PROPOSAL

PENERAPAN FUZZY INFERENCE SYSTEM SUGENO UNTUK MENENTUKAN

JUMLAH PERSEDIAAN PRODUK PERTANIAN

Jumadi Wahid Longso

1706080063

JURUSAN ILMU KOMPUTER

FAKULTAS SAINS DAN TEKNIK

UNIVERSITAS NUSA CENDANA

2019
 BAB I

PENDAHULUAN

1.1 Latar Belakang

PT. Alam Subur merupakan perusahaan yang bergerak dalam penjualan produk pertanian.
Peluang pasar cukup besar menyebabkan persaingan perusahaan semakin besar dalam
memperebutkan konsumen. Hal tersebut juga mengakibatkan meningkatnya tuntutan konsumen
terhadap kuantitas (ketersediaan) dari suatu produk di gudang.

Persediaan barang atau produk merupakan salah satu aspek yang memiliki peranan penting
dalam operasi bisnis dengan manajemen yang proaktif. Oleh karena itu perusahaan harus mampu
mengantisipasi keadaan maupun tantangan yang ada di dalam manajemen persediaan untuk
mencapai sasaran akhir yaitu untuk meminimalisasi biaya yang dikeluarkan untuk persediaan
(Yamit, 2002). Dalam sistem industri, adanya persediaaan merupakan faktor pemicu
meningkatnya biaya. Penetapan jumlah persediaan terlalu banyak akan berakibat pemborosan
dalam biaya simpan, akan tetapi apabila terlalu sedikit maka akan mengakibatkan hilangnya
kesempatan perusahaan untuk mendapatkan keuntungan jika permintaan barangnya lebih besar
dari jumlah persediaaan yang di Gudang

Maka untuk mengatasi kendala dalam memenuhi kebutuhan konsumen dan memperlancar
ketersediaan produk pertanian di PT. Alam Subur, maka diperlukan analisa dan pengolahan data
historis transaksi penjualan dengan tujuan untuk menentukan tingkat persediaan yang harus
tersedia serta kapan pembelian kembali dilakukan untuk menambah persediaan. Hal ini diperlukan
untuk menjamin tersedianya persediaan yang tepat dalam kuantitas dan waktu yