IMPLEMENTASI FUZZY DENGAN INFERENSI MAMDANI UNTUK
PREDIKSI PENJUALAN KARTU PERDANA PADA
PT. TELESINDO SHOP
Muthia Khanza (12110554)
Mahasiswa Program Studi Teknik Informatika STMIK Budidarma Medan Jl. Sisingamangaraja No. 338 Simpang Limun Medan
www.stmik-budidarma.ac.id // Email: KhanzaIrawady@gmail.com
ABSTRAK
Inferensi mamdani merupakan salah satu metode untuk melakukan analisis sistem yang mengandung ketidakpastian yang sangat cocok untuk menyelesaikan permasalahan untuk mengetahui prediksi penjumlahan barang yang dibutuhkan oleh penjual kartu perdana dengan mengimplementasikan prediksi penjualan kartu perdana. Kelebihan dalam memprediksi penjualan kartu perdana adalah agar dapat membantu pihak perusahaan dalam memprediksi penjualan kartu perdana di masa yang akan datang. Dengan mengimplementasikan Fuzzy dengan Inferensi Mamdani, akan membatu dalam memprediksi jumlah penjualan kartu perdana.
Kata kunci : Kartu perdana, Implementasi Fuzzy, Inferensi Mamdani
1. PENDAHULUAN
1.1 Latar Belakang Masalah
Dalam era globalisasi seperti sekarang teknologi mengalami kemajuan yang sangat pesat di berbagai bidang, informasi memegang peranan yang sangat penting, oleh karenanya perlu dikembangkan sistem informasi secara cepat, tepat dan akurat. Salah satu contoh komunikasi yang umum digunakan oleh masyarakat adalah komunikasi menggunakan telepon genggam atau
Handphone. Pada era globalisasi Handphone
menjadi kebutuhan dasar yang diperlukan oleh setiap orang, hal tersebut dapat dilihat dari banyaknya pengguna telepon genggam atau Handphone dari mulai anak – anak sampai orang dewasa.
Diikuti dengan kebutuhan masyarakat dalam komunikasi jarak jauh penggunaan layanan kartu perdana sebagai wadah memperlancar komunikasi sangat dibutuhkan. Dampak dari kebutuhan tersebut adalah banyak tempat-tempat yang menjual kartu perdana atau kartu reguler untuk memenuhi kebutuhan konsumen. Outlet-outlet tersebut mendapatkan pasokan kartu reguler dari perusahaan operator penyedia layanan seluler dalam jumlah yang tidak sedikit. Kartu perdana baru atau kartu reguler hanya mempunyai batas waktu tertentu sebelum masa berlaku habis. Oleh karenanya outlet-outlet penyedia kartu perdana harus dapat menyesuaikan antara persediaan kartu reguler yang akan di jual dengan kebutuhan konsumen.
Bagi pengusaha atau penjual sangat penting untuk memprediksi jumlah persediaan kartu perdana untuk menghindari terjadinya kekurangan dan kelebihan dalam persediaan kartu perdana yang akan dijual. Masalah yang muncul karena kelebihan persediaan kartu perdana adalah apabila
kartu perdana tidak dapat dijual dalam batas waktu tertentu maka, kartu perdana tersebut dianggap sudah kadarluwarsa atau telah berakhir masa aktifnya. Kartu perdana yang telah berakhir masa aktifnya tidak dapat digunakan lagi. Dengan demikian kartu-kartu tersebut tidak bisa dijual kepada konsumen dan menimbulkan kerugian bagi penjual.Selain hal tersebut faktor lain yang mempengaruhi penjualan kartu perdana adalah adanya penawaran khusus yang diberikan oleh perusahaan penyedia kartu perdana untuk menarik minat konsumen.
