107
SISTEM PENDUKUNG KEPUTUSAN DALAM MENENTUKAN
JUMLAH PRODUKSI SARUNG TANGAN KARET
BERDASARKAN PERMINTAAN PADA
PT. SHAMROCK MANUFACTURING
CORPORA
Laurentia Melati Lumbantoruan STMIK Budi Darma, Medan, Indonesia
Jl. Sisingamangaraja No. 338 Medan
ABSTRAK
PT.Shamrock Manufacturing Corpora Medan merupakan perusahaan yang memproduksi sarung tangan karet. Dengan tingginta tingkat tingkat persaingan dari perusahaan lain yang sejenis, maka perusahaan ini dituntut agar meningkatkan kinerja perusahaan dengan cara memanfaatkan kemajuan teknologi informasi berbasis komputer. Dengan demikian, diharapkan permintaan akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap negara yang layak diterima permintaannya. Sistem Pendukung Keputusan merupakan suatu sistem interaktif yang mendukung keputusan dalam proses pengambilan keputusan melalui alternatif-alternatif yang diperoleh dari hasil pengolahan data, informasi dan rancangan model. Sistem pendukung keputusan ini dengan harapan dapat digunakan untuk mengatasi permasalahan yang ada pada Permintaan sarung tangan karet. Pada penelitian ini, penulis merancang berdasarkan permintaan produk sarung tangan karet yang dirancang dengan menggunakan bahasa pemograman Visual Basic 2008 sebagai Database Mysql untuk menampilkan laporan permintaan.
Kata Kunci: Permintaan, SPK, Metode Fuzzy Associative Memory
I. PENDAHULUAN
PT. Shamrock Manufacturing Corpora Medan disingkat SMC merupakan perusahaan yang memproduksi sarung tangan karet sejak tahun 1989. Dengan tingginya tingkat persaingan dari perusahaan lain yang sejenis, maka perusahaan ini dituntut agar meningkatkan kinerja perusahaan dengan cara memanfaatkan kemajauan teknologi informasi berbasis komputer. PT. Shamrock Manufacturing Corpora Medan memiliki kegiatan utama yaitu memproduksi sarung tangan karet serta membuat label atau sarung tangan karet tersebut.
Dengan demikian, diharapkan permintaan akan lebih tepat karena didasarkan pada nilai kriteria dan bobot yang sudah ditentukan sehingga akan mendapatkan hasil yang lebih akurat terhadap negara yang layak diterima permintaannya. Apabila proses pengambilan keputusan tersebut dibantu oleh sebuah sistem pendukung keputusan yang terkomputerisasi, subjektifitas dalam pengambilan keputusan diharapkan bisa diterima perusahaan. dengan demikian hanya permintaan yang benar-benar layaklah yang diharapkan akan dipilih. Namun demikian dalam sistem ini yang memegang peranan penting adalah pengambil keputusan karena sistem hanya menyediakan alternatif keputusan, sedangkan keputusan akhir tetap ditentukan oleh decision maker (pengambil keputusan). [1]
Sistem Pendukung Keputusan merupakan suatu sistem interaktif yang mendukung keputusan dalam proses pengambilan keputusan melalui alternatif-alternatif yang diperoleh dari hasil pengolahan data, informasi dan rancangan model. Dalam menentukan jumlah produksi sarung tangan karet berdasarkan permintaan terdapat beberapa tehnik diantaranya adalah metode Fuzzy Assosiative Memory.Metode ini
dipilih karena metode ini mengasosiasikan data baru pada data-data yang sudah ada didalam sistem. Dalam masalah yang dibahas pada penelitian ini akan dirancang sebuah perangkat lunak berbasis Visual Basic 2008 yang di harapkan menjadi solusi pemecahan masalah.
II. TEORITIS
A. Sistem Pengambilan Keputusan
Sistem Pendukung Keputusan dirancang untuk mendukung seluruh tahap pengambilan keputusan mulai dari mengindentifikasi masalah, memilih data yang relevan, dan menentukan pendekatan yang digunakan dalam proses pengambilan keputusan, sampai mengevaluasi pemilihan alternatif. dalam pengambilan keputusan tiap manajemen memiliki tipe kegiatan masing-masing, kegiatan manajemen tersebut dihubungkan dengan tingkatannya didalam organisasi yang dibagi menjadi 3 bagian yaitu :
1. Perencanaan strategis
Merupakan kegiatan manajemen yang tingkatannya paling atas, tujuannya sebagai proses evaluasi lingkungan diluar organisasi, penerapan tujuan-tujuan organisasi dan penentuan strategi-strategi yang ingin diambil oleh perusahaan.
