vi
ABSTRAK
Permasalahan yang sering dialami Perum BULOG dalam menentukan jumlah pemasukan beras adalah ketidakpastian pemasukan beras. Fuzzy Inference System (FIS) Tsukamoto dikembangkan untuk menentukan jumlah pemasukan berdasarkan data persediaan dan penyaluran. Terdapat tiga variabel yang dimodelkan, yaitu: pemasukan, penyaluran dan jumlah persediaan. Variabel pemasukan terdiri dari dua himpunan fuzzy, yaitu: turun dan naik, variabel penyaluran terdiri dari dua himpunan fuzzy, yaitu: berkurang dan bertambah, sedangkan variabel persediaan terdiri dari dua himpunan fuzzy yaitu: sedikit dan banyak. Setelah dikombinasikan maka diperoleh 8 aturan fuzzy aturan untuk menentukan nilai keanggotaan. Kemudian mengubah himpunan fuzzy menjadi nilai tegas yakni jumlah pemasukan menggunakan rumus rata-rata terpusat. Diagram tabel perbandingan antara jumlah pemasukan Perum BULOG dengan jumlah pemasukan metode Tsukamoto menunjukkan terjadi peningkatan efisiensi jumlah pemasukan dengan mengunakan logika fuzzy yakni metode Tsukamoto. Jumlah pemasukan optimum beras pada bulan Januari 2014 : 19.400 Ton, Februari 2014 : 19.401 Ton, Maret 2014 : 19.401 Ton, April 2014 : 19.400 Ton, Mei 2014 : 19.401 Ton, Juni 2014 : 19.400 Ton, Juli 2014 : 19.400 Ton, Agustus 2014 : 19.400, September 2014 : 19.401 Ton, Oktober 2014 : 19.400 Ton, November 2014 : 19.415 Ton, dan Desember 2014 : 19.401 Ton.
vi
ABSTRACT
Problems that are often experienced by Perum Bulog rice in determining the amount of income is income uncertainty rice. Fuzzy Inference System (FIS) Tsukamoto developed to determine the amount of revenue based on data inventory and distribution. There are three variables that are modeled, namely: revenue, distribution and inventory number. Variable income consists of two fuzzy sets, namely: down and up, the variable distribution consisting of two fuzzy sets, namely: reduced and increased, while the variable inventory consists of two fuzzy sets, namely: a little and a lot. Once combined, the obtained eight fuzzy rules to determine the value of the membership rules. Then change the fuzzy set into a firm value using a formula which is the amount of income the average centralized. Diagram comparison table between the amount of revenue BULOG with the amount of Tsukamoto method showed an increase in the efficiency of the amount of income by using the fuzzy logic Tsukamoto method. The optimum amount of rice importation in January 2014: 19.400 tons, in February 2014: 19.401 Tons, in March 2014: 19. 401 Tons, April 2014: 19.400 Tons, May 2014: 19.401 Tons, in June 2014: 19.400 Tons, July 2014: 19.400 Tons, August 2014 : 19.400 Tons, September 2014: 19.401 Tons, in October 2014: 19.400 Tons, November 2014: 19.415 Tons, and December 2014: 19.401 Tons.