Untuk mengetahui jumlah barang yang dibutuhkan oleh penjual kartu perdana, penulis mengimplementasikan prediksi penjualan kartu perdana dengan logika Fuzzy menggunakan metode Mamdani. Penulis menggunakan metode mamdani karena masalah yang dibahas terdapat ketidakpastian atas jumlah persediaan kartu perdana sedangkan logika Fuzzy merupakan salah satu metode untuk melakukan analisis sistem yang mengandung ketidakpastian yang sangat cocok untuk menyelesaikan masalah yang dimaksud.
Berdasarkan latar belakang masalah diatas, penulis sangat tertarik untuk mengetahui lebih lanjut mengenai masalah penjualan kartu perdana dengan mengambil judul “IMPLEMENTASI FUZZY DENGAN INFERENSI MAMDANI UNTUK PREDIKSI PENJUALAN KARTU PERDANA PADA PT. TELESINDO SHOP”. 1.2 Rumusan Masalah
Beberapa rumusan masalah dalam memprediksi persedian kartu perdana dengan metode Mamdani adalah sebagai berikut :
1. Bagaimana memprediksi jumlah penjualan kartu perdana pada PT. Telesindo Shop ?
2. Bagaimana mengimplementasikan Inferensi Mamdani dalam memprediksi penjualan kartu perdana ?
3. Bagaimana merancang aplikasi prediksi jumlah penjualan kartu perdana ?
1.3 Batasan Masalah
Adapun batasan-batasan masalah dalam penulisan tugas akhir ini adalah :
1. Pengambilan data yang digunakan dalam penulisan skripsi ini adalah dari perusahaan terkait yaitu PT. Telesindo Shop cabang Medan. 2. Data dalam penulisan skripsi ini antara
September 2014–April 2016.
3. Data yang diambil berdasarkan penjualan kartu perdana Internet Simpati Loop, Simpati Freload dan As Bulding.
4. Menggunakan bahasa pemrograman Visual Basic 2008 dengan MySQL sebagai Database penyimpanan data.
1.4 Tujuan dan Manfaat Penelitian
Berdasarkan rumusan masalah di atas, dapat ditetapkan beberapa tujuan penelitian sebagai berikut :
1. Memprediksi jumlah penjualan kartu perdana pada PT. Telesindo Shop.
2. Mengimplementasikan Metode Mamdani dalam memprediksi penjualan kartu perdana.
3. Merancang aplikasi prediksi jumlah penjualan kartu perdana.
Adapun manfaat yang diharapkan dari pengerjaan penelitian ini diuraikan sebagai berikut : 1. Membantu perusahaan untuk memprediksi
penjualan kartu perdana.
2. Perusahaan dapat memperoleh informasi peramalan penjualan untuk perencanaan produk. 3. Dapat digunakan oleh perusahaan sebagai acuan
dalam memprediksi penjualan kartu perdana.
2. LANDASAN TEORI
2.1 Implementasi
Menurut Adi Nugroho (2010, hal: 278, Rekayasa Perangkat Lunak Berorientasi Objek) Implementasi berasal dari bahasa Inggris yaitu to
implement yang berarti
mengimplementasikan. Implementasi
merupakan penyediaan sarana untuk melaksanakan sesuatu yang menimbulkan dampak atau akibat terhadap sesuatu. Sesuatu tersebut dilakukan untuk menimbulkan dampak atau akibat itu dapat berupa undang-undang, peraturan pemerintah, keputusan peradilan dan kebijakan yang dibuat oleh lembaga-lembaga pemerintah dalam kehidupan kenegaraan.
Kata Implementasi merujuk kepada aktivitas, adanya aksi, tindakan, atau mekanisme suatu sistem. Ungkapan mekanisme mengandung arti bahwa implementasi bukan sekedar aktivitas, tetapi suatu kegiatan yang terencana dan dilakukan secara
bersungguh sungguh berdasarkan acuan tertentu untuk mencapai tujuan. Oleh karena itu, implementasi tidak berdiri sendiri tetapi dipengaruhi oleh objek. Implementasi adalah suatu proses, atu suatu aktivitas yang digunakan untuk mentransfer ide atau gagasan berupa analisa yang dituangkan dalam bentuk tertulis.
