ISSN : 2407-0491

Jurnal Edik Informatika E-ISSN : 2541-3716

Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V1.i2(18-22)

Penerapan Fuzzy Logic Sebagai Pendukung Keputusan Dalam Upaya

Optimasi Penjualan Barang
Thomson Mary
Program Studi Pendidikan Informatika, STKIP PGRI Sumatera Barat
Kampus II, Gunung Pangilun, Padang
Email: thomsonmary1980@gmail.com Homepage : www.informatika.stkip-pgri-sumbar.ac.id

ABSTRAK

Proses penjualan barang mencakup semua hal yang harus diperhitungkan agar mampu menjual
produk secara optimal. Penjualan yang optimal pada perusahaan salah satunya adalah dengan
menerapkan sistem yang telah terkomputerisasi serta menerapkan teknologi informasi yang tepat
guna. Pada perusahaan penjualan barang, permasalahan yang sering terjadi adalah ketika
menentukan pengorderan yang harus dibuat maupun kapasitas penjualan pada agen dan toko.
Perusahaan harus menyimpan banyak barang sisa penjualan dan menunggu barang datang untuk
membeli barang jenis baru lagi dengan biaya yang tidak terkontrol. Hal ini menyebabkan
perusahaan tidak dapat mencapai kondisi optimasi dalam penjualan.Penerapan Fuzzy logicmetode
mamdani untuk optimasi penjualan mampu untuk memecahkan masalah yang ada pada perusahaan
yaitu membantu kelancaran kegiatan operasional mereka, khususnya dalam optimasi penjualan.

Kata Kunci : Fuzzy logic, Metode Mamdani, Optimasi Penjualan

PENDAHULUAN pengorderan yang harus dibuat maupun

kapasitas penjualan pada agen dan toko
Sebuah perusahaan yang yang bergerak perusahan harus menyimpan banyak
di bidang pemasaran dan pendistribusian barang sisa penjualan dan menunggu
barang harusdapat melayani dan barang datang untuk membeli barang jenis
memberikan informasi yang dibutuhkan baru lagi dengan biaya yang tidak
oleh setiap pelanggan dengan baik terkontrol. Hal ini menyebabkan
sehingga nantinya bisa dicapai tingkat perusahaan tidak dapat mencapai kondisi
penjualan yang maksimal. optimasi penjualan.
Suatu perusahaan dalam memasarkan Metode yang digunakan adalah metode
produknya terlebih dulu harus mengetahui mamdani, Fuzzy Logic mamdani
situasi dan kondisi perusahaan dalam merupakan salah satu metode yang sangat
memasarkan produknya yang terdiri dari fleksibel dan memiliki toleransi pada data
keunggulan, kelemahan, peluang, dan yang ada. Metode Mamdani disebut juga
ancaman dalam kegiatan pemasaran metode min-max yang mampu mengambil
perusahaan, hal ini berguna untuk nilai keanggotaan yang minimum dan
mempermudah mendapatkan pedoman maksimal sehingga bisa diterapkan pada
yang lebih baik dalam menetapkan optimasi penjualan dengan perhitungan
kebijaksanaan pemasaran. yang lebih mudah dan murah.
Untuk menghindari kesalahan yang
sering terjadi dalam menentukan

18 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar

 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V1.i2(18-22)

METODE FUZZY LOGIC MAMDANI Input proses defuzzifikasi adalah suatu

himpunan fuzzy yang diperoleh dari
Metode mamdani sering dikenal dengan komposisi aturan-aturan fuzzy, sedangkan
metode Max-min. Metode ini diperkenalkan output yang dihasilkan merupakan suatu
oleh Ebrahim Mamdani pada tahun 1975. bilangan pada domain himpunan fuzzy
Untuk mendapatkan output, diperlukan 4 dalam range tertentu, maka harus dapat
tahapan. diambil suatu nilai crisp tertentu sebagai
output.
(Sri Kusumadewi dan Hari Purnomo, Ada beberapa metode defuzzifikasi pada
2010) : komposisi aturan mamdani, antara lain
1) Pembentukan himpunan fuzzy (Kusumadewi, 2002) :
Pada metode mamdani, baik variabel a) Metode centroid (Composite Moment)
input maupun variabel output dibagi Pada metode ini, solusi crisp diperoleh
menjadi satu atau lebih himpunan fuzzy. dengan cara mengambil titik pusat (z*)
2) Aplikasi fungsi implikasi daerah fuzzy. Secara umum dirumuskan :
Pada metode mamdani, fungsi implikasi
yang digunakan adalah min.
3) Kompisisi aturan  zµ(z)dz
Tidak seperti penalaran momoton, z

