• Tidak ada hasil yang ditemukan

PENERAPAN METODE FUZZY DENGAN VALIDASI MAPE DALAM PENENTUAN JUMLAH PRODUKSI KAOS YANG OPTIMAL PADA CV.PUTRI&DAFFA

N/A
N/A
Protected

Academic year: 2023

Membagikan "PENERAPAN METODE FUZZY DENGAN VALIDASI MAPE DALAM PENENTUAN JUMLAH PRODUKSI KAOS YANG OPTIMAL PADA CV.PUTRI&DAFFA"

Copied!
84
0
0

Teks penuh

Judul Tugas Akhir : Penerapan metode Fuzzy dengan validasi MAPE dalam menentukan jumlah produksi kaos yang optimal pada CV. PENERAPAN METODE FUZZY DENGAN VALIDASI KARTU UNTUK MENENTUKAN KUANTITAS PRODUKSI KAOS YANG OPTIMAL PADA CV. Metode fuzzy Tsukamoto dan Mamdani akan digunakan untuk menentukan jumlah produksi berdasarkan data permintaan dan data persediaan.

Untuk mempermudah pekerjaan, menghemat waktu dan meminimalkan kesalahan dalam perhitungan, metode ini digunakan untuk menentukan jumlah produksi yang optimal. Namun diantara kedua metode tersebut, perhitungan MAPE berdasarkan metode fuzzy mamdani lebih rendah dibandingkan dengan metode fuzzy tsukamoto, yang berarti perhitungan menggunakan metode fuzzy mamdani lebih akurat untuk menentukan jumlah produksi kaos pada CV. Putri&Daffa tetap merencanakan jumlah produksi secara historis, tanpa memperhitungkan stok di gudang.

Metode fuzzy Tsukamoto dan fuzzy Mamdani akan digunakan untuk menentukan jumlah produksi berdasarkan data permintaan dan data persediaan. Topik permasalahan yang didapat adalah mengenai ketidaktepatan jumlah produksi dan penimbunan barang sehingga mengakibatkan kerugian bagi CV.

Gambar 1. 1 Grafik Data Variabel Permintaan Periode Feb 2022 – Jan 2023  Berdasarkan gambar 1.1 dapat dilihat bahwa untuk produk kaos periode februari  2022- januari 2023 mengalami fluktuasi dikarenakan tidak stabilnya pemesanan atau  permintaan  dari  kon
Gambar 1. 1 Grafik Data Variabel Permintaan Periode Feb 2022 – Jan 2023 Berdasarkan gambar 1.1 dapat dilihat bahwa untuk produk kaos periode februari 2022- januari 2023 mengalami fluktuasi dikarenakan tidak stabilnya pemesanan atau permintaan dari kon

PENDAHULUAN

  • Latar Belakang
  • Perumusan Masalah
  • Tujuan Penelitian
  • Pembatas Masalah
  • Sistematika Penulisan

Ada baiknya peneliti memberikan gambaran umum mengenai sistematika penulisan laporan penelitian, sehingga mudah dipahami dan memudahkan pembahasan.

TINJAUAN PUSTAKA

Konsep Produksi

  • Fungsi Produksi

Permintaan

Persediaan

Peramalan

  • Konsep Dasar Peramalan
  • Jenis-Jenis Peramalan
  • Peramalan Horizon Waktu

Logika Fuzzy

Himpunan Fuzzy

Fungsi Keanggotaan

Operasi-operasi Pada Himpunan Fuzzy

Aturan Fuzzy

Fungsi Implikasi Fuzzy

Metode Fuzzy Tsukamoto

Metode Fuzzy Mamdani

Mean Absolute Precentage Error (MAPE)

MATLAB

Penelitian Pendahuluan

METODOLOGI PENELITIAN

Tempat dan Waktu Penelitian

Pengumpulan Data

Pengolahan Data

Analisis

Kesimpulan dan Saran

Flowchart Penelitian

PENGUMPULAN DAN PENGOLAHAN DATA

Pengumpulan Data

Data yang digunakan merupakan data yang berkaitan dengan penentuan kuantitas produksi kaos yang dikelompokkan menjadi fungsi input dan fungsi output. Data kuantitas permintaan adalah banyaknya barang atau jasa yang ingin dibeli konsumen pada tingkat harga tertentu. Dari data diatas terlihat permintaan produk kaos oblong tertinggi mencapai 15830 potong pada bulan Juli dan permintaan terendah sebanyak 6180 potong.

Data jumlah persediaan adalah banyaknya barang yang dimiliki perusahaan, yang diperoleh dari hasil produksi untuk tujuan dijual kepada konsumen. Tabel diatas menunjukkan jumlah persediaan setiap bulan selama periode Februari 2022 – Januari 2023, dengan persediaan tertinggi pada bulan September 2023 sebanyak 4.642 unit. Putri&Daffa pada periode Februari 2022 – Januari 2023 dengan total volume produksi sebanyak 251.039 potong produk kaos.

Tabel 4. 2 Data jumlah persediaan
Tabel 4. 2 Data jumlah persediaan

Pengolahan Data

  • Metode Fuzzy Tsukamoto
  • Metode Fuzzy Mamdani
  • Perhitungan Nilai MAPE (Mean Absolute Precentage Error)

ANALISIS DATA

Analisi Metode Fuzzy Tsukamoto

Berdasarkan perhitungan jumlah permintaan pada variabel untuk menentukan fungsi keanggotaan pada masing-masing variabel. Hasil yang diperoleh dari variabel jumlah permintaan dikelompokkan menjadi 3 himpunan yaitu kecil, sedang dan besar. Hasil yang diperoleh untuk jumlah query yang sedikit dari 0 hingga 11.005 pcs. karena minat pembeli yang rendah, karena terdapat beberapa jenis produk dengan bahan baku yang kurang baik dan kurangnya promosi membuat permintaan produk juga sedikit, untuk jumlah permintaan sedang mulai dari 6.180 pcs hingga 15.830 pcs, karena permintaan pasar yang tidak menentu membuat produk tersebut penjualannya berfluktuasi, dan permintaan dalam jumlah banyak mulai dari 11.005 pcs hingga 15.830 pcs, karena tingginya permintaan pasar disebabkan oleh produk dengan bahan yang berkualitas dan model produk yang mengikuti trend fashion pada masanya sehingga menarik banyak minat pembeli. .

Berdasarkan perhitungan pada variabel kuantitas persediaan dilakukan untuk mengetahui fungsi keanggotaan pada masing-masing variabel. Hasil yang diperoleh dari variabel kuantitas persediaan dikelompokkan menjadi 3 himpunan yaitu kecil, sedang dan besar. Hasil yang diperoleh untuk jumlah stok kecil dari 0 menjadi 2.869 pcs karena kurangnya bahan baku dan meningkatnya penjualan menyebabkan rendahnya stok produk di gudang, untuk jumlah stok sedang dari 1.096 pcs.

Berdasarkan perhitungan jumlah variabel produksi dilakukan untuk menentukan fungsi keanggotaan masing-masing variabel. Hasil yang diperoleh dari variabel kuantitas produksi dikelompokkan menjadi 3 himpunan yaitu menurun, konstan dan meningkat. Hasil yang diperoleh adalah untuk jumlah produksi berkurang dari 0 menjadi 22.185 pcs karena permintaan pasar dan penurunan penjualan serta persediaan produk yang besar sehingga menyebabkan produk yang akan diproduksi berkurang atau berkurang, untuk jumlah produksi tetap dari 17.416 pcs menjadi 26.954 pcs karena berkurangnya permintaan yang meningkat. serta stok yang tersedia sehingga jumlah produk yang dihasilkan disesuaikan dengan permintaan pasar dan penjualan, dan juga jumlah produksi meningkat dari 22.185 buah menjadi 26.954 buah karena tingginya permintaan pasar dan juga rendahnya stok produk yang menyebabkan produk yang dihasilkan semakin banyak. .

Setelah dilakukan pengolahan data menggunakan inferensi fuzzy, diperoleh keluaran crisp (defuzifikasi) sebesar 15,338. untuk jumlah kaos yang diproduksi.

Analisis Metode Fuzzy Mamdani

Hasil yang diperoleh untuk jumlah persediaan kecil mulai dari 0 hingga 2.869 buah karena kurangnya bahan baku dan peningkatan penjualan menyebabkan rendahnya persediaan produk di gudang, untuk jumlah persediaan sedang mulai dari 1.096 buah menjadi 4.642 buah karena permintaan pasar dan penjualan yang fluktuatif. , dan untuk persediaan besar dari 2.869 buah menjadi 4.642 buah karena produk yang diproduksi cukup banyak, sedangkan permintaan pasar dan kurangnya penjualan menurun karena ada beberapa produk yang ketinggalan tren, hal ini menyebabkan persediaan produk di gudang menjadi banyak atau menumpuk. Hasil yang diperoleh adalah untuk jumlah produksi berkurang dari 0 menjadi 22.185 buah karena permintaan pasar dan penurunan penjualan serta persediaan produk yang besar menyebabkan produksi produk berkurang atau berkurang, untuk jumlah produksi tetap dari 17.416 buah menjadi 26.954 buah karena permintaan semakin berkurang, serta stok yang tersedia, sehingga jumlah produk yang dihasilkan menyesuaikan dengan permintaan dan penjualan. Setelah dilakukan pengolahan data pada Matlab R2021 diperoleh output yang tajam (defuzifikasi) sebanyak 20.300 lembar untuk jumlah kaos yang diproduksi.

Analisis Perhitungan Nilai MAPE Metode Tsukamoto dan Mamdani

KESIMPULAN DAN SARAN

Kesimpulan

Hasil penerapan metode fuzzy Tsukamoto untuk menentukan jumlah produksi kaos periode Februari 2022 – Januari 2023 pada CV. Dan hasil penerapan metode fuzzy mamdani untuk menentukan jumlah produksi kaos periode Februari 2022 – Januari 2023 pada CV. Hasil validasi MAPE (Mean Absolute Percentage Error) diperoleh nilai untuk metode fuzzy Tsukamoto sebesar 9,87% dan metode fuzzy Mamdani sebesar 6,22%.

Namun dari kedua metode tersebut perhitungan dengan metode fuzzy mamdani lebih rendah dibandingkan dengan metode fuzzy tsukamoto yang berarti perhitungan dengan metode fuzzy mamdani lebih akurat untuk menentukan kuantitas produksi kaos di CV.

Saran

Namun dari kedua metode tersebut perhitungan dengan metode fuzzy mamdani lebih rendah dibandingkan dengan metode fuzzy tsukamoto yang berarti perhitungan dengan metode fuzzy mamdani lebih akurat untuk menentukan kuantitas produksi kaos di CV. Putri & Daffa. stok) yang menyebabkan penumpukan stok dan juga kerugian biaya produksi. Putri&Daffa dapat melihat tren fashion saat ini agar produknya tidak ketinggalan tren dan lebih berhati-hati dalam pemilihan bahan baku produk kaos. Peneliti selanjutnya diharapkan dapat melakukan perencanaan produksi dan perhitungan biaya agar dapat meminimalisir biaya kerugian yang terjadi pada CV.

Proses pertama yang dilakukan dalam proses pembuatan garmen adalah pengadaan bahan baku dengan menggunakan berbagai jenis bahan. Proses ini juga harus dipastikan sesuai dengan ukuran yang digunakan, seperti panjang baju, lingkar dada, lingkar pinggul, lingkar pinggul, lebar bahu, dll. Yang pertama adalah pemotongan bahan, jenis bahan yang dipilih disusun dalam lembaran di bagian atas. meja potong dan diamankan sesuai pola yang dibuat.

Kemudian bahan bermotif tersebut dikelompokkan berdasarkan rentang warna sebelum melanjutkan ke tahap berikutnya. Pada kaos jenis ini biasanya digunakan dengan memadukan bagian rib dengan badan kaos, badan satu dengan yang lain dan juga dengan badan. potongan lengan. B).

Gambar

Gambar 1. 1 Grafik Data Variabel Permintaan Periode Feb 2022 – Jan 2023  Berdasarkan gambar 1.1 dapat dilihat bahwa untuk produk kaos periode februari  2022- januari 2023 mengalami fluktuasi dikarenakan tidak stabilnya pemesanan atau  permintaan  dari  kon
Gambar 2. 6 PieChart Penelitian Terbahulu
Tabel 3. 1 Data dan Teknik Pengumpulan Data
Gambar 3. 1 Flowchart Penelitian
+7

Referensi

Dokumen terkait

Fungsi keanggotaan ini membantu menggambarkan tingkat keanggotaan suatu nilai input dalam himpunan linguistik "rendah," "sedang," atau "tinggi." Dalam sistem inferensi fuzzy, fungsi