BAB 2 LANDASAN TEORI
3.2 Pengolahan Data
3.2.4 Defuzzifikasi (Penegasan)
Sehingga diperoleh nilai perkiraan = 710
3.2.3 Komposisi Aturan
Berdasarkan hasil aplikasi fungsi implikasi dari tiap aturan, digunakan metode Min untuk melakukan komposisi antara semua aturan yang diperoleh dari
untuk menghasilkan nilai Z yaitu: = 48, = 225,5, = , = , Setelah memperoleh hasil komposisi antar semua aturan dilakukan maka akan didapatkan output melalui langkah defuzzifikasi.
3.2.4 Defuzzifikasi (Penegasan)
Metode penegasan (defuzzifikasi) yang digunakan adalah Pada proses ini output berupa bilangan crisp. Defuzzifikasi dilakukan dengan cara mencari nilai rata-ratanya berdasarkan rumus 2.5 yaitu:
∑
∑
Maka diperoleh jumlah persediaan optimum pada bulan Januari 2017 adalah:
309
39
Jika diketahui pada bulan Februari 2017 produksi ( ) sebesar 682 (dus/karton box), maka:
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 682 – 660 = 22 [R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 682
Maka diperoleh jumlah persediaan optimum pada bulan Februari 2017 adalah:
∑
∑
318
Jika diketahui pada bulan Maret 2017 produksi ( ) sebesar 640 (dus/karton box), maka:
41
Jika diketahui pada bulan Maret 2017 permintaan ( ) sebesar 590 (dus/karton box), maka:
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 640 – 590 = 50
[R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
Sehingga diperoleh nilai perkiraan = 640
Maka diperoleh jumlah persediaan optimum pada bulan Maret 2017 adalah:
∑
Jika diketahui pada bulan April 2017 permintaan ( ) sebesar 640 (dus/karton box), maka:
43
Sehingga diperoleh nilai perkiraan = 656 – 640= 16 [R2] Jika Produksi NAIK dan Permintaan SEDIKIT
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 656 – 640 = 16 [R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 656
Maka diperoleh jumlah persediaan optimum pada bulan April 2017 adalah:
45
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 640 – 595 = 45 [R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 640
Maka diperoleh jumlah persediaan optimum pada bulan Mei 2017 adalah:
∑
Jika diketahui pada bulan Juni 2017 produksi ( ) sebesar 768 (dus/karton
Jika diketahui pada bulan Juni 2017 permintaan ( ) sebesar (dus/karton box), maka:
47
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 768 – = 88 [R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 768
Maka diperoleh jumlah persediaan optimum pada bulan Juni 2017 adalah:
∑
Jika diketahui pada bulan Juli 2017 permintaan ( ) sebesar 790 (dus/karton
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 805 – 790 = 15
49
[R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka ( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 805
Maka diperoleh jumlah persediaan optimum pada bulan Juli 2017 adalah:
∑
Jika diketahui pada bulan Agustus 2017 produksi ( ) sebesar 714 (dus/karton box), maka:
[R1] Jika Produksi NAIK dan Permintaan BANYAK ( ) Persediaan Fruit Tea Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 714 – 625 = 89 [R2] Jika Produksi NAIK dan Permintaan SEDIKIT
( ) Persediaan Fruit Tea 1,25 x Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = – = 267,5 [R3] Jika Produksi TURUN dan Permintaan BANYAK
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 714– 662 = 89 [R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 714
51
[R2] Jika Produksi NAIK dan Permintaan SEDIKIT
( ) Persediaan Fruit Tea 1,25 x Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = – = 257,5 [R3] Jika Produksi TURUN dan Permintaan BANYAK
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 670 – 580 = 90 [R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 670
Maka diperoleh jumlah persediaan optimum pada bulan September 2017 adalah:
∑
∑
583
53
Jika diketahui pada bulan Oktober 2017 produksi ( ) sebesar 628 (dus/karton box), maka:
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 628 – 609 = 19 [R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 628
Maka diperoleh jumlah persediaan optimum pada bulan Oktober 2017 adalah:
∑
∑
543
Jika diketahui pada bulan Nopember 2017 produksi ( ) sebesar 760 (dus/karton box), maka:
55
Jika diketahui pada bulan Nopember 2017 permintaan ( ) sebesar 738 (dus/karton box), maka:
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 760 – 738 = 22
[R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
Sehingga diperoleh nilai perkiraan = 760
Maka diperoleh jumlah persediaan optimum pada bulan Januari 2017 adalah:
∑
57
( ) Persediaan Fruit Tea = Produksi – Permintaan
⋂
Sehingga diperoleh nilai perkiraan = 830 – 729 = 101 [R4] Jika Produksi TURUN dan Permintaan SEDIKIT maka
( ) Persediaan Fruit Tea = Produksi
⋂
Sehingga diperoleh nilai perkiraan = 830
Maka diperoleh jumlah persediaan optimum pada bulan Desember 2017 adalah:
∑
∑
161
Tabel 3.5 Tabel perbandingan hasil persediaan perusahaan dengan hasil persediaan menggunakan fuzzy Sugeno (dus/karton box).
