131
APLIKASI METODE FUZZY TSUKAMOTO DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN JUMLAH PERSEDIAAN BERAS PADA PERUM BULOG DIVRE SUMUT
1MEILIYANI BR GINTING, 2YUYUN DINASARI ARITONANG, 3RAHELIYA BR GINTING 1,2,3POLITEKNIK POLIPROFESI MEDAN
1meiliyani.ginting@gmail.com, 2aritonangyuyun@gmail.com, 3Raheliyabrginting@gmail.com
ABSTRACT
Indonesia's food security development, which guarantees the availability and consumption of adequate food, safe, quality, and nutritious balance at the household, regional, and national levels throughout the time and evenly. The food supply that can be accessed by any household at affordable prices is very important for the creation of food security, and the economic development of Indonesia. Many methods are used to deal with uncertainty in determining the rice supply. One is to use fuzzy logic. The fuzzy logic is a logic that confronts the concept of a partial truth, where the classical logic states that everything can be expressed in binary terms (0 or 1).
Keywords : Rice Supply, Tsukamoto Method, SPK
PENDAHULUAN
Pembangunan ketahanan pangan Indonesia, yaitu menjamin ketersediaan dan konsumsi pangan yang cukup, aman, bermutu, dan bergizi seimbang pada tingkat rumah tangga, daerah, nasional sepanjang waktu dan merata. Persediaan pangan yang dapat diakses oleh setiap rumah tangga dengan harga yang terjangkau sangat penting bagi terciptanya ketahanan pangan, dan pembangunan ekonomi Indonesia.
Pada perum Bulog dalam menentukan jumlah persediaan beras masih bersifat manual dan juga semi komputerisasi yaitu dengan menggunakan program microsoft word dan microsoft excel sehingga mengakibatkan ketidakpastian dalam menentukan jumlah persediaan beras. Berdasarkan permasalahan tersebut maka perlu dilakukan penelitian dalam menentukan jumlah persediaan beras. Banyak metode yang digunakan untuk menghadapi ketidak pastian dalam menentukan persediaan beras tersebut. Salah satunya adalah menggunakan logika fuzzy. Logika fuzzy merupakan logika yang berhadapan dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1).
Dalam tulisan Ranto Manurung dibahas mengenai penentuan jumlah pemasukan beras dengan menggunakan logika fuzzy tsukamoto, dan penulis melihat dalam tulisan tersebut hanya membahas perhitungan manual yang menggunakan rumus metode fuzzy tsukamoto tanpa adanya program yang mempermudah penentuan jumlah beras pemasukan beras tersebut, sehingga penulis tertarik untuk membuat penelitian mengenai penentuan jumlah persediaan beras pada perum Bulog divre
sumut“. Sistem yang dirancang adalah aplikasi metode fuzzy Tsukamoto yang menggunakan program visual basic yang
dapat mempermudah pegawai perum Bulog dalam penentuan Jumlah persediaan beras setiap bulannya dengan akurat dan efisien.
TINJAUAN PUSTAKA Aplikasi
Aplikasi berasal dari kata Aplication yaitu bentuk benda dari kata kerja to apply yang dalam bahasa Indonesia berarti
pengolah. Secara istilah, aplikasi computer adalah suatu sub kelas perangkat lunak komputer yang menggunakan kemampuan komputer langsung untuk melakukan suatu tugas yang diinginkan pemakai. Contoh utama, perangkat lunak aplikasi adalah program pengolah data, lembar kerja dan pemutar media.
132
Menurut Abdul Kadir, di dalam jurnalnya menyatakan “Aplikasi” adalah sebuah program komputer yang ditujukan untuk memakai agar bisa berinteraksi dengan suatu database. Program dapat dibuat menggunakan peranti pengembangan seperti Delphi, Visual basic ataupun Visual C# (Database MySQL, Edisi I, Andi : Yogyakarta).
Logika Fuzzy
Logika fuzzy merupakan salah satu cabang dar ilmu komputer yang mempelajari tentang nilai kebenaran yang bernilai banyak. Berbeda dengan nilai kebenaran pada logika klasik yang bernilai 0 (salah) atau 1 (benar). Logika fuzzy mempunyai nilai kebenaran real dalam sedang [0,1]. Logika fuzzy menggantikan kebenaran Boolean dengan tingkat kebenaran. Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan juga hitam dan putih, dan dalam bentuk linguistic, konsep tidak pasti seperti “sedikit”, “lumayan”, dan “sangat”. Logika fuzzy pertama kali dikembangakan oleh Lotfi A. Zadeh seorang ilmuwan Amerika Serikat berkebangsaan Iran dari Universitas California di Berkeley.
