digilib@itb.ac.id +62 812 2508 8800

ABSTRAK Marzuki Usman
Terbatas  Dewi Supryati
» Gedung UPT Perpustakaan

CV CSM (Cipta Sinergi Manufacturing) merupakan perusahaan yang bergerak di bidang produksi produk permesinan seperti pembuatan sparepart, moulding, dies, dan produk manufaktur lainnya. Sistem produksi yang digunakan dalam pembuatan pesanan pelanggan adalah Make-to-Order (MTO) untuk mengakomodasi produksi yang bersifat kustom dan volume yang rendah. Dalam melakukan perancangan produk, perusahaan melakukan estimasi biaya desain menggunakan pendekatan persentase dari harga pokok produksi (HPP) dari produk tersebut sehingga hasil yang diperoleh dinilai tidak konsisten dan kurang representatif terhadap kompleksitas desain. Oleh karena itu, tujuan penelitian ini adalah merancang sebuah model yang dapat digunakan dalam melakukan estimasi biaya berdasarkan tingkat kerumitan racangan produk dengan menggunakan desain berbasis kompuer (Computer Aided Design). Penelitian ini menggunakan pembelajaran mesin (machine learning) yang mengacu pada metodologi CRISP-DM untuk melakukan estimasi biaya desain. Terdapat tiga algoritma yang digunakan yaitu random forest, multiple linier regression, dan extreme gradient boosting. Dari ketiga algoritma tersebut, dipilih algoritma terbaik dengan cara mengimplementasikan masing-masing model dataset yang telah tersedia di CV CSM. Dalam hal ini, model yang memiliki performa terbaik dalam melakukan estimasi biaya adalah algoritma random forest dengan R sebesar 0.90 pada data testing dan 0.89 pada data training serta memiliki performansi MAPE (Maximum Absolute Percentage Error) sebesar 35% pada data testing dan 25% pada data training. Berdasarkan model pembelajaran mesin yang terbaik, selanjutnya dilakukan pembuatan perangkat lunak estimasi biaya desain menggunakan bahasa pemrograman python yang dapat dijalankan menggunakan Google Collaborator. Berdasarkan model yang dihasilkan, dilakukan uji validasi pada purwarupa perangkat lunak dengan melakukan estimasi biaya menggunakan data CV CSM dan didapatkan nilai rata-rata kesalahan (error) sebesar 24,83%. Nilai tersebut menandakan bahwa model yang dikembangkan oleh purwarupa perangkat lunak dianggap valid dan dapat diimplementasikan secara praktis di industri.