Prediksi Jumlah Produksi Seragam Pada PT Apac Inti
Corpora Menggunakan Logika Fuzzy Tsukamoto
Muhammad Muchsin Yuniarto1, Ajib Susanto2
Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl. Imam Bonjol No. 207, Semarang, 50131, Telp. (024) 3517261
e-mail: Ucin94@gmail.com1, ajibsusanto@gmail.com2
Abstrak— Prediksi jumlah produksi seragam merupakan faktor penting yang menentukan
kelancaran usaha suatu perusahaan diantaranya yaitu PT. Apac Inti Corpora. Prediksi ini sangat berguna untuk menentukan berapa banyak barang yang akan diproduksi pada bulan selanjutnya. Prediksi ini selalu kurang tepat karena hanya melihat perkiraan berdasarkan data produksi yang telah terjadi. Pencatatan dan prediksi di PT. Apac Inti Corpora masih dilakukan secara manual dengan menambahkan 10 % dari target produksi pada bulan sebelumnya. Permasalahan yang umum dihadapi oleh PT. Apac Inti Corpora adalah bagaimana memprediksi atau meramalkan jumlah produksi seragam di masa mendatang berdasarkan data penjualan dan data retur seragam. Metode analisis yang digunakan dalam penelitian ini menggunakan metode Fuzzy Tsukamoto dalam menentukan jumlah produksi seragam berdasaran data penjualan dan jumlah retur, pembuatan sistem menggunakan menggunakan PHP dan MySQL, pengujian sistem menggunakan MSE. Hasil prediksi jumlah produksi seragam menggunakan Fuzzy Tsukamoto pada PT. Apac Inti Corpora untuk bulan beriktunya yaitu Desember 2016 yaitu sebesar 50.000 seragam dan hasil pengujian menunjukkan nilai MSE sebesar 673.294.124.
Kata Kunci : Prediksi, Seragam, Produksi, Penjualan, Retur, Fuzzy Tsukamoto
Abstract— Prediction uniform production number is an important factor that determines the smoothness of the business of an enterprise of which is PT. Apac Inti Corpora. This prediction is very useful to determine how many items will be produced in the coming months. This prediction is always less precise because only view estimates based on production data that has happened. Recording and predictions in PT. Apac Inti Corpora still done manually by adding 10% of its production target in the previous month. Common problems faced by PT. Apac Inti Corpora is how to predict or forecast production quantities uniform in the future based on sales data and returns the data uniformly. The analytical method used in this study using Tsukamoto Fuzzy method in determining the number of uniform production berdasaran sales data and the number of returns, using a system making use of PHP and MySQL, system testing using MSE. The prediction results using fuzzy number Tsukamoto uniform production at PT. Apac Inti Corpora for this next month ie December 2016 in the amount of 50,000 uniforms and test results show the value of MSE of 673 294 124
Kata Kunci : Prediction, Uniform, Production, Sales, Returns, Fuzzy Tsukamoto
1. PENDAHULUAN
Penjualan merupakan suatu kegiatan yang dilakukan perusahaan dalam usaha memasarkan produk atau jasa yang
dimilikinya kepada masyarakat atau konsumen yang membutuhkannya, dimana hasil penjualan tersebut merupakan hasil pendapatan bagi perusahaan yang tentunya akan mendukung
kegiatan perusahaan selanjutnya. PT. Apac Inti Corpora merupakan salah satu perusahaan tekstil yang terletak di jalan Sukarno-Hatta, Harjosari, Bawen, Semarang.
Prediksi jumlah produksi seragam merupakan faktor penting yang menentukan kelancaran usaha suatu perusahaan diantaranya yaitu PT. Apac Inti Corpora. Prediksi ini sangat berguna untuk menentukan berapa banyak barang yang akan diproduksi pada bulan selanjutnya. Permasalahan yang umum dihadapi oleh PT. Apac Inti Corpora adalah bagaimana memprediksi atau meramalkan jumlah produksi seragam di masa mendatang berdasarkan data penjualan dan data retur seragam. Prediksi tersebut sangat berpengaruh untuk menentukan target penjualan yang harus dicapai oleh PT. Apac Inti Corpora. Perencanaan yang efektif baik untuk jangka panjang maupun jangka pendek bergantung pada peramalan permintaan untuk produk PT. Apac Inti Corpora. Untuk menghasilkan prediksi yang tepat tentu saja dibutuhkan kecermatan dan ketelitian. Selama ini PT. Apac Inti Corpora secara tidak langsung selalu memprediksi produksi seragam yang akan datang. Akan tetapi prediksi ini selalu kurang tepat karena hanya melihat perkiraan berdasarkan data produksi yang telah terjadi. Pencatatan dan prediksi di PT. Apac Inti Corpora masih dilakukan secara manual dengan menambahkan 10 % dari target produksi pada bulan sebelumnya.
