Sistem Pendukung Keputusan Penentuan Jumlah Pemesanan Barang

Asep Abdul Wahid1, Andri Ikhwana2, Partono3

Jurnal Algoritma
Sekolah tinggi Teknologi Garut
Jl. Mayor Syamsu No. 1, Garut 44151 Indonesia
Email: Jurnal@sttgarut.ac.id
1

achevdul@gmail.com
andri_ikhwan@yahoo.com
3
partono@yahoo.com

Abstrak -- Tujuan penelitian ini untuk mengembangkan sistem pendukung keputusan penentuan
penentuan jumlah persediaan, yang ingin dicapai dalam penelitian ini adalah membangun sebuah
aplikasi yang dapat membantu dalam penentuan persediaan barang yang optimal, sehingga
dapat
mengurangi resiko penumpukan barang untuk meminimalkan kerugian akibat
persediaan menumpuk. Metodologi yang digunakan dalam pengembangan sistem pendukung
keputusan ini menggunakan pemodelan Decision Support System (DSS). Hasil penelitian ini
menunjukkan bahwa penggunaan sistem pendukung keputusan penentuan penentuan jumlah
persediaan.ini dapat membantu bagian kasir dan pemilik dalam mengelola data penjualan,
persediaanbaan barang dan proses pembuatan laporan-laporan. Selain itu sistem pendukung
keputusan ini juga dapat dengan mudah menghasilkan laporan-laporan mengenai persediaan dan
jumlah pemesanan barang.
Kata kunci -- Sistem Pendukung Keputusan, Penentuan Jumlah Persediaan.

1.

PENDAHULUAN

Seperti yang kita ketahui bahwa informasi merupakan hal yang sangat penting bagi
manajemen didalam pengambilan keputusan. Oleh karena itu sudah banyak pula perusahaan atau
organisasi yang menggunakan sistem informasi untuk meningkatkan kinerjanya. Sistem informasi
dibuat agar mempermudah dalam pengelolaan data maupun informasi serta memudahkan kita
dalam mencari data maupun informasi tersebut. Kemajuan teknologi informasi yang pesat ini
seharusnya menjadi potensi dalam pemanfaatannya secara luas, membuka peluang bagi
pengaksesan, pengelolaan, dan pendayagunaan informasi dalam volume yang besar secara cepat
dan akurat dalam hal ini sistem informasi harus bisa menjadi manfaat besar bagi penggunanya.
Toko BERKAH JAYA merupakan grosir dan pengecer bermacam-macam pakaian dan alatalat rumah tangga. Toko BERKAH JAYA ini terletak di pasar Sukawening Garut, dalam aktivitas
bisnisnya toko BERKAH JAYA belum memanfaatkan kecanggihan teknologi. Hal ini ditunjukan
dalam pengelolaan data barang yang ada masih dilakukan secara manual sehingga kurang efektif
dalam kinerjanya, maka dari itu toko BERKAH JAYA membutuhkan suatu sistem yang bias
mengelola semua transaksi dengan efisien.

ISSN : 2302-7339 Vol. 09 No. 22 2012

Dan seringkali barang menumpuk dan kosong, terkadang harga dan kualitas barang juga turun. Oleh
karena itu, bantuan komputer akan sangat membantu dan mempermudah dalam transaksi dan
mengatur persediaan barang tidak sekedar mengandalkan buku catatan.
II.
A.

LANDASAN TEORI

SistemPendukungKeputusabn

Sistem Pendukung Keputusan merupakan suatu sistem interaktif yang mendukung keputusan
dalam proses pengambilan keputusan melalui alternatif alternatif yang diperoleh dari hasil
pengolahan data, informasi dan rancangan model.Sistem Pendukung Keputusan (DecisionSupport
Systems = DSS) adalah suatu sistem informasi yang menggunakan model-model keputusan, basis
data, dan pemikiran manajer sendiri, proses modeling interaktif dengan komputer untuk mencapai
pengambilan keputusan oleh manajer tertentu.
Menurut Keen dan Scoot Morton, sistem Pendukung Keputusan merupakan penggabungan
sumber -sumber kecerdasan individu dengan kemampuan komponen untuk memperbaiki kualitas
keputusan. Sistem Pendukung Keputusan juga merupakan sistem informasi berbasis komputer
untuk manajemen pengambilan keputusan yang menangani masalah -masalah semi struktur.
Menurut Alter, DSS merupakan system informasi intraktif yang menyediakan informasi, pemodelan
dan manipulasi data. Sistem digunakan untuk membantu mengambil keputusan dalam situasi yang
semi terstruktur dan situasi yang tidak terstruktur, dimana tidak seorangpun mengetahui secara pasti
bagaimana keputusan seharusnya dibuat.
Dengan pengertian diatas dapat dijelaskan bahwa sistem pendukung keputusan bukan
merupakan alat pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil
keputusan yang melengkapi mereka dengan informasi dari data yang telah diolah dengan relevan
dan diperlukan untuk membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat.
Sehingga sistem ini tidak dimaksudkan untuk menggantikan pengambilan keputusan dalam proses
pembuatan keputusan.

