Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015

ISSN : 2301-9425

PENERAPAN METODE FUZZY TSUKAMOTO UNTUK

MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS :
PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)
Andrian Juliansyah ( 1011287)
Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan
Jl. Sisimangaraja No.338 Simpang Limun Medan
www.stmik-budidarma.ac.id // Email : andrian.pentagon@gmail.com
ABSTRAK
Produksi merupakan salah satu kegiatan yang dilakukan dalam sebuah perusahaan khususnya PT.
Amal Tani Perkebunan Tanjung Putri Bahorok yang bergerak dalam bidang pengolahan minyak kelapa sawit.
Oleh karena itu, pengembangan sistem ini bertujuan untuk membuat aplikasi yang menerapkan metode fuzzy
tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan data
permintaan. Aplikasi ini dibuat berbasis desktop menggunakan bahasa pemrograman Microsoft Visual
Studio.NET 2008 dan Database Microsoft Access 2007.
Dalam aplikasi prediksi ini terdapat tiga variabel yang dimodelkan, yaitu: Permintaan, Persediaan dan
Produksi. Variabel permintaan terdiri dari tiga himpunan fuzzy, yaitu : NAIK, TETAP dan TURUN, Variabel
persediaan terdiri dari tiga himpunan fuzzy, yaitu : SEDIKIT, SEDANG dan BANYAK sedangkan variabel
produksi terdiri dari tiga himpunan fuzzy, yaitu : BERKURANG, TETAP dan BERTAMBAH dengan
mengkombinasikan semua himpunan fuzzy tersebut, diperoleh sembilan aturan fuzzy, yang selanjutnya
digunakan dalam tahap inferensi. Pada tahap inferensi dicari nilai keanggotaan anteseden () dan nilai
perkiraan jumlah produksi (z) dari setiap aturan. Jumlah prediksi hasil produksi minyak kelapa sawit yang akan
diproduksi (Z) dicari dengan metode rata-rata terpusat (Defuzzifikasi).
Dengan menggunakan aplikasi prediksi hasil produksi minyak kelapa sawit ini pihak perusahaan
dapat melakukan prediksi lebih cepat dari perhitungan manual. Sehingga diharapkan dapat memberikan
kemudahan bagi pihak perusahaan untuk memprediksi jumlah produksi minyak kelapa sawit berdasarkan data
permintaan dan data persediaan.
Kata Kunci : Sistem Inferensi Fuzzy, Produksi, Permintaan, Persediaan, Metode Fuzzy Tsukamoto.
1. Pendahuluan
1.1 Latar Belakang Masalah
Pengolahan buah Kelapa Sawit di awali dengan
proses pemanenan buah kelapa sawit. Untuk
memperoleh hasil produksi (CPO) dengan kualitas
yang baik serta dengan Rendemen minyak yang
tinggi, Pemanenan dilakukan berdasarkan Kriteria
Panen (tandan matang panen) yaitu dapat dilihat dari
jumlah berondolan yang telah jatuh ditanah sedikitnya
ada 5 buah yang lepas / jatuh (brondolan) dari tandan
yang beratnya kurang dari 10 kg atau sedikitnya ada
10 buah yang lepas dari tandan.
Hasil produksi kelapa sawit dalam waktu yang
tepat dan dalam jumlah yang tepat merupakan sesuatu
yang diinginkan perusahaan perkebunan sawit, begitu
pula bagi perusahaan PT. Amal Tani Perkebunan
Tanjung Putri Bahorok. Namun dalam menentukan
jumlah hasil produksi kelapa sawit diwaktu yang akan
datang tidaklah mudah. Banyaknya faktor yang
terlibat dalam perhitungan menjadi kendala dalam
mengambil kebijakan untuk dapat menentukan
jumlah hasil produksi kelapa sawit. Faktor-faktor
tersebut adalah produksi maksimum, produksi
minimum, permintaan saat ini, dan persediaan saat
ini.
Metode
yang
akan
digunakan
dalam
penghitungan untuk menentukan jumlah hasil

