MRP: Sejarah, Fungsi, & Perkembangan menjadi ERP

MRP

MRP (Material Requierment Planning). MRP merupakan teknik pendekatan yang bertujuan meningkatkan produktivitas perusahaan dengan cara menjadwalkan kebutuhan akan material dan komponen untuk membantu perusahaan dalam mengatasi kebutuhan minimum dari komponen-komponen yang kebutuhannya dependen dan menjamin tercapainya produksi akhir.

1. SEJARAH MRP

Material Requirement Planning muncul pada tahun 60an oleh Oliver Weight yang berasosiasi dengan Joseph Oirlicky, yang pertama kali diterapkan di Toyota Company Jepang.

Tahun 1970-an merupakan konsep awal dari ERP dengan adanya MRP (Material Requirements Planning), sistem ini meliputi perencanaan dan penjadwalan kebutuhan material perusahaan. Tahun 1980-an MRP berkembang menjadi MRP II (Manufacturing Resource Planning), yang memperkenalkan konsep mengenai penyatuan kebutuhan material (MRP) dan kebutuhan sumber daya untuk proses produksi. Tahun 1990-an perkembangan ERP mulai pesat, awal dari perkembangan ERP dumulai Tahun 1972 dengan dipelopori oleh 5 karyawan IBM di Mannheim Jerman yang menciptakan SAP yang berfungsi untuk menyatukan solusi bisnis. Pada dasarnya ERP adalah penambahan module keuangan pada MRP II, sehingga lebih memudahkan bagi para pengambil keputusan menentukan keputusan-keputusannya.

2. ISI DARI MRP

Jadwal Induk Produksi (Master Production Schedule), merupakan ringkasan skedul produksi produk jadi untuk periode mendatang yang dirancang berdasarkan pesanan pelanggan atau peramalan permintaan. JIP berisi perencanaan secara mendetail mengenai jumlah produksi yang dibutuhkan untuk setiap produk akhir beserta periode waktunya untuk suatu jangka perencanaan dengan memperhatikan kapasitas yang tersedia. Sistem MRP mengasumsikan bahwa pesanan yang dicatat dalam JIP adalah pasti, kendatipun hanya merupakan peramalan.

Status Persediaan (Inventory Master File atau Inventory Status Record), merupakan catatan keadaan persediaan yang menggambarkan status semua item yang ada dalam persediaan yang berkaitan dengan:

a. Jumlah persediaan yang dimiliki pada setiap periode (on hand inventory).
b. Jumlah barang yang sedang dipesan dan kapan pesanan tersebut akan datang (on order inventory).
c. Lead time dari setiap bahan.

Struktur Produk (Bill Of Material), merupakan kaitan antara produk dengan komponen penyusunnya yang memberikan informasi mengenai daftar komponen, campuran bahan dan bahan baku yang diperlukan untuk membuat produk. BOM juga memberikan deskripsi, penjelasan dan kuantitas dari setiap bahan baku yang diperlukan untuk membuat satu unit produk.

3.FUNGSI MRP

Fungsi dari MRP adalah:
• Berkaitan dengan persediaan (inventory) : memesan item barang yang tepat, jumlah yang tepat, dan waktu yang tepat.
• Berkaitan dengan prioritas penjadwalan : memesan kebutuhan item barang tepat pada saat dibutuhkan (right due date) dan menjaga agar due date tidak meleset.
• Berkaitan dengan kapasitas pabrik (plan capacity) : membuat rencana pembebanan kerja secara lengkap dan tepat.

4.PERKEMBANGAN MRP MENJADI ERP

A. Tahap 1 (Material Requirement Planning-1960)

–          Cikal bakal ERP adalah konsep MRP

–           Pada tahun 1960, dunia manufaktur membuat teknik perhitungan manufaktur

–           Dasar perhitungan adalah menggunakan Bill of Material yang berupa daftar kebutuhan bahan baku (Raw Material) yang dibutuhkan untuk membuat suatu produk.

Dengan perhitungan status persediaan inventory serta jadwal produksi, sistem tersebut dapat memberikan rekomendasi pembelian bahan baku yang dibutuhkan.

Sistem ini dikenal dengan MRP, yang merupakan singkatan dari Material Requirement Planning.

  • § MRP dirancang agar dapat menjawab :

▪ Produk apa yang akan dibuat ?

▪ Apa yang diperlukan untuk membuat produk tersebut ?

▪ Apa yang sudah dimiliki ?

▪ Apa yang harus dibeli ?

 

B. Tahap 2 (Close Loop MRP-1970)

Di tahun 1970 proses MRP diintegrasikan dengan fungsi-fungsi bisnis manufaktur lain, yang kemudian menghasilkan sistem baru yang disebut dengan Manufacturing Resource Planning

– MRP mendukung perencanaan hingga ke penjualan dan produksi, penjadwalan, perkiraan order konsumen.

 

C. Tahap 3 (Manufacturing Resource Planning/MRPII- 1980)

– Tahun 1980-an MRP berkembang menjadi MRP II (Manufacturing Resource Planning), yang memperkenalkan konsep mengenai penyatuan kebutuhan material (MRP) dan kebutuhan sumber daya untuk proses produksi.

– MRP II mirip seperti Close Loop MRP ditambah dengan tiga elemen :

▪ Perencanaan penjualan dan operasi, yang digunakan untuk menyeimbangkan antara permintaan dan persediaan.

▪ Antarmuka keuangan, kemampuan menterjemahkan rencana operasional (dalam bentuk pieces, kg, gallon, dan satuan lainya) menjadi satuan biaya.

▪ Simulasi, kemampuan melakukan analisis untuk mendapatkan jawaban yang mungkin diterapkan dalam satuan unit maupun uang.

 

D. Tahap 4 (Enterprise Resource Planning-1990)

– Pada awal tahun 1990-an dunia industry mengembagkan MRPII menjadi sebuah sistem dengan scope yang lebih luas yang kemudian dikenal dengan Enterprise Resource Planning (ERP)

– Pada dasarnya ERP adalah penambahan module keuangan pada MRP II, sehingga lebih memudahkan bagi para pengambil keputusan menentukan keputusan-keputusannya.

– Penambahan modul lain meliputi proses manufacturing, distribution, personel, project management, payroll, dan finance.

 

E. Tahap 5 (Extended ERP / ERP II-2000)

– Generasi ini diluncurkan tahun 2000

– Perluasan dari sistem ERP sebelumnya.

– Menambahkan fungsi area pada Sales Marketting dan Customer Support sehingga mampu menjembatani komunikasi dengan supplier dan konsumennya.

FORECASTING – IT 1

FORECASTING merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik-teknik peramalan yang bersifat formal maupun informal (Gaspersz, 1998).

Kegiatan peramalan merupakan bagian integral dari pengambilan keputusan manajemen. Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif). Peramalan memiliki sifat saling ketergantungan antar divisi atau bagian. Kesalahan dalam proyeksi penjualan akan mempengaruhi pada ramalan anggaran, pengeluaran operasi, arus kas, persediaan, dan sebagainya. Dua hal pokok yang harus diperhatikan dalam proses peramalan yang akurat dan bermanfaat (Makridakis, 1999):

  1. Pengumpulan data yang relevan berupa informasi yang dapat menghasilkan peramalan yang akurat.
  2. Pemilihan teknik peramalan yang tepat yang akan memanfaatkan informasi data yang diperoleh semaksimal mungkin.

Terdapat dua pendekatan untuk melakukan peramalan yaitu dengan pendekatan kualitatif dan pendekatan kuantitatif. Metode peramalan kualitatif digunakan ketika data historis tidak tersedia. Metode peramalan kualitatif adalah metode subyektif (intuitif). Metode ini didasarkan pada informasi kualitatif. Dasar informasi ini dapat memprediksi kejadian-kejadian di masa yang akan datang. Keakuratan dari metode ini sangat subjektif (Materi Statistika, UGM).

Metode peramalan kuantitatif dapat dibagi menjadi dua tipe, causal dan time series. Metode peramalan causal meliputi faktor-faktor yang berhubungan dengan variabel yang diprediksi seperti analisis regresi. Peramalan time series merupakan metode kuantitatif untuk menganalisis data masa lampau yang telah dikumpulkan secara teratur menggunakan teknik yang tepat. Hasilnya dapat dijadikan acuan untuk peramalan nilai di masa yang akan datang (Makridakis, 1999).