B.

Metodologi

Metode ini merupakan salah satu model yang menggambarkan siklus hidup pengembangan
perangkat lunak. Ini dilakukan bertahap dari awal sampai ke tahap berikutnya.
1. Intelligence
Tahap ini merupakan proses penelusuran dan pendeteksian dari lingkup problematika serta
proses pengenalan masalah. Data masukan diperoleh, diproses, dan diuji dalam rangka
mengidentifikasikan masalah.
2. Design.
Pada tahap ini dilakukan dengan melakukan dengan melakukan perancangan seperti:
perancangan fitur, menu aplikasi, perancangan data, perancangan arsitektur, perancangan
interface dan perancangan prosedur.
3. Choice
Pada tahap ini dilakukan proses pemilihan diantara berbagai alternatif tindakan yang mungkin
dijalankan. Hasil pemilihan tersebut kemudian diimplementasikan dalam proses pengambilan
keputusan.
4. Implementasi
Tahapan ini merupakan tahapan optional dalam pengembangan perangkat lunak. Bagian ini
terjadi ketika sistem yang kita maksud telah selesai dan mengalami perubahan ataupun
permintaan penambahan fitur dikemudian hari.

http://jurnal.sttgarut.ac.id

Junal Algoritma Sekolah Tinggi Teknologi Garut

III. Hasil dan Pembahasan

1. Subsistem pengolaahan model
Sistem ini menggunakan model matematika, dimana konsep ini adalah menggunakan
menggunakan notasi-notasi dan persamaan-persamaan matematika untuk merepresentasikan
system.antribut-atribut dinyatakan dengan variable-variabel dan aktifitas-aktifitas dinyatakandengan
variabel-variabel dan aktifitas-aktifitas dinyatakan dengan fungsi matematik yang menjelaskan
hubungan antar variable tersebut.
Model matematika disusun sesuai dengan rumusan logika fuzzy yang telah dijelaskan pada
BAB II. Untuk menjelaskan prosedur subsistem pengolahan data, adapun data tersebut bisa
dijelaskan dengan use case diagram:

TRANSAKSI PENJUALAN
PELANGGAN

KASIR

PEMESANAN
SUPPLIER
PEMILIK

TRANSAKSI PEMBELIAN

Gambar 3.1 Diagram Use Case yang sedang Berjalan

B. Kondisi Sistem
Melihat sistem yang sedang berjalan, sistem yang manual dalam system yang terjadi, maka
dapat disimpulkan beberapa kekurangan- kekurangan dalam prosedur yang sedang berjalan,
diantaranya adalah:

No

Tabel 3.4 Kondisi Sistem Dan Pemecahan masalah yang diharapkan

Masalah
Worker
Pemecahan Masalah

Proses pencatatan data

transaksi masih
menggunakan cara
manual dengan mencatat
data.

Kasir

Dibuatnya sistem informasi yang

memiliki database yang dapat mengelola
data Harga secara efisien.

Barang seuring
menumpuk dan
terkadang kosong

kasir

Dengan adanya aplikasi sistem informasi

penetapan harga dan persediaan ini maka
diharapkan dapat lebih mengatur data
masuk dan keluar barang agar barang
yang tersedia tidak membuat pemilik rugi
terlalu besar.

C.

Tahapan Penentuan Jumlah Pemesanan Barang Dengan Metode Fuzzy

Untuk menentukan Jumlah Pemesanan Barang maka dilakukan perhitungan dengan
menggunakan logika fuzzy model sugeno. Untuk menentukan jumlah minimum persediaan
yaitu dengan menghitung safety stock, variabel yang diambil terdiri dari jumlah penjualan
maksimum dalam satu hari, penjualan rata-rata dalam satu periode, dan lead time pemesanan.