2.2 Kecerdasan Buatan (Artificial Intelligence)
Menurut Anita Desiani dan Muhammad Arhami (2006: hal 1, Konsep Kecerdasan Buatan) Artificial Intelligence (AI) atau kecerdasan buatan merupakan cabang ilmu komputer yang konsern dengan mengautomatisasi tingkah laku cerdas.
Menurut T. Sutojo, S.Si., M.Kom., dkk (2011: hal 1, Kecerdasan Buatan) Kecerdasan buatan merujuk pada mesin yang mampu berfikir, menimbang tidakan yang akan diambil, dan mampu mengambil keputusan seperti yang dilakukan oleh manusia.
2.3 Logika Fuzzy
Menurut T. Sutojo, S.Si., M.Kom., dkk (2011: hal 211, Kecerdasan Buatan) Menurut Konsep tentang logika fuzzy diperkenalkan oleh Prof. Lotfi Astor Zadeh pada 1962. Logika fuzzy adalah metodologi sistem kontrol pemecah masalah, yang cocok untuk diimplementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil, embedded system, jaringan PC, multi-channel atau workstation berbasis akuisisi data, dan sistem kontrol. Selain itu logika fuzzy juga dapat diartikan suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output.
2.4 Inferensi Mamdani
Metode Mamdani paling sering digunakan dalam aplikasi-aplikasi karena strukturnya yang sederhana, yaitu menggunakan operasi MIN-MAX atau MAX-PRODUCT. Untuk mendapatkan output, diperlukan empat tahapan berikut :
1. Pembentukan himpunan fuzzy
Pada metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi
Pada metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Komposisi Aturan
Tidak seperti penalaran monoton, apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar-aturan. Metode yang digunakan dalam inferensi sistem fuzzy, yaitu Metode max (maximum). Pada metode ini, solusi himpunan fuzzy diperoleh dengan mengambil nilai maksimum aturan,kemudian menggunakannya operator OR (union). Jika semua proposisi telah dievaluasi,
maka output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi. Secara umum
dapat dituliskan :
μdf (xi) = max (μdf(xi, ) μkf(xi))
Sumber : Kusumadewi dan Purnomo, Operasi Himpunan Fuzzy, 2014
dengan :
μdf (xi) = nilai keanggotaan solusi fuzzy sampai aturan ke – i;
μkf(xi) = nilai keanggotaan konsekuen fuzzy aturan ke – i;
4. Penegasan (defuzzy)
Defuzzyfikasi pada komposisi aturan mamdani dengan menggunakan metode
centroid. Dimana pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy. Secara umum dirumuskan :
𝜇 (𝑥) =∫ 𝑥𝜇(𝑥)𝑑𝑥 𝑏 𝑎 ∫ 𝑥𝜇(𝑥)𝑑𝑥𝑎𝑏 Atau 𝜇 (𝑥) = ∑ 𝑥𝑖𝜇 𝑛 𝑖=1 (𝑥𝑖) ∑𝑛 𝜇 𝑖=1 (𝑥𝑖) 2.5 Prediksi
Secara umum, prediksi bisa diartikan sebagai sebuah kegiatan meramalkan atau membuat sebuah prakiraan tentang segala sesuatu yang akan terjadi. Prediksi mempunyai makna sebagai sebuah informasi, pemberitahuan, peringatan, pengetahuan dan ulasan tetang segala sesuatu yang akan terjadi berdasarkan fakta maupun tidak berdasarkan fakta. Secara umum ada beberapa macam prediksi, antara lain :
1. Prediksi berdasarkan teknologi.
2. Prediksi berdasarkan ilmu pengetahuan. 3. Prediksi berdasarkan pengetahuan. 4. Prediksi berdasarkan teori probabilitas. 5. Prediksi berdasarkan analisa, dan sebagainya.