Bulan Produksi Permintaan
Persediaan
Realisasi fuzzy Sugeno
Januari 710 662 430 309
Februari 682 660 390 318
Maret 640 590 450 462
April 656 640 445 391
Mei 640 595 410 548
Juni 768 680 325 280
Juli 805 790 310 15
Agustus 714 625 335 112
September 670 580 420 583
Oktober 628 609 415 543
Nopember 760 738 360 176
Desember 830 729 340 161
Berdasarkan Tabel 3.5 dapat diketahui bahwa terdapat perb edaan hasil perhitungan jumlah persediaan minuman Fruit Tea dari data
perusahaan PT. Sinar Sosro Deli Serdang dengan menggunakan metode fuzzy
59
Sugeno, dengan hasil perbedaan pada bulan januari, untuk hasil dari realisasi perusahaan diperoleh sebesar 430 dus sedangkan hasil dari metode fuzzy Sugeno diperoleh sebesar 309 dus, yang artinya hasil yang di peroleh dari metode fuzzy sugeno lebih kecil daripada hasil dari realisasi perusahaan, sehingga perusahaan dapat memperhatikan faktor produksi minuman Fruit Tea dan faktor permintaan minuman Fruit Tea untuk mengoptimumkan hasil jumlah persediaan minuman Fruit Tea agar persediaan minuman Fruit Tea tidak banyak menumpuk di gudang sehingga tidak menimbulkan kerugian bagi perusahaan.
KESIMPULAN DAN SARAN
4.1 Kesimpulan
Berdasarkan pembahasan mengenai sistem inferensi metode fuzzy Sugeno, dapat diambil kesimpulan sebagai berikut:
1. Dari data minuman Fruit Tea pada bulan Januari tahun 2017 yang telah diperoleh dengan jumlah produksi 710 dus dan permintaan 662 dus, perusahaan menyediakan stok/persediaan sebanyak 430 dus. Namun, dengan menggunakan fuzzy Sugeno dapat dihasilkan persediaan yang lebih kecil yaitu sebanyak 309 dus.
2. Perencanaan jumlah persediaan minuman Fruit Tea dengan penggunaan metode fuzzy Sugeno ternyata menghasilkan hasil yang lebih minimum dari jumlah persediaan perusahaan. Dengan persediaan yang lebih kecil ini, perusahaan dapat memenuhi permintaan pasar dengan tepat dan dapat menghindari kelebihan persediaan/stok barang di gudang yang cenderung besar dalam waktu yang lama.
3. Penentuan perencanaan jumlah persediaan minuman Fruit Tea ini mengunakan dua variabel sebagai input datanya, yaitu: produksi dan permintaan. Pada metode fuzzy Sugeno, untuk mendapatkan hasil diperlukan tahap-tahap, yaitu: (a). Pembentukan Himpunan Fuzzy. (b). Pembentukan aturan dasar fuzzy. (c). Komposisi aturan-aturan dengan metode minimum.
(d). Defuzzifikasi.
61
4.2 Saran
1. Pada tugas akhir ini, terdapat 2 variabel input, yaitu produksi minuman fruit tea dan permintaan minuman fruit tea, serta 1 variabel output, yaitu persedian minuman fruit tea. Masing-masing variabel memiliki 2 variabel linguistik, yaitu untuk produksi, variabel linguistiknya turun dan naik, dan untuk permintaan, variabel linguistiknya sedikit dan banyak. Untuk penelitian selanjutnya dapat dikembangkan dengan menggunakan variabel input lebih dari 2, dan masing-masing variabel mempunyai lebih dari 2 variabel linguistik.
2. Dari hasil perhitungan terlihat bahwa jumlah persediaan minuman fruit tea dengan pendekatan metode fuzzy Sugeno lebih optimal dari realisasi pada PT.
Sinar Sosro Deli Serdang. Untuk itu sebaiknya pihak PT. perusahaan agar lebih memperhatikan kembali faktor-faktor yang dapat mempengaruhi persediaan minuman fruit tea agar tidak berlebih sehingga tidak menimbulkan kerugian bagi perusahaan.
Kusumadewi, Sri. (2002). Analisis Desain Sistem Fuzzy Menggunakan Toolbox Matlab. Graha Ilmu: Jogyakarta.
Kusumadewi, Sri dan Hari Purnomo. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Edisi 1. Yogyakarta; Graha Ilmu.
Kusumadewi, Sri dan Hari Purnomo. 2010. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Edisi 2. Yogyakarta; Graha Ilmu.
Sankar dan K. Duta, Dwijesh. Fuzzy Pendekatan Matematik Untuk Pengenalan Pola. 1999. Universitas Indonesia. Jakarta.
Setiadji. Himpunan & Logika Samar serta Aplikasinya. Yogyakarta; Graha Ilmu.
Susilo, Frans, 2006. Himpunan & Logika Kabur serta Aplikasinya. Yogyakarta;
Graha Ilmu.
Wibowo, S. 2015. Penerapan Logika Fuzzy Dalam Penjadwalan Waktu Kuliah.
Jurnal Teknik PGRI Semarang, vol.1, Juni 2015.