APLIKASI METODE FUZZY – TSUKAMOTO DALAM PENENTUAN JUMLAH PEMASUKAN BERAS
OPTIMUM PADA PERUM BULOG DIVISI REGIONAL SUMATERA UTARA
SKRIPSI
RANTO MANURUNG 110803019
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA
APLIKASI METODE FUZZY – TSUKAMOTO DALAM PENENTUAN JUMLAH PEMASUKAN BERAS
OPTIMUM PADA PERUM BULOG DIVISI REGIONAL SUMATERA UTARA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains
RANTO MANURUNG
110803019
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
ii
PERSETUJUAN
Judul : APLIKASI METODE FUZZY – TSUKAMOTO
DALAM PENENTUAN JUMLAH
PEMASUKAN BERAS OPTIMUM PADA PERUM BULOG DIVISI REGIONAL SUMATERA UTARA
Kategori : SKRIPSI
Nama : RANTO MANURUNG
Nomor Induk Mahasiswa : 110803019
Program Studi : SARJANA (S1) MATEMATIKA Departemen : MATEMATIKA
Fakultas : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dr. Parapat Gultom, MSIE Dr. Esther S M Nababan, M.Sc NIP. 19610130 198503 1 002 NIP. 19610318 198711 2 001
Diketahui/ Disetujui oleh
Departemen Matematika FMIPA USU Ketua,
iii
PERNYATAAN
APLIKASI METODE FUZZY – TSUKAMOTO DALAM PENENTUAN
JUMLAH PEMASUKAN BERAS OPTIMUM PADA PERUM BULOG DIVISI REGIONAL SUMATERA UTARA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2015
iv
PENGHARGAAN
Segala pujian dan ucapan syukur kepada Tuhan Yesus Kristus atas kasih-Nya, setiap pertolongan dan penyertaanNya yang dirasakan oleh penulis dalam proses pengerjaan skripsi ini.
Penulis juga mengucapkan terimakasih kepada pihak-pihak yang turut mendukung dalam penulisan skripsi ini:
1. Ibu Dr. Esther S M Nababan, M.Sc dan bapak Dr. Parapat Gultom, MSIE, sebagai dosen pembimbing yang telah banyak memberikan arahan, nasehat, dan motivasi yang diberikan kepada penulis dalam mengerjakan skripsi ini.
2. Ibu Dra. Normalina Napitupulu, M.Sc dan bapak Drs. Marihat Situmorang, M.Kom sebagai dosen pembanding yang banyak memberikan saran dan masukan dalam penyelesaian skripsi ini.
3. Bapak Prof. Dr. Tulus, M.Si. sebagai ketua departemen matematika dan ibu Dr. Mardiningsih, M.Si. selaku sekretaris departemen matematika FMIPA USU. 4. Bapak Dr. Sutarman, M.Sc. sebagai dekan fakultas matematika dan ilmu
pengetahuan alam Universitas Sumatera Utara.
5. Semua dosen di departemen matematika FMIPA USU atas segala ilmu dan bimbingan yang diberikan kepada penulis selama perkuliahan, serta seluruh Staf Administrasi yang ada di departemen matematika FMIPA USU.
6. Bapak pimpinan perum BULOG Divisi Regional Sumatera Utara yang telah membantu penulis memberikan data yang diperlukan dalam penulisan skripsi ini. 7. Teristimewa kepada kedua orang tua penulis bapak L.Manurung dan ibu
M.Tampubolon atas doa, nasehat, bimbingan, dan dukungan moril dan materil, yang menjadi sumber motivasi bagi penulis untuk tetap semangat dalam perkuliahan dan penulisan skripsi ini.
8. Abang dan adik – adik penulis, Rambo Manurung, Rido Manurung dan Lestari Manurung atas doa dan dukungannya.
9. Rekan-rekan di matematika 2011, Dika, Wahyu, Jhonly, Desmon, Devis, Joseph dan lain – lain . Dan juga dukungan dari senior-senior dan adik-adik stambuk 2012, 2013, dan 2014.
Semoga damai sejahtera dari Tuhan senantiasa menyertai kita.
Medan, Agustus 2015 Ranto Manurung
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.
vii
2.2.1.2 Peramalan Berdasarkan Jangka Waktu Ramalan 9
viii
2.4.1 Metode Mamdani 26
2.4.2 Metode Sugeno 26
2.4.3 Metode Tsukamoto 28
BAB 3. PEMBAHASAN
3.1 Data Pemasukan, Pengeluaran dan jumlah stok 31
3.2 Pengolahan Data 32
3.2.1 Penentuan Jumlah Pemasukan Beras 32 3.2.2 Aplikasi Fungsi Implikasi 36
BAB 4. KESIMPULAN DAN SARAN
4.1 Kesimpulan 48
4.2 Saran 49
DAFTAR PUSTAKA 50
ix
DAFTAR TABEL
Nomor Judul Halaman
Tabel
3.1. Data persediaan , pemasukan, dan penyaluran beras periode
Januari 2014 sampai dengan Desember 2014 dengan satuan Ton. 31
3.2. Variabel dan semesta pembicaraan 32
3.3. Himpunan fuzzy 32
3.4. Data hasil perhitungan pemasukan dan persediaan beras dengan
metode - Tsukamoto dengan satuan Ton 43
3.5 Data Persediaan , Pemasukan, Penyaluran beras dengan Tsukamoto
dengan satuan Ton periode Januari 2014 sampai dengan
x
DAFTAR GAMBAR
Nomor Judul Halaman
Gambar
2.1 Representasi Linear Naik 18
2.2 Representasi Linear Turun 19
2.3 Representasi Kurva Segitiga 20
2.4 Representasi Kurva Trapesium 21
2.5 Representasi Kurva Bentuk Bahu 22
3.1 Fungsi keanggotaan himpunan fuzzy berkurang dan
bertambah dari variabel penyaluran 33
3.2 Fungsi keanggotaan himpunan fuzzy sedikit dan banyak
dari variabel persediaan 34
3.3 Fungsi keanggotaan himpunan fuzzy turun dan naik
dari variabel pemasukan 35
3.4 Diagram batang perbandingan hasil perhitungan data
perusahaan dengan metode Tsukamoto dalam menentukan
jumlah pemasukan beras 45
3.5 Diagram batang perbandingan hasil perhitungan data
perusahaan dengan metode Tsukamoto dalam menentukan