PERENCANAAN JUMLAH PRODUK MENGGUNAKAN METODE FUZZY

MAMDANI BERDASARKAN PREDIKSI PERMINTAAN

Nama Mahasiswa
NRP
Jurusan
Dosen Pembimbing

: Norma Endah Haryati

: 1207 100 031
: Matematika FMIPA-ITS
: Drs. I G N Rai Usadha, M.Si
Dra. Nuri W, M.Kes

Abstrak
Keputusan perusahaan dalam menentukan jumlah produk pada satu periode selanjutnya bergantung
pada sisa persediaan dari satu periode sebelumnya dan juga perkiraan jumlah permintaan pada satu
periode selanjutnya. Jumlah permintaan dan persediaan merupakan suatu ketidakpastian. Logika Fuzzy
merupakan salah satu ilmu yang dapat menganalisa ketidakpastian, begitu juga dengan metode Pemulusan
Eksponensial yang dapat digunakan meramalkan jumlah permintaan pada periode selanjutnya ketika di
dukung data permintaan pada periode sebelumnya. Penelitian ini menggunakan metode Pemulusan
Eksponensial Ganda dari Holt dalam meramalkan jumlah permintaan satu bulan kedepan kemudian
menggunakan metode Fuzzy-Mamdani dalam menentukan jumlah produk berdasarkan data persediaan
dan prediksi permintaan. Hasil penelitian dengan input berupa ramalan jumlah permintaan dengan
parameter = 0,2 dan = 0,3061957 pada bulan Februari sebesar 12.240 unit dan sisa persediaan bulan
Januari sebesar 200 unit diperoleh output berupa jumlah produk pada bulan Februari sebesar 12.400 unit
sehingga sisa persediaan pada bulan Februari sebesar 160 unit.
Kata Kunci : Jumlah Produk, Pemulusan Eksponensial, Fuzzy Mamdani
ini menggunakan salah satu aplikasi dari logika
Fuzzy yaitu metode Mamdani atau biasa disebut
metode
Min-Max.
Sedangkan,
metode
Pemulusan Eksponensial digunakan sesuai
dengan pola data dan jumlah data masa lalu
yang telah diperoleh berdasarkan survey awal.
Metode Pemulusan Eksponensial menggunakan
sangat sedikit pencatatan data masa lalu.
(Sutarni, 2010).
Permasalahan yang dibahas dalam
penelitian ini adalah bagaimana meramalkan
jumlah permintaaan pada satu bulan ke depan
menggunakan metode Pemulusan Eksponensial
dan bagaimana menentukan jumlah produk
berdasarkan perkiraan jumlah permintaan satu
bulan kedepan dan jumlah persediaan bulan
sebelumnya menggunakan metode Fuzzy
Mamdani.
Batasan masalah dalam penelitian ini
adalah :
1. Produk yang diteliti adalah produk lantai
kayu jati.
2. Faktor-faktor yang mempengaruhi dalam
menentukan jumlah produk adalah jumlah
permintaan dan jumlah persediaan sehingga
data lain tidak diteliti atau dianggap tetap.
3. Penegasan (defuzzyfikasi)
menggunakan
metode Centroid.

1. Pendahuluan
Keuntungan yang maksimal diperoleh dari
penjualan yang maksimal. Penjualan yang
maksimal artinya dapat memenuhi permintaanpermintaan yang ada Apabila jumlah produk
yang diproduksi oleh perusahaan kurang dari
jumlah permintaan maka perusahaan akan
kehilangan peluang untuk mendapatkan
keuntungan yang maksimal. Sebaliknya, apabila
jumlah produk yang diproduksi jauh lebih
banyak dari jumlah permintaan maka
perusahaan akan mengalami kerugian. Oleh
karena itu, Perencanaan jumlah produk dalam
suatu perusahaan sangatlah penting agar dapat
memenuhi permintaan pasar dengan tepat dan
dengan jumlah yang sesuai. Faktor-faktor yang
perlu diperhatikan dalam menentukan jumlah
produk, antara lain: sisa persediaan satu periode
sebelumnya dan perkiraan jumlah permintaan
satu periode selanjutnya.
Logika Fuzzy merupakan ilmu yang
mempelajari mengenai ketidakpastian. Jumlah
permintaan pada satu periode ke depan
merupakan perkiraan yang mengandung unsur
ketidakpastian yang akan diramalkan dengan
menggunakan metode Pemulusan Eksponensial
berdasarkan data yang diperoleh dari beberapa
periode sebelumnya. Oleh karena itu, penelitian
1