2. Pengendalian manajemen
Merupakan suatu system yang digunakan untuk meyakinkan bahwa organisasi telah menjalankan strategi yang telah ditetapkan secara efektif dan efisien.Tingkatan ini disebut juga tingkatan taktik (tactical level) yang artinya bagaimana manajemen tingkat menengah menjalankan taktik supaya perencanaan strategisnya berjalan dengan lancar. Taktik ini bersifat jangka pendek biasanya ± 1 tahun. Kegiatan yang dilakukan pada tingkatan ini
108 terdiri dari : pembuatan program kerja, penyusunan
anggaran, pelaksanaan dan pengukuran dan pelaporan dan analisis.
3. Pengendalian operasi
Merupakan system untuk meyakinkan bahwa tiap tugas tertentu telah dilaksanakan secara efektif dan eifisien, ini merupakan penerapan program yang telah ditetapkan di pengendalian manajemen, kegiatan ini dilakukan dibawah proses pengendalian manajemen dan berfokus pada tugas-tugas tingkat bawah. [7]
B. Fuzzy Associative Memory
Fuzzy Associative Memory (FAM) pertama kali dipublikasikan oleh Bart Kosko. FAM adalah sebuah sistem yang memetakan antara satu himpunan fuzzy ke himpunan fuzzy yang lain. [9]
Secara umum, arsitektur dari sebuah sistem FAM adalah seperti pada gambar berikut:
Gambar 1. Arsitektur FAM
Keterangan:
1. Mengkodekan input dan output ke dalam FAM matrix {(Ai,Bi) | 0 <= i < m} dimana m adalah jumlah data.
2. Menghitung autoassociativefuzzy Hebbian FAM Matriks dengan salah satu dari dua aturan pembelajaran, yaitu dengan correlation-minimumencoding atau dengan correlationproduct encoding.
3. Apabila nilai M sudah didapat, nilai B bisa dicari dengan melakukan relasikomposisi dari A dan M. Kita juga bisa mencari nilai A dengan melakukan relasi komposisi dari B dan M (Kusumadewi, 2004). Relasi komposisi bisa dilakukan dengan max-min compositionatau dengan max-product composition.
4. Melakukan proses defuzzy dengan menggunakan aturan winner take all atau dengan menggunakan weighted average.
Langkah-Langkah yang dilakukan dalam menggunakan metode Fuzzy Associative Memory, yaitu:
1. Pembentukan Fungsi keanggotaan dari masing-masing kriteria
2. Pembentukan Sistem FAM berdasarkan Data Contoh : misalkan input vektor A akan berisi 34 elemen yang berasal dari jumlah seluruh fungsi keanggotaan,
isi dari vektor A yaitu nilai masing-masing fungsi keanggotaan. Input vektor B akan berisi sebanyakjumlah data yang ada pada database, isi dari vektor B yaitu elemen ke-i akan bernilai 1 selain itu bernilai 0. A1=0,1,0,0,0,0,1,0,0,0,1,0,0,0,0,0,0,0,1,0,0,0,0.6667,0 .3333,0,0,1,0,0,0,0,0,0.0005=0.9995 B1 = 1, 0, 0, 0, 0 A2= 0,1,0,0,0,0,1,0,0,0,1,0,0,0,0,0,0,0,1,0,0,0,0.6667,0.333 3,0,0,1,0,0,0,0,0,0,1 B2= 0, 1, 0, 0, 0 A3=0,1,0,0,0,0,1,0,0,0,1,0,0,0,0,0,0.5,0.5,0,0,0,0,0.66 7,0.3333,0,0,0.95,0.05,0,0,0, 0.8505,0.1495,0 B3= 0, 0, 1, 0, 0 A4= 0,1,0,0,0,0.4,0.6,0,0,1,0,0,0,0,0,0,1,0,0,0,1,0,0,0,0,0.4, 0.6,0,0,1,0,0,0,0 B4= 0, 0, 0, 1, 0 A5=0,1,0,0,0,0,0,0.4,0.6,0,0,1,0,0,0,0,0,0,1,0,0,0.6666 7,0.3333,0,0,0,1,0,0,0.55,0.45, 0,0,0 B5= 0, 0, 0, 0, 1
3 Selanjutnya menghitung matriks M dengan dua aturan (A,B) yang telah didapat dari perkalian matriks A dan B. Didapat matriks Mk dengan ukuran 34x5 Dengan k yaitu jumlah data. 4 Jika nilai matriks MK sudah diketahui maka nilai
Bk. B1’= 1.6222, 0, 0, 0, 0 B2’ = 0, 1.6222, 0, 0, 0 B3’= 0, 0, 2.5475, 0, 0 B4’= 0, 0, 0, 1.3, 0 B5’= 0, 0, 0, 0, 0.7806
Sebelum ke proses defuzzy, masing-masing elemen dari B dijumlahkan. Total= 1.6222, 1.6222, 2.5475, 1.3, 0.7806 Proses defuzzy kemudian dilakukan dengan metode winner take all,maximum membership defuzzification, dimana pada metode ini nilai terbesar akan menjadi solusi terbaik, karena elemen ke-3
109 memiliki nilai terbesar sehingga elemen ke-3
merupakan solusi terbaik atau dengan kata lain data ke-3 merupakan solusi terbaik dengan menggunakan metode Fuzzy Associative Memory.