Permasalahan yang timbul dari PT. Apac Inti Corpora adalah kesulitan dalam prediksi produksi seragam untuk bulan-bulan berikutnya. Karena dalam tiap bulannya penjualan seragam meningkat dan pihak perusahaan hanya mengandalkan prediksi tradisional dalam memproduksi seragam pada tiap bulannya. Prediksi tradisional disini adalah dalam bentuk produksi yang dilakukan dalam jumlah yang sama dari bulan ke bulan atau berdasarkan permintaan tanpa adanya perhitungan terlebih dahulu. Hal tersebut tentunya akan membuat pihak PT. Apac Inti Corpora kesulitan dalam mengetahui jumlah produk yang harus diproduksi. Untuk dapat mengatasi permasalahan tersebut dan meningkatkan kinerja dari PT. Apac Inti Corpora, maka diperlukan proses prediksi secara otomatis menggunakan kecerdasan buatan. Prediksi adalah sama dengan ramalan
atau perkiraan. Prediksi adalah hasil dari kegiatan memprediksi atau meramal atau memperkirakan. Prediksi bisa berdasarkan metode ilmiah ataupun subjektif belaka. Sebagai contoh, prediksi cuaca selalu berdasarkan data dan informasi terbaru yang didasarkan pengamatan termasuk oleh satelit Salah satu metode dalam kecerdasan buatan yang dapat digunakan untuk prediksi adalah
Fuzzy Logic.
Fuzzy Logic adalah sebuah metodologi
“berhitung” dengan variabel kata-kata (linguistic variable), sebagai pengganti berhitung dengan bilangan. Kata- kata yang digunakan dalam Fuzzy Logic memang tidak sepresisi bilangan, namun kata-kata jauh lebih dekat dengan intuisi manusia. Dengan Fuzzy
Logic, sistem kepakaran manusia bisa
diimplementasikan ke dalam bahasa mesin secara mudah dan efisien. Motivasi utama teori
Fuzzy Logic adalah memetakan sebuah ruang
input ke dalam ruang output dengan menggunakan IF-THEN rules. Pemetaan dilakukan dalam suatu Fuzzy Inference System (FIS). FIS adalah sebuah metode yang menginterpretasikan harga-harga dalam vektor
input, menarik kesimpulan berdasar sekumpulan
IF-THEN rules yang diberikan, dan kemudian menghasilkan
vektor output .
Penelitian
ini
akan
membahas
mengenai
prediksi
jumlah
produksi
seragam. Prediksi ini akan dilakukan
dengan menggunakan Fuzzy Logic. Fuzzy
Logic digunakan karena dibandingkan
dengan logika konvensional, Fuzzy Logic
memiliki
kemampuan
dalam
proses
penalaran secara bahasa sehingga dalam
perancangannya
tidak
memerlukan
persamaan matematik yang rumit. Selain itu
karena Fuzzy Logic yang mudah dimengerti,
memiliki toleransi data-data yang tidak
tepat, mampu memodelkan fungsi-fungsi
non linear yang sangat kompleks, serta
dapat bekerja sama dengan teknik-teknik
kendali secara konvensional dan didasarkan
pada bahasa alami. Dalam Fuzzy Logic
terdapat 3 jenis Fuzzy yaitu : Tsukamoto,
Mamdani, dan Sugeno. Pada kasus pada PT.
Apac Inti yang akan dipakai adalah
Tsukamoto. Hal ini dikarenakan Fuzzy
Tsukamoto memiliki penalaran
Fuzzy yang cukup mudah untuk dipahami.
Adapun perbedaan Fuzzy Tsukamoto
dengan Fuzzy yang lain salah satunya
terdapat
pada
penggunaan.
