 pekerjaan, hari ke-11 ditulis kedalam input FIS penyewaan dok dan penggunaan alat angkat.
Sedangkan FIS penyewaan dok dan FIS penggunaan alat angkat ditulis dan disusun secara terpisah dengan input berbentuk hari. Aturan atau rules disusun dan ditulis dengan formulasi jika FIS persentase pekerjaan docking adalah 25% dan FIS persentase pekerjaan launching adalah 25%, maka persentase pelayanan umum adalah 25%. Jika FIS persentase pekerjaan docking adalah 50% dan FIS persentase pekerjaan launching adalah 50%, maka persentase pelayanan umum adalah 50%, aturan ini juga berlaku untuk persentase pekerjaan 75% dan 100%.
Perawatan badan kapal terdiri dari scraping, sandblasting, cuci air tawar, pengecatan dan pemasangan zink/anti karat baru. Bobotnya adalah 24,16% dan diperlihatkan pada Gambar 5.
Seluruh membership function pada fuzzy set input dan fuzzy set output FIS yang ada pada perawatan badan kapal menggunakan membership function tipe gauss dan dibagi menjadi empat bagian yaitu 25%, 50%, 75% dan 100%. FIS perawatan badan kapal menggunakan input dengan satuan luas area yang telah selesai dalam m2 dan jumlah zink yang terpasang. Semua rules pada FIS disusun apabila perawatan badan kapal selesai 25%, maka persentase pekerjaan badan kapal adalah 25%, aturan ini ditulis dan disusun serupa untuk 50%, 75% dan 100%.
FIS perawatan badan kapal disusun dan ditulis serupa dengan metode rancangan PPIC. Scrapping diselesaikan pada hari ke-8, input yang ditulis adalah 2281 dari 2281 m2, nilai ini berasal dari satuan pekerjaan yang didapat dari work order. Untuk sandblasting yang telah dikerjakan adalah 25% sandblasting bottom sampai waterline, 25% dari 2282 m2 adalah 570,25 m2. Sandblasting topside telah dikerjakan sebanyak 4% dari 1174 m2 yaitu 47 m2. Cuci air tawar diselesaikan pada hari ke-8 dan ditulis 3455 m2 sesuai satuan yang ada di work order.
Salah satu pekerjaan pengecatan dilakukan pada hari ke-12 dan selesai 25%, pekerjaan ini adalah pengecatan primer bagian bawah air, 22,5% dari 2281 m2 adalah 513,225 m2.
Replating merupakan salah satu item utama dalam proses reparasi kapal dengan bobot 64.56% seperti pada Gambar 6.
Berdasarkan pada metode acuan rancangan PPIC, replating telah selesai 30,17% saat persentase pekerjaan mencapai nilai 25%. Pada item pekerjaan replating, input yang ditulis pada metode perhitungan fuzzy logic adalah 30,17%. Pekerjaan replating BG. Merry dibagi menjadi dua bagian pekerjaan, replating hull dan bottom serta replating sideboard. penulisan dan penyusunan FIS ditulis dalam 1 FIS dan menggabungkan kedua item replating. Satuan input yang digunakan pada FIS replating ditulis dalam persen, satuan persen ini digunakan untuk mempermudah penilaian persentase pekerjaan replating secara langsung. Fuzzy set input dan fuzzy set output FIS ini menggunakan membership function tipe gauss dan ditulis dalam persentase yang dibagi menjadi empat. Rules ditulis dan disusun apabila replating selesai 25%, maka persentase pekerjaan replating adalah 25%, aturan ini ditulis dan disusun serupa untuk 50%, 75% dan 100%.
Item perlengkapan lambung adalah pekerjaan pemasangan fender, disusun seperti Gambar 7. Setelah melakukan perhitungan menggunakan metode fuzzy logic dengan input yang sama dengan metode lainnya, didapatkan persentase sebesar 25,54%.
FIS perlengkapan lambung menggunakan membership function tipe gauss dan ditulis dalam persentase yang dibagi menjadi empat. Input yang digunakan FIS perlengkapan lambung adalah jumlah ban dapra yang telah dipasang. Fuzzy set output FIS perlengkapan lambung ditulis seperti fuzzy set input, dan aturan yang ditulis adalah apabila fender dipasang adalah 25%, maka persentase pekerjaan perlengkapan lambung adalah 25%, aturan ini ditulis dan disusun serupa untuk 50%, 75% dan 100%.
Item pekerjaan jangkar dan perlengkapannya adalah pekerjaan untuk mengganti jangkar kapal disusun seperti pada Gambar 7, item pekerjaan ini memiliki bobot 0.46%.
FIS ini menggunakan membership function tipe gauss dan dibagi menjadi empat bagian. Input yang digunakan pada FIS ini adalah “jangkar terpasang” (1) dan “jangkar belum terpasang” (0), fuzzy set output ditulis serupa dengan fuzzy set input-nya. Penulisan aturannya adalah apabila kemajuan pemasangan jangkar adalah 25%, maka persentase pekerjaan jangkar dan perlengkapannya adalah 25%, aturan ini ditulis dan disusun serupa untuk 50%, 75% dan 100%. Setelah melakukan perhitungan menggunakan metode fuzzy logic dengan input yang sama dengan metode lainnya, didapatkan persentase sebesar 25,54%.