Menurut Rika Rosnelly (2012 : 27) dalam bukunya menyatakan, Logika Fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam output. (Sistem pakar dan teori, Andi : Yogyakarta)
Menurut Edy Irwansyah dan Muhammad Faisal (2015:31) dalam bukunya menyatakan logika fuzzy merupakan suatu teori himpunan logika yang dikembangkan untuk mengatasi konsep nilai yang terdapat diantara kebenaran (true) dan kesalahan (false).(Advanced Clustering Teori dan Aplikasi, Deepublish : Yogyakarta)
Fungsi Keanggotaan
0
; x ≤ a
µ[x] = (x-a)/(b-a) ; a ≤ x ≤ b
1
; x ≥ b
a domain b
Gambar 2.1. Representasi Linier Naik
Representasi Linear Turun
Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah.
Fungsi Keanggotaan
1
133
(bx)/(-a);
a ≤ x ≤
0;x ≥ b
Gambar 2.2. Representasi Liner Turun
Reprensi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear).
Gambar 2.3. Representasi Kurva Segitiga
a. Representasi Kurva Trapesium
Kurva segitiga pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.
Gambar 2.4. Representasi Kurva Trapesium
b. Representasi Kurva Bentuk Bahu
Bahu kiri bergerak dari benar ke salah demikian juga bahu kanan dari salah ke benar.
Gambar 2.5. Representasi Kurva Bentuk Bahu
Variabel Linguistik
Variable linguistic yang merupakan suatu variable yang memiliki nilai berupa kata-kata yang dinyaktakan dalam bahasa alamiah dan bukan angka.
Varibel Numeris
134
Operasi Dasar Himpunan Fuzzy (Operator Zadeh)
Operasi dasar himpunan fuzzy merupakan operasi untuk menggabungkan dan atau memodifikasi himpunan fuzzy.
Aturan (Rule) If - Then Fuzzy
Merupakan suatu pernyataan, dimana beberapa kata dalam pernyataan tersebut ditentukan oleh fungsi keanggotaan.
Nilai Kuantitatif
Merupakan nilai eksak yang mewakili nilai linguistic.
Metode Fuzzy Tsukamoto
Pada metode penarikan kesimpulan semar Tsukamoto setiap konsekuen pada aturan yang berbentuk IF-THEN harus dipresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton dan menghasilkan output dari infers tiap – tiap aturan diberikan secara tegas berdasarkan predikat.
Mesin Inferensi
Mesin ini menggunakan fungsi implikasi MIN untuk mendapatkan nilai α-predikat tiap-tiap rule (α1, α2, α3,….. αn). Kemudian masing-masing nilai α-predikat ini digunakan untuk menghitung keluaran hasil inferensi secara tegas (crisp) masing rule (z1, z2, z3,….. zn).
Defuzzyfikasi
Menggunakan metode rata-rata (Average)
Proses Defuzzifikasi
Hasil akhir output (z) diperoleh dengan menggunakan rata-rata pembobotan.
Sistem
System berasal dari bahasa Yunani yaitu “System” yang artinya kesatuan. Tinjauan dari sudut katanya system berarti objek yang bekerja sama menghasilkan metode, prosedur, teknik yang digabungkan dan diatur sedemikian rupa sehingga menjadi satu kesatuan yang berfungsi untuk mencapai tujuan.
Menurut Gordon B. Davis (2012:6), “ dalam bukunya me yatakan bahwa “Sistem adalah bisa berupa abstrak dan klasik, dimana sistem yang abstrak merupakan susunan gagasan-gagasan atau konsepsi yang terarur dan saling bergantung.(Analisis Sistem Informasi, Edisi Pertama, Andi : Yogyakarta) Menurut Prof. Dr. Mr. S. Prajudi Atmosudirjo (2012 : 7), dalam bukunya menyatakan Sistem adalah terdiri atas objek, unsure dan komponen yang berhubungan satu sama lainnya sehingga unsure tersebut merupakan suatu kesatuan pemrosesan atau pengolahan yang tertentu. (Analisis Sistem Informasi, Edisi Pertama, Penerbit Andi, Yogyakarta).
Berdasarkan beberapa pendapat di atas dapat disimpulkan bahwa sistem adalah suatu kesatuan atau gabungan dari beberapa komponen atau subsistem yang bekerja bersama-sama dan saling berinteraksi untuk mencapai suatu tujuan tertentu.
135
Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (SPK) / Decision Support System (DSS) pertama kali diungkapkan pada awal tahun1970-an oleh Michael S. Scott Morton dengan istilah Management Decision Sistem. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambil keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan.