Fuzzy
Tsukamoto penggunaannya lebih pada
Humanis Controll, Fuzzy Mamdani lebih
pada Humanis, sedangkan untuk Fuzzy
Sugeno pada Control.
2.METODE PENELITIAN 2.1Perhitungan Tsukamoto
1.Diketahui data penjualan seragam yaitu 10.000 seragam. Derajat keanggotaan untuk penjualan 10.000 merujuk pada fungsi keanggotaan pada kriteria penjualan.
Penjualan SEDIKIT [ x2 ] =1 Penjualan SEDANG[ x2 ] =0 Penjualan BANYAK[ x2 ] =0
2.Data retur seragam yaitu 20 seragam. Derajat keanggotaan untuk retur 20 merujuk pada fungsi keanggotaan pada kriteria retur.
Retur TURUN [ x1 ] =1 Retur SEDANG [ x1 ] =0 Retur NAIK [ x1 ] =0 3.Mesin Inferensi
Mesin inferensi dalam prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy
Tsukamoto menggunakan fungsi MIN untuk setiap aturan pada aplikasi fungsi implikasinya.
[R1] IF retur TURUN AND penjualan BANYAK THEN produksi BERTAMBAH α-predikat1 =µTURUN∩BANYAK
=min(µTURUN[20],µBANYAK
[10.000] =min(1,0) =0
Himpunan BERTAMBAH pada grafik keanggotaan variabel produksi yaitu
(
x
3 - 25.000) / 25.000 = 0 x
3 =25.000
[R2] IF retur TURUN AND penjualan SEDANG THEN produksi BERKURANG α-predikat2 =µTURUN∩SEDANG
=min(µTURUN[20],µSEDANG[1 0.000]
=min(1,0) =0
Himpunan BERKURANG pada grafik keanggotaan variabel produksi yaitu
(25.000-
x
3) / 15.000 = 0 x
3 =25.000
[R3] IF retur TURUN AND penjualan SEDIKIT THEN produksi BERKURANG α-predikat3 =µTURUN∩SEDIKIT
=min(µTURUN[20],µSEDIKIT [10.000]
=min(1,1) =1
Himpunan BERKURANG pada grafik keanggotaan variabel produksi yaitu
(25.000-
x
3) / 15.000 = 1 x
3=10.000
[R4] IF retur SEDANG AND penjualan BANYAK THEN produksi BERTAMBAH α-predikat4 =µSEDANG∩BANYAK
=min(µSEDANG[20],µBANYAK[ 10.000]
=min(0,0) =0
Himpunan BERTAMBAH pada grafik keanggotaan variabel produksi yaitu
(
x
3 - 25.000) / 25.000 = 0 x
3= 25.000
[R5] IF retur SEDANG AND penjualan SEDANG THEN produksi SEDANG
α-predikat5 =µSEDANG∩SEDANG =min(µSEDANG[20],µSEDAN
G[10.000] =min(0,0)
=0
Himpunan SEDANG pada grafik keanggotaan variabel produksi yaitu
(
x
3 - 10.000) / 15.000 = 0 x
3= 10.000
[R6] IF retur SEDANG AND penjualan SEDIKIT THEN produksi BERKURANG α-predikat6 =µSEDANG∩SEDIKIT
=min(µSEDANG[20],µSEDIKI T[10.000]
=min(0,1) =0
Himpunan BERKURANG pada grafik keanggotaan variabel produksi yaitu
(25.000-
x
3) / 15.000 = 0 x
3 =25.000
[R7] IF retur NAIK AND penjualan BANYAK THEN produksi BERTAMBAH α-predikat7 =µNAIK ∩BANYAK
=min(µNAIK[20],µBANYAK [10.000]
=min(0,0)
=0
Himpunan BERTAMBAH pada grafik keanggotaan variabel produksi yaitu
(
x
3 - 25.000) / 25.000 = 0 x
3 =25.000
[R8] IF retur NAIK AND penjualan SEDANG THEN produksi BERKURANG
α-predikat8 =µNAIK ∩SEDANG
=min(µNAIK[20],µSEDANG [10.000]
=min(0,0) =0
Himpunan BERKURANG pada grafik keanggotaan variabel produksi yaitu
(25.000-
x
3) / 15.000 = 0 x
3 = 25.000[R9] IF retur NAIK AND penjualan SEDIKIT THEN produksi BERKURANG
α-predikat9 =µNAIK ∩SEDIKIT
=min(µNAIK[20],µSEDIKIT [10.000]
=min(0,0) =0
Himpunan BERKURANG pada grafik keanggotaan variabel produksi yaitu
(25.000-
x
3) / 15.000 = 0 x
3 = 25.0002.2Defuzzifikasi
Defuzzifikasi dalam prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto dicari dengan menggunakan rata-rata terbobot.
