ABSTRAK
Penentuan jumlah produksi menjadi roti yang terdapat di kota Dumai yang dalam
masalah bagi perusahaan, sehingga dibutuhkan kegiatan produksi rotinya mengalami kesulitan
suatu cara untuk mengoptimumkan jumlah produksi dalam menentukan berapa jumlah roti yang harus di
tersebut. Logika Fuzzy merupakan salah satu ilmu produksi untuk periode berikutnya. Penentuan
yang digunakan untuk menyelesaikan masalah jumlah optimal produksi sangat diperlukan agar
mengenai ketidakpastian. Penelitian ini bertujuan tidak banyak roti yang tersisa yang mengakibatkan
untuk menentukan jumlah produksi yang optimum kerugian terhadap perusahaan.
dengan mengaplikasikan system Fuzzy Metode Untuk itu logika fuzzy Sugeno dapat digunakan
Sugeno ordenol berdasarkan variable jumlah dalam pemecahan masalah ini karena, sangat
permintaan dan jumlah persediaan. Metode Fuzzy fleksibel dan memiliki toleransi terhadap data yang
Sugeno output sistem berupa bilangan konstanta. tidak dapat dideskripsikan secara pasti. Metode
Berdasarkan logika fuzzy akan dihasilkan suatu Sugeno menggunakan fungsi keanggotaan
model dari suatu sistem yang mampu Singleton yaitu fungsi keanggotaan yang memiliki
memperkirakan jumlah produksi yang optimum, derajat keanggotaan 1 pada suatu nilai crisp tunggal
dengan menggunakan aplikasi Matlab 6.1. dan 0 pada nilai crisp yang lain. Dengan
Implementasi metode Fuzzy Sugeno memberikan mengetahui hasil analisis ini maka mempermudah
hasil prediksi yang mampu mengatasi masalah pihak Toko untuk mengetahui berapa jumlah
produksi. optimum produksi roti untuk periode berikutnya.
ISSN : 2355-1887
JUTEKINF, Vol. 2, No. 1, Februari - Juli 2015 12
dan lain-lain (Khoerul Anwar dan Ario Gunawan, Roti untuk bulan Mei tahun 2014 dari Toko Daily
2011). Bread Kota Dumai. Data yang ada pada toko roti
ini masih dalam bentuk manual dimana semua
laporan masih dicatat di dalam buku. Data tersebut
C.Fungsi Keanggotaan kemudian diketik ulang dalam bentuk Microsoft
Fungsi keanggotaan (membership function) Excel sehingga mempermudah penelitian.
adalah suatu kurva yang menunjukkan pemetaan
titik-titik input data kedalam nilai keanggotaanya ( Sebelum data diolah terlebih dahulu
sering juga disebut dengan derajat keanggotaan) tentukan variabel yang akan digunakan, selanjutnya
yang memiliki interval antara 0 dan 1. membentuk himpunan fuzzy untuk masing-masing
variabel yang ada. Analisa masalah pada
D. Operator Dasar Zadeh untuk Operasi penelitian ini adalah penentuan jumlah produksi
Himpunan Fuzzy Roti yang optimum. Tabel 4.1 merupakan data-data
Seperti halnya himpunan konvensional, ada yang langsung diambildan diamati dari tempat
beberapa operasi yang didefinisikan secara khusus penelitian, kemudian akan dipresentasikan dengan
untuk mengkombinasikan dan memodifikasi menggunakan metode fuzzy Sugeno. Data yang
himpunan Fuzzy. Nilai keanggotan sebagai hasil diambil adalah data variabel permintaan dan
dari operasi 2 himpunan sering dikenal dengan persediaan roti bulan Mei tahun 2014.
nama fire strength atau α–predikat Ada tiga
operator dasar yang diciptakan oleh Zadeh, yaitu : B.Tahapan Pengolahan Data dengan Fuzzy
(KusumadewidanPurnomo, 2010) Sugeno
1. Operator AND Metode sistem inferensi fuzzy Sugeno
Operator ini berhubungan dengan operasi disebut juga metode sistem inferensi TSK yang
interaksi pada himpunan α–predikat sebagai hasil diperkenalkan oleh Takagi Sugeno Kang. Untuk
operasi dengan operator AND diperoleh dengan memperoleh output dari sistem inferensi fuzzy
mengambil nilai keanggotaan terkecil antarelemen diperlukan 4 tahapan.
pada himpunan-himpunan yang bersangkutan. 1.Tahap Fuzzifikasi
µA∩B = Min (µA[X], µB[Y]) Merupakan proses mentransformasikan data
pengamatan kedalam 3 variabel yaitu 2 variabel
2. Operator OR input, terdiri dari variabel permintaan dan variabel
Operator ini berhubungan dengan operasi persediaan. Sedangkan untuk output terdapat 1
union pada himpunan.α–predikat sebagai hasil variabel yaitu variabel produksi. Hal ini dapat
operasi dengan operator OR diperolah dengan dilihat pada gambar berikut:
mengambil nilai keanggotaan terbesar antarelemen
pada himpunan-himpunan yang bersangkutan.
µAỤB = Max (µA[X], µB[Y])
3. Operator NOT
Operator ini berhubungan dengan operasi
komplemen pada himpunan. α–predikatsebagaai
hasil operasi dengan operator NOT diperoleh
Gambar Variabel Input dan Output
dengan mengurangkan nilai keanggotaan elemen Variabel fuzzy menggunakan fungsi
pada himpunan yang bersangkutan dari 1. keanggotaan bahu sebagai pendekatan untuk
µA’= 1 - µA[X] memperoleh nilai derajat keanggotaan dalam suatu
himpunan fuzzy. Variabel permintaan membentuk 2
FuzzyInference System himpunan fuzzy yaitu Turun dan Naik, himpunan
Sistem inferensi fuzzy (FIS) disebut juga fuzzy Turun dan Naik. menggunakan fungsi
Fuzzy Inferenceengine adalah sistem yang dapat keanggotaan yang berbentuk bahu. Dapat dilihat
melakukan penalaran dengan prinsip serupa seperti pada tabel 4.2 sebagai berikut:
manusia melakukan penalaran dengan nalurinya.
Tabel Himpunan Fuzzy Variabel Permintaan
Terdapat beberapa jenis FIS yang dikenal yaitu
Semesta Nama Domain
Mamdani dan Sugeno (Indrabayu, 2012). Berikut
Pembicaraan Himpunan
gambar blok diagram proses fuzzy inferensi system.
fuzzy
Turun 0 – 126
III. Analisa dan Perancangan
0 – 150 Naik 62 - 150
A.Analisa Data
Dalam menganalisa data, dibutuhkan data Variabel persediaan membentuk 2 himpunan fuzzy
yang real yaitu data yang dapat yaitu Banyak dan Sedikit, himpunan fuzzy Banyak
dipertanggungjawabkan kebenarannya, untuk itu dan Sedikit menggunakan fungsi keanggotaan yang
penulis mengambil data Permintaan dan Persediaan
ISSN : 2355-1887
JUTEKINF, Vol. 2, No. 1, Februari - Juli 2015 13
berbentuk bahu. Dapat dilihat pada tabel 4.3 Berikutnya aplikasi fungsi implikasi
sebagai berikut: aturan yang digunakan adalah aturan MIN pada
TabelHimpunan Fuzzy Variabel Persediaan fungsi Implikasinya. Metode inferensi fuzzy yang
Semesta Nama Himpunan Domain akan digunakan adalah metode Sugeno orde-0,
Pembicaraan fuzzy pada metode ini, anteseden direpresentasikan
Sedikit 0 – 94 dengan proposisi dalam himpunan fuzzy, sedangkan
0 – 100 Banyak 14 – 100 konsekuen direpresentasikan dengan sebuah
konstanta, dimana aturan tersebut adalah sebagai
berikut :
2.Tahap Pembentukan Rule (Aturan Dasar [R1] Jika permintaan Tinggi, dan persediaan
DataFuzzy) Banyak, Maka produksi = permintaaan
[R2] Jika permintaan Tinggi, dan persedian
Berdasarkan unit penalaran pada Sedikit, Maka produksi = permintaan.
inferensifuzzy yang berbentuk jika x adalah A, dan [R3] Jika permintaan Rendah, dan persedian
y adalah B, maka z adalah C. dimana jika x Banyak, Makaproduksi = permintaan
dikaitkan dengan variabel permintaan dan A adalah [R4] Jika permintaan Rendah, dan persedian
nilai-nilai linguistiknya, y dikaitkan dengan Sedikit, Maka produksi = permintaan.
variabel persediaan dan B adalah nilai-nilai
linguistiknya, z dikaitkan dengan variabel produksi
dan C adalah nilai-nilai linguistiknya. 4.Tahap Defuzzyfikasi (Penegasan)
Pembentukan rule adalah proses Pada proses ini output berupa bilangan
mendefinisikan hubungan antar fungsi keanggotaan crips. Defuzzyfikasi dilakukan dengan cara mencari
dan bentuk fungsi keanggotaan hasil. Berdasarkan nilai rata-ratanya. Setelah Defuzzyfikasi dilakukan
data-data yang ada. maka akan dihasilkan keluaran berupa jumlah
produksi roti yang optimum.
Sisa
Tanggal Permintaan Persediaan Produksi
Roti
Data berikut adalah data dari perusahaan terkait
25 dengan jumlah produksi pada bulan Mei 2014
1 107 55 132
dibandingkan dengan hasil pengolahan data dengan
2 74 25 103 29
menggunakan metode Sugeno, sehingga dapat
3 104 29 148 42 dilihat perbandingan produksi roti yang dilakukan
56 perusahaan tanpa menggunakan metode dalam
4 106 42 162
menentukan produksi roti, dengan produksi roti
Berdasarkan aturan-aturan pada inferensi fuzzy, yang menggunakan metode Fuzzy Sugeno dalam
maka dari aturan-aturan yang terbentuk, yang menentukan jumlah produksi roti yang optimum,
Tanggal Permintaan Persediaan Produksi
Sisa dapat dilihat pada tabel berikut ini:
Roti
1 107 55 115 7
ISSN : 2355-1887
JUTEKINF, Vol. 2, No. 1, Februari - Juli 2015 14
GambarTampilanAwalFuzzy Sugeno
ISSN : 2355-1887
JUTEKINF, Vol. 2, No. 1, Februari - Juli 2015 15
yakni Sedikit dan Banyak. Fungsi ada 4 aturan. Tahapan ini merupakan tampilan
keanggotaan dari variable Persediaan dapat ketika sub menu Rules di klik, dapat dilihat
dilihat pada gambar berikut ini pada gambar berikut ini
10.