Model deret berkala dapat digunakan dengan mudah untuk meramal, sedang model kausal lebih berhasil untuk pengambilan keputusan dan kebijakan. Peramalan harus mendasarkan analisisnya pada pola data yang ada. Empat pola data yang lazim ditemui dalam peramalan (Materi Statistika, UGM):

1. Pola Horizontal

Pola ini terjadi bila data berfluktuasi di sekitar rata-ratanya. Produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis ini. Struktur datanya dapat digambarkan sebagai berikut ini.

2. Pola Musiman

Pola musiman terjadi bila nilai data dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan atau hari-hari pada minggu tertentu). Struktur datanya dapat digambarkan sebagai berikut ini.

3. Pola Siklis

Pola ini terjadi bila data dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Struktur datanya dapat digambarkan sebagai berikut.

4. Pola Trend

Pola Trend terjadi bila ada kenaikan atau penurunan sekuler jangka panjang dalam data. Struktur datanya dapat digambarkan sebagai berikut.

Forecasting adalah peramalan atau perkiraan mengenai sesuatu yang belum terjadi. Ramalan yang dilakukan pada umumnya akan berdasarkan data yang terdapat di masa lampau yang dianalisis dengan mengunakan metode-metode tertentu. Forecasting diupayakan dibuat dapat meminimumkan pengaruh ketidakpastian tersebut, dengan kata lainbertujuan mendapatkan ramalanyang bisa meminimumkan kesalahan meramal (forecast error) yang biasanya diukur dengan Mean Absolute Deviation, Absolute Error, dan sebagainya. Peramalan merupakan alat bantu yang sangat penting dalam perencanaan yang efektif dan efisien (Subagyo, 1986).

Peramalan permintaan memiliki karakteristik tertentu yang berlaku secara umum. Karakteristik ini harus diperhatikan untuk menilai hasil suatu proses peramalan permintaan dan metode peramalan yang digunakan. Karakteristik peramalan yaitu faktor penyebab yang berlaku di masa lalu diasumsikan akan berlaku juga di masa yang akan datang, dan peramalan tak pernah sempurna, permintaan aktual selalu berbeda dengan permintaan yang diramalkan (Baroto, 2002).

Penggunaan berbagai model peramalan akan memberikan nilai ramalan yang berbeda dan derajat dari galat ramalan (forecast error) yang berbeda pula. Seni dalam melakukan peramalan adalah memilih model peramalan terbaik yang mampu mengidentifikasi dan menanggapi pola aktivitas historis dari data. Model-model peramalan dapat dikelompokan ke dalam dua kelompok utama, yaitu metode kualitatif dan metode kuantitatif. Metode kuantitatif dikelompokkan ke dalam dua kelompok utama, yaitu intrinsik dan ekstrinsik.

Metode kualitatif ditujukan untuk peramalan terhadap produk baru, pasar baru, proses baru, perubahan sosial dari masyarakat, perubahan teknologi, atau penyesuaian terhadap ramalan-ramalan berdasarkan metode kuantitatif.

Metode Peramalan

Model kuantitatif intrinsik sering disebut sebagai model-model deret waktu (Time Series model). Model deret waktu yang populer dan umum diterapkan dalam peramalan permintaan adalah rata-rata bergerak (Moving Averages), pemulusan eksponensial (Exponential Smoothing), dan proyeksi kecenderungan (Trend Projection). Model kuantitatif ekstrinsik sering disebut juga sebagai model kausal, dan yang umum digunakan adalah model regresi (Regression Causal model) (Gaspersz, 1998).

1. Weight Moving Averages (WMA)

Model rata-rata bergerak menggunakan sejumlah data aktual permintaan yang baru untuk membangkitkan nilai ramalan untuk permintaan di masa yang akan datang. metode rata-rata bergerak akan efektif diterapkan apabila permintaan pasar terhadap produk diasumsikan stabil sepanjang waktu. Metode rata-rata bergerak terdapat dua jenis, rata-rata bergerak tidak berbobot (Unweight Moving Averages) dan rata-rata bobot bergerak (Weight Moving Averages). Model rata-rata bobot bergerak lebih responsif terhadap perubahan karena data dari periode yang baru biasanya diberi bobot lebih besar. Rumus rata-rata bobot bergerak yaitu sebagai berikut.