uc Use Case Model
Admin
Login
Kelola data retur
Kelola data penj ualan Pilih periode prediksi Logout Kelola Rule Tsukamoto Hasil prediksi «include» Z = 10.000 1 = 10.000
3.HASIL DAN PEMBAHASAN
Dari hasil prediksi jumlah produksi seragam pada PT. Apac Inti Corpora untuk bulan berikutnya yaitu Desember 2016, PT. Apac Inti Corpora akan memproduksi seragam sebanyak 50.000 seragam.
3.1Pembahasan
Pengujian akan dilakukan terhadap data jumlah produksi dari PT. Apac Inti Corpora dari bulan Januari sampai November 2016 (11 bulan) menggunakan Mean Square
Error (MSE) seperti tabel 5.14.
Tabel 5.15. Pengujian MSE
Bulan Produksi (P) Hasil Prediksi (HP) MAE = P-HP MSE = MAE ² 01 64.300 64.300 0 0 02 54.876 50.000 4.876 23.775.376 03 15.670 50.000 -34.330 1.178.548.900 04 10.346 17.425 -7.079 50.112.241 05 64.300 10.550 53.750 2.889.062.500 06 44.339 50.000 -5.661 32.046.921 07 24.848 35.895 -11.047 122.036.209 08 18.935 10.434 8.501 72.267.001 09 12.818 18.417 -5.599 31.348.801 10 12.526 17.280 -4.754 22.600.516 11 68.689 14.059 54.630 2.984.436.900
Total MSE = ∑ MSE / 11 673.294.124
3.2 Use Case Diagram
Use case diagram prediksi jumlah
produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto dapat dilihat pada gambar 4.1.
Gambar 4.1. Use Case Diagram
Gambar 4.1 menjelaskan admin melakukan login ke prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto dengan
memasukkan username dan password kemudian mengelola data retur, data penjualan, rule Fuzzy Tsukamoto, melihat hasil prediksi atau logout.
3.3Class Diagram
Class diagram prediksi jumlah produksi
seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto dapat dilihat pada gambar 4.2.
3.4Activity Diagram
Activity diagram prediksi jumlah
produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto dapat dilihat pada gambar 4.3.
Gambar 4.3. Activity Diagram
Gambar 4.3 menjelaskan admin
melakukan login ke prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto dengan memasukkan username dan password kemudian mengelola data retur, data penjualan, rule Fuzzy Tsukamoto, melihat hasil prediksi atau logout.
3.5Sequence Diagram
Sequence diagram prediksi jumlah
produksi seragam pada PT. Apac Inti Corpora
menggunakan Logika Fuzzy Tsukamoto dapat dilihat pada gambar 4.4.
3.6 Implementasi Sistem
1.Login
Halaman login seperti pada gambar 4.7 digunakan untuk masuk ke prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto.
Gambar 4.7. Login
Untuk masuk ke prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto, isi username dan password kemudian klik tombol login, jika login valid maka akan ditampilkan halaman prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika
Fuzzy Tsukamoto dan jika salah akan
ditampilkan pesan seperti gambar 4.8.