ISSN : 2355-1887
JUTEKINF, Vol. 2, No. 1, Februari - Juli 2015 16
Sugeno ( Produksi A) yakni dengan jumlah sisa 25 3. Pada penelitian ini, terdapat 2 variabel input
bungkus. Hal ini terlihat jelas pada table berikut ini dengan 2 Himpunan fuzzy dan 1 variabel
output dengan 2 himpunan fuzzy. Untuk
Tabel Hasil Perbandingan Sisa Roti selanjutnya dapat dikembangkan dengan
Permint Persedi Produ Sis Produ Sis menggunakan lebih dari 2 variabel dan
aan aan ksi A a ksi B a masing-masing variabel menggunakan lebih
107 55 132 25 116 7 dari 2 himpunan fuzzy.
74 25 103 29 86 6
104 29 146 42 113 27 DAFTAR PUSTAKA
106 42 162 54 114 17
Boy Fechera, Jaja Kustija dan Siscka Elvyanti
(2012). “Optimasi Penggunaan
V. Kesimpulan dan Saran
Membership Function Logika Fuzzy
A. Kesimpulan
Pada Kasus Identifikasi Minyak
Berdasarkan analisa data yang telah
Transformator”. Jurnal.upi.edu
dilakukan maka dapat ditarik kesimpulan sebagai
Electrans,Vol.11,No.2.
berikut :
Indra, Ramdhani, Imam, Syaifuddin Rifkan,
1. Untuk memperoleh hasil perhitungan produksi
Noviana dan Sheila. (2012). “Fuzzy
yang optimum, maka variabel yang digunakan
Inferene System Dengan Metode Sugeno
harus benar dan sesuai dengan tujuan
Untuk Penentuan Banyaknya Asisten
penelitian. Variabel yang yang dibutuhkan
Laboratorium Yang Diterima Pada Saat
untuk penentuan jumlah produksi adalah
Rekrutmen”. Seminar Nasional Aplikasi
variabel permintaan dan variabel persediaan.
Teknologi Informasi.
2. Penentuan model fungsi keanggotaan yang
Indrabayu, Nadjamuddin Harun,M, Saleh Pallu,
akan digunakan harus valid dan sesuai dengan
Achmad Andini, dan Febi Febriyanti.
data yang diambil dari tempat penelitian.
(2012). “Prediksi Curah Hujan Dengan
dalam hal ini fungsi keanggotaanyang
Fuzzy Logic”. Prosiding, Group Teknik
digunakan adalah berbentuk bahu.
Elektro, Volume 6.
3. Dengan menggunakan metode Fuzzy Sugeno
Khoerul, Anwar dan Gunawan, Ario. (2010). “
dapat memberikan knowledge dan informasi
Penerapan Fuzzy-Query Database Pada
yang dapat digunakan dalam penentuan
Sistem Pendukung Keputusan Seleksi
jumlah produksi roti yang optimum. sehingga
Penerimaan Beasiswa”. Jurnal Dinamika
dapat meminimalkan jumlah sisa roti dalam
Dotcom. Vol 2. No.1.
jumlah yang besar.
Kusumadewi, Sri danPurnomo, Hari (2010).
4. Proses perhitungan dapat menggunakan
“AplikasiLogika Fuzzy untuk
aplikasi yang telah tersedia dalam artian yang
PendukungKeputusan”.EdisiKeDua.
siap pakai seperti Matlab versi 6.1 toolbox
Yogyakarta ;Graha Ilmu.452.
fuzzy. dengan menggunakan aplikasi Matlab
versi 6.1 toolbox fuzzy, bisa lebih mudah dan
lebih akurat.
5. Metode Fuzzy Sugeno dengan menggunakan
Aplikasi Matlab versi 6.1 toolbox fuzzy,
sangat mudah dan dapat membantu dalam
menentukan jumlah produksi yang optimal
untuk periode berikutnya.
B.Saran
Dari hasil analisa dan penelitian yang
dilakukan, maka penulis dapat menyampaikan
beberapa saran sebagai berikut :
1. Penelitian ini hanya diimplementasikan pada
toko Roti Daily Bread Dumai, untuk
menentukan jumlah produksi roti yang
optimum.
2. Penulis berharap agar hasil penelitian ini dapat
bermanfaat bagi penulis dan juga bagi pihak
Toko Roti Daily Bread Dumai dalam
menentukan jumlah produksi roti yang
optimum.
ISSN : 2355-1887