SISTEM PENDUKUNG KEPUTUSAN PREDIKSI JUMLAH PRODUKSI JAMUR TIRAM PUTIH MENGGUNAKAN METODE FUZZY TSUKAMOTO

(1)

SISTEM PENDUKUNG KEPUTUSAN PREDIKSI JUMLAH PRODUKSI JAMUR TIRAM PUTIH MENGGUNAKAN

METODE FUZZY TSUKAMOTO

Dwitri Anugrah Insani¹, Billy Eden William Asrul², M. Adnan Nur³

1,2,3Teknik Informatika, STMIK Handayani Makassar [email protected]³

ABSTRAK

Budidaya jamur tiram putih yang dilakukan pengusaha jamur merupakan usaha mikro yang sebagian besar wilayah Indonesia membudidayakannya dan salah satunya di Makassar yang bernama Daeng Jamurku.

Penelitian yang dilakukan bertujuan untuk melakukan prediksi jumlah produksi jamur tiram putih menggunakan metode fuzzy tsukamoto berbasis web. Sistem tersebut membantu pengusaha jamur untuk menentukan berapa produksi yang perlu dilakukan untuk meminimalisir kerugian atau kelebihan produksi. Desain sistem yang digunakan adalah Unified Modeling Language (UML) yang dibangun secara terstruktur dan terdiri dari rancangan model use case diagram, activity diagram, sequence diagram dan class diagram. Bahasa pemrograman menggunakan PHP, javascript, dan MySql untuk pengelolaan database. Dalam penelitian ini pengumpulan data diperoleh melalui observasi, wawancara dan dokumentasi. Metode dalam memprediksi yang digunakan dalam penelitian yaitu fuzzy tsukamoto. Hasil dari penelitian ini menunjukkan informasi berupa hasil prediksi produksi jamur tiram putih pada Daeng Jamur dengan menggunakan kriteria penjualan, persediaan serta produksi karena sangat mempengaruhi proses produksi untuk selanjutnya. Implementasi algoritma pada sistem yang dibangun hasilnya sesuai dengan kebutuhan pengguna pada usaha Daeng Jamur.

Kata kunci: Prediksi, fuzzy tsukamoto, Jamur Tiram Putih

1. PENDAHULUAN

Makassar merupakan salah satu wilayah di Indonesia yang berpotensi dalam membudidayakan jamur tiram putih karena kondisi iklim yang baik untuk pertumbuhan berbagai jenis jamur. Salah satu usaha di Makassar yang membudidayakan jamur tiram putih ini bernama Daeng Jamurku. Terdapat beberapa kendala yang dialami Daeng Jamurku dalam menjalankan usaha diantaranya kesulitan dalam mengetahui jumlah produksi setiap hari dikarenakan pembuatan jamur tiram putih hanya berdasarkan persediaan bibit saja atau tidak mempertimbangkan jumlah bahan baku yang ada. Peningkatan permintaan dari konsumen terkadang terjadi saat produksi menurun. Begitu pula sebaliknya, apabila terjadi kenaikan produksi terkadang terjadi penurunan permintaan konsumen bahkan sama sekali tidak ada permintaan sedangkan jamur tiram putih hanya mampu bertahan selama kurang lebih 3 hari sehingga hal ini dapat menimbulkan kerugian. Salah satu cara yang dapat diterapkan untuk mengatasi permasalahan ini yaitu dengan mengimplementasikan sistem yang mampu memprediksi jumlah produksi jamur tiram putih.

Prediksi adalah aktivitas untuk memperkirakan apa yang akan terjadi pada masa yang akan datang berdasarkan data yang relevan dengan masa lalu dan dianalisis secara ilmiah dengan metode statistik yang bertujuan untuk meningkatkan atau memperbaiki peristiwa yang akan terjadi dimasa mendatang [1]. Terdapat penelitian terdahulu yang telah membahas prediksi seperti yang dilakukan oleh Yuyun Dewi Lestari dengan judul “Jaringan Saraf Tiruan Untuk Prediksi Penjualan Jamur Menggunakan Algoritma Backpropagation” [2].

Penelitian ini menggunakan algoritma backpropagation untuk memprediksi jumlah penjualan dan diuji menggunakan matlab sehingga tidak ada perangkat lunak khusus yang dibangun untuk memprediksi penjualan.

(2)

Metode backpropagation yang diterapkan pada penelitian tersebut juga membutuhkan waktu lebih untuk iterasi dalam mendapatkan nilai error minimal. Metode lain yang dapat digunakan untuk memprediksi adalah logika fuzzy. Terdapat beberapa metode fuzzy yang umum digunakan dalam prediksi misalnya penelitian yang dilakukan oleh Tatak Ulul Azmi dkk dalam memprediksi jumlah produksi jenang menggunakan metode logika fuzzy tzukamoto [3]. Hasil penelitian tersebut menunjukkan peningkatan hasil prediksi. Rita Dewi Risanty dkk juga melakukan penelitian menggunakan logika fuzzy berbeda yaitu metode fuzzy sugeno dalam memprediksi jumlah produksi dan tenaga kerja [4]. Penelitian ini juga berhasil menerapkan prediksi dengan metode fuzzy sugeno. Namun, dalam penelitian yang dilakukan oleh Tundo dkk dengan judul “Analisis Perbandingan Fuzzy Tzukamoto dan Sugeno Dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree” menunjukkan bahwa metode tzukamoto lebih mendekati nilai kebenaran dalam jumlah produksi dibandingkan fuzzy sugeno [5]. Berdasarkan hasil penelitian terdahulu tersebut, penulis menetapkan fuzzy tzukamoto sebagai metode dalam memprediksi jumlah produksi jamur tiram putih. Metode fuzzy tzukamoto sendiri merupakan sebuah metode yang menggunakan basis aturan IF-THEN yang direpresentasikan dalam himpunan fuzzy dengan fungsi keanggotaan yang monoton serta kriteria dan aturan dalam menentukan hasil [6].

Dalam penelitian ini, penulis mengembangkan perangkat lunak berbasis web yang menerapkan metode tzukamoto dalam memprediksi jumlah produksi jamur tiram putih. Pengujian fungsionalitas akan dilakukan pada perangkat lunak untuk mengetahui keefektifan sistem dalam menerapkan algoritma fuzzy tzukamoto.

2. METODE PENELITIAN

Dalam pelaksanaan penelitian, penulis melakukan beberapa tahapan pada penerapan algoritma fuzzy tzukamoto dalam memprediksi jumlah produksi. Berikut tahapannya :

2.1 Analisis Permasalahan Dan Survei Literatur

Penelitian ini dilaksanakan pada salah satu usaha budidaya jamur tiram di kota Makassar yaitu Daeng Jamurku. Analisis permasalahan dilakukan terkait dengan penentuan jumlah produksi setiap harinya. Pada tahap ini juga dilakukan survei literatur yang akan dijadikan pedoman dalam menentukan parameter yang dibutuhkan dalam pengembangan sistem.

2.2 Studi Pustaka

Jurnal dan literatur lainnya yang diperoleh dari survei literatur dikaji pada tahap ini untuk menjadi dasar dalam menentukan objek dan parameter penelitian. Studi terkait algoritma juga dilakukan untuk mendapatkan informasi algoritma yang dianggap layak untuk diterapkan pada sistem dalam menentukan prediksi jumlah produksi jamur tiram putih.

2.3 Pengambilan Data

Pengambilan data ini dilakukan berdasarkan hasil analisis dan studi pustaka. Data yang digunakan pada penelitian meliputi jumlah produksi, persediaan dan penjualan yang terjadi pada usaha jamur tiram putih Daeng Jamurku selama bulan januari tahun 2020.

Tabel 2.1 Produksi Jamur Tiram Putih Pada Bulan Januari 2020

Produksi Bulan Januari 2020

Tanggal Jumlah Produksi Persediaan Penjualan

1/1/2020 5 kilogram 5 kilogram 1 kilogram

1/9/2020 7 kilogram 14 kilogram -

(3)

1/13/2020 - 21 kilogram 9 kilogram

1/16/2020 8 kilogram 3 kilogram

1/19/2020 - 11 kilogram -

1/20/2020 - 11 kilogram -

1/21/2020 - 11 kilogram -

1/22/2020 - 4 kilogram -

1/30/2020 - 8 kilogram -

2.4 Pemodelan Sistem

Sebelum mengembangkan perangkat lunak, dilakukan pemodelan sistem terlebih dahulu menggunakan Unified Modeling Language (UML). UML merupakan sebuah bahasa yang memvisualisasikan, menspesifikasikan, membangun dan mendokumentasikan sebuah sistem pengembangan perangkat lunak berbasis objek [7]. Terdapat beberapa diagram yang dibuat dalam pemodelan ini yang meliputi use case diagram, activity diagram, sequence diagram dan class diagram. Berikut gambar use case diagram dari hasil pemodelan sistem.

Gambar 2.1. Use Case Diagram Hasil Pemodelan Sistem

Terdapat dua aktor yang terlibat langsung dalam sistem yaitu admin dan bendahara. Bendahara bertugas untuk mengelola data penjualan sedangkan admin dapat mengelola data produksi dan persediaan.

Kedua aktor ini dapat memantau prediksi jumlah produksi untuk hari berikutnya yang akan dijadikan bahan pertimbangan dalam mengambil keputusan jumlah produksi yang akan dilakukan.

(4)

2.5 Implementasi Algoritma

Algoritma diimplementasikan berdasarkan proses penyelesaian fuzzy tzukamoto. Berikut contoh perhitungannya.

Diketahui :

A1=penjualan tertinggi, A2=penjualan terendah, B1=persediaan tertinggi, B2=persediaan terendah, C1=produksi tertinggi, C2=produksi terendah, X=penjualan, Y=persediaan, Z=produksi

Perhitungan :

a. Penjualan (x) A1 : 11 A2 : 1

Naik (x) :

Naik (3) :

: 0.2 Turun (x) :

Turun (3) :

: 0.8 b. Persediaan (y) B1 : 24

B2 : 0

Sedikit (y) :

Sedikit (9) :

: 0.625 Banyak (y) :

Banyak (9) :

: 0.375 c. Produksi (z) C1 : 12

C2 : 1

Berkurang (z) :

Bertambah (z):

: z ? Aturan yang digunakan :

Nilai α-predikat dan Z dari setiap aturan a. Rule 1

IF penjualan TURUN and persediaan BANYAK THEN produksi barang BERKURANG α-predikat1 = µpenjualan TURUN ∩ µpersediaan BANYAK

= min (µpenjualan TURUN(3) ∩ µpersediaan BANYAK(9))

= min (0.8, 0.375)

= 0.375

Dari himpunan produksi barang BERKURANG: (12 - z1) / 11 = 0.375, diperoleh z1= 7.875 b. Rule 2

IF penjualan TURUN and persediaan SEDIKIT THEN produksi barang BERKURANG α-predikat2 = µpenjualan TURUN ∩ µpersediaan SEDIKIT

= min(µpenjualan TURUN(3) ∩ µpersediaan SEDIKIT(9))

= min (0.8, 0.625)

(5)

= 0.625

Dari himpunan produksi barang BERKURANG : (12-z2) / 11= 0.625, diperoleh z2 = 5.125 c. Rule 3

IF penjualan NAIK and persediaan BANYAK THEN produksi barang BERTAMBAH α-predikat2 = µpenjualan NAIK ∩ µpersediaan BANYAK

= min(µpenjualan NAIK(3) ∩ µpersediaan BANYAK(9))

= min (0.2, 0.375)

= 0.2

Dari himpunan produksi barang BERTAMBAH : (z3-1) / 11= 0.2, diperoleh z3 = 1.2 d. Rule 4

IF penjualan NAIK and persediaan SEDIKIT THEN produksi barang BERTAMBAH α-predikat2 = µpenjualan NAIK ∩ µpersediaan SEDIKIT

= min (µpenjualan NAIK(3) ∩ µpersediaan SEDIKIT(9))

= min (0.2, 0.625)

= 0.2

Dari himpunan produksi barang BERTAMBAH: (z4-1) / 11 = 0.2, diperoleh z4 = 1.2 Menghitung z akhir dengan merata-rata semua z berbobot :

Z = ( α - predikat1 * z1 + α-predikat2 * z2 + α-predikat3 * z3 + α-predikat4 * z4 ) / (α-predikat1 + α-predikat2 + α- predikat3 + α-predikat4 )

= (0.375 * 7.875 + 0.625 * 5.125 + 0.2 * 1.2 + 0.2 * 1.2 ) / (0.375 + 0.625 + 0.2 + 0.2)

= 6.63625 / 1.4

= 4.74

Jadi jumlah yang harus diproduksi (z) =4.74 2.6 Implementasi Sistem

Sistem ini dikembangkan berbasis web untuk memudahkan pengguna dalam mengakses sistem dengan berbagai perangkat baik desktop maupun mobile. Bahasa pemrograman yang digunakan meliputi PHP untuk sisi server dan javascript untuk sisi client. Untuk pengelolaan basisdata menggunakan database management system MySQL. Algoritma fuzzy tzukamoto diterapkan pada sisi server menggunakan bahasa pemrograman PHP.

2.7 Pengujian

Pada tahap ini pengujian fungsionalitas sistem akan diterapkan. Pengujian fungsionalitas dilakukan menggunakan blackbox testing yang terdiri atas pengujian alpha dan pengujian beta. Pengujian alpha akan melibatkan beberapa skenario uji untuk mengetahui apakah seluruh fungsi utama dari sistem dapat dijalankan.

Pengujian beta menggunakan data sampel dari hasil kuesioner penggunaan sistem oleh anggota dan pimpinan usaha Daeng Jamurku.

3. HASIL DAN PEMBAHASAN

Pada penelitian ini, sistem dikembangkan sesuai kebutuhan dari usaha Daeng Jamurku dalam memprediksi jumlah produksi jamur tiram putih. Berikut gambar antarmuka sistem yang telah dikembangkan.

Gambar 3.1. Antarmuka Sistem

(6)

Pengujian sistem dilakukan pada sisi fungsionalitas dalam penerapan algoritma fuzzy tzukamoto.

Pengujian ini menggunakan blackbox testing untuk menyesuaikan kebutuhan dengan fitur sistem yang telah disediakan. Pelaksanaan blackbox testing dibagi menjadi dua bagian yaitu pengujian Alpha dan Beta. Berikut hasil untuk pengujian Alpha.

Tabel 3.1. Tabel Hasil Pengujian Alpha

Kasus yang diuji Skenario Uji Hasil yang diharapkan Hasil

Login

Menginput username, email dan

password yang valid Berhasil masuk ke sistem sukses

Menginput username, email dan password yang tidak valid

Menampilkan pesan gagal masuk

ke sistem sukses

Halaman Beranda Admin Mengakses Halaman Beranda Admin Berhasil mengakses Halaman

Beranda Admin sukses

Halaman Beranda Bendahara

Mengakses Halaman Beranda Bendahara

Berhasil mengakses Halaman

Beranda Bendahara sukses

Menu Persediaan Menampilkan data persediaan/stok Berhasil menampilkan data

persediaan sukses

Menu fuzzy Tsukamoto

Memilih produk Berhasil memilih produk jamur sukses

Tidak memilih produk jamur namun

ingin memproses Tidak dapat memproses sukses

Produksi Menambah data produksi tanpa

menginput tanggal Tidak dapat di proses sukses

Hasil Menampilkan data prediksi produksi Berhasil Menampilkan data

prediksi produksi sukses

Pengguna

Tambah data Pengguna Berhasil menambahkan data

Pengguna sukses

Ubah data pengguna Berhasil mengubah data pengguna sukses Hapus data pengguna Berhasil menghapus data pengguna sukses Penjualan Menambahkan data penjualan otomatis

persediaan berkurang Persediaan berkurang sukses

Penjualan Tidak dapat melakukan penjualan jika persediaan atau stok tidak mencukupi

Proses penjualan tidak dapat

dilakukan sukses

Logout Keluar dari aplikasi Berhasil keluar dari aplikasi sukses

Hasil pengujian alpha diatas menunjukkan bahwa seluruh skenario yang diuji berhasil dijalankan sesuai yang diharapkan. Untuk pengujian beta, terdapat 10 sampel data hasil pengujian terhadap pengguna yang terdiri atas anggota dan pimpinan dari Daeng Jamurku. Berikut hasil pengujian beta.

Tabel 3.2. Tabel Hasil Pengujian Beta

Indikator Hasil

Sistem ini mudah untuk dioperasikan atau digunakan (user friendly). Baik

Sistem ini jelas dan dapat dimengerti Sangat Baik

Penyusunan tata letak informasi dalam sistem ini tepat Baik

Pengguna dapat dengan mudah menemukan informasi yang dicari Sangat Baik Penyajian informasi dalam sistem ini memenuhi kebutuhan pengguna Baik Transaksi penjualan dan persediaan dalam sistem ini berjalan dengan lancar Sangat Baik Admin dan Bendahara dengan mudah memprediksi jumlah produksi jamur tiram putih Baik Tidak ada gangguan atau error dalam melakukan transaksi penjualan Baik Hasil prediksi produksi jamur tiram putih sama dengan data yang ada Baik

Tabel diatas menunjukkan bahwa terdapat 3 indikator yang menghasilkan respon sangat baik sedangkan 6 indikator menunjukkan respon baik.

(7)

4. KESIMPULAN DAN SARAN 4.1 Kesimpulan

Perancangan dan pengembangan sistem pendukung keputusan prediksi jamur tiram putih pada usaha Daeng Jamurku telah diuji untuk sisi fungsionalitasya dan dapat diambil kesimpulan bahwa secara fungsional seluruh fitur utama sistem dapat dijalankan. Sistem juga telah mampu memenuhi kebutuhan informasi terkait prediksi jumlah produksi berdasarkan hasil pengujian.

4.2 Saran

Penelitian ini hanya menguji sisi fungsionalitas dari sistem yang mengimplementasikan algoritma fuzzy tzukamoto. Untuk itu, disarankan bagi peneliti berikutnya untuk meneliti dan menguji tingkat akurasi dari metode fuzzy tsukamoto dalam memprediksi jumlah produksi.

DAFTAR PUSTAKA

[1] A. Bengnga and R. Ishak, “Prediksi Jumlah Mahasiswa Registrasi Per Semester Menggunakan Linier Regresi Pada Universitas Ichsan Gorontalo,” Ilk. J. Ilm., vol. 10, no. 2, pp. 136–143, 2018, doi:

10.33096/ilkom.v10i2.274.136-143.

[2] Y. D. Lestari, “Jaringan syaraf tiruan untuk prediksi penjualan jamur menggunakan algoritma backropagation,” J. ISD, vol. 2, no. 1, pp. 40–45, 2017.

[3] T. U. Azmi, H. Haryanto, and T. Sutojo, “Prediksi Jumlah Produksi Jenang di PT Menara Jenang Kudus Menggunakan Metode Logika Fuzzy Tsukamoto,” Sisfotenika, vol. 8, no. 1, p. 23, 2018, doi:

10.30700/jst.v8i1.176.

[4] R. D. Risanty, P. Meilina, and N. A. Hasni, “Perancangan sistem pendukung keputusan prediksi jumlah produksi dan tenaga kerja menggunakan metode,” Peranc. Sist. Pendukung Keputusan Prediksi Jumlah Produksi Dan Tenaga Kerja Menggunakan Metod. Fuzzy Sugeno, no. November, pp. 1–6, 2016.

[5] T. Tundo, R. Akbar, and E. I. Sela, “Analisis Perbandingan Fuzzy Tsukamoto dan Sugeno dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 1, p. 171, 2020, doi: 10.25126/jtiik.2020701751.

[6] R. N. C. Devi, S. T. Safitri, and F. M. Wibowo, “PENERAPAN METODE FUZZY LOGIC

TSUKAMOTO DALAM PENENTU ALAT KONTRASEPSI,” in Prosiding SENDI_U 2018, 2018, pp.

88–96.

[7] Suendri, “Implementasi Diagram UML (Unified Modelling Language) Pada Perancangan Sistem Informasi Remunerasi Dosen Dengan Database Oracle (Studi Kasus: UIN Sumatera Utara Medan),” J.

Ilmu Komput. dan Inform., vol. 3, no. 1, pp. 1–9, 2018, [Online]. Available:

http://jurnal.uinsu.ac.id/index.php/algoritma/article/download/3148/1871.