produksi kelapa sawit adalah Metode Tsukamoto

dimana setiap aturan direpresentasikan menggunakan
himpunan-himpunan
fuzzy,
dengan
fungsi
keanggotaan yang monoton. Untuk menentukan nilai
output hasil (crisp) yang tegas (Z) dicari dengan cara
mengubah input (berupa himpunan fuzzy yang
diperoleh dari komposisi aturan aturan fuzzy)
menjadi suatu bilangan pada domain himpunan fuzzy
tersebut. Cara ini disebut dengan metode
defuzzifikasi (penegasan). Metode defuzzifikasi yang
digunakan dalam metode Tsukamoto adalah metode
defuzzifikasi rata rata terpusat (Center Average
Defuzzyfier).
1.2 Rumusan Masalah
Berdasarkan hal-hal yang telah diuraikan dalam
latar belakang masalah, dan agar sesuai dengan
pembahasan, maka penulis mengidentifikasi beberapa
permasalahan yang ada yaitu :
1. Bagaimana menerapkan metode fuzzy tsukamoto
untuk memprediksi hasil produksi minyak kelapa
sawit berdasarkan data persediaan dan jumlah
permintaan ?
2. Bagaimana merancang aplikasi prediksi hasil
produksi minyak kelapa sawit ?

Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :
PT. Amal Tani Perkebunan Tanjung Putri Bahorok). Oleh : Andrian Juliansyah

130

Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015

1.3 Batasan Masalah

Agar permasalahan tidak menyimpang dari
tujuan, maka peneliti membatasi masalah sebagai
berikut:
1. Hasil produksi yang dibahas dalam penelitian ini
hanya membahas hasil produksi minyak kelapa
sawit Crude Palm Oil (CPO).
2. Data-data yang digunakan untuk mengetahui hasil
prediksi hanyalah data-data sebagai berikut :
permintaan maksimum, permintaan minimum,
persediaan maksimum, persediaan minimum,
produksi
maksimum,
produksi
minimum,
permintaan saat ini, persediaan saat ini, bulan dan
tahun produksi.
3. Bahasa pemrograman yang digunakan untuk
merancang aplikasi prediksi hasil produksi kelapa
sawit adalah Microsoft Visual Basic.Net 2008 dan
databasenya menggunakan Microsoft Access
2007.
4. Data yang digunakan untuk perhitungan dalam
memprediksi hasil produksi minyak kelapa sawit
adalah data hasil produksi minyak kelapa sawit
per bulan tahun 2014.
1.4 Tujuan dan Manfaat Penelitian
Tujuan dari penelitian adalah sebagai berikut :
1. Menerapkan metode fuzzy Tsukamoto untuk
memprediksi hasil produksi minyak kelapa sawit
berdasarkan data persediaan dan jumlah
permintaan.
2. Merancang aplikasi prediksi hasil produksi
minyak kelapa sawit.
Adapun Manfaat dari penelitian adalah sebagai
berikut :
1. Dapat mempermudah dalam menerapkan metode
fuzzy tsukamoto untuk memprediksi hasil produksi
minyak kelapa sawit berdasarkan data persediaan
dan jumlah permintaan.
2. Dapat merancang aplikasi prediksi hasil produksi
minyak kelapa sawit.
2. Landasan Teori
2.1 Logika Fuzzy
Logika fuzzy merupakan salah satu komponen
pembentuk soft computing. Logika fuzzy pertama kali
diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun
1965. Dasar logika fuzzy adalah teori himpunan fuzzy.
Pada teori himpunan fuzzy, peranan derajat
keanggotaan sebagai penentu keberadaan elemen
dalam suatu himpunan sangatlah penting. Nilai
keanggotaan atau derajat keanggotaan atau
membershipfunction menjadi ciri utama dari
penalaran dengan logika fuzzy tersebut (Sri
Kusumadewi & Hari Purnomo, 2010 : 2).