2.6 Penjualan Kartu Perdana 2.6.1Penjualan
Menurut V. Wiratna Sujarweni (2015 : hal 79, Sistem Akuntansi) penjualan adalah suatu sistem penjualan pokok perusahaan untuk memperjual-belikan barang dan jasa yang perusahaan hasilkan. Dalam sistem penjualan terdapat dua macam, yaitu sistem penjualan tunai dan sistem penjualan kredit. a. Sistem Penjualan Tunai
Sistem penjualan tunai merupakan sistem yang diperlakukan oleh perusahaan dalam menjual barang dengan cara mewajibkan pembeli untuk melakukan pembayaran harga terlebih dahulu sebelum barang diserahkan pada pembeli. b. Sistem Penjualan Kredit
Sistem penjualan kredit merupakan sistem penjualan dimana pembayarannya dilakukan setelah barang diterima pembeli. Jumlah dan jatuh tempo pembayarannya disepakati oleh kedua pihak.
2.6.2Kartu Perdana
Kartu perdana adalah kartu yang pertama kali digunakan sebagai sarana berkomunikasi menggunakan telepon genggam. Kartu perdana digunakan untuk melancarkan komunikasi jarak jauh secara cepat dan efisien. Dalam perkembangannya, kartu perdana menjadi salah satu barang dengan daya jual yang menjanjikan bagi perusahaan telekomunikasi.
3. ANALISA DAN PERANCANGAN
3.1 Analisa
Dengan menghitung harga keluaran dari IF THEN rule, metode mamdani harus menghitung luas dibawah kurva fuzzy set pada bagian keluaran (THEN-part). Selanjutnya dalam proses defuzzifikasi, metode mamdani harus menghitung rata rata (centroid) luas yang diboboti dari semua fuzzy set keluaran dari rule, kemudian mengisikan rata-rata tersebut ke variabel keluaran FIS. Penyusunan penerapan logika fuzzy mamdani untuk menentukan jumlah penjualan kartu perdana terdapat beberapa langkah yang harus dilakukan untuk mendapatkan data yang valid dalam penyusunannya. Setelah dilakukan perhitungan dan percobaan, maka didapatlah hasil prediksi penjualan kartu perdana dengan menerapkan metode fuzzy mamdani.
1. Pembentukan Himpunan Fuzzy
Data yang diambil untuk digunakan dalam rancangan sistem ini adalah data-data per hari dari jumlah permintaan, persediaan, dan penjualan kartu perdana selama rentang waktu dua tahun terakhir (September 2014 – April 2016) dari PT.TELESINDO SHOP Jln.Sutomo Ujung, Sumatra Utara.
Tabel 3.1 Data Pejualan Kartu Perdana Tanggal Penjualan Permintaa
n Persediaan September 2014 80 60 100 Oktober 2014 100 90 100 November 2014 107 120 125 Desember 2014 130 120 150 Januari201 5 128 120 175 Februari 2015 122 120 150 Maret 2015 125 120 150
April 2015 78 97 150 Mei 2015 102 105 125 Juni 2015 105 105 150 Juli 2015 105 105 150 Agustus 2015 93 90 150 September 2015 120 118 125 Oktober 2015 76 87 150 November 2015 100 92 125 Desember 2015 65 68 150 Januari 2016 73 80 100 Februari 2016 97 100 125 Maret 2016 97 100 150 April 2016 100 100 175 Tabel 3.2 Aturan Fuzzy
No. Variabel
Permintaan Persediaan Penjualan 1. Rendah Tinggi Rendah 2. Rendah Rendah Rendah 3. Rendah Rendah Tinggi 4. Tinggi Tinggi Tinggi 5. Tinggi Rendah Tinggi
Berikut adalah cara untuk mendapatkan nilai keanggotan berdasarkan variabel linguistik dan variabel numerik yang digunakan :
Permintaan = 100 𝑍𝑛𝑎𝑖𝑘= 120 − 100 120 − 60 = 20 60= 0,33 𝑍𝑡𝑢𝑟𝑢𝑛=100 − 60 120 − 60= 40 60= 0,67
Fungsi keanggotaan himpunan fuzzy TURUN dan NAIK dari variabel Permintaan direpresentasikan pada Gambar 3.1 :
Gambar 3.1 Himpunan Fuzzy Dari Variabel Permintaan Persediaan = 170 𝑍𝑛𝑎𝑖𝑘= 200 − 170 500 − 100= 30 100= 0,3 𝑍𝑡𝑢𝑟𝑢𝑛=40 − 10 50 − 10= 30 40= 0,7
Fungsi keanggotaan himpunan fuzzy NAIK dan TURUN dari variabel Persediaan direpresentasikan pada Gambar 3.2.