III. ANALISA DAN PEMBAHASAN
Menentukan kriteria-kriteria dalam menentukan produksi sarung tangan karet berdasarkan permintaan pada PT. Shamrock Manufacturing Corpora yaitu:
1.
Kriteria kualitasKualitas hasil produksi dinilai berdasarkan banyaknya jumlah sarung tangan yang diterima setelah dilakukan penyeleksian sampel sarung tangan. Jumlah sampel sarung tangan yang diproduksi adalah 5 buah misalnya mewakili ukuran S,M,L,XL,XS masing-masing dua buah (satu pasang) untuk satu ukuran. Jumlah sampel mengikuti tipe ukuran sarung tangan yang dipesan oleh pemesan. Penilaian kualitas seperti pada tabel 1.
Tabel 1. Daftar nilai untuk kriteria kualitas
Nama Sub kontrak Seleksi Kualitas Repair Diterima Sub kontrak A 1.5 8.5 85 Sub kontrak B 0,5 9.5 95 Sub kontrak C 0,3 9.7 97
2.
Kriteria ketepatan waktu (KW)Penilaian ketepatan waktu digunakan untuk mengukur ketepatan waktu pengiriman oleh subkontrak. Pengukuran ketepatan waktu berdasarkan tanggal penyelesaian yang telah disepakati antara perusahaan dengan subkontrak. Toleransi waktu keterlambatan pengiriman adalah satu hari. Pada kasus ini, contoh hasil produksi harus dikirim pada tanggal 13 januari 2016. Subkontrak yang mengirim maksimal pada Stanggal tersebut diberi nilai 2, jika melewati tanggal yang ditetapkan diberi nilai 1, seperti ditunjukkan pada tabel 2.
Tabel 2. Daftar nilai untuk kriteria ketepatan waktu N o Nama Subkontra k Tgl. Pengirima n Nila i KW K W (%) 1 Subkontra k A 13 Januari 2016 2 100 2 Subkontra k B 14 Januari 2016 1 50 3 Subkontra k C 15 Januari 2016 2 100
3.
Kriteria service (pelayanan)Penilaian service digunakan untuk mengukur pelayanan yang diberikan oleh subkontrak, terdiri tiga hal yaitu (1) tersedianya alat komunikasi, (2) mudah dihubungi, (3) merespon dengan cepat jika terjadi permasalahan, masing-masing diberi nilai 1, total nilai adalah tiga seperti tabel 3.
Tabel 3. Daftar nilai untuk kriteri service Nama Sub kontrak Alat
komunikasi
Respon Nilai % Sub kontrak A Yes Yes 3 100 Sub kontrak B Yes Yes 3 100 Sub kontrak C Yes Yes 3 100
4.