Gambar 4.8. Pesan Username atau Password Salah
2.Retur
Halaman retur seperti pada gambar 4.9 digunakan untuk memasukkan data retur seragam pada PT. Apac Inti Corpora yang ada
act Activity A d mi n mulai Kelola data retur Kelola data penjualan Melihat Hasil Prediksi Login Logout Selesai Kelola rule tsukamoto sd sequence Admin
Penjualan Retur Rule Hasil
Kelola data penjualan() Kelola data retur() Kelola rule Tsukamoto()
Lihat hasil prediksi() Prediksi produksi seragam()
class Integrasi Data
Penj ualan # idpenjualan: varchar + idbulan: int + tahun: year + total: double + totalsedikit: double + totalsedang: double + totalbanyak: double + cari() : void + tampilkan item() : void + edit() : void + hapus() : void + simpan() : void Rule # idrule: varchar + retur: varchar + penjualan: varchar + produksi: varchar + cari() : void + tampilkan item() : void + edit() : void + hapus() : void + simpan() : void Retur # idretur: varchar + idbulan: int + tahun: year + total: double + totalturun: double + totalsedang: double + totalnaik: double + edit() : void + cari() : void + tampilkan item() : void + hapus() : void + simpan() : void Bulan # idbulan: int + nmbulan: varchar + hapus() : void + simpan() : void Hasil + idrule: varchar + idbulan: varchar + nilai: double + hasil: double
+ pIlih tahun() : void + proses() : void
di prediksi jumlah produksi seragam pada PT. Apac Inti Corpora.
Gambar 4.9. Retur
ID retur akan terisi secara otomatis dengan format R9999 yaitu R merupakan inisial dari retur dan 9999 merupakan urutan data retur dari tabel retur. Isi bulan, tahun, total dan klik tombol simpan untuk menyimpan data retur seragam. Klik tombol edit kemudian isi bulan, tahun, total dan klik tombol simpan untuk mengubah data retur. Klik tombol hapus dan pilih oke untuk menghapus data retur seragam.
3.Penjualan
Halaman penjualan seperti pada gambar 4.10 digunakan untuk memasukkan penjualan seragam pada PT. Apac Inti Corpora yang ada di prediksi jumlah produksi seragam pada PT. Apac Inti Corpora.
Gambar 4.10. Penjualan
ID penjualan akan terisi secara otomatis dengan format P9999 yaitu P merupakan inisial dari penjualan dan 9999
merupakan urutan data penjualan dari tabel penjualan. Isi bulan, tahun, total dan klik tombol simpan untuk menyimpan data penjualan seragam. Klik tombol edit kemudian isi bulan, tahun, total dan klik tombol simpan untuk mengubah data penjualan. Klik tombol hapus dan pilih oke untuk menghapus data penjualan seragam.
4.Rule
Halaman rules eperti pada gambar 4.11 digunakan untuk memasukkan aturan Fuzzy Tsukamoto pada PT. Apac Inti Corpora yang ada di prediksi jumlah produksi seragam pada PT. Apac Inti Corpora.
Gambar 4.11. Rule
Isi retur, penjualan, produksi dan klik tombol simpan untuk menyimpan data aturan. Klik tombol edit kemudian isi retur, penjualan, produksi dan klik tombol simpan untuk mengubah data aturan. Klik tombol hapus dan pilih oke untuk menghapus data aturan.
5.Prediksi
Halaman prediksi seperti pada gambar 4.12 digunakan untuk melihat hasil prediksi produksi seragam di prediksi jumlah produksi seragam pada PT. Apac Inti Corpora. Pilih tahun dan klik tombol proses untuk melihat hasil prediksi produksi seragam dengan Fuzzy Tsukamoto.
Gambar 4.12. Prediksi
4.KESIMPULAN
Setelah melakukan penelitian pada prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika
Fuzzy Tsukamoto, maka penulis dapat
menarik kesimpulan sebagai berikut :
1. Terciptanya prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy
Tsukamoto yang dapat digunakan untuk memprediksi jumlah produksi seragam pada PT. Apac Inti Corpora. 2. Hasil prediksi jumlah produksi
seragam menggunakan Fuzzy Tsukamoto pada PT. Apac Inti
Corpora untuk bulan beriktunya yaitu Desember 2016 yaitu sebesar 50.000 seragam dan hasil pengujian menunjukkan nilai MSE sebesar 673.294.124.
5. SARAN
Berikut ini saran penulis terhadap pengembangan dan penerapan prediksi jumlah produksi seragam pada PT. Apac Inti Corpora menggunakan Logika Fuzzy Tsukamoto lebih lanjut yaitu :
1. Dalam perhitungan produksi dengan menggunakan model Fuzzy
Tsukamoto, dapat memperbanyak
pilihan kriteria yang diajukan sistem yang bersifat dinamik yang terdiri dari variabel input kriteria Fuzzy. 2. Pengembangan selanjutnya, sistem
diharapkan dapat menggabungkan metode Fuzzy Tsukamoto dengan metode yang lain seperti Fuzzy
Mamdani agar hasil produksi lebih
komplek.