Gambar 3.2 Himpunan Fuzzy Dari Variabel Persediaan
Penjualan = 130
Gambar 3.3 Himpunan Fuzzy Dari Variabel Penjualan
2. Fungsi Implikasi
[R1] IF Permintaan RENDAH And Persediaan TINGGI THEN Penjualan Kartu Perdana RENDAH.
𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡1
= min(𝜇𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛𝑅𝐸𝑁𝐷𝐴𝐻[𝑥]
∩ 𝜇𝑃𝑒𝑟𝑠𝑒𝑑𝑖𝑎𝑎𝑛𝑇𝐼𝑁𝐺𝐺𝐼[𝑦])
= min(0,89; 0,25) = 0,67
[R2] IF Permintaaan RENDAH And Persediaan RENDAH THEN Penjualan Kartu Perdana RENDAH.
𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡2
= min(𝜇𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛𝑅𝐸𝑁𝐷𝐴𝐻[𝑥]𝜇𝑃𝑒𝑟𝑠𝑒𝑑𝑖𝑎𝑎𝑛𝑆𝐸𝐷𝐴𝑁𝐺[𝑦]) = min(0,89; 0,75) = 0,67
[R3] IF Permintaan RENDAH And Persediaan RENDAH THEN Penjualan Kartu Perdana TINGGI.
𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡3
= min(𝜇𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛𝑅𝐸𝑁𝐷𝐴𝐻[𝑥]
∩ 𝜇𝑃𝑒𝑟𝑠𝑒𝑑𝑖𝑎𝑎𝑛𝑅𝐸𝑁𝐷𝐴𝐻[𝑦])
= min(0,89; 0,75) = 0,33
[R4] IF Permintaan TINGGI And Persediaan TINGGI THEN Penjualan Kartu Perdana TINGGI.
𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡4
= min(𝜇𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛𝑇𝐼𝑁𝐺𝐺𝐼[𝑥]
∩ 𝜇𝑃𝑒𝑟𝑠𝑒𝑑𝑖𝑎𝑎𝑛𝑇𝐼𝑁𝐺𝐺𝐼[𝑦]) = min(0,11; 0,25)
[R5] IF Permintaan TINGGI And Persediaan RENDAH THEN Penjualan Kartu Perdana TINGGI.