4. Jumlah permintaan pada bulan tertentu

diramalkan
menggunakan
metode
Pemulusan Eksponensial.
Tujuan dari penelitian ini adalah
Meramalkan jumlah permintaan pada satu bulan
ke depan menggunakan metode Pemulusan
Eksponensial dan menentukan jumlah produk
pada satu bulan ke depan menggunakan metode
Fuzzy Mamdani. Manfaat yang diharapkan dari
tugas akhir ini adalah dapat mengetahui aplikasi
matematika khususnya Fuzzy dan Peramalan
dalam bidang industri dan sebagai masukan atau
informasi yang bermanfaat bagi Industri dalam
merencanakan jumlah produk.

Metode Linear Satu Parameter dari Brown

dirumuskan :
S ' t X t (1 )S ' t 1

(2.1)

S"t S ' t (1 )S"t 1

(2.2)

at 2S 't S"t

(2.3)

bt

( S ' t S "t )
1

Ft m at bt m

(2.4)
(2.5)

dengan :
:Jumlah periode ke muka yang
m
diramalkan
: Nilai pemulusan eksponensial tunggal
S' t
: Nilai pemulusan eksponensial ganda
S"t
: Nilai peramalan pada periode t+m
Ft m
Metode Dua Parameter dari Holt dirumuskan :

2. Tinjauan Pustaka
2.1 Penelitian Sebelumnya
Pada penelitian sebelumnya (Djunaidi,
2005), input yang digunakan adalah jumlah
permintaan dan jumlah persediaan yang sudah
diketahui. Namun, suatu perusahaan pada
umumnya membutuhkan keputusan produksi
yang lebih cepat agar dapat memenuhi
permintaan pasar dengan tepat waktu. Oleh
karena itu, tugas akhir kali ini menggunakan
input yang berbeda dengan sebelumnya, yaitu:
prediksi permintaan satu bulan ke depan dan
jumlah persediaan bulan sebelumnya untuk
menghasilkan output berupa jumlah produk satu
bulan ke depan.

S t X t (1 )( S t 1 bt 1 )

(2.6)

bt (S t S t 1 ) (1 )bt 1

(2.7)

Ft m S t bt m

(2.8)

dengan :
: Pemulusan data
St
: Pemulusan trend
bt
:Jumlah periode ke muka yang
m
diramalkan
: Nilai peramalan pada periode t+m
Ft m

2.2 Metode Pemulusan Eksponensial Ganda

Metode
Pemulusan
Eksponensial
merupakan salah satu dari metode deret berkala
(time series) dengan prosedur perbaikan terusmenerus pada peramalan terhadap objek
pengamatan terbaru. Metode Pemulusan
Eksponensial menitikberatkan pada penurunan
prioritas secara eksponensial pada objek
pengamatan yang lebih tua. Dengan kata lain,
observasi terbaru akan diberikan prioritas lebih
tinggi bagi peramalan daripada observasi yang
lebih lama. (Ariyoso, 2009). Salah satu dari
metode Pemulusan Eksponensial adalah metode
Pemulusan Eksponensial Ganda. Terdapat dua
macam dari metode Pemulusan Eksponensial
Ganda, yaitu: Pemulusan Eksponensial Ganda
Linear Satu Parameter dari Brown dan
Pemulusan Eksponensial Ganda Dua Parameter
dari Holt. Metode Pemulusan Eksponensial
Ganda digunakan ketika data menunjukkan
adanya trend. Rumus Pemulusan Eksponensial
Ganda adalah sebagai berikut:

2.3 Himpunan Fuzzy

Teori himpunan fuzzy diperkenalkan oleh
Lotfi A. Zadeh pada tahun 1965. Zadeh
~
memberikan definisi tentang himpunan fuzzy A ,
yaitu:
Jika X adalah koleksi dari obyek-obyek yang
dinotasikan secara generik oleh x, maka suatu
~
himpunan fuzzy A , dalam X adalah suatu
himpunan pasangan berurutan :

~
A {( x, A~ ( x)) | x X }

(2.9)
dengan A~ ( x) adalah derajat keanggotaan x
yang memetakan X ke ruang keanggotaan M
yang terletak pada rentang (0,1). (Kusumadewi,
2006).

dengan A~ ( z ) adalah fungsi keanggotaan

dari himpunan fuzzy.