Sub kontrak Kriteria Harga, penilaian untuk kriteria harga adalah harga sarung tangan karet yang diberikan calon.Tabel 4. kriteria Permintaan Sarung Tangan Tahun 2016
Untuk selanjutnya, bulan akan diwakili dengan variabel B, produk LPFT akan diwakili dengan variabel LP, produk LPS akan diwakili dengan variabel LS, akan diwakili dengan variabel H, akan diwakili dengan variabel C, dan untuk rata-rata jumlah permintaan akan diwakili dengan variabel P. Untuk menyelesaikan permasalahan diatas, akan dilakukan beberapa langkah berikut:
A. Pembentukan Fungsi Keanggotaan
Dari tabel 4., ada sebanyak 12 pasangan data, yaitu bulan ke-i (𝐵𝑖), produk LPFT ke-i (𝐿𝑃𝑖), produk
LPS ke-i (𝐿𝑆𝑖), dengan rata-rata jumlah permintaan
produk ke-i (𝐻𝑖), (i=1, 2, 3, ..., 12).
Gambar 1. Fungsi Kanggotaan Pada Himpunan Fuzzy Pada Variabel Bulan
Pada variabel bulan (a), data yang dimiliki adalah Januari, Februari, Maret, April, Mei, Juni, Juli,
No Bulan Negara Jenis Jumlah
Permintaan 1 Januari Malaysia LPFT 500 Ton 2 Februari Singapore LPFT 300 Ton
3 Maret Eropa LPS 250 Ton
4 April Malaysia LPFT 500 Ton
5 Mei Eropa LPS 250 Ton
6 Juni Malaysia LPFT 500 Ton
7 Juli Singapore LPFT 300 Ton
8 Agustus Eropa LPS 250 Ton
9 September Malaysia LPFT 500 Ton 10 Oktober Singapore LPFT 300 Ton 11 November Malaysia LPS 500 Ton
110 Agustus, September, Oktober, November, dan
Desember, dengan demikian pada variabel ini bisa dibagi menjadi 3 himpunan fuzzy, yaitu RENDAH, NORMAL, TINGGI. Himpunan fuzzyrendah akan memiliki domain [Januari sampai Juli], dengan derajat keanggotaan RENDAH tertinggi (=1) terletak pada bulan April. Apabila variabel bulan dibawah dari April maka kondisi variabel bulan semakin mendekati SANGAT RENDAH, dan keluar dari pembicaraan dari data penelitian.Namun apabila variabel bulan diatas dari bulan April, maka kondisi variabel bulan semakin mendekati NORMAL.Himpunan fuzzy RENDAH direpresentasikan dengan fungsi keanggotaan segitiga dengan derajat keanggotaan semakin tinggi apabila variabel bulan semakin mendekati variabel bulan April. B. Hasil analisis menerapkan metode FAM berdasarkan data perusahaan
1. Variabel bulan (a)
𝜇RENDAH[X] = { 0, 500−250 2 500−250 2 =125 𝜇 NORMAL[𝑌] = { 0, 300−500 2 500−300 2 =100 𝜇𝑇𝐼𝑁𝐺𝐺𝐼[𝑍] = { 0, 250−250 2 250−250 2 = 0,5 2.VariabelLPFT(b) 𝜇𝑅𝐸𝑁𝐷𝐴𝐻[𝑋] = { 0, 250 − 300 50 500 − 250 50 = 5 𝜇𝑁𝑂𝑅𝑀𝐴𝐿[𝑌] = { 0, 300−300 50 300−250 50 = 1 𝜇𝑇𝐼𝑁𝐺𝐺𝐼[𝑍] = { 0, 500−500 50 300−250 50 = 5 3.Variabel LPS(c) 𝜇𝑅𝐸𝑁𝐷𝐴𝐻[𝑋] = { 0, 300 300−250 50 =5 𝜇𝑁𝑂𝑅𝑀𝐴𝐿[𝑋] = { 0, 300−300 50 300−300 50 = 0,02 𝜇𝑇𝐼𝑁𝐺𝐺𝐼[𝑍] = { 0, 500−500 50 500−500 50 =0,02
Tabel 6. Hasil Perhitungan
C. Menentukan Output crisp (Defuzifikasi)
Pada metode Fuzzy Associative Memory, untuk menentukan output Crisp digunakan defuzifikasi rata-rata terpusat, yaitu :
Keterangan
X,Y,Z = fungsi keanggotaan ( Rendah, Normal,Tinggi) a,b,e = variabel (X,Y,Z) = a(X.Y.Z)+b(X.Y.Z)+𝑐(𝑋.𝑌.𝑍) 𝐽𝐿.𝑣𝑎𝑟𝑖𝑎𝑏𝑒𝑙 = 1(123+100+0,5)+1(5+1+5)+1(5+0,02+0,02) 3 = 223,5+11+5,04 3 = 239,544 Ton IV. IMPLEMENTASI