*
Z
apabila sistem terdiri dari beberapa aturan,
maka inferensi diperoleh dari kumpulan dan  µ(z)dz
kolerasi. Ada 3 metode yang digunakan z
dalam melakukan inferensi sistem fuzzy,

n
yaitu max, additive dan probabilistik OR zjµ( z j)
j 1
Z 
*
(probor).

n
Dalam optimasi penjualan ini j 1
µ( z j)
menggunakan inferensi metode max Pada
metode ini, solusi himpunan fuzzy diperoleh
HASIL DAN PEMBAHASAN
dengan cara mengambil nilai maksimum
atruan,kemudian menggunakannya untuk Dalam menentukan perancangan sistem,
memodifikasi daerah fuzzy, dan terdapat 4 variabel input yaitu: variabel
mengaplikasikannya ke output dengan order/produksi, persediaan, penjualan dan
menggunakan operator OR (union). biaya, serta terdapat 1 variabel output yaitu
Jika semua proposisi telah dievaluasi, variabel nilai optimasi. hal ini dapat dilihat
maka output akan berisi suatu himpunan pada gambar berikut:
fuzzy yang merefleksikan kontribusi dari
tiap tiap proposisi. Dituliskan :
µsf[xi] = max (µusf [Xi], µkf [Xi])

Dengan :

µsf[Xi] =nilai keanggotaan- nya

solusi fuzzy sampai aturan ke i
µkf[Xi] = nilai keanggotaan konsekuan
fuzzy aturan ke i
3.1 Analisa Sistem untuk Variabel
4) Penegasan (defuzzy)
Order/Produksi

19 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar

 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V1.i2(18-22)

Variabel order/produksi adalah input 0 ; X1 350

yang merupakan banyaknya jumlah produksi
berdasarkan order yang nilainya diambil dari Himpunan fuzzy sedang akan memiliki
nilai rata-rata penjualan dan persediaan domain [250-450], dengan derajat
barang perminggu sehingga ditentukan keanggotaan sedang, tertinggi (=1) terletak
jumlah barang yang akan diproduksi. pada nilai 350. Apabila nilai variabel
order/produksi semakin melebihi 350, maka
Nilai variabel order/produksi dibagi atas nilainya semakin mendekati banyak.
3 kriteria yaitu: Himpunan fuzzy sedang direpresentasikan
dengan fungsi keanggotaan segitiga dengan
semesta himpunan derajat keanggotaan semakin baik apabila
pembicara fuzzy domain nilai mendekati 350.
sedikit 200-350
Fungsi keanggotaan untuk himpunan
0-700 sedang 250-450 fuzzy sedang dapat dilihat pada persamaan
banyak 350-610 berikut :

Diagram Membership function Untuk 0 ; X1 250,X1 450

Variabel order/produksi dapat dilihat pada
gambar sebagai berikut: [X1] = ; 250 350

;350 450

Himpunan fuzzy banyak akan memiliki

domain [350-610], dengan derajat
keanggotaan banyak tertinggi (=1) terletak
pada nilai 610. Apabila nilai variabel
order/produksi kurang dari 610, maka
Pada variabel order/produksi data yang nilainya semakin mendekati sedang.
dimiliki dapat dibagi menjadi 3 himpunan Himpunan fuzzy banyak direpresentasikan
fuzzy, yaitu: sedikit, sedang dan banyak. dengan fungsi keanggotaan bahu kanan.
Himpunan fuzzy kurang akan memiliki
domain [200-350], dengan derajat Fungsi keanggotaan untuk himpunan
keanggotaan sedikit, tertinggi (=1) terletak fuzzy banyak dapat dilihat pada persamaan
pada nilai 200. Apabila nilai variabel sebagai berikut:
order/produksi semakin melebihi dari 200,
0 ; X1 350
maka nilainya semakin mendekati sedang.
Himpunan fuzzy sedikit direpresentasikan
dengan fungsi keanggotaan bahu kiri, fungsi [X1] = 350 610
keanggotaan untuk himpunan sedikit dapat
dilihat pada persamaan berikut: 1; X1 610

1 ; X1 200 Pada analisa sistem untuk variabel

persediaan, penjualan dan biaya cara
[X1] = ; 200 X1 kerjanya hampir sama.

20 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar

 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V1.i2(18-22)

Persediaan [R 3] if ( order/produksi is kurang) and

(persediaan is kurang) and
semesta himpunan (penjualan is kurang) and (biaya is
pembicara fuzzy domain baik) then (nilai-optimasi is tidak
sedikit 50-500 optimal)
[R 7] if ( order/produksi is kurang) and
0-1300 sedang 200-800 (persediaan is kurang) and
banyak 500-1200 (penjualan is baik) and (biaya is
kurang) then (nilai-optimasi is
Penjualan optimal)
[R41] if ( order/produksi is cukup) and
semesta himpunan (persediaan is cukup) and (penjualan
pembicara fuzzy domain is cukup) and (biaya is cukup) then
(nilai-optimasi is optimal)
sedikit 186-300
[R50] if ( order/produksi is cukup) and
0-700 sedang 240-360 (persediaan is baik) and (penjualan is
banyak 300-606 cukup) and (biaya is cukup) then
(nilai-optimasi is cukup optimal)
Biaya [R79] if ( order/produksi is baik) and
(persediaan is baik) and (penjualan is
semesta himpunan baik) and (biaya is kurang) then
pembicara fuzzy domain (nilai-optimasi is sangat optimal)
sedikit 1,9-4 Penegasan (defuzzy)
0-12 sedang 3-6 Input proses defuzzifikasi adalah suatu
banyak 4-10,5 himpunan fuzzy yang diperoleh dari
komposisi aturasn aturan fuzzy, sedangkan
Nilai optimasi output yang dihasilkan merupakan suatu
bilangan pada domain himpunan fuzzy
semesta himpunan dalam range tertentu,
pembicara fuzzy domain
Maka harus dapat diambil suatu nilai
tdk opti 20-50 crisp tertentu sebagai output seperti pada
krg opti 30-70 gambar ;
0-100 ckp opti 60-80
optimal 70-90
sgt opti 80-100

Dari nilai input dan output dapat

terbentuk 81 rules, berikut beberapa contoh
rules yang terbentuk:
[R 1] if ( order/produksi is kurang) and
(persediaan is kurang) and
(penjualan is kurang) and (biaya is
kurang) then (nilai-optimasi is Contoh kasus yang diujikan pada
kurang optimal) matlab seperti pada gambar berikut:

21 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar

 ISSN : 2407-0491
Jurnal Edik Informatika E-ISSN : 2541-3716
Penelitian Bidang Komputer Sains dan Pendidikan Informatika
V1.i2(18-22)

Pada kasus dituliskan order/produksi =

400, persediaan 650, penjualan 510 dan
biaya 4 maka akan dihasilkan nilai Optimasi
sebesar 92.4 yang termasuk kategori sangat
optimal. Artinya perusahaan melakukan
order/produksi sebanyak 400 dengan jumlah
persediaan 650 telah melakukan penjualan
dengan hasil 510jt biaya yang dikeluarkan
sebesar 4jt termasuk kategori sangat optimal.

KESIMPULAN

Dari hasil penelitian tersebut maka metode

fuzzy logic mamdani untuk penelitian optimasi
penjualan, sesuai hasil yang di inginkan dan
metode fuzzy logic mamdani dapat digunakan
untuk optimasi penjualan.

DAFTAR RUJUKAN

Kusumadewi, sri. 2010 Aplikasi Logika Fuzzy

Untuk Pendukung Keputusan Edisi 2,
Graha Ilmu.
Naba Agus, 2009 Belajar Cepat Fuzzy Logic
Menggunakan Matlab. Penerbit Andi
Kusumadewi, sri. 2002. Analisis Desain Sistem
Fuzzy Menggunakan Tool Box Matlab.
Jogjakarta: Graha Ilmu.
Kusumadewi, sri dan Hari Purnomo. 2004.
Aplikasi Logika Fuzzy untuk Mendukung
Keputusan. Yogyakarta : Graha Ilmu

22 Diterbitkan Oleh Program Studi Pendidikan Informatika STKIP PGRI Sumbar