𝛼 − 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡5 = min(𝜇𝑃𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛𝑇𝐼𝑁𝐺𝐺𝐼[𝑥] ∩ 𝜇𝑃𝑒𝑟𝑠𝑒𝑑𝑖𝑎𝑎𝑛𝑅𝐸𝑁𝐷𝐴𝐻[𝑦]) = min(0,11; 0,75) = 0,33 3. Komposisi Aturan 𝛼1 − 60 120 − 60= 0,67 𝛼1= 0,67(120 − 60) + 60 𝛼1= 100,2 𝛼2 − 60 120 − 60= 0,67 𝛼2= 0,67(120 − 60) + 60 𝛼2= 100,2 𝛼3 − 60 120 − 60= 0,33 𝛼3= 0,33(120 − 60) + 60 𝛼3= 79,8 𝛼4 − 60 120 − 60= 0,33 𝛼4= 0,33(120 − 60) + 60 𝛼4= 79,8 𝛼5 − 60 120 − 60= 0,33 𝛼5= 0,33(120 − 60) + 60 𝛼5= 79,8 𝜇[𝑧]𝑃𝑒𝑛𝑗𝑢𝑎𝑙𝑎𝑛 = { 0,67 𝑧−60 120−60 0,67 0,67 0,67 0,33 𝑧−60 120−60 0,33 𝑧 ≤ 0,67 0,67 ≤ 𝑧 ≤ 100,2 100,2 ≤ 𝑧 ≤ 120 𝑧 ≤ 0,33 0,33 ≤ 𝑧 ≤ 79,8 79,8 ≤ 𝑧 ≤ 120 4. Penegasan (Defuzzyfikasi)
Dengan menggunakan Rumus, maka dapat dilakukan perhitungan sebagai berikut :
𝑍 =𝛼𝑝1 ∗ 𝑍1 + 𝛼𝑝2 ∗ 𝑍2 + 𝛼𝑝3 ∗ 𝑍3 + 𝛼𝑝4 ∗ 𝑍4 + 𝛼𝑝5 ∗ 𝑍5 𝛼𝑝1 + 𝛼𝑝2 + 𝛼𝑝3 + 𝛼𝑝4 + 𝛼𝑝5 =0,67 ∗ 100,2 + 0,67 ∗ 100,2 + 0,33 ∗ 79,8 + 0,33 ∗ 79,8 + 0,33 ∗ 79,8 0,67 + 0,67 + 0,33 + 0,33 + 0,33 𝑍 =67,134 + 67,134 + 26,334 + 26,334 + 26,334 0,67 + 0,67 + 0,33 + 0,33 + 0,33 𝑍 =213,263 2,33 𝑍 = 91,5291845494
Hasil perhitungan di atas menunjukkan bahwa metode fuzzy Mamdani memprediksi jumlah penjualan kartu perdana tersebut sebanyak 91 kotak.
3.2 Perancangan Aplikasi 3.2.1 Perancangan Database
a. Desain Tabel Login
Desain Tabel Login berfungsi untuk menyimpan data id user dan password.
Tabel 3.3 Desain Login
Field Type Data Ukuran
User Name Varchar 15 Password Varchar 15 b. Desain Tabel Input Data Penjualan
Desain Tabel Input Data Penjualan berfungsi untuk menyimpan data penjualan kartu perdana. Tabel 3.4 Desain Input Data Penjualan
Field Type
Data Ukuran
Nama
Sales Varchar 30 No. Faktur Varchar 15 Banyak Penjualan Varchar 20 Jumlah Kartu Varchar 20 Total Harga Varchar 20 Tanggal Varchar 20 c. Desain Tabel Input Stok Kartu
Desain Tabel Input Stok Kartu Berfungsi untuk menyimpan data jenis barang dan kode. Tabel 3.5 Desain Input Stok kartu
Field Type Data Ukuran
Merek Kartu Varchar 15 Banyak Kartu Varchar 25 Harga Satuan Varchar 30
Prediksi berguna untuk memprediksi Penjualan Kartu Perdana dengan metode mamdani dengan terlebih dahulu memasukkan nilai persediaan dan permintaan.
Tabel 3.6 Desain Prediksi
Field Typ e Dat a Uku ran Perse diaan Var char 25 Permi ntaan Var char 25 Hasil Predi ksi Var char 25
3.2.2Use Case Diagram
Use case merupakan gambaran skenario dari interaksi antara user dengan sistem. Sebuah diagram Use Case menggambarkan hubungan antara aktor dan kegiatan yang dapat dilakukannya terhadap aplikasi. Diagram ini memperlihatkan himpunan Use Case dan aktor-aktor. Diagram ini sangat penting untuk mengorganisasasi dan memodelkan prilaku dari suatu sistem yang dibutuhkan serta diharapkan pengguna.