2012 Jurnal STT-Garut All Right Reserved

ISSN : 2302-7339 Vol. 09 No. 22 2012

a. Fuzzification
Pada proses fuzzyfikasi mengubah masukan masukan yang nilai kebenarannya
bersifat pasti kedalam bentuk fuzzy input yang berupa nilai linguistik yang semantiknya
ditentukan berdasarkan fungsi keanggotaan tertentu. Fungsi keanggotaan mendefinisikan
bagaimana tiap titik dalam ruang input dipetakan menjadi bobot atau derajat keanggotaan antara 0
dan 1. Atribut yang digunakan pada tahap fuzzyfication ini yaitu :

Gambar 3.3 Fungsi Keanggotaan Variabel Penjualan

Fungsi keanggotaan atribut penjualan :

..(1.1)

Gambar 3.4 Fungsi Keanggotaan Variabel Persediaan

Fungsi keanggotaan atribut persediaan :

..(1.2)

http://jurnal.sttgarut.ac.id

Junal Algoritma Sekolah Tinggi Teknologi Garut

2. Inference
Inference melakukan penalaran menggunakan fuzzy input dan fuzzy rules yang telah
ditentukan sehingga menghasilkan fuzzy output.
SEDIKIT
SEDANG
BANYAK
SEDIKIT
SEDANG
BANYAK

SEDIKIT
SEDANG
BANYAK

SEDIKIT
SEDIKIT
BANYAK

SEDIKIT
SEDANG
SEDIKIT

Choice
Berikut ini adalah data-data yang direkomendasikan untuk penentuan jumlah pemesanan barang:
Nama Barang
: Kerudung Zahra
Penjualan Maksimum pe hari : 10
Jumlah Penjualan (x)
: 50
Jumlah Hari
: 31 hari
Lead Time
: 1 hari
Jumlah Persediaan (y)
: 11
4.2.1 Jumlah Minimum Persediaan untuk Juli 2012 untuk Agustus 2012
Safety Stock =(Penjualan Maksimum-Penjualan Rata-rata). Lead Time Dari data-data yang
tersebut, maka dapat dihitung jumlah persediaan aman (safety stock) sebagai berikut :
Safety Stock
..(1.3)

Dari perhitungan safety stock, maka didapatkan jumlah minimum persediaan barang sebagai acuan
untuk melakukan pemesanan kembali pada periode juli 2010 adalah sebesar 9,36 dibulatkan menjadi
10 kerudung.
4.2.2 Penentuan jumlah pemesanan bulan Juli untuk Agustus 2012
a. Pada tahap pertama ini adalah Fuzzyfication :

Gambar 4.12 Fungsi Keanggotaan Variabel Penjualan

2012 Jurnal STT-Garut All Right Reserved

ISSN : 2302-7339 Vol. 09 No. 22 2012

Fungsi keanggotaan atribut penjualan :

..(1.4)

Nilai Keanggotaan:

..(1.5)

Gambar 4.13 Fungsi Keanggotaan Variabel Penjualan

Fungsi keanggotaan atribut penjualan :

..(1.6)

http://jurnal.sttgarut.ac.id

Junal Algoritma Sekolah Tinggi Teknologi Garut

Nilai Keanggotaan:

..(1.7)

b. Pada tahap kedua ini adalah Inference :