Pembuatan laporan adalah item terakhir dan disusun seperti Gambar 7, laporan berfungsi memberikan informasi mengenai hal-hal penting mengenai kapal selama kapal dalam masa reparasi, pembuatan laporan ini memiliki bobot sebesar 0,09%. FIS laporan pengedokan ini menggunakan membership function tipe gauss dan ditulis dalam persentase sama seperti fuzzy set output. Aturan atau rules pada FIS ini ditulis apabila kemajuan pembuatan laporan adalah 25%, maka persentase pembuatan laporan adalah 25%, aturan ini ditulis dan disusun serupa untuk 50%, 75% dan 100%.
Manhole, pembersihan tangki dan pembersihan dek merupakan bagian dari pekerjaan tangki-tangki, ditulis sebagai FIS pekerjaan tangki-tangki dapat dilihat pada Gambar 8. Item pekerjaan tangki-tangki memiliki bobot sebesar 5,45%.
Fuzzy set input dan fuzzy set output FIS tangki-tangki menggunakan membership function tipe gauss dan ditulis dalam bentuk persentase. FIS manhole ditulis secara khusus dengan membaginya menjadi “membuka manhole”, “mengganti packing manhole”, “menutup manhole” dan “penyemenan manhole”, FIS manhole menggunakan satuan input jumlah manhole yang telah dikerjakan. Rules ditulis dan disusun apabila item pekerjaan tangki-tangki selesai 25%, maka persentase pekerjaan tangki-tangki adalah 25%, aturan ini ditulis dan disusun serupa untuk 50%, 75% dan 100%. Untuk item pekerjaan tangki-tangki, dari hari pertama sampai hari ke-11 reparasi BG. Merry, semua manhole telah dibuka dan dek telah dibersihkan.
Perbandingan Perhitungan Persentase Pekerjaan Masing-masing Metode
Pada penelitian ini, perbandingan hasil perhitungan persentase pekerjaan setiap metode dibandingkan pada hasil 25%, di hari ke-11 pekerjaan reparasi BG. Merry.
Berdasarkan hasil persentase pada Tabel 1, dapat diketahui bahwa nilai persentase hasil perhitungan metode konvensional memiliki hasil yang terbesar dibandingkan dengan 2 metode yang lain. Perbedaan ini disebabkan karena pembobotan nilai setiap item pekerjaan pada metode perhitungan konvensional merupakan nilai-nilai yang dihasilkan dari asumsi. Asumsi setiap orang berbeda-beda, dan setiap penentuan progres pekerjaan harus dirapatkan dengan galangan dan pemilik kapal. Perbedaan inilah yang sering menimbulkan permasalahan dalam perhitungan persentase pekerjaan bila menggunakan metode konvensional. Nilai-nilai yang ditulis pada metode konvensional tidak dapat dibuktikan sepenuhnya, perundingan perlu dilakukan untuk menyatukan asumsi bahwa nilai yang diambil adalah benar.
Pada metode dengan menggunakan fuzzy logic, penulisan item pekerjaan pelayanan umum pada item asistensi mooring boat, asistensi tali-temali dan pemasangan ganjal ditulis di FIS docking dan launching. Hal ini dilakukan karena sesuai dengan yang terjadi di lapangan, item pekerjaan asistensi mooring boat, asistensi tali-temali dan pemasangan ganjal hanya dilakukan pada saat kapal docking atau launching. Sedangkan untuk item sewa sandar dan inventory ditiadakan untuk menyerdehanakan metode fuzzy logic.
Item pekerjaan perawatan badan kapal memiliki perbedaan hasil perhitungan persentase dikarenakan adanya perbedaan nilai input yang dituliskan ke dalam masing-masing metode. Input yang digunakan pada metode rancangan PPIC adalah dalam bentuk persentase, sedangkan input yang digunakan pada metode fuzzy logic adalah dalam bentuk satuan pekerjaan sebenarnya. Dalam kasus perawatan badan kapal, satuan pekerjaan yang digunakan adalah luas permukaan dalam m2.
Karena metode rancangan PPIC digunakan sebagai acuan, nilai persentase pekerjaan yang telah selesai pada item-item tertentu kemudian dikonversi ke satuan pekerjaannya lalu ditulis ke dalam metode fuzzy logic. Fuzzy logic melakukan pemrosesan data dan menghasilkan nilai persentase hasil olahan yang berbeda dengan hasil persentase dari metode rancangan PPIC. Hasil perhitungan persentase pada item pekerjaan replating berbeda dikarenakan penggunaan implication method, aggregation method dan defuzzification method pada FIS replating. Metode ini melakukan pemotongan atau pembulatan nilai apabila nilai tersebut berada pada area-area tertentu.