2. Single Exponential Smoothing (SES)

Pola data yang tidak stabil atau perubahannya besar dan bergejolak umumnya menggunakan model pemulusan eksponensial (Exponential Smoothing Models). MetodeSingle Exponential Smoothing lebih cocok digunakan untuk meramalkan hal-hal yang fluktuasinya secara acak (tidak teratur). Peramalan menggunakan model pemulusan eksponensial rumusnya adalah sebagai berikut.

Permasalahan umum yang dihadapi apabila menggunakan model pemulusan eksponensial adalah memilih konstanta pemulusan (α) yang diperirakan tepat. Nilai konstanta pemulusan dipilih di antara 0 dan 1 karena berlaku 0 < α < 1. Apabila pola historis dari data aktual permintaan sangat bergejolak atau tidak stabil dari waktu ke waktu, nilai α yang dipilih adalah yang mendekati 1. Pola historis dari data aktual permintaan tidak berfluktuasi atau relatif stabil dari waktu ke waktu, α yang dipilih adalah yang nilainya mendekati nol (Gaspersz, 1998).

3. Regresi Linier

Model analisis Regresi Linier adalah suatu metode populer untuk berbagai macam permasalahan. Menurut Harding (1974) dua variabel yang digunakan, variabel x dan variabel y, diasumsikan memiliki kaitan satu sama lain dan bersifat linier. Rumus perhitungan Regresi Linier yaitu sebagai berikut.

Keterangan:

Y = hasil peramalan

n = periode

a = perpotongan dengan sumbu tegak

b = menyatakan slope atau kemiringan garis regresi

Ukuran Akurasi Peramalan

Model-model peramalan yang dilakukan kemudian divalidasi menggunakan sejumlah indikator. Indikator-indikator yang umum digunakan adalah rata-rata penyimpangan absolut (Mean Absolute Deviation), rata-rata kuadrat terkecil (Mean Square Error), rata-rata persentase kesalahan absolut (Mean Absolute Percentage Error), validasi peramalan (Tracking Signal), dan pengujian kestabilan (Moving Range).

1. Mean Absolute Deviation (MAD)

Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD) mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan). MAD berguna ketika mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Nilai MAD dapat dihitung dengan menggunakan rumus sebegai berikut.

2. Mean Square Error (MSE)

Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode peramalan. Masing-masing kesalahan atau sisa dikuadratkan. Kemudian dijumlahkan dan ditambahkan dengan jumlah observasi. Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih baik untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar.

3. Mean Absolute Percentage Error  (MAPE)

Mean Absolute Percentage Error (MAPE) dihitung dengan menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut tersebut. Pendekatan ini berguna ketika ukuran atau besar variabel ramalan itu penting dalam mengevaluasi ketepatan ramalan. MAPE mengindikasi seberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai nyata.

4. Tracking Signal

Validasi peramalan dilakukan dengan Tracking SignalTracking Signal adalah suatu ukuran bagaimana baiknya suatu peramalan memperkirakan nilai-nilai aktual. NilaiTracking Signal dapat dihitung dengan menggunakan rumus sebegai berikut.

Tracking signal yang positif menunjukan bahwa nilai aktual permintaan lebih besar daripada ramalan, sedangkan tracking signal yang negatif berarti nilai aktual permintaan lebih kecil daripada ramalan. Tracking signal disebut baik apabila memiliki RSFE yang rendah, dan mempunyai positive error yang sama banyak atau seimbang dengannegative error, sehingga pusat dari tracking signal mendekati nol. Tracking signal yang telah dihitung dapat dibuat peta kontrol untuk melihat kelayakkan data di dalam batas kontrol atas dan batas kontrol bawah.

5. Moving Range (MR)

Peta Moving Range dirancang untuk membandingkan nilai permintaan aktual dengan nilai peramalan. Data permintaan aktual dibandingkan dengan nilai peramal pada periode yang sama. Peta tersebut dikembangkan ke periode yang akan datang hingga dapat dibandingkan data peramalan dengan permintaan aktual. Peta Moving Range digunakan untuk pengujian kestabilan sistem sebab-akibat yang mempengaruhi permintaan. Rumus perhitungan peta Moving Range adalah sebagai berikut.