ISSN : 2301-9425

ditulis dengan
, memiliki dua kemungkinan (Sri
Kusumadewi & Hari Purnomo, 2010 : 3) antara lain :
1. Satu (1), yang berarti bahwa suatu item menjadi
anggota dalam suatu himpunan, atau
2. Nol (0), yang berarti bahwa suatu item tidak
menjadi anggota dalam suatu himpunan.
2.3 Fungsi Keanggotaan
Fungsi keanggotaan (membership function)
adalah suatu kurva yang menunjukkan pemetaan titiktitik input data ke dalam nilai keanggotaanya,
(seringJuga disebut dengan derajat keanggotaan) yang
memiliki interval antara 0 sampai 1. Salah satu cara
yang dapat digunakan untuk mendapatkan nilai
keanggotaan adalah dengan melalui pendekatan
fungsi.
2.4. Penerapan Metode Fuzzy Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen
pada
aturan
yang
berbentuk
IF-Thenharus
direpresentasikan dengan suatu himpunan fuzzy
dengan fungsi keanggotaan yang monoton. Sebagai
hasilnya, output hasil inferensi dari tiap-tiap aturan
diberikan secara tegas (crisp) berdasarkan - predikat
(fire strength). Hasil akhirnya diperoleh dengan
menggunakan rata-rata terbobot.
Secara umum terdapat tiga langkah untuk
menentukan jumlah produksi berdasarkan data
persediaan dan data permintaandengan metode
Tsukamoto, yaitu: mendefinisikan variabel, inferensi,
dandefuzzifikasi (menentukan output crisp).
a. Mendefenisikan Variabel Fuzzy (Fuzzifikasi)
Pada tahap ini, nilai keanggotaan himpunan
permintaan dan persediaan saat ini dicari
menggunakan fungsi keanggotaan himpunan fuzzy
dengan memperhatikan data hasil produksi minyak
kelapa sawit PT. Amal Tani.
Pembentukan aturan fuzzy, dari dua variabel
input dan sebuah variabel output yang telah
didefenisikan, dengan melakukan analisa data
terhadap batas tiap-tiap himpunan fuzzy pada tiap-tiap
variabelnya maka terdapat 4 aturan fuzzy yang akan
dipakai dalam sistem prediksi ini, dengan susunan
aturan IF Permintaan AND Persediaan THEN
Produksi, Ada 3 variabel fuzzy yang akan
dimodelkan, yaitu:
1. Permintaan, terdiri atas 3 himpunan fuzzy, yaitu:
TURUN, TETAP dan NAIK. Pada variabel
permintaan TURUN terletak pada angka 0,53
variabell permintaan TETAP terletak pada
angka 0,93 sedangkan variabel permintaan
NAIK terletak pada angka 0,46 yang
diselesaikan dengan rumus dibawah ini terlihat
pada gambar 1.

2.2 Himpunan Fuzzy

Pada himpunan tegas (crisp), nilai keanggotaan
suatu item x dalam suatu himpunan A, yang sering

Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :
PT. Amal Tani Perkebunan Tanjung Putri Bahorok). Oleh : Andrian Juliansyah

131

Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015

ISSN : 2301-9425

Fungsi Keanggotaan variabel persediaan :

Permintaan ( Ton / Hari )

Gambar 1: Fungsi Keanggotaan Variabel Permintaan
yang ada nilainya

Mencari nilai keanggotaan dengan cara memakai

rumus berikut ini :

Fungsi Keanggotaan variabel permintaan :

Mencari nilai keanggotaan variabel permintaan :

3.

2.

Persediaan, terdiri atas 3 himpunan fuzzy, yaitu :

SEDIKIT, SEDANG dan BANYAK. Pada
variabel persediaan SEDIKIT terletak pada
angka 0,04 variabel persediaan TETAP terletak
pada angka 0,09 sedangkan variabel persediaan
NAIK terletak pada angka 0,95 yang
diselesaikan dengan rumus dibawah ini terlihat
pada gambar 2

Persediaan ( Ton / Hari )

Gambar 2 : Fungsi Keanggotaan Variabel Persediaan
yang ada nilainya

Produksi, terdiri atas 3 himpunan fuzzy, yaitu :

BERKURANG, TETAP dan BERTAMBAH.
Terlihat pada gambar 4.6.

Produksi ( Ton / Hari )

Gambar 3: Fungsi Keanggotaan Variabel Produksi
Fungsi Keanggotaan variabel produksi :

3.

Pembahasan
PT. Amal Tani Perkebunan Tanjung Putri Bahorok, adalah suatu perusahaan penghasil minyak
kelapa sawit, dari sampel data produksi tahun 2014
yang diketahui perbulannya, permintaan maksimum
5000 ton, permintaan minimum 1000 ton, persediaan

Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :
PT. Amal Tani Perkebunan Tanjung Putri Bahorok). Oleh : Andrian Juliansyah

132

ISSN : 2301-9425

Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015

maksimum 600 ton, persediaan minimum 100 ton,

produksi maksimum 4900 ton dan produksi minimum
1000 ton. Diketahui permintaan saat ini pada bulan
oktober 2014 yaitu : 2873 ton dan persediaan saat ini

yaitu : 577 ton. Berapa ton hasil produksi minyak

kelapa sawit yang harus diproduksi PT. Amal Tani
pada bulan oktober 2014 ?

Tabel 1 : Data Produksi, Permintaan, dan Persediaan per bulan tahun 2014.
Bulan

Permintaan

Persediaan

Produksi

Januari 2014

5000 Ton

570 Ton

4440 Ton

Februari 2014

4500 Ton

600 Ton

3900 Ton

Maret 2014

3500 Ton

500 Ton

3000 Ton

April 2014

1000 Ton

350 Ton

4900 Ton

Mei 2014

5000 Ton

600 Ton

4600 Ton

Juni 2014

4700 Ton

420 Ton

4300 Ton

Juli 2014

3300 Ton

320 Ton

1000 Ton

Agustus 2014

4500 Ton

370 Ton

4200 Ton

September 2014

2500 Ton

100 Ton

2400 Ton

Oktober 2014

2873 Ton

577 Ton

. Ton ?

1.

Data Maksimum dan Data Minimum

Data Maksimum dan Data Minimum adalah
data pendukung untuk melakukan perhitungan
dengan metode fuzzy tsukamoto dan untuk
mendapatkan hasil prediksi terdapat pada tabel 4.2
dibawah ini :
Tabel 2 : Data maksimum dan Data
minimum
Data
Jumlah Satuan
Permintaan
5000
Ton /
Maksimum
Bulan
Permintaan
1000
Ton /
Minimum
Bulan
Persediaan
600
Ton /
Maksimum
Bulan
Persediaan
100
Ton /
Minimum
Bulan
Produksi Maksimum 4900
Ton /
Bulan
Produksi Minimum
1000
Ton /
Bulan
Permintaan Saat ini
2873
Ton /
Bulan
Persediaan Saat ini
577
Ton /
Bulan
Penerapan Metode Fuzzy Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen pada
aturan
yang
berbentuk
IF-Then
harus
direpresentasikan dengan suatu himpunan fuzzy
dengan fungsi keanggotaan yang monoton. Sebagai
hasilnya, output hasil inferensi dari tiap-tiap aturan
diberikan secara tegas (crisp) berdasarkan - predikat
(fire strength). Hasil akhirnya diperoleh dengan
menggunakan rata-rata terbobot.
Secara umum terdapat tiga langkah untuk
menentukan jumlah produksi berdasarkan data
persediaan dan data permintaan dengan metode