Dari ketiga metode yang sudah dibandingkan, dapat dilihat bahwa metode perhitungan persentase yang dirancang menggunakan fuzzy logic memberikan hasil perhitungan yang dapat dibuktikan dandioperasikan dengan waktu yang lebih singkat. Dibandingkan dengan metode konvensional yang hasil perhitungan persentasenya menggunakan engineering judgement yang dapat menimbulkan pertanyaan dan ketidakpuasan. Metode fuzzy logic dapat memberikan hasil yang terukur secara kuantitatif dan objektif sehingga persentase pekerjaan yang didapatkan merupakan hasil yang dapat disetujui pihak pemilik kapal dan pihak galangan.
Namun fuzzy logic merupakan pendekatan algoritma yang masih memasukkan faktor ketidakpastian. Oleh karena itu, faktor-faktor dan variabel yang dimasukkan ke dalam algoritma fuzzy logic perlu didefinisikan terlebih dahulu dengan tepat dan dibutuhkan sebuah validasi ketika sebuah algoritma sudah dibuat.
KESIMPULAN
Fuzzy logic dapat ditulis dan disusun untuk diaplikasikan sebagai metode perhitungan persentase pekerjaan reparasi kapal. Penyusunan dan penulisan metode fuzzy logic menggunakan input yang sama dengan kondisi di lapangan yang terhitung kuantitatifdan menggunakan penulisan serta penyusunan yang sesuai dengan work order reparasi BG. Merry.
Hasil perbandingan persentase pekerjaan metode rancangan PPIC PT. Meranti Nusa Bahari, metode konvensional dan metode fuzzy logic adalah 25,32%, 28,10% dan 25,54%. Dari analisis hasil perbandingan ketiga metode, terlihat bahwa metode yang disusun dengan fuzzy logic dapat memberikan hasil perhitungan yang transparan dan tepat seperti metode rancangan PPIC PT. Meranti Nusa Bahari sehingga tidak ada perbedaan pendapat persentase pekerjaan antara pihak pemilik kapal dan pihak galangan serta berbentuk sederhana seperti metode konvensional.
DAFTAR PUSTAKA
Bergh, J. V. D., Beliën, J., Bruecker, P. D., Demeulemeester, E. Dan Boeck, L. D. (2013). Personnel Scheduling : A Literature Review. European Journal of Operational Research, Vol. 226 (3) : 367–385.
Cordon, O., Herrera, F., Hoffman, F. dan Magdalena, L. (2001). Genetic Fuzzy Systems : Evolutionary Tuning and Learning of Fuzzy Knowledge Bases. Singapore: World Scientific.
Deris, S., Omatu, S., Ohta, H., Kutar, S. dan Samat, P. A. (1999). Ship Maintenance Scheduling by Genetic Algorithm and Constraint-Based Reasoning. European Journal of Operational Research, Vol. 112 (3) : 489–502.
Epstein, B. J., Nach, R. dan Bragg, S. M. (2009). Wiley GAAP 2010: Interpretation and Application of Generally Accepted Accounting Principles. New Jersey: John Wiley & Sons.
Firstdhitama, W., Ma’ruf, B. dan Suastika, I. K. (2018). Perencanaan Penjadwalan Reparasi Kapal Ferry dengan menggunakan Metode Flash . Jurnal Wave, Vol 12 (1): 1-12.
Olivia, D., Afma, V. M. dan Anna, B. (2015). Rancangan Perbaikan Penjadwalan Proyek Pembangunan Kapal Tug Boat 42 m dengan Critical Path Method pada PT. Batam Expresindo Shipyard. Profisiensi, Vol. 3 (2) : 115-126.
PT Meranti Nusa Bahari. (2016). Workload Standard. Balikpapan: PT. Meranti Nusa Bahari.
Siddique, N. dan Adeli, H. (2013). Computational Intelligence : Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing. New Jersey : John Wiley & Sons.
Sivanandam, S. N., Sumathi, S. dan Deepa, S. N. (2006). Introduction to Fuzzy Logic using MATLAB. Berlin: Springer Science+Business Media.
Sumathi, S. dan Paneerselvam, S. (2010). Computational Intelligence Paradigms: Theory & Applications using MATLAB. Florida: CRC Press.
Trillas, E., Bonissone, P. P., Magdalena, L. dan Kacprzyk, J. (2012). Combining Experimentation and Theory: A Hommage to Abe Mamdani. Berlin: Springer Science+Business Media.
Wahyuni, E. dan Hendrawan, B. (2018). Analisis Kinerja Proyek “Y” menggunakan Metode Earned Value Management (Studi Kasus di PT. Asian Sealand Engineering). Journal of Applied Business Administration, Vol. 2 (1): 60-78.
Wireman, Terry. (2010). Benchmarking Best Practices in Maintenance Management. South Norwalk Connecticut : Industrial Press.
Read more : Analisa Tekuk Pelat Geladak Kapal Ferry Ro-ro; Analisa kapasitas galangan kapal ikan; Teknologi Galangan Kapal di Indonesia; Identifying and covering the risks for marine;
Source : UPT Balai Pengkajian dan Penelitian Hidrodinamika – BPPT, Jurnal Wave Volume 13 Nomor 1, Juli 2019: Hal : 7-16