Menurut Turban dan Volonio (2010:140) dalam bukunya menyakan bahwa Sistem Pendukung Keputusan adalah sebuah sistem yang menggabungkan model dan data untuk menyelesaikan masalah semistruktur dan tidak terstruktur dengan melibatkan suatu pilihan dari berbagai macam alternative yang diambil berdasarkan kriteria dan alasan yang rasional, proses pengambilan sering disebut juga penyelesaian suatu masalah. (Informasi dan Management: Aryanggana, Bandung).
Sistem Pendukung Keputusan memiliki karakteristik dan kemampuan sebagai berikut :
1) Mendukung seluruh kegiatan organisasi
2) Mendukung beberapa keputusan yang saling berinteraksi
3) Dapat digunakan berulang kali dan bersifat konstan
4) Terdapat dua komponen utama, yaitu data dan model
5) Menggunakan baik data eksternal dan internal
6) Memiliki kemampuan what-if analysis dan goal seeking analysis.
7) Menggunakan beberapa model kuantitatif.
Persediaan
Persediaan didefinisikan sebagai barang jadi yang disimpan atau digunakan untuk dijual pada periode mendatang, yang dapat berbentuk bahan baku yang disimpan untuk diproses, barang dalam proses manufaktur dan barang jadi yang
disimpan untuk dijual maupun diproses. Persediaan diterjemahkan dari kata “inventory” yang merupakan timbunan barang
(bahan baku, komponen, produk setengah jadi, atau produk akhir, dll) yang secara sengaja disimpan sebagai cadangan (safety atau buffer-stock) untuk manghadapi kelangkaan pada saat proses produksi sedang berlangsung.
Menurut Slamet Sogiri Sodikin (2013:77) dalam bukunya menyatakan “Persediaan adalah barang asset untuk di jual dalam kegiatan usaha normal dalam proses produksi untuk kemudian dijual atau dalam bentuk bahan atau perlengkapan dalam proses produksi atau jasa”. (Sistem Informasi Akutansi, Edisi Pertama Andi, Yogyakarta) Menurut Wibowo (2011:144) dalam bukunya menyatakan “Persediaan adalah barang-barang yang dimiliki untuk dijual dalam kegiatan normal perusahaan”. (Sistem Informasi Akutansi, Lingga Jaya, Bandung).
Jenis - Jenis Persediaan
Setiap jenis persediaan memiliki karakteristik tersendiri dan cara pengelolaan yang berbeda. Persediaan dapat dibedakan menjadi beberapa jenis, yaitu :
a. Persediaan bahan mentah (raw material), yaitu persediaan barang-barang berwujud, seperti besi, kayu, serta
komponen-komponen lain yang digunakan dalam proses produksi.
b. Persediaan komponen-komponen rakitan (purchased parts/components), yaitu persediaan barang-barang yang terdiri
dari komponen-komponen yang diperoleh dari perusahaan lain yang secara langsung dapat dirakit menjadi suatu produk.
c. Persediaan bahan pembantu atau penolong (supplies), yaitu persediaan barang-barang yang diperlukan dalam
proses produksi, tetapi bukan merupakan bagian atau komponen barang jadi.
d. Persediaan barang dalam proses (work in process), yaitu persediaan barang-barang yang merupakan keluaran dari
tiap-tiap bagian dalam proses produksi atau yang telah diolah menjadi suatu bentuk, tetapi masih perlu diproses lebih lanjut menjadi barang jadi.
e. Persediaaan barang jadi (finished goods), yaitu persediaan barang-barang yang telah selesai diproses atau diolah
136
Basis Data
Basis data atau yang dalam istilahnya teknologi di kenal dengan nama database merupakan salah satu hal yang mendasar untuk dipelajari dalam jaringan komputer. Basis data atau database merupakan kumpulan dari semua data yang ada di dalam suatu organisasi dan semacamnya. Biasanya, basis data disimpan di dalam server, yang sewaktu-waktu dapat di akses untuk kepentingan tertentu.
Menurut Fathansyah (2012:2) dalam bukunya menyatakan basis data adalah himpunan kelompok data (arsip) yang saling berhubungan yang diorganisasikan sedemikian rupa agar kelak dapat dimanfaatkan kembali dengan cepat dan mudah.(Basis Data, Penerbit Informatika, Bandung).
ANALISA DAN PERANCANGAN Analisa
Analisa sistem adalah Penguraian suatu sistem informasi yang sudah utuh kedalam bagian-bagian komponenya dengan tujuan dapat mengidentifikasi dan mengevaluasi berbagai macam permasalahan maupun hambatan yang terjadi pada sistem sehingga nantinya dapat dilakukan perbaikan atau pengembangan.