Tsukamoto, yaitu : mendefinisikan variabel, inferensi,

dan defuzzifikasi (menentukan output crisp).
3. Mendefenisikan Variabel Fuzzy (Fuzzifikasi)
Ada 3 variabel fuzzy yang akan dimodelkan,
yaitu :
4. Permintaan, terdiri atas 3 himpunan fuzzy, yaitu
: TURUN, TETAP dan NAIK. Pada variabel
permintaan TURUN terletak pada angka 0,53
variabell permintaan TETAP terletak pada angka 0,93
sedangkan variabel permintaan NAIK terletak pada
angka 0,46 yang diselesaikan dengan rumus dibawah
ini terlihat pada gambar 5.

Permintaan ( Ton / Hari )

Gambar 5 : Fungsi Keanggotaan Variabel Permintaan
yang ada nilainya
Fungsi Keanggotaan variabel permintaan :

Mencari nilai keanggotaan variabel permintaan :

Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :
PT. Amal Tani Perkebunan Tanjung Putri Bahorok). Oleh : Andrian Juliansyah

133

Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015

ISSN : 2301-9425

Pmt Turun [x] = x max x / x max x min

Psd Banyak [y] = y y min / y max y min

Pmt Tetap [x] = x x min / x max xt

Pmt Naik [x] = x x min / x max x min

5. Persediaan, terdiri atas 3 himpunan fuzzy, yaitu :

SEDIKIT, SEDANG dan BANYAK. Pada
variabel persediaan SEDIKIT terletak pada angka
0,04 variabel persediaan TETAP terletak pada
angka 0,09 sedangkan variabel persediaan NAIK
terletak pada angka 0,95 yang diselesaikan dengan
rumus dibawah ini terlihat pada gambar 4.5.

6. Produksi, terdiri atas 3 himpunan fuzzy, yaitu :

BERKURANG, TETAP dan BERTAMBAH.
Terlihat pada gambar 4.6.

Produksi ( Ton / Hari )

Gambar 7 : Fungsi Keanggotaan Variabel Produksi
Fungsi Keanggotaan variabel produksi :

Persediaan ( Ton / Hari )

Gambar 6 : Fungsi Keanggotaan Variabel Persediaan
yang ada nilainya
Fungsi Keanggotaan variabel persediaan :

Mencari nilai keanggotaan dengan cara memakai

rumus berikut ini :

4. Inferensi ( Pembentukan Rule Fuzzy )

Proses selanjutnya adalah proses inferensi
yaitu
penggabungan
banyak
aturan
berdasarkan data yang tersedia. Dari uraian di
atas, telah terbentuk 4 rule sebagai aturan
fuzzy, sebagai berikut :
[R1]
IF Permintaan TURUN And Persediaan
BANYAK THEN Produksi Minyak
BERKURANG.

Menurut fungsi keanggotaan himpunan Produksi

Minyak BERKURANG dalam aturan fuzzy [R1],
adalah :
maka nilai

Psd Sedikit [y] = y max y / y max y min

[R2]
IF Permintaan TURUN And Persediaan
SEDANG THEN Produksi Minyak
BERKURANG.
Psd Sedang [y] = y y min / y max y t

Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :
PT. Amal Tani Perkebunan Tanjung Putri Bahorok). Oleh : Andrian Juliansyah

134

Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015

Menurut fungsi keanggotaan himpunan Produksi

Minyak BERKURANG dalam aturan fuzzy [R2],
maka nilai
adalah :

[R3]
IF Permintaan TURUN And Persediaan
SEDIKIT THEN Produksi Minyak
BERKURANG

Menurut fungsi keanggotaan himpunan Produksi

Minyak BERKURANG dalam aturan fuzzy [R3],
maka nilai
adalah :

[R4]
IF Permintaan TETAP And Persediaan
BANYAK THEN Produksi Minyak
BERKURANG

Menurut fungsi keanggotaan himpunan Produksi

Minyak BERKURANG dalam aturan fuzzy [R4],
maka nilai
adalah :

[R5]
IF Permintaaan TETAP And
Persediaan SEDANG THEN Produksi Minyak
TETAP.