Gambar 3.4 Diagram Use Case
3.2.3Activity Diagram
Activity Diagram menggambarkan berbagai
alir aktifitas dalam sistem yang sedang dirancang, gambaran awal dari masing-masing alir, keputusan yang terjadi dan gambaran akhir. Diagram activity sistem dapat dilihat pada Gambar 3.5.
Gambar 3.5 Activity Diagram
4. ALGORITMA DAN IMPLEMENTASI
4.1 Aloritma
Algoritma adalah kumpulan perintah untuk menyelesaikan suatu masalah. Perintah-perintah tersebut dapat diterjemahkan secara bertahap dari awal hingga akhir. Dibutuhkan langkah-langkah logika untuk menyelesaikan masalah dan berfungsi untuk penelusuran program, keperluan perbaikan, serta pengembangan yang lebih mudah dan terarah.
Algoritma Menu Login adalah sebagai berikut :
Input : Uname = User name Pass = Password Output : masuk
Proses : If Uname.text = “Muthia” and pass = “1234” then
masuk= Tampil “Menu Utama”; Else
Pesan = “Login belum sukses”; End If
Prediksi.MdiParent = Me Prediksi.Show()
Algoritma Prediksi Mamdani adalah sebagai berikut :
Input : Psd = Persediaan Prm = Permintaan Output : Pjn = Penjualan Proses :
If Permintaan.text = “rendah” And Persediaan.text = “tinggi” then Penjualan.text = “rendah”.
If Permintaaan.text = “rendah” And Persediaan.text = “rendah” then Penjualan.text = “rendah”.
If Permintaan.text = “rendah” And Persediaan.text = “rendah” then Penjualan.text = “tinggi”.
If Permintaan.text = “tinggi” And Persediaan.text = “tinggi” then Penjualan.text = “tinggi”.
If Permintaan.text = “tinggi” And Persediaan.text = “rendah” then Penjualan.text = “tinggi”.
Dim xtgl = Format(txttanggal.Value, "yyyy-MM-dd")
sql = "insert into data values ('" & xtgl & _ "','" & Nmasales.text & _
"','" & Nofaktur.text & _ "','" & Bykpenjualan.text & _ "','" & Jlhkartu.text & _ "','" & Ttlharga.text & "')"
cmd = New MySqlCommand(sql, db) cmd.ExecuteNonQuery() buatlv() Nmasales.text = "" Nofaktur.text = "" Bykpenjualan.text = "" Jlhkartu.text = "" Ttlharga.text = "" txttanggal.text = Now End Sub 'Nmasales.text = ""
sql = "delete from data where Nmasales = '" & Nofaktur.Text & "'" cmd = New MySqlCommand(sql, db) cmd.ExecuteNonQuery() buatlv() Jlhkartu.Text = "" Bykpenjualan.Text = "" Nofaktur.Text = "" tanggal.text = Now Nmasales.text = "" End Sub Me.Hide() 4.2 Implementasi Program
Setelah melakukan implementasi terhadap rancangan yang diperoleh sebelumnya, penulis memperoleh hasil berupa sebuah perangkat lunak yang dapat digunakan untuk melakukan prediksi penjualan kartu perdana dengan metode inferensi mamdani. Adapunh asil yang penulis peroleh tersebut berupa tampilan hasil dan hasil pengujian sistem.
