Implementasi Logika Fuzzy Dengan Metode Tsukamoto Untuk
Menentukan Tingkat produksi Beras Berdasarkan Data
Persediaan dan Jumlah Permintaan
Yehezkiel Purba1, Markus Deboby Nainggolan2
1,2
Mahasiswa Sistem Informasi, STIKOM Tunas Bangsa, Indonesia
Jl. Sudirman Proklmasi, Siantar Barat, Kota Pematangsiantar, Sumatera Utara 21143 [email protected] , [email protected]
Abstract
Total Rice Production in Sihotang Stores must be in accordance with the existing demand and supply, if the amount of production that is not appropriate will result in shop losses because there is no analysis of buyer requirements for product demand and supply. Sihotang Rice Store is a domestic industry that produces rice only estimates the needs of buyers . In producing rice, only estimating the buyer's needs is not certain that the buyer's needs are not met or exceeded. In the analysis, the amount of production in the Store uses the Tsukamoto Fuzzy logic method. Data were analyzed based on demand, supply and amount of production that was never carried out by the Sihotang Rice Shop. In Tsukamoto's Fuzzy Conclusion Drawing method, each consequence of a rule must be represented by a set of Fuzzy with monotonous membership functions, as a result, the output of the inference of each rule is given explicitly with a predicate, the final result obtained using a weighted average.
Keywords: Production, Rice, Fuzzy, Tsukamoto Method, production.
Abstrak
Total Produksi Beras di Toko Sihotang harus sesuai dengan permintaan dan penawaran yang ada,jika jumlah produksi yang tidak sesuai akan mengakibatkan kerugian toko karena tidak ada analisis kebutuhan pembeli untuk permintaan dan penawaran produk.Toko Beras Sihotang adalah Domestik industri yang memproduksi Beras hanya memperkirakan kebutuhan pembeli. Dalam memproduksi beras hanya memperkirakan kebutuhan pembeli tidak pasti bahwa kebutuhan pembeli tidak terpenuhi atau terlampaui.Dalam analisis Jumlah produksi di Toko sihotang menggunakan Metode Tsukamoto Fuzzy logika Sehingga jumlah beras yang akan diproduksi sesuai dengan kebutuhan pembeli berdasarkan permitaan dan penawaran yang ada secara otomatis. Data dianalisis berdasarkan permintaan,penawaran dan jumlah produksi tidak pernah dilakukan oleh Toko Beras Sihotang. Dalam metode Menggambar Kesimpulan Fuzzy tsukamoto,masing-masing konsekuensi pada aturan harus diwakili oleh seperangkat Fuzzy dengan fungsi keanggotaan monoton,sebagai akibatnya,hasil keluaran dari inferensi setiap aturan diberikan secara eksplisit dengan predikat,hasil akhir diperoleh dengan menggunakan rata-rata tertimbang.
Kata Kunci: Produksi, Beras, Fuzzy, Metode Tsukamoto, produksi.
1. Pendahuluan
Merupakan industri rumah tangga yang memproduksi Beras setiap hari menyediakan kebutuhan pasar. Dalam memproduksi Toko Beras Sihotang hanya memperkirakan kebutuhan pasar secara tidak pasti sehingga kebutuhan pasar tidakterpenuhi atau berlebih. Beras mempunyai waktu yang Lama untuk Disimpan karena jika berlebih maka Beras akan Berkutu dan tidak dapat di jual lagi karena tidak dapat dimakan oleh konsumen. Dalam analisa jumlah produksi pada Beras menggunakan metode Logika Fuzzy (penarikan kesimpulan samar) Tsukamoto sehingga jumlah Beras yang akan diproduksi
sesuai dengan kebutuhan pasar berdasarkan permintaan dan persediaan yang ada secara otomatis. Data dianalisa berdasarkan permintaan, persediaan dan jumlah produksi yang pernah dilakukan oleh Toko Beras Sihotang Pada metode penarikan kesimpulan samar Tsukamoto, setiap konsekuen pada aturan harus direpresentasikan dengan suatu himpunan samar dengan fungsi keanggotaan yang monoton, sebagai hasilnya, output hasil penarikan kesimpulan (inference) dari tiap-tiap aturan diberikan secara tegas (crips) berdasarkan α-predikat (fire strength), hasil akhir diperoleh dengan menggunakan rata-rata berbobot (weight average).
2. Metodologi Penelitian
Penelitian ini dilakukan pada peternak bibit ikan nila di Hutabagasan Kec. Panei, Kab. Simalungun. Data diambil dengan melakukan Observasi dan wawancara dilapangan. Variabel yang digunakan dalam penelitian yaitu permintaan, persediaan, dan produksi.
2.1. Logika Fuzzy
Logika Fuzzy merupakan generalisasi dari logika klasik yang hanya memiliki dua nilai keanggotaan, yaitu 0 dan 1[2].
2.2. Fuzzifikasi
Fuzzifikasi merupakan bentuk input Fuzzy yang telah di ubah dari masukkan nilai yang memiliki kebenaran bersifat pasti (Crisp Input) [3].
2.3. Inferensi
Merupakan sebuah kerangka kerja perhitungan yang berdasar pada konsep teori himpunan Fuzzy, aturan Fuzzy if –then, dan pemikiran Fuzzy [4].
2.4. Defuzzifikasi
Defuzzifikasi merupakan sebuah crips value sesuai dengan fungsi keanggotaan yang sudah ditentukan dengan mengubah nilai Fuzzy output [5].