[R1] IF PenjualanSEDIKIT(0) AND PersediaanSEDIKIT(0) THEN Pemesanan SEDIKIT (0)
[R2] IF PenjualanSEDIKIT(0) AND PersediaanSEDANG(0,57) THEN Pemesanan SEDANG (0)
[R3] IF PenjualanSEDIKIT(0) AND PersediaanBANYAK(0,43) THEN Pemesanan SEDIKIT (0)
[R4] IF PenjualanSEDANG(0,57) AND PersediaanSEDIKIT(0) THEN Pemesanan BANYAK (0)
[R5] IF PenjualanSEDANG(0,57) AND PersediaanSEDANG(0,57) THEN Pemesanan SEDIKIT
(0,57)
[R6] IF PenjualanSEDANG(0,57) AND Persediaan BANYAK(0,43) THEN Pemesanan SEDANG
(0,43)
[R7] IF PenjualanBANYAK(0,43) AND Persediaan SEDIKIT(0) THEN Pemesanan BANYAK (0)
[R8] IF PenjualanBANYAK(0,43) AND Persediaan SEDANG(0,57) THEN Pemesanan BANYAK
(0,43)
[R9] IF PenjualanBANYAK(0,43) AND Persediaan BANYAK(0,43) THEN Pemesanan SEDIKIT
(0,43)
Aturan yang memenuhi adalah aturan [R5], [R6], [R8] dan [R9] yaitu :
[R5] IF PenjualanSEDANG(0,57) AND PersediaanSEDANG(0,57) THEN Pemesanan SEDIKIT
(0,57)
[R6] IF PenjualanSEDANG(0,57) AND Persediaan BANYAK(0,43) THEN Pemesanan SEDANG
(0,43)
[R8] IF PenjualanBANYAK(0,43) AND Persediaan SEDANG(0,57) THEN Pemesanan BANYAK
(0,43)
[R9] IF PenjualanBANYAK(0,43) AND Persediaan BANYAK(0,43) THEN Pemesanan SEDIKIT
(0,43)
c. Pada tahap ketiga ini adalah defuzzyfication :
z1=1*Penjualan
= 1 . 20 = 20
z2=Penjualan - 1,1*Persediaan
= 20 - 1,1 . 11= 4,96
z3=Penjualan - Persediaan
= 20 - 11= 6
z4=1,1 * Penjualan - Persediaan
= 1,1 . 20 - 11= 8
z5=1*Penjualan
= 1 . 20 = 20

2012 Jurnal STT-Garut All Right Reserved

ISSN : 2302-7339 Vol. 09 No. 22 2012

z6=Penjualan - 1,1 * Persediaan

= 20 - 1,1 . 11= 4,96
z7=1,25 * Penjualan - Persediaan
= 1,25 . 20 - 6 = 19
z8=1,1 * Penjualan - Persediaan
= 1,1 . 20 - 14 = 8
z9=1*Penjualan
= 1 . 20 = 20
Karena aturan yang memenuhi (R5), (R6), (R8) dan (R9), dengan metode defuzzy
weighted average, maka rata-rata jumlah barang adalah
..(1.8)

Dibulatkan menjadi 15
Hasil Keputusan = 15
Dari hasil tersebut telah diketahui hasil keputusan jumlah pemesanan adalah 15, sedangkan
persediaan tersesa 11 sehingga jumlah persediaan periode selanjutnya menjadi 26 pcs.
III. KESIMPULAN/RINGKASAN
Kesimpulan dari hasil penelitian ini adalah sebagai berikut :
1. Sistem Pendukung Keputusan yang dibangun dapat memberikan kemudahan dalam hal
penentuan jumlah persediaan terhadap kasir.
2. Sistem Pendukung Keputusan membantu dalam proses penentuan jumlah persediaan yang akan
menentukan jumlah pemesanan barang.
3. Sistem Pendukung Keputusan yang dibangun mampu mengukur kompetensi antara barang yang
tersedia dengan barang yang harus dipesan
4. Diharapkan sistem pendukung keputusan ini dapat digunakan sebagai informasi strategik dalam
upaya mengoptimalkan sistem persediaan meliputi jumlah persediaan. Serta dalam memberikan
rekomendasi pemesanan barang agar minimalkan biaya
5. Output yang dikeluarkan dari sistem pendukung keputusan ini berupa jumlah persediaan dan
jumlah barang yang harus dipesan.
Saran dari penulis terhadap pengembangan dari penelitian ini adalah :
1. Untuk saat ini sistem hanya dapat digunakan untuk mengolah persediaan dan penentuan jumlah
pemesanan barang, diharapkan kedepannya dapat digunakan untuk mengolah laporan laba rugi.
2. Untuk pengembangan penelitian berikutnya diharapkan bisa ditambahkan lagi variabel dan
rule fuzzy yang akan digunakan untuk perhitungan fuzzy, sehingga sistem yang dikembangkan
akan lebih kompleks.
Daftar Pustaka
[1] Kusrini, Konsep dan Aplikasi Sistem Pendukung Keputusan, Andi, 2007.
[2] R.Budi, Belajar Otodidak Database Menggunakan Mysql, Informatika Bandung, 2011.
[3] Kusumadewi.S, dan Purnomo,H. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Edisi
2, Graha Ilmu, 2010.
[4] H. Bambang, Esensi-Esensi Bahasa Pemrograman Java,Edisi 2, Informatika, 2007.

http://jurnal.sttgarut.ac.id