Pada tahap ini dilakukan penerapan hasil perancangan antar muka ke dalam sistem yang dibangun dengan menggunakan perangkat lunak yang telah dipaparkan pada sub bab implementasi
perangkat lunak, yang tercantum pada gambar di bawah ini :
1. Tampilan Form Menu Login
Menu login berfungsi sebagai perantara antara user dengan menu utama dan form lainnya dengan tujuan menghindari hal-hal yang diinginkan, adapun desainnya sebagai berikut:
Gambar 5.1 Tampilan Menu Login
2. Tampilan Form Menu Utama
Menu utama berfungsi sebagai induk dari semua form yang ada, adapun desainnya sebagai berikut:
Gambar 5.2 Tampilan Menu Utama
3. Tampilan Form Input Data Penjualan
Form Input Data Penjualan berfungsi untuk menyimpan data penjualan, adapun desainnya sebagai berikut:
Implementasi fuzzy dengan inferensi mamdani untuk prediksi penjualan kartu perdana pada pt. Telesindo shop 4. Tampilan Form Input Stok Kartu
Form Input Stok Kartu berfungsi untuk menyimpan data persediaan Kartu Perdana, adapun desainnya sebagai berikut:
Gambar 5.4 Tampilan Input Stok kartu
5. Tampilan Form Prediksi
Form Prediksi berfungsi untuk memprediksi Jumlah Penjualan Kartu Pada bulan selanjutnya, adapun desainnya sebagai berikut:
Gambar 5.5 Tampilan Form Prediksi
5. KESIMPULAN DAN SARAN
5.1 Kesimpulan
Dari penyelesian skripsi ini, penulis memberi kesimpulan sebagai berikut:
1. Perhitungan prediksi penjualan kartu perdana dapat diterapkan dengan Inferensi Mamdani 2. Memprediksi penjualan kartu perdana dengan
inferensi mamdani dapat memperoleh informasi tentang perkiraan penjualan untuk
bulan depan serta mengatasi tingkat resiko yang mengakibatkan kerugian.
3. Perancangan aplikasi dengan menggunakan Visual Basic Net 2008 untuk menghasilkan sebuah sistem yang dapat melakukan proses prediksi penjualan kartu perdana.
5.2 Saran
Berdasarkan kesimpulan yang telah diambil,maka dapat dikemukakan untuk pengembangan skripsi ini lebih lanjut, yaitu sebagai berikut:
1. Diharapkan adanya penelitian lanjutan dari sistem ini sehingga mendapatkan hasil yang lebih baik
2. Sistem ini mempunyai keterbatasan sehingga harus selalu di-update karena pengetahuan akan terus bertambah dan berkembang.
DAFTAR PUSTAKA
1. Anita Desiani dan Muhammad Arhami, 2006. Konsep Kecerdasan Buatan. Yogyakarta. C.V. Andi OFFSET.
2. Abdul Kadir, 2013. Pemograman Database
MYSQL Untuk Pemula. Yogyakarta.
MediaKom.
3. Adi Nugroho, 2010. Rekayasa Perangkat Lunak Berorientasi Objek Dengan Metode USDP (UML) Unified Modeling Language. Yogyakarta. C.V. Andi OFFSET.
4. Gusti Ngurah Suryantara, 2014. Merancang Aplikasi Akutansi VB.Net. Jakarta. PT. Elex Media Komputindo.
5. Kusumadewi dan Purnomo, 2014. Operasi Himpunan Fuzzy. Gramedia. Jakarta. PT. Elex Media Komputindo.
6. Priyanto Hidayatullah, 2014. Visual Basic.Net. Jakarta. PT. Elex Media Komputindo. Gramedia.
7. Siswanto, 2005. Kecerdasan Buatan. Yogyakarta. Graha Ilmu
8. T. Sutojo, S.Si., M.Kom., dkk, 2011. Kecerdasan Buatan. Yogyakarta. C.V. Andi OFFSET.
9. V. Wiratna Sujarweni, 2015. Sistem Akuntansi. Yogyakarta. Gosyen Publishing. 10. http://www.pulsamurahlengkap.com/2014/11/
kartu-perdana.html
11. https://abajakarta.wordpress.com/2014/02/15/ bahasa-macam-macam-prediksi/