Z = (1)
MendefenisikanVariabel Fuzzy Pada tahap ini, nilai keanggotaan himpunan persediaan dan permintaan saat ini dicari menggunakan fungsi keanggotaan himpunan fuzzy dengan memperhatikan nilai maksimum dan nilai minimum data Juni 2020. Variabel tersebut antara lain: variabel permintaan, variabel persediaan, dan variabel produksi. Dalam menyelesaikan permasalahan prediksi produksi pada TokoSihotang dengan menggunakan metode Tsukamoto secara manual, ada beberapa langkah yang harus ditempuh. Ada 3 variabel fuzzy yang dimodelkan, yaitu Permintaan, Persediaan, dan Jumlah Produksi.
3. Hasil Dan Pembahasan
X = Permintaan Y = Persediaan Z = Produksi X = [Turun ; Naik] Y = [Sedikit ; Banyak] Z = [Berkurang ;Bertambah] X = [10 ; 20] Y = [15 ;30] Z = [35 ;50][R1] if permintaanturun and persediaanbanyak then produksibarangberkurang [R2] if permintaanturun and persediaansedikit then produksibarangberkurang [R3] if permintaan naik and persediaanbanyak then produksibarangbertambah [R4] if permintaan naik and persediaansedikit then produksibarangbertambah
Berapa Z =…? Jika X = 15 ; Y = 10 X= Permintaan Gambar 2. Permintaan µ turun [15] = = = = 0,5 µ naik [15] = = = = 0,5 Y= Persediaan Gambar 3. Persediaan
µ sedikit [10] = = = = 1,33 µ banyak [10] = = = = - 0,33 Z= Produksi
Predikat 1 = min ( µturun [15] ; µ banyak [10]) = min (0,5 ; -0,33) = -0,33 Z1 = -0,33 = -0,33 = x-35 = -0,33 15 x-35 = -4,95 x = 35-4,95 = 30,05
Predikat 2 = min ( µturun [15] ; µ sedikit [10]) = min (0,5 ; 1,33) = -0,5 Z2 = -0,5 = -0,5 = 50-x = -0,5 15 50-x = 7,5 -x = -42,5 x = 42,5
Predikat 3 = min ( µturun [15] ; µ banyak [10]) = min (0,5 ; -0,33) = -0,33 Z3 = -0,33 = -0,33 = x-35 = -0,33 15 x-35 = -4,95 x = 35-4,95 = 30,05
Predikat 4 = min ( µturun [15] ; µ sedikit [10]) = min (0,5 ; 1,33)
= -0,5 Z4 = -0,5 = -0,5 = 50-x = -0,5 15 50-x = 7,5 -x = -42,5 x = 42,5 Mencari nilai z ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) X = 15 Y = 10 Z = 66,66 =66
Jadi Jumlah Beras yang Harus Diproduksi jika Permintaan 15 Karung dan Persedian 10 Karung adalah 66 Karung.
4. Kesimpulan
Berdasarkan hasil penelitian dapat disimpulkan sebagai berikut:
a) Logika Fuzzy metode Tsukamoto dapat dijadikan sebagi solusi yang baik untuk memprediksi jumlah produksi pada Toko Beras Sihotang karena dapat Beroperasi dengan cepat.
b) Tingkat kecepatan dan Ketepatan pada sistem yang Menggunakan metode Tsukamoto sudah baik dengan adanya penginputan data permintaan dan persediaan yang mudah dimengerti serta hasil yang cukup cepat dapat langsung diketahui.
Daftar Pustaka
[1] Iumentut, H.B., Hartati, S., (2015), Sistem Pendukung Keputusan untuk Memilih
Ikan Budidaya Air Tawar Menggunakan AF – TOPSIS, IJCS, Vol.9, No.2, July
2015, pp.197~206, ISSN: 1978-1250.
[2] Ashari, M., Arini., Mintarsih, F. (2017), Aplikasi Pemilihan Bibit Budidaya Ikan
Air Tawar dengan Metode MOORA – Entropy, Jurnal Sistem Informasi Vol.01, No
: 02, Oktober 2017 ISSN 2579-5341.
[3] Soebroto, A.A., Hartati, S., (2018), Penentuan Jenis Ikan Air Tawar Untuk Usaha
Pembesaran Menggunakan Multicriteria Decision Making (MCDM), Konferensi
Nasional Sistem Informasi 2018, STMIK Atma Luhur Pangkalpinang, 8-9 Maret 2018.
Swadaya.
[5] Syam, V.A., Permana, R., dan Lusiana, S.A., (2018), Perancangan Aplikasi Sistem
Pendukung Keputusan Pemilihan Ikan Budidaya Air Tawar Menggunakan Metode Simple Additive Weight (SAW) Berbasis WEB (Studi Kasus : Balai Perikanan Budidaya Ikan Air Tawar (BPBAT) Sungai Gelam Jambi) UPI YPTK Jurnal
KomTekinfo Vol.5, No.1, Juni 2018, Hal. 130-142 ISSN: 2356-0010 | eISSN: 2502-8758.
[6] Wiguna, R.Y., Haryanto, H., Sistem Berbasis Aturan Menggunakan Logika Fuzzy
Tsukamoto untuk Prediksi Jumlah Produksi Roti pada CV.Gendis Bakery,