Fuzzifikasi
Fuzzifikasi adalah Suatu proses untuk mengubah suatu masukan dari bentuk tegas (crisp) menjadi fuzzy (variabel linguistik) yang biasanya disajikan dalam bentuk himpunan-himpunan fuzzy dengan suatu fungsi keanggotaannya masing-masing, seperti berikut :
Mendefinisikan Variabel Variabel Penyaluran
Tabel 3.1. Himpunan Linguistik Dan Numeris Penyaluran Beras No. Linguistik Numeris (Kg)
1. Banyak 15000 - 20000
2. Sedang 5000 - 20000
3. Sedikit 0 - 10000
Variable Pemasukan
Tabel 3.2. Himpunan Linguistik Dan Numeris Pemasukan Beras No. Linguistik Numeris (Kg)
1. Banyak 17000 - 20000
2. Sedang 7000 - 22000
3. Sedikit 0 – 12000
Variabel Persediaan
Tabel IV.4. Himpunan Linguistik Dan Numeris Persediaan Beras No. Linguistik Numeris (Kg)
1. Banyak 20000 - 25000
2. Sedang 10000 - 25000
137
Fungsi Keanggotaan Variabel Penyaluran
Gambar 3.1. Grafik Keanggotaan Penyaluran
Variabel Pemasukan
Gambar 3.2. Grafik Keanggotaan Pemasukan
Variabel Persediaan
Gambar 3.3. Grafik Keanggotaan Persediaan
10000 15000
0
1
Sedikit Sedang Banyak
20000 ton 7000 5000 Sedikit Sedang Banyak 12000 17000
0
1
Sedikit Sedang Banyak
22000 ton 9500 7000 Sedikit Sedang Banyak 15000 20000 0
1
Sedikit Normal Banyak
25000 ton
10000
Sedikit Normal Banyak
138
Perancangan
Perancangan Pendefinisian Program
Mulai Masukkan variabel Input himpunan fuzzy Menentukan derajat keanggotaan
Menghitung predikat aturan
Defuzzifikasi
Output hasil keputusan
Selesai Gambar 3.4. Flowchart Metode Fuzzy
Menu Login Header Username Password Textbox Textbox Login Close Picture Box
139
Menu Utama
Menu Database Profil Perusahaan Contact Us Exit Metode_Tsukamoto
APLIKASI METODE FUZZY TSUKAMOTO DALAM SISTEM PENDUKUNG KEPUTUSAN UNTUK MENENTUKAN
JUMLAH PERSEDIAAN BERAS PADA PERUM BULOG DIVRE SUMUT
Picture Box
Gambar 3.6. Rancangan form Menu Utama
Database Penyaluran Dan Pemasukan Beras
Database Penyaluran dan Pemasukan DI Perum Bulog Divre Sumut
DataGridView
Edit Delete View
Save Search Back >>
Textbox Cari Bulan Penyaluran Pemasukan Textbox Textbox Textbox
140
Menu Profil Perusahaan
Logo Picture Box Perum Bulog Visi Misi Nilai-nilai Perusahaan Back >>
Gambar 3.8. Rancangan Form Menu Profil Perusahaan
HASIL DAN PEMBAHASAN Hasil
Dalam hal ini penulis akan menampilkan hasil dari setiap tampilan yang ada di dalam perancangan dalam bentuk gambar. Adapun penjelasan dari setiap bagian gambar adalah sebagai berikut :
1. Menu Login
Gambar 4.1 Form Login
2. Menu Utama
141
3. Menu Metode Fuzzy Tsukamoto
Gambar 4.3. Form Metode Fuzzy Tsukamoto
1. Menu Inferensi
Gambar 4.4. Form Rule Evaluation
2. Database Penyaluran Dan Pemasukan
142
3.
Menu Profil PerusahaanGambar 4.6. Form Profil Perusahaan
4. Laporan Hasil Perhitungan Metode Fuzzy Tsukamoto
Gambar 4.7. Hasil Laporan Bulanan Dengan Menggunakan Metode Fuzzy Tsukamoto
Pembahasan
Pada tahap ini penulis melakukan pengujian sistem untuk menentukan persediaan beras dengan menggunakan data-data yang telah dikumpulkan.
Tabel 4.1. Data Penyaluran Dan Pemasukan
Berdasarkan Tabel diatas penulis melakukan pengujian pada data pertama. Dimana pada bulan Januari diketahui penyaluran beras sebesar 7000 ton dan pemasukannya 9500 ton.
143
Fuzzifikasi
Variabel Input Penyaluran
Gambar 4.8. Variabel Input Penyaluran
Variabel Input Pemasukan
Gambar 4.9. Variabel Input Pemasukan
Bulan Penyaluran Pemasukan
Januari 7000 9500 Februari 9575 11700 Maret 16500 18000 April 6250 9000 Mei 8142 12578 Juni 15340 20000 Juli 7460 18425 Agustus 13799 12000 September 4500 19292 Oktober 5000 9000 November 7000 11500 Desember 15988 23500 10000 15000
0
1
Sedikit Sedang Banyak
20000 ton 7000 5000 Sedikit Sedang Banyak 12000 17000
0
1
Sedikit Sedang Banyak
22000 ton 9500 7000 Sedikit Sedang Banyak
144
Variabel Output Persediaan
Gambar 4.10. Variabel Output Pemasukan
Mesin Inferensi
Dengan menggunakan rule yang telah ditetapkan dan nilai derajat keanggotaan setiap himpunan, selanjutnya akan dilakukan komposisi antar rule. Dari setiap rule, akan diambil nilai minimum yang dijadikan sebagai α-predikat dan untuk mendapatkan nilai Z.
Defuzzyfikasi
(Pred
1+Z
1) + (Pred
2+Z
2) + (Pred
3+Z
3) + (Pred
4+Z
4)
Pred
1+ Pred
2+ Pred
3+ Pred
4= 6250 + 6250 + 5200 + 4800
0.5 + 0.5 + 0.4 + 0.4
= 22500
1.8
= 12500
Dari data penyaluran dan persediaan yang telah diuji dengan metode Fuzzy Tsukamoto maka diperoleh hasil persediaan beras pada bulan Januari sebanyak 12500 ton.
KESIMPULAN DAN SARAN Kesimpulan
Dari seluruh proses yang telah diselesaikan hingga mendapatkan hasil akhir berupa aplikasi. Maka penulis mengambil beberapa kesimpulan, yaitu sebagai berikut :
1. Dalam menentukan suatu keputusan dibutuhkan metode yang dapat mendukung keputusan tersebut.
2. Dengan menggunakan aplikasi metode fuzzy tsukamoto dapat mempermudah pegawai dalam menentukan jumlah
persediaan beras dan mendapatkan hasil yang lebih akurat.
3. Untuk menentukan jumlah persediaan beras data yang dibutuhkan yaitu data penyaluran dan data pemasukan setiap
bulannya.
15000 20000
0
1
Sedikit Normal Banyak
25000 ton 1000 0 Sedikit Normal Banyak
145
Saran
Sebagai akhir dari penelitian ini, maka terdapat saran yang perlu kita pahami bersama agar laporan ini dapat lebih dipahami dan bermanfaat. Adapun saran yang ingin disampaikan sebgai berikut :
1. Penulis berharap aplikasi ini dapat bermanfaat dalam menentukan jumlah persediaan beras.
2. Tulisan ini masih jauh dari kata sempurna, untuk kedepanya masih dapat dikembangkan untuk mendapatkan hasil yang
lebih maksimal.
3. Segala kritik dan saran sangat dibutuhkan untuk kesempurnaan penelitian ini.
DAFTAR PUSTAKA
Abdul Kadir, 2011, Database MySQL, Edisi I, Penerbit Andi. Yogyakarta.
Edy Irwansyah dan Muhammad Faisal, 2015, Advanced Clustering Teori dan Aplikasi, Deepublish. Yogyakarta. Fathansyah, 2012, Basis Data, Penerbit Informatika. Bandung.
Ginting, R. Br., 2014, Analisis Fungsi Implikasi Max-Min dan Max-Prod Dalam Pengambilan Keputusan, Creative Information Technology Journal, Vol 1, No 2, hal 128-138.
Ginting, R. Br., 2017, Analisis Kinerja Pegawai STT Poliprofesi Dengan menggunakan Fuzzy Mamdani, Majalah Ilmiah, Journal, Vol 6, No 1, hal 124-129.
Gordon B. Davis, 2012, Analisis Sistem Informasi, Edisi Pertama, Penerbit Andi. Yogyakarta.
Prof.Dr.Mr.S Prajudi Atmosudirjo, 2012, Analisis Sistem Informasi, Edisi Pertama, Penerbit Andi. Yogyakarta. Slamet Sogiri Sodikin, 2013, Sistem Informasi Akutansi, Edisi Pertama, Penerbit Andi. Yogyakarta.
Turban dan Volonio, 2010, Informasi dan Management, Aryanggana. Bandung. Wibowo, 2011, Sistem Informasi Akutansi, Lingga Jaya. Bandung.