Jika ditemukan satu titik yang berada diluar batas kendali pada saat peramalan diverifikasi maka harus ditentukan apakah data harus diabaikan atau mencari peramal baru. Jika ditemukan sebuah titik berada diluar batas kendali maka harus diselidiki penyebabnya. Penemuan itu mungkin saja membutuhkan penyelidikan yang ekstensif. Jika semua titik berada di dalam batas kendali, diasumsikan bahwa peramalan permintaan yang dihasilkan telah cukup baik. Jika terdapat titik yang berada di luar batas kendali, jelas bahwa peramalan yang didapat kurang baik dan harus direvisi (Gaspersz, 1998).

Kegunaan peta Moving Range ialah untuk melakukan verifikasi hasil peramalan least square terdahulu. Jika peta Moving Range menunjukkan keadaan diluar kriteria kendali. Hal ini berarti terdapat data yang tidak berasal dari sistem sebab-akibat yang sama dan harus dibuang maka peramalan pun harus diulangi lagi.

Antara takdir atau kesasar

Antara takdir atau kesasar, adalah perihal yang saya alami ketika mendaftar ke jurusan Informatika di Widyatama.

Cerita awalnya adalah ketika saya baru lulus SMA, Chiko tampan yang bingung memilih universitas mana yang akan dia pilih sebagai labuan jenjang pendidikan berikutnya setelah jenjang sekolah 9 tahun.

Saya memang sudah memiliki 2 opsi setelah saya lulus SMA, yang pertama; Lanjut kuliah dan kedua; nikah sama janda kaya pemilik perusahaan batubara. eh enggak deng yang kedua mah sebenernya; bikin usaha sendiri, yaitu usaha seputar kuliner cemilan yang belum ada di daerah asal kota saya, Pontianak.

Ketika orang tua memiliki kehendak lebih leluasa ketimbang mentri kesenian dan kebudayaan, saya pun akhirnya terjebak disituasi dimana “Orangtua-menginginkan-anaknya-mendapatkan-pendidikan-yang-lebih-layak-demi-tujuan-memiliki-gelar”, halah ribet kek tukang parkir, tapi markirin pesawat, pesawatnya pesawat telepon, ga beres-beres deh markirinnya sampe Suharto jadi presiden lagi.

Opsi lain apabila saya memilih untuk berkuliah adalah; mendaftar ke salah satu universitas pariwisata di Bandung, atau masuk Teknik. Awalnya saya fikir siswa SMA yang memiliki basis sebagai siswa IPS, mendapatkan sebuah tempat yang layak apabila melanjutkan perkuliahan di fakultas Teknik. Ternyata yaaa gitudeh, bayangin aja tukang becak disuruh ngengkolin 5 gerbong kereta Lodaya Malam, BERAT bung! GELAP lagi! ah!

Setelah saya gagal daftar(belum jg test) untuk menjadi mahasiswa salah satu universitas pariwisata di Bandung akibat kesalahan dari Bank yang memberikan ID dan Password Fail untuk saya login kedalam situs universitasnya, salah satu teman saya yang dibandung menawarkan untuk mendaftar ke widyatama, memang gak ribet sih daftarnya, langsung keterima pula, makasih Ya Allah saya bisa kuliah berkat karunia-Mu.

Ketika mendaftar saya tidak ragu dan dengan gagah berani memilih IF sebagai landasan utama saya berkuliah dengan ekspetasi setiap hari saya akan diajarkan untuk ngoding ataupun building something yang bermanfaat bagi bangsa dan negara ini, tapi ekpetasi tersebut berubah ketika negara api, dan warga korea selatan beserta prajurit boybandnya menyerang kebudayaan Indonesia.. Ya, realita-nya adalah saya benar-benar merasakan tekanan akibat pelajaran Matematika yang lebih “WAH” setiap minggunya.. Pengen ngeluh tapi ga bisa, jadi saya nikmati saja sembari menyeruput kopi.

Kesan saya setelah masuk widyatama adalah ternyata setelah saya masuk kesini saya mendapatkan teman-teman yang sangat mendukung segala hal yang saya lakukan, mulai dari merampok alfamart, meledakkan gerbong kereta, dan menaikkan mata uang Dollar($). Engga deng maksudnya mendukung disini adalah kita saling menghargai dan membantu sesama.. ya begitulah kira-kira.

Multimedia – Animasi Dalam Multimedia

            Animasi adalah kumpulan gambar yang diolah sedemikian rupa sehingga menghasilkan gambar bergerak. Animasi sendiri berasal dari bahasa latin yaitu “anima” yang berarti jiwa, hidup, semangat. Pergerakan gambar itu dibentuk dengan menampilkan urutan gambar yang berubah sedikit demi sedikit pada kecepatan yang tinggi, sehingga menghasilkan objek gambar statik yang dapat bergerak seperti hidup.

Animasi di dalam sebuah aplikasi multimedia menjanjikan suatu tampilan visual yang lebih dinamis, dapat menampilkan sesuatu yang mustahil atau kompleks dalam kehidupan yang sebenarnya dan dapat direalisasikan di dalam aplikasi tersebut. Sebagai contoh apabila aplikasi multimedia tersebut ingin menjelaskan proses suatu peristiwa alam seperti hujan, mungkin sulit untuk dipragakan atau dibuktikan secara nyata, maka dengan adanya animasi multimedia maka hal itu bisa digambarkan, dipaparkan dalam bentuk gambar bergerak yang seolah-olah hidup.

Animasi dapat berbentuk dua dimensi, tiga dimensi ataupun melalui berbagai kesan yang khas. Proses membuat animasi bukanlah sesuatu yang mudah, diperlukan pengalaman, kemahiran serta kepakaran yang tinggi. Untuk menhasilkan suatu animasi yang tinggi diperlukan banyak animator atau pembuat animasi.

Jenis-Jenis dari animasi antara lain:

1. Animasi Stopmotion

                Animasi stop motion atau sebut pula clay animation karna dalam perkembangannya jenis animasi sering mengaunakan clay(tanah liat) sebagai objek teknik stop motion di temukan pertama kali oleh Stuart blanton pada tahun 1906. Contoh kartun Stopmotion adalah:

2. Animasi Tradisional

                 Tradisional animsi adalah teknik animasi yang paling umum dikenal sampai saat ini dinamakan tradisional karena teknik yang dingunakan adalah teknik awal pembuatan animasi tradisional animasi juga sering di sebut  cel animation teknik pekerjaannya mengunakan teknik cel luloid tranparent yang sekilas mirip sekali dengan tranparansi OHP yang sering kita gunakan. Contoh animasi tradisional adalah: 

3. Animasi 3D

                Sesuai dengan namanya animasi ini secara keseluruhan dikerjakan dengan komputer melalui camera movement keseluruhan objek bisa diperlihatkan secara 3D sebagai contoh adalah film final fantasy pada film ini karakter mempunyai tampilan yang bengitu real dan terlihat gerakan yang diperlihatkan hampir menyerupai manusia.

4. Animasi Kombinasi

                 Animasi kombinasi adalah gabungan dari 2 teknik animasi yang berbeda dalam animasi kombinasi di bagi menjadi 3 antara lain:

  •  Kombinasi animasi 2D & 3D yaitu penggabungan teknik animasi 2D dengan 3D, sebagai contoh adalah film The Road to Eldorado
  • 2D & Live Shot yaitu penggabungan teknik animasi 2D dengan live shot(syuting adegan), sebagai contoh adalah film Space Jam
  • 3D & Live Shot yaitu penggabungan animasi 3D dan live shot sebagai contoh Jurassic Park, Harry Potter. & Stuart Little

Sekian adalah postingan saya tentang Animasi-animasi dalam Multimedia, mohon maaf apabila data kurang lengkap, Terima kasih :D.

Multimedia – Kompresi Teks

Kompresi Data Teks RLE(Run Length Encoding)

A. Pengenalan

Kompresi Data dikenal sebagai proses mengkodekan informasi menggunakan bit atau information-bearing unit yang lain, yang lebih rendah daripada representasi data yang tidak terkodekan dengan suatu sistem enkoding tertentu. Terdapat aturan dalam kompresi yaitu:

1.      Pengiriman data hasil kompresi dilakukan jika pihak pengirim dan pihak penerima memiliki aturan yang sama dalam hal kompresi data.

2.      Pihak pengirim harus menggunakan algoritma kompresi data yang sudah baku dan pihak penerima juga menggunakan teknik dekompresi data yang sama dengan pengirim sehingga data yang diterima dapat dibaca/di-kodekan kembali dengan benar.

Dasar-dasar untuk melakukan teknik kompresi, diantaranya:

a.       Sumber kompresi adalah lossy, artinya beberapa bagian komponen dari data yang hilang akibat dari proses kompresi.

b.      Kompresi entropy adalah lossless, maksudnya tidak ada data yang hilang selama prosess kompresi(biasa pada Huffman codingi).

c.       Hybrid yang merupakan kombinasi dari lossy dan lossless.

Diagram alir pemrosesan kompresi

  • Persiapan Data adalah proses konversi data analog menjadi data digital untuk memberi pendekatan terhadap data yang akan dikompresi.
  • Pemrosesan Data adalah proses mengubah suatu daerah data agar dapat dikompresi.
  • Kuantisasi adalah pemetaan granularity dari angka sebenarnya, seperti bilangan pecahan ke dalam bilangan bulat.
  • Kompresi Entropy adalah langkah yang biasa dilakukan pada akhir kompresi.

Keuntungan Kompresi, yaitu:

  • Memperkecil kebutuhan penyimpanan data, mempercepat pengiriman data, memperkecil kebutuhan bandwitdh.
  • Dapat dilakukan terhadap data text(DOC, PDF, PPT),,gambar(JPEG, PNG, TIFF), audio(MP3, AAC. RMA, WMA), video(MPEG, H261, H263) da lainya.

Jenis Kompresi ada 2, yaitu:

  • Lossy Compression

o   Teknik kompresi yang menghasilkan data hasil dekompresi tidak sama dengan data sebelum kompresi, namun cukup dapat digunakan.

o   Bagian data yang tidak berguna dibuang, tidak begitu dirasakan dan dilihat oleh manusia.

o   Ukuran file lebih kecil dibanding lossless.

o   Data yang biasa menggunakan kompresi ini, contohnya : MP3, JPEG, MPEG, WMA, dan streaming media.

  • Lossless Compression

o   Teknik kompresi yang data hasil kompresi dapat didekompres lagi dan hasilnya tepat sama seperti sebelum proses kompresi.

o   Contoh aplikasi: ZIP, RAR, GZIP, 7-ZIP dan beberapa image seperti GIF dan PNG.

Pada kompresi, dikenal beberapa kriteria kompresi, diantaranya:

  • Kualitas Data hasil enkoding, ukuran data lebih kecil dan data tidak rusak (kompresi Lossy).
  • Kecepatan, ratio, dan efisiensi proses kompresi dan dekompresi.
  • Ketepatan proses dekompresi data, data hasil dekompresi tetap sama dengan data sebelum kompresi(kompresi Lossless).

Teknik Entropy Encoding

  • Kompresi Teks RLE biasa digunakan untuk kompresi teks jika ada beberapa huruf yang sama yang ditampilkan berturut-turut pada suatu teks.

Dari contoh di atas dapat dilihat,bahwa beberapa elemen yang sama diwakilkan dengan satu buah elemen yang diberikan jumlah datanya.

  • Repetition Suppresion, mengubah angka atau huruf yang berulang, diwakilkan dengan satu huruf dengan jumlahya

Contoh : 9840000000000 = 984A10

  • Pattern Substitution, melakukan substitusi kata-kata menjadi huruf ataupun Simbol.

B. RLE(RUN LENGTH ENCODING)

Kompresi data teks yang dilakukan jika ada huruf yang sama yang ditampilkan berturut-turut.

Tanda “!” digunakan sebagai karakter untuk menandai karakter yang sama.

    • RLE ada yang menggunakan flag bilangan negatif untuk menandai batas sebanyak jumlah karakter tersebut.
    • Berguna jika data yang banyak memiliki kesamaan, misalkan teks ataupun grafik seperti icon atau gambar garis-garis yang banyak memiliki kesamaan pola.
    • Best case untuk RLE tipe 2 adalah ketika terdapat 127 karakter yang sama sehingga akan dikompres menjadi 2 byte saja.
    • Worst Case untuk RLE tipe 2 adalah ketika terdapat 127 karakter yang berbeda semua, maka akan terdapat 1 byte tambahan sebagai tanda jumlah karakter yang tidak sama tersebut.
    • Menggunakan teknik Lossless.
    • Contoh untuk data berupa image: