Aplikasi Penentuan Jumlah Produksi di Farhan Konfeksi Kotamobagu dengan Menggunakan Fuzzy Tsukamoto

Main Article Content

Michel Farrel Tomatala

Abstract

Ketidakstabilan permintaan yang tinggi maupun rendah pada waktu tertentu serta permintaan secara mendadak mengakibatkan sulitnya menentukan jumlah produksi yang tepat. Ini mengakibatkan masalah penumpukan stok persediaan saat kelebihan jumlah produksi dan masalah sebaliknya yaitu kekurangan jumlah produksi sehingga tidak dapat memenuhi jumlah permintaan. Sebab itu dibutuhkan suatu aplikasi yang bisa dengan mudah digunakan untuk menentukan jumlah produksi yang tepat. Aplikasi ini menggunakan metode Fuzzy Tsukamoto dengan tiga tahap perhitungan jumlah produksi yaitu fuzzifikasi, inferensi dan defuzzifikasi. Pada tahap awal, variabel permintaan, persediaan dan produksi masing-masing dibagi menjadi tiga himpunan fuzzy. Variabel permintaan terdiri dari TURUN, TETAP dan NAIK, variabel persediaan terdiri dari SEDIKIT, SEDANG, dan BANYAK, serta variabel produksi terdiri dari BERKURANG, TETAP dan BERTAMBAH. Kombinasi semua himpunan fuzzy dibentuk menjadi sembilan rules fuzzy yang digunakan dalam tahap inferensi. Ditahap inferensi, dicari nilai keanggotaan anteseden (α) dan nilai jumlah produksi kira-kira (z) setiap rules-nya. Jumlah pakaian yang akan diproduksi (Z) dicari dengan metode defuzzifikasi rata-rata terpusat. Aplikasi ini memiliki tingkat kesalahan sebesar 0.324673 % setelah diuji menggunakan 29 sampel dengan metode Mean Absolute Percentage Error (MAPE), sehingga disimpulkan bahwa aplikasi ini memiliki kinerja efektif tanpa mengurangi ketepatan perhitungan dan dapat digunakan untuk menentukan jumlah produksi dalam waktu singkat.

Article Details

How to Cite
[1]
M. Tomatala, “Aplikasi Penentuan Jumlah Produksi di Farhan Konfeksi Kotamobagu dengan Menggunakan Fuzzy Tsukamoto”, SMARTICS, vol. 5, no. 1, pp. 1-13, Apr. 2019.
Section
Article

References

Kusumadewi, S. dan Purnomo. H, Aplikasi Logika Fuzzy Untuk Sistem Pendukung Keputusan Edisi Pertama, Graha Ilmu, Yogyakarta, 2004.

Kusumadewi, S. dan Hartati, S, Neuro-Fuzzy Integrasi Sistem Fuzzy dan Jaringan Saraf. Graha Ilmu, Yogyakarta, 2004.

Moleong, L.J, Metode Penelitian Kualitatif, Remaja Rosdakarya: Bandung, 2002.

Klir, G.J., Clair, Ute, S. dan Yuan, Bo, Fuzzy Set Theory, Foundation and Aplication, Prentice Hall International, New Jersey, 1997.

Jang, J.S.R., Sun, C.T. dan Mizutani, E, Neuro-Fuzzy and Soft Computing, Prentice Hall, London, 1997.

Lin, C.T., Lee, C.T. dan George, G.S. 1996. Neural Fuzzy System. Prentice Hall, London, 1996.

Nguyen, Hung, T. dan Elbert, A, W, A First Course In Fuzzy and Neural Control, Chapman & Hall/CRC, USA, 2005

Setiadji, Himpunan & Logika Samar serta Aplikasinya, Graha Ilmu, Yogyakarta, 2009

Nasution, A.H, Perencanaan & Pengendalian Produksi. Graha Ilmu, Yogyakarta, 2008

Moleong, L.J, Metode Penelitian Kualitatif, Remaja Rosdakarya, Bandung, 2002

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.