Karena produksi barang TETAP, maka menurut

Gambar 4.6 langsung tampak bahwa :
.
[R6]
IF Permintaan TETAP And Persediaan
SEDIKIT THEN Produksi Minyak
BERTAMBAH.

ISSN : 2301-9425

[R7]
IF Permintaan NAIK And Persediaan
BANYAK THEN Produksi Minyak
BERTAMBAH.

Menurut fungsi keanggotaan himpunan Produksi

Minyak BERTAMBAH dalam aturan fuzzy [R7],
maka nilai
adalah :

[R8]
IF Permintaan NAIK And Persediaan
SEDANG THEN Produksi Minyak
BERTAMBAH.

Menurut fungsi keanggotaan himpunan Produksi

Minyak BERTAMBAH dalam aturan fuzzy [R8],
maka nilai
adalah :

[R9]
IF Permintaan NAIK And Persediaan
SEDIKIT THEN Produksi Minyak
BERTAMBAH.

Menurut fungsi keanggotaan himpunan Produksi

Minyak BERTAMBAH dalam aturan fuzzy [R9],
adalah :
maka nilai

4.2.3 Menentukan Output Crisp (Defuzzifikasi)

Pada metode fuzzy tsukamoto, untuk
menentukan output crisp, digunakan
defuzifikasi rata-rata terpusat, yaitu :

Menurut fungsi keanggotaan himpunan Produksi

Minyak BERTAMBAH dalam aturan fuzzy [R6],
adalah :
maka nilai

Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :
PT. Amal Tani Perkebunan Tanjung Putri Bahorok). Oleh : Andrian Juliansyah

135

Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015

Jadi, menurut perhitungan dengan metode

tsukamoto diatas, jumlah hasil produksi minyak
kelapa sawit yang harus diproduksi perusahaan PT.
Amal Tani pada bulan oktober 2014 adalah 2093
Ton.
4. Implementasi
Implementasi merupakan suatu tindakan atau
pelaksanaan dari sebuah rencana yang sudah disusun
secara matang dan terperinci. Dalam implementasi
aplikasi prediksi hasil produksi kelapa sawit ini
mencakup spesifikasi kebutuhan hardware dan
software serta tampilan program.

ISSN : 2301-9425

Gambar 8 : TampilanFormInput Data

d. Tampilan Form Rule Fuzzy
Berikut ini merupakan tampilan dari form rule
fuzzy, dapat dilihat pada gambar dibawah ini :

a. Tampilan Form Login

Berikut ini merupakan tampilan dari form Login,
dimana pada username terdapat 2 pilihan combobox
yaitu admin dan user.
Gambar 9 : TampilanFormRule Fuzzy
e. Tampilan Form Proses Prediksi Hasil Produksi
Berikut ini merupakan tampilan dari form
proses prediksi hasil produksi, dapat dilihat pada
gambar dibawah ini :

Gambar 6 : TampilanForm Login

b. Tampilan Form Menu Utama
Berikut ini merupakan tampilan dari form menu
utama, apabila username yang masuk sebagai admin
maka menu edit ditampilkan, tetapi apabila username
yang masuk sebagai user maka menu edit tidak
ditampilkan.