UCAPAN TERIMA KASIH
Puji syukur kehadirat Allah SWT,
yang telah melimpahkan rahmat dan
karuniaNya sehingga penulis dapat
menyelesaikan laporan Tugas Akhir yang
berjudul
“Prediksi
Jumlah
Produksi
Seragam Pada PT Apac Inti Corpora
Menggunakan Logika Fuzzy Tsukamoto”
pada waktu yang telah ditetapkan karena
dukungan dari berbagai pihak yang tidak
ternilai besarnya. Oleh karena itu, penulis
mengucapkan rasa terima kasih kepada:
1. Dr. Ir. Edi Noersasongko, M.Kom,
selaku Rektor Universitas Dian
Nuswantoro Semarang.
Ilmu Komputer.
3. Dr. Heru Agus Santoso, M.Kom,
selaku Ketua Program Studi Teknik
Informatika Strata Satu.
4. Ardytha Luthfiarta, M.Kom, selaku
dosen wali yang telah memberikan
nasihat dan bimbingan kepada penulis.
5. Ajib Susanto, M.Kom, selaku dosen
pembimbing yang telah memberikan
ide penelitian dan bimbingan yang
berkaitan dengan penelitian penulis
sehingga
penulis
dapat
menyelesaikan penelitian ini dengan
baik.
6. De Rosal Ignatius Moses Setiadi,
M.Kom, selaku Koordinator Tugas
Akhir Teknik Informatika-S1.
7. Dosen-dosen pengampu di Fakultas
Ilmu Komputer Teknik Informatika
Universitas Dian Nuswantoro
Semarang yang telah memberikan
ilmu
sehingga
penulis
dapat
mengimplementasikan ilmu yang telah
didapatkan.
8. Bapak Marno di PT Apac Inti Corpora,
yang telah membantu kelancaran
proses penelitian.
9. Kedua orang tua, kakak, keluarga
besar, dan teman yang telah
memberikan dorongan, nasihat, kasih
sayang, doa, dan dukungan material
maupun dukungan spiritual.
10.Teman-teman seperjuangan Universitas
Dian Nuswantoro yang tidak bisa di
sebutkan satu persatu.
Semoga Allah SWT memberikan
balasan yang lebih besar kepada
beliau-beliau, dan pada akhirnya penulis
berharap bahwa penulisan laporan
Tugas Akhir ini dapat bermanfaat dan
berguna sebagaimana fungsinya.
DAFTAR PUSTAKA
[1] Sugiyono. Metode Penelitian Pendidikan
Pendekatan Kuantitatif, Kualitatif dan R&D. Bandung. Alfabeta. 2011
[2] Kusumadewi, Sri. Aplikasi Logika Fuzzy
untuk Pendukung Keputusan. Graha
Ilmu. Yogyakarta. 2010
[3] Rohayani, Hetty. Fuzzy Inference System
Dengan Metode Tsukamoto Sebagai Penunjang Keputusan Produksi (Studi Kasus : PT. Talkindo Selaksa Anugrah).
Skripsi. STIKOM Dinamika Bangsa Jambi. 2015
[4] Wiguna, Riyadi Yudha. Haryanto, Hanny.
Sistem Berbasis Aturan Menggunakan
Logika Fuzzy Tsukamoto Untuk
Prediksi Jumlah Produksi Roti Pada CV. Gendis Bakery. Skripsi. Universitas
Dian Nuswantoro Semarang. 2012 [5] Djie, Inti Sariani Jianta. Analisis
Peramalan Penjualan Dan Penggunaan Metode Linear Programming Dan Decision Tree Guna Mengoptimalkan Keuntungan Pada PT. Primajaya Pantes Garment. Skripsi. Universitas
Gunadarma. 2013
[6] Pardede, Pontas M. Manajemen Operasi
[7] Gunadi, Suhendar Hariman. Visual
Modelling Menggunakan UML dan Rational Rose. Informatika. Bandung.
2006
[8] Aditya, Alan Nur. Jago PHP & MySQL
Dalam Hitungan Menit. Dunia
Komputer. Bekasi. 2010
[9] Prasetyo, Didik Dwi. Administrasi Database Server MySQL. Elex Media