Pengujian program digunakan untuk melihat hasil yang sudah dibahas pada pembahasan sebelumnya, untuk tampilan aplikasi seperti pada gambar dibawah: 1. Halaman pertama yang muncul ketika diakses
adalah halaman login. Halaman login dapat dilihat pada gambar berikut:
Gambar 2. Interface halaman login
2. Setelah berhasil login, maka akan tampil interface dari halaman utama seperti gambar berikut :
keanggotaan Rendah Normal Tinggi
Bulan 125 100 0,5
LPFT 5 1 5
111 Gambar 3. Interface halaman utama`
3. Setelah berhasil menu utama, maka akan tampil interface permintaan seperti gambar berikut :
Gambar 4. Interface permintaan
4. Setelah berhasil menu permintaan, maka akan tampil interface laporan sepertti gambar berikut :
Gambar 5. Interface laporan
5. Untuk melakukan perhitungan sistem pendukung keputusan, sebelumnya pengguna menginput data kriteria dapat dilihat seperti gambar berikut :
Gambar 6. interface FAM
V. KESIMPULAN
Kesimpulan yang dapat diambil setelah melakukan penelitian, yaitu:
1. Sistem pendukung keputusan mampu menentukan kriteria-kriteria produksi sarung tangan karet berdasarkan permintaan.
2. Sistem pendukung keputusan dengan metode Fuzzy Associative Memory dapat diterapkan dalam menentukan jumlah produksi sarung tangan karet berdasarkan permintaan.
3. Proses implementasi sistem pendukung keputusan dengan menggunakan metode Fuzzy Associative Memory aplikasi visual basic 2008 berbasis Mysql dapat digunakan untuk data pengujian.
REFERENCES
[1] PT.Shamrock Manufacturing Corpora Medan
[2] Arwan Ahmad Khoiruddin, “Sistem Pendukung Keputusan Penentuan Kelayakan Calon Rintisan Sekolah Bertaraf
Internasional Dengan Metode Fuzzy Assosiative
Memory”,Universitas Islam Indonesia,PP.1907-5022,2008. [3] Tata Sutabri, Analisis dan Perancangan Sistem, Penerbit Andi,
Yogyakarta, 2004.
[4] Jogianto HM, Analisa dan Desain Sistem Informasi , Penerbit Andi, Yogyakarta ,2005.
[5] Kusrini, M.Kom, Konsep dan Aplikasi Sistem Pendukung Keputusan 2007, Penerbit Andi, Yogyakarta.
[6] Rosa A.S & M.Shalahudin, Analisa dan Perancangan Sistem, 2014, Penerbit Rosa A.S.
[7] Sri Kusumadewi, Hari Purnomo, Aplikasi Logika Fuzzy untuk Pendukung Keputusan,Yogyakarta ; Graha ilmu,2013. [8] Ketut Darmayuda, Aplikasi Basis Data dengan Visual
Basic.NET, 2014, Penerbit Informatika Bandung.
[1] M. Mesran, S. Suginam, S. D. Nasution, and A. P. U. Siahaan, “PENERAPAN WEIGHTED SUM MODEL ( WSM ) DALAM PENENTUAN PESERTA JAMINAN,” J. Ris. Sist. Inf. dan Tek.
Inform., vol. 2, no. 1, pp. 40–47, 2017.
[2] M. Mesran, I. Saputra, and M. Ariska, “Penerapan Metode Promethee Ii Pada Sistem Layanan Dan Rujukan Terpadu ( Slrt ) ( Studi Kasus : Dinas Sosial Kabupaten Deli Serdang ),”
KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. I, pp.
276–285, 2017.
[3] Mesran, G. Ginting, Suginam, and R. Rahim, “Implementation of Elimination and Choice Expressing Reality ( ELECTRE ) Method in Selecting the Best Lecturer ( Case Study STMIK BUDI DARMA ),” Int. J. Eng. Res. Technol. (IJERT, vol. 6, no. 2, pp. 141–144, 2017.
[4] G. Ginting, Fadlina, Mesran, A. P. U. Siahaan, and R. Rahim, “Technical Approach of TOPSIS in Decision Making,” Int. J.