Gambar 10 : TampilanForm Proses Prediksi

f. Tampilan Form Tentang Penulis
Berikut ini merupakan tampilan dari form
tentang penulsi, dapat dilihat pada gambar
dibawah ini :

Gambar 7: TampilanForm Menu Utama

c. Tampilan Form Input Data
Berikut ini merupakan tampilan dari form input
data, dapat dilihat pada gambar dibawah ini :

Gambar 9 :Form Sub Menu Tentang Penulis

Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :
PT. Amal Tani Perkebunan Tanjung Putri Bahorok). Oleh : Andrian Juliansyah

136

Pelita Informatika Budi Darma, Volume : IX, Nomor: 3, April 2015

5. KESIMPULAN DAN SARAN

5.1. Kesimpulan
Berdasarkan hasil penelitian maka dapat diambil
kesimpulan antara lain:
1. Metode fuzzy tsukamoto diterapkan dalam aplikasi
prediksi untuk menghitung serta memberikan
hasil akhir atau prediksi sehingga dapat
menentukan berapa jumlah hasil produksi yang
harus diproduksi oleh perusahaan, apakah
produksinya Berkurang, Tetap atau Bertambah.
Pada penghitungan metode fuzzy tsukamoto,
setiap konsekuen pada aturan yang berbentuk IFThen harus direpresentasikan dengan suatu
himpunan fuzzy dengan fungsi keanggotaan yang
monoton. Sebagai hasilnya, output hasil inferensi
dari tiap-tiap aturan diberikan secara tegas (crisp)
berdasarkan - predikat (fire strength). Hasil
akhirnya diperoleh dengan menggunakan rata-rata
terbobot.
2. Aplikasi prediksi hasil produksi minyak kelapa
sawit ini dirancang dengan sistem komputerisasi
menggunakan program visual studio.NET 2008
serta database menggunakan Microsoft Acces
2007.

ISSN : 2301-9425

9. http://id.wikipedia.org/wiki/Kelapa_sawit, diakses
17 juni 2014.
10. http://setia.staff.gunadarma.ac.id/Downloads/files/
6039/MateriSuplemenUml.pdf, diakses 17 juni
2014.
11. Adi Nugroho, Rekayasa Perangkat Lunak
Menggunakan UML Dan Java,
12. Rahmat Priyanto, Langsung Bisa Visual
Basic.Net 2008, ANDI, Bandung, 2008.
13. http://id.wikipedia.org/wiki/Microsoft_Access,
diakses 17 juni 2014

5.2. Saran
Berdasarkan hasil penelitian maka dapat diambil
kesimpulan antara lain:
1. Diharapkan adanya peneliti lain yang
mengembangkan aplikasi prediksi hasil produksi
minyak kelapa sawit ini dengan metode-metode
yang lain.
2. Pengguna sistem diharapkan dapat menjalankan
aplikasi prediksi hasil produksi minyak kelapa
sawit ini secara maksimal sehingga tidak terjadi
kesalahan dalam proses menentukan hasil
produksi.
DAFTAR PUSTAKA
1. Sri Kusumadewi dan Hari Purnomo, Aplikasi
Logika Fuzzy Untuk Pendukung Keputusan,
Graha Ilmu, Yogyakarta, Edisi 2, 2010.
2. Sri Kusumadewi dan Sri Hartati, Neuro-Fuzzy
Integrasi Sistem Fuzzy & Jaringan Syaraf,
Graha Ilmu, Yogyakarta, Edisi 2, 2010.
3. Kusrini, M.Kom, Konsep Dan Aplikasi Sistem
Pendukung Keputusan, Andi, Yogyakarta,
2007.
4. http://pelita-informatika.com/berkas/jurnal/1.pdf,
diakses 17 juni 2014.
5. Jogiyanto Hartono, MBA, Akt., Ph.D, Analisis
dan Desain Sistem Informasi, Edisi III, ANDI,
Yogyakarta, 2005.
6. http//repository.usu.ac.id/bitstream/123456789/39
177/4/Chapter%2011.pdf, diakses 17 juni 2014.
7. http://artikata.com/arti-329634-hasil.html, diakses
17 juni 2014
8. http://carapedia.com/pengertian_definisi_produksi
_info2348.html, diakses 17 juni 2014.

Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Hasil Produksi Kelapa Sawit (Studi Kasus :
PT. Amal Tani Perkebunan Tanjung Putri Bahorok). Oleh : Andrian Juliansyah

137