2.4 Fungsi Keanggotaan Fuzzy

Setiap
himpunan
fuzzy
dapat
direpresentasikan dengan fungsi keanggotaan.
Jika himpunan fuzzy terbatas maka nilai
keanggotaan merupakan nilai diskrit dalam
rentang [0,1]. Namun, jika himpunan fuzzy tidak
terbatas maka dapat direpresentasikan sebagai
fungsi keanggotaan kontinu. (Ruan, 1995).
Bentuk dari fungsi keanggotaan adalah sebagai
berikut:
1. Triangular Member Function
2. Trapesium Member Function
3. Z-Member Function
4. S-Member Function
5. Gauss Member Function

3. Metode Penelitian
Tahap-tahap yang dilakukan dalam tugas
akhir ini adalah identifikasi masalah, studi
literatur dan pengumpulan data, peramalan
jumlah permintaan, dan penentuan jumlah
produk. Pada tahap Identifikasi masalah,
permasalahan yang dibahas dalam usulan tugas
akhir ini adalah menentukan jumlah produk
menggunakan
metode
Fuzzy
Mamdani
berdasarkan perkiraan jumlah permintaan satu
bulan kedepan yang diramalkan menggunakan
metode Pemulusan Eksponensial dan jumlah
persediaan bulan sebelumnya.
Pada
tahap
studi
literatur
dan
pengumpulan data dilakukan pengumpulan data
sekunder dari perusahaan produksi dan studi
literatur. Studi ini meliputi hal-hal yang
berkaitan dengan Fuzzy Mamdani dan juga
metode Pemulusan Eksponensial. Pembelajaran
ini didapat baik dari buku-buku literatur, jurnal,
paper, maupun beberapa artikel di internet.
Pada tahap selanjutnya akan dilakukan
peramalan jumlah permintaan menggunakan
metode Pemulusan Eksponensial sebagai input
dari metode Fuzzy Mamdani. Langkah-langkah
yang harus dilakukan dalam peramalan jumlah
permintaan, yaitu:
1. Mengetahui pola data.
2. Menentukan
metode
Pemulusan
Eksponensial berdasarkan pola data.
3. Menentukan
parameter
dengan
menggunakan nilai SSE (Sum of Squared
Error) dan MSE (Mean Squared Error)
terkecil.
4. Menghitung Error pada nilai peramalan
menggunakan MAPE (Mean Absolute
Percentage Error).
Tahap
penentuan
jumlah
produk
merupakan proses perencanaan Jumlah Produk
dengan input berupa perkiraan jumlah
permintaan dan jumlah persediaan yang akan
diselesaikan menggunakan software MATLAB.
Langkah-langkah dalam menentukan jumlah
produk menggunakan Fuzzy Mamdani, yaitu:
1. Pembentukan himpunan fuzzy.
2. Aplikasi fungsi implikasi.
3. Komponen aturan (rule).
4. Penegasan (defuzzyfikasi) menggunakan
metode Centroid.

2.5 Sistem Inferensi Fuzzy

Inferensi Fuzzy merupakan proses dalam
memformulasikan pemetaan dari input yang
diberikan ke dalam output menggunakan logika
fuzzy. Terdapat dua macam dari sistem inferensi
fuzzy yang dapat diimplementasikan dalam
Fuzzy Logic Toolbox, yaitu: tipe Mamdani dan
tipe Sugeno. ( Zadeh, 1995). Namun dalam
tugas akhir ini menggunakan tipe Mamdani.
Untuk memperoleh output diperlukan 4 tahapan,
yaitu (Sasongko, 2007):
1. Pembentukan himpunan fuzzy
Pada metode Mamdani, baik variabel input
maupun variabel output dibagi menjadi satu
atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi
Pada metode mamdani, fungsi implikasi
yang digunakan adalah min.
3. Komponen aturan (rule)
Pada tahapan ini sistem terdiri dari beberapa
aturan, maka inferensi diperoleh dari
kumpulan dan korelasi antar aturan.
4. Penegasan (defuzzyfikasi)
Defuzzyfikasi adalah sebuah model konversi
dari bentuk nilai fuzzy ke dalam besaran
yang lebih presisi. (Hidayati, 2009). Salah
satu metode dari defuzzyfikasi adalah
metode centroid. Metode Centroid dapat
disebut Center of Area (Center of Gravity)
adalah metode yang paling lazim dan paling
banyak diusulkan oleh banyak peneliti untuk
digunakan. Formulasi matematis metode ini
dapat diberikan sebagai berikut:
z*

