Perpustakaan Digital ITB

Pertumbuhan produktivitas selalu menjadi target pada perkembangan industri, termasuk dalam hal ini pada industri pesawat terbang. Industri pesawat terbang memiliki tantangan tersendiri karena selain tuntuan untuk menjaga tingkat pelayanan, tuntutan kualitas dan autorisasi juga tidak bisa dikesampingkan. Salah satu cara untuk menjaga tingkat pelayanan tetap baik adalah dengan mengembangkan analisis pengambilan keputusan make or buy yang sesuai dengan kondisi perusahaan. Industri perakitan pesawat terbang memiliki jumlah dan variasi komponen yang banyak sehingga pada penerapannya analisis make or buy hanya dilakukan berdasarkan faktor kapabilitas perusahaan. Berdasarkan kondisi ini, maka penelitian ini dibuat untuk mengakomodir kesulitan perusahaan dengan memberikan pra-pemrosesan berupa klasterisasi menggunakan algoritma machine learning sebelum data diproses pada algoritma matematika make or buy sehingga dapat disebut sebagai model hybrid. Penelitian menggunakan 2 dataset, dataset 1 merupakan data komponen pesawat dengan fitur jenis komponen penyusunnya, sementara dataset 2 merupakan dataset 1 ditambah dengan jumlah step pembuatan, jumlah dokumen serta jumlah tools yang dibutuhkan ketika membuat komponen. Dengan menggunakan scouring index berupa silhouette dan Davis Bouldin score, dipilih fitur data pada dataset 1 dengan algoritma klaster menggunakan K-Means. Hasilnya, penelitian membentuk 4 klaster komponen sebagai interpretasi dari seluruh komponen pesawat dan mampu melanjutkan model matematik make or buy secara langsung. Berdasarkan analisis yang dilakukan, dari 4 klaster komponen terdapat 2 klaster yang sebaiknya selalu dibuat (make) dan 2 klaster sebaiknya dibeli (buy) untuk menghasilkan fungsi objektif berupa total ongkos manufaktur yang minim. Klaster yang selalu dibuat merupakan komponen spesifik dengan jumlah komponen sedikit, sementara klaster yang selalu dibeli merupakan komponen dengan jumlah banyak dan tidak memerlukan kemampuan khusus pada pembuatannya. Penggunaan model dengan mengimplementasikan hasil klaster menjadikan total ongkos manufaktur menurun pada setiap iterasinya dengan rata-rata penurunan 7,92% terhitung dari t=0 (sebelum aplikasi model).