~ ( z ) dz
A

(2.10)

~ ( z ) dz
A

data dari periode awal hingga periode-periode

selanjutnya maka dilakukan penentuan pola data
sementara. Berdasarkan plot data pada
Gambar 1, dapat dilihat bahwa jumlah
permintaan pada periode ke-1 hingga periode
ke-8 cenderung naik kemudian pada periode ke9 turun tajam dan pada periode ke-10 hingga
periode ke-11 cenderung naik lagi sehingga
dapat disimpulkan bahwa pola data sementara
yang diperoleh sesuai dengan pola data trend.
Berdasarkan Pola data yang diperoleh maka
metode peramalan yang cocok untuk pola data
trend adalah metode Pemulusan Eksponensial
Ganda. Namun, terdapat dua rumusan dari
metode Pemulusan Eksponensial Ganda yaitu
metode Pemulusan Eksponensial Ganda satu
parameter dari Brown dan metode Pemulusan
Eksponensial Ganda dua parameter dari Holt.
Pemulusan Eksponensial Ganda dua parameter
mempunyai dua pemulusan, yaitu: pemulusan
data
dan
pemulusan
trend
sehingga
memungkinkan untuk data yang masih
mempunyai sedikit kerandoman. Oleh karena itu
penelitian ini mengggunakan metode Pemulusan
Eksponensial Ganda dua parameter dari Holt.

3. Analisa dan Pembahasan

Data yang diteliti dalam tugas akhir ini
merupakan data produk lantai kayu yang terdiri
dari data permintaan tiap bulan, data persediaan
tiap bulan, dan data jumlah produk tiap bulan.
Data jumlah permintaan tiap bulan dalam satuan
container dapat dilihat pada Tabel 1. Sedangkan
data jumlah permintaan tiap bulan, jumlah
persediaan tiap bulan, dan jumlah produk tiap
bulan dalam satuan box(1 container = 816 box)
dapat dilihat pada Tabel 2.
Tabel 1. Jumlah permintaan tiap bulan
Bulan Permintaan

Permintaan
(container)

Maret 2010
April 2010
Mei 2010
Juni 2010
Juli 2010
Agustus 2010
September 2010
Oktober 2010
November 2010
Desember 2010
Januari 2011

10
15
12
11
15
15
15
20
5
7
8

Jumlah Permintaan

Data Permintaan

Tabel 2. Jumlah Permintaan, Persediaan, dan

Produk tiap bulan
Permintaan
( Box )

Persediaan
( Box )

Mar10

8160

1240

Jumlah
Produksi
( Box )
10000

Apr10
Mei10

12240
9792

260
258

12500
10050

Jun10

8976

584

9560

Jul10
Agust10

12240
12240

490
490

12730
12730

Sept10
Okt10

12240
16320

470
260

12730
16580

Nov10
Des10

4080
5712

600
202

4680
5914

Jan11

6528

200

6728

Bulan

20000
15000
10000

Series1

5000
0
1

11

Bulan

Gambar 1.Time Series Plot Jumlah

Permintaan
Setelah menentukan metode peramalan
berdasarkan pola data sementara, langkah
selanjutnya adalah menentukan parameter
dengan nilai SSE (Sum of Squared Error) dan
MSE (Mean Squared Error) dengan cara
mengambil nilai dan secara sembarang
dalam rentang 0 sampai 1 setelah itu dipermulus
sampai mendapatkan nilai SSE dan MSE
terkecil. Berdasarkan persamaan 2.6, persamaan
2.7, dan persamaan 2.8 dengan mengasumsikan
1 maka
S1 = X 1 , b1 = X 2 X 1 , dan m =
diperoleh :
Untuk nilai = 0,1, dan = 0,2
S1 = 8.160

4.1 Peramalan Jumlah Permintaan

Sebelum menentukan metode peramalan
yang paling cocok untuk meramalkan jumlah
permintaan pada bulan tertentu, langkah pertama
yang harus dilakukan adalah mengetahui pola
data. Namun, data penelitian yang diperoleh
dalam tugas akhir ini tidak terlalu banyak
sehingga sangat sulit untuk menentukan pola

b1 = 12.240-8.160 = 4080
4

S t = X t (1 )(St 1 bt 1)
S 2 = X 2 (1 )(S1 b1)

nilai peramalan dengan nilai aktual tidak

berhenti sampai pada parameter = 0,2 dan
= 0,3. Parameter tersebut harus dilakukan
pemulusan lagi dengan error yang paling kecil.
Letak dari = 0,3 masih dapat dipermulus
sehingga didapatkan parameter = 0,2 dan =
0,3061957 yang mempunyai nilai SSE dan MSE
paling kecil. Berdasarkan perhitungan yang
sama maka nilai peramalan dengan parameter
= 0,2 dan = 0,3061957 adalah 12.240
dengan SSE sebesar 896.024.757,47 dan MSE
sebesar 99.558.306,39.

S 2 = 0,1(12.240)+(1- 0,1)(8.160+4.080)
= 12.240
bt = (S t St 1) (1 )bt 1
b2 = (S 2 S1 ) (1 )b1

= 0,1(12.240-8.160)+(1-0,2) 4.080
= 4.080
Ft m =
F3 =

S t bt m
S 2 b2 *1

Tabel 3. Nilai Peramalan, SSE, dan MSE

F3 = 12.240+4.080(1)

Parameter

= 16.320
.
.
.
F12 = S11 b11 *1
= 26.701,30+1.308,44(1)
= 28.009,73

= 0,1
= 0,2

= 0,1
= 0,3

= 0,1
= 0,4

= 0,1

Nilai ramalan untuk = 0,1 dan = 0,2

adalah 28.009,73. Namun, nilai ramalan dengan
= 0,1 dan = 0,2 belum tentu merupakan
ramalan dengan error yang paling kecil sehingga
penentuan parameter harus sesuai dengan nilai
SSE dan MSE yang terkecil.
n

SSE =

i 1

i 1

= 0,1
= 0,6

= 0,1
= 0,7

= 0,1

ei 2 =

(X

Fi ) 2 = 2.513.343.658,66

= 0,8

i 1

MSE=

= 0,5

= 0,2

ei 2 / n =

= 0,2

( X i Fi ) 2 / n

i 1

= 0,2

= 279.260.406,52
Nilai peramalan, SSE (Sum of Squared Error),
dan MSE (Mean Squared Error) untuk
parameter lain menggunakan perhitungan yang
sama diperoleh pada Tabel 3. Dalam pemodelan
deret berkala, sebagian data yang diketahui
dapat digunakan untuk meramalkan sisa data
berikutnya sehingga memungkinkan orang untuk
mempelajari ketepatan ramalan secara langsung.
Bagi pemakai ramalan, ketepatan ramalan yang
akan datang adalah yang lebih penting.
(Makridakis, 1999). Pada Tabel 3 dapat
diperhatikan nilai SSE dan MSE yang paling
kecil adalah pada nilai peramalan dengan
parameter = 0,2 dan = 0,3. Hal ini
menunjukkan nilai aktual mendekati hasil dari
ramalan dengan parameter tersebut. Pendekatan

= 0,3

Nilai
Peramalan

SSE

MSE

28.009,73

2.513.343.658,66

279.260.406,52

24.193,46

2.130.789.468,84

236.754.385,43

20.793,77

1.809.076.210,97

201.008.467,89

17.778,44

1.539.235.294,07

171.026.143,79

15.117,02

1.313.482.516,38

145.942.501,82

12.780,74

1.125.081.882,33

125.009.098,04

10.742,45

968.222.852,96

107.580.317,00

16.325,30

1.201.696.501,37

133.521.833,49

12.449,50

910.999.479,44

101.222.164,38

Perhitungan MAPE (Mean Absolute

Percentage Error) dalam tugas akhir ini
berdasarkan rataan dari permalan selama 4
bulan, yaitu: m=1 pada bulan Februari, m=2
pada bulan Maret, m=3 pada bulan April, dan
m=4 pada bulan Mei. Berdasarkan persamaan
2.8 perhitungan nilai peramalan pada m=1, m=2,
m=3, dan m=4 diperoleh:
Untuk m=1 pada bulan Februari :
F12 = S11 b11 *1
= 13.325,94+(-1.084,03)(1)
= 12.240
Untuk m=2 pada bulan Maret :
5

F13 = S11 b11 * 2

= 13.325,94+(-1.084,03)(2)
= 11.154,05
Untuk m=3 pada bulan April :
F14 = S11 b11 * 3

Berdasarkan perhitungan nilai MAPE

untuk empat periode sebesar 20,01% sehingga
nilai peramalan untuk bulan Februari tergolong
baik. Oleh karena itu, nilai peramalan pada
bulan Februari dapat digunakan sebagai input
pada metode Mamdani.

= 13.325,94+(-1.084,03)(3)
= 10.068,11
Untuk m=2 pada bulan Maret :
F15 = S11 b11 * 4

4.2 Penentuan Jumlah Produk

Perencanaan Jumlah Produk mempunyai
input berupa perkiraan jumlah permintaan dan
jumlah persediaan yang akan diselesaikan
menggunakan
software
MATLAB.
Pembentukan himpunan fuzzy merupakan
langkah pertama yang dilakukan saat
menggunakan metode Mamdani. Himpunan
fuzzy dapat dilihat pada Tabel 4 dan Tabel 5,
aplikasi himpunan fuzzy dan fungsi keanggotaan
pada software MATLAB dapat dilihat pada
Gambar 2, Gambar 3, dan Gambar 4.

= 13.325,94+(-1.084,03)(4)
= 8.982,17
Nilai aktual pada bulan Februari, Maret,
April, dan Mei berturut-turut sebesar 12.240,
16.320, 16.230, dan 8.160. Perhitungan MAPE
pada peramalan dalam tugas akhir ini adalah
sebagai berikut :
X t Ft
Xt

PEt =

(100)

X 12 F12
(100)
X 12

Tabel
4. Semesta
Himpunan Fuzzy

PE12 =

12.240 12.240
(100)
12.240

Fungsi

=0
X F
PE13 = 13 13 (100)
X 13

Pembicaraan

Variabel

pada

Semesta
Pembicaraan
(unit)

Permintaan

[0

18.000]

Persediaan

[0

2.000]

Jumlah Produk

[0

18.000]

Input

16.320 11.154,05
=
(100)
16.320

Output

= 31,65
X 14 F14
(100)
X 14

PE14 =

Tabel 5. Himpunan Fuzzy

16.320 11.154,05
(100)
16.320

Variabel

= 38,31
X 15 F15
(100)

X 15

PE15 =

8.160 8.982,17
(100)
8.160

Permintaan

= 10,08
n

MAPE =

| PE

|/n

Persediaan

i 1

| PE

|/n

i 1

Jumlah
Produk

0 31,65 38,31 10,08

MAPE =

= 20,01
6

Nama
Himpunan
Fuzzy

Parameter
(unit)

Sangat Sedikit
Sedikit
Sedang
Banyak
Sangat Banyak
Sangat Sedikit
Sedikit
Sedang
Banyak
Sangat Banyak
Sangat Sedikit
Sedikit
Sedang
Banyak
Sangat Banyak

[0 0 3.000 6.000]
[3.000 6.000 9.000]
[6.000 9.000 12.000]
[9.000 12.000 15.000]
[12.000 15.000 18.000 18.000]
[0 0 200 600]
[200 600 1.000]
[6.000 1.000 1.400]
[1.000 1.400 1.800]
[1.400 1.800 2.000 2.000]
[0 0 3.000 6.000]
[3.000 6.000 9.000]
[6.000 9.000 12.000]
[9.000 12.000 15.000]
[12.000 15.000 18.000 18.000]

data tiap bulan sehingga dapat diperoleh fungsi

implikasi dan aturan sebagai berikut:
1. If (Permintaan is Sangat Sedikit) And
(Persediaan is Sangat Sedikit) then (Jumlah
Produk is Sangat Sedikit).
2. If (Permintaan is Sangat Sedikit) And
(Persediaan is Sedikit) then (Jumlah Produk
is Sangat Sedikit).
3. If (Permintaan is Sangat Sedikit) And
(Persediaan is Sedang) then (Jumlah Produk
is Sangat Sedikit).
4. If (Permintaan is Sangat Sedikit) And
(Persediaan is Banyak) then (Jumlah Produk
is Sangat Sedikit).
5. If (Permintaan is Sangat Sedikit) And
(Persediaan is Sangat Banyak) then (Jumlah
Produk is Sangat Sedikit).
6. If (Permintaan is Sedikit) And (Persediaan
is Sangat Sedikit) then (Jumlah Produk is
Sangat Sedikit).
7. If (Permintaan is Sedikit) And (Persediaan
is Sedikit) then (Jumlah Produk is Sangat
Sedikit).
8. If (Permintaan is Sedikit) And (Persediaan
is Sedang) then (Jumlah Produk is Sangat
Sedikit).
9. If (Permintaan is Sedikit) And (Persediaan
is Banyak) then (Jumlah Produk is Sangat
Sedikit).
10. If (Permintaan is Sedikit) And (Persediaan
is Sangat Banyak) then (Jumlah Produk is
Sangat Sedikit).
11. If (Permintaan is Sedang) And (Persediaan
is Sangat Sedikit) then (Jumlah Produk is
Sedang).
12. If (Permintaan is Sedang) And (Persediaan
is Sedikit) then (Jumlah Produk is Sedang).
13. If (Permintaan is Sedang) And (Persediaan
is Sedang) then (Jumlah Produk is Sedikit).
14. If (Permintaan is Sedang) And (Persediaan
is Banyak) then (Jumlah Produk is Sedikit).
15. If (Permintaan is Sedang) And (Persediaan
is Sangat Banyak) then (Jumlah Produk is
Sedikit).
16. If (Permintaan is Banyak) And (Persediaan
is Sangat Sedikit) then (Jumlah Produk is
Banyak).
17. If (Permintaan is Banyak) And (Persediaan
is Sedikit) then (Jumlah Produk is Banyak).
18. If (Permintaan is Banyak) And (Persediaan
is Sedang) then (Jumlah Produk is Banyak).
19. If (Permintaan is Banyak) And (Persediaan
is Banyak) then (Jumlah Produk is Sedang).

Gambar 2. Fungsi Keanggotaan dari

Permintaan

Gambar 3. Fungsi Keanggotaan dari

Persediaan

Gambar 4. Fungsi Keanggotaan dari Jumlah

Produk
Langkah selanjutnya adalah membentuk
aturan dan fungsi implikasi. Pembentukan aturan
dalam tugas akhir ini berdasarkan kemungkinan
7

20. If (Permintaan is Banyak) And (Persediaan

is Sangat Banyak) then (Jumlah Produk is
Sedang).
21. If (Permintaan is Sangat Banyak) And
(Persediaan is Sangat Sedikit) then (Jumlah
Produk is Sangat Banyak).
22. If (Permintaan is Sangat Banyak) And
(Persediaan is Sedikit) then (Jumlah Produk
is Sangat Banyak).
23. If (Permintaan is Sangat Banyak) And
(Persediaan is Sedang) then (Jumlah Produk
is Banyak).
24. If (Permintaan is Sangat Banyak) And
(Persediaan is Banyak) then (Jumlah Produk
is Banyak).
25. If (Permintaan is Sangat Banyak) And
(Persediaan is Sangat Banyak) then (Jumlah
Produk is Sangat Sedang).
Fungsi input dan output yang terdiri dari
jumlah permintaan, jumlah persediaan, dan
jumlah produk mempunyai 25 kemungkinan
sehingga membentuk aturan (rule) dan fungsi
implikasi yang memiliki 25 anteseden dan 25
konsekuen. Pada metode mamdani, fungsi
implikasi yang digunakan adalah min. Aplikasi
fungsi implikasi ini diaplikasikan menggunakan
software MATLAB dapat dlihat pada Gambar 5
dan Gambar 6.
Langkah terakhir dari penentuan jumlah
produk menggunakan metode Mamdani adalah
penegasan. Penegasan dalam tugas akhir ini
menggunakan metode centroid. Namun proses
pengerjaannya menggunakan bantuan software
MATLAB.
Perhitungan
penegasan
menggunakan software MATLAB dengan input
berupa prediksi permintaan bulan Februari
sebesar 12.240 dan jumlah persediaan pada
bulan Januari sebesar 200 menghasilkan output
jumlah produk bulan Februari sebesar 12400
sehingga jumlah persediaan pada bulan Februari
merupakan pengurangan dari jumlah produk
bulan Februari dengan jumlah permintaan aktual
bulan Februari maka jumlah persediaan bulan
Februari diperoleh :

Gambar 5. Aturan (Rule) dan Fungsi

Implikasi

Gambar 6. Aturan (Rule) dan Fungsi

Implikasi Lanjutan

Jumlah Persediaan = 12.400 12.240 = 160.

Perhitungan penegasan menggunakan
software MATLAB dapat dilihat pada Gambar
7.
Gambar 7. Penegasan (Deffuzyfikasi) dengan
MATLAB
8

5. Penutup
Berdasarkan analisa dan pembahasan dari
penentuan jumlah produk menggunakan metode
Fuzzy
Mamdani
berdasarkan
prediksi
permintaan maka diperoleh kesimpulan, yaitu:
1. Pola data sementara pada jumlah permintaan
selama 11 bulan merupakan pola data trend.
2. Metode peramalan yang cocok dalam tugas
akhir ini adalah metode Pemulusan
Eksponensial Ganda dari Holt dengan
parameter = 0,2 dan = 0,3061957
dengan hasil peramalan bulan Februari
sebesar 12.240 unit.
3. Nilai MAPE (Mean Absolute Percentage
Error) dalam empat periode sebesar 20,01%
sehingga nilai peramalan pada bulan
Februari tergolong cukup baik.
4. Hasil penegasan dari metode Fuzzy
Mamdani menggunakan metode Centroid
berupa jumlah produk bulan Februari
sebesar 12.400 unit sehingga jumlah
persediaan bulan Februari sebesar 160 unit.
Saran yang diajukan dalam tugas akhir ini
untuk penelitian selanjutnya, yaitu:
1. Peramalan Jumlah Permintaan dapat
menggunakan metode lain dengan data masa
lalu yang lebih banyak
2. Penentuan jumlah produk dalam akhir ini
menggunakan metode Mamdani, untuk
penelitian selanjutnya dapat digunakan
metode Sugeno.

Pemasaran (Studi Kasus : Produk

Kosmetik Bedak Sariayu di ITS
Surabaya). Tugas Akhir Program Sarjana,
Institut Teknologi Sepuluh Nopember
Surabaya.
Kusumadewi, Sri., Sri H., Agus H., & Retyanto
W. 2006. Fuzzy Multi-Attribute Decision
Making (FUZZY MADM). Yogyakarta:
Graha Ilmu
Makridakis, S., Steven C.W., & Victor E.M.
1999. Metode dan Aplikasi Peramalan,
edisi kedua. Jakarta: Binarupa Aksara
Ruan, Da. 1995. Fuzzy Set Theory and
Advanced Mathematical Applications.
Boston: Kluwer Academic Publisher
Sasongko, P.S. 2007. Logika Fuzzy. <URL :
http://logikafuzzy.blogspot.com/>.
(diakses tanggal 2 Maret 2011 )
Sutarni, Nani. 2010. Manajemen Operasional.
<URL : http://syukronali.files.Wordpress.
com /2010/05/bab-2-peramalan.docx >.
(diakses tanggal 16 April 2011)
Zadeh, L.A. 1995. Fuzzy Logic Toolbox for Use
with MATLAB. Berkeley, CA: The Math
Works,Inc

DAFTAR PUSTAKA
Ariyoso. 2009. Statistik 4 Life. <URL:
http://ariyoso.wordpress.com/2009
/11/04/metode-exponential-smoothing/ >.
(diakses tanggal 17 Februari 2011)
Djunaidi, M., Eko S., & Fajar W.A. 2005.
Penentuan Jumlah Produksi dengan
Aplikasi Metode Fuzzy-Mamdani. Jurnal
Ilmiah Teknik Industri. Vol. 4, No. 2, , 95104.
Hidayati, Nuril. 2009. Aplikasi Teori
Permainan Fuzzy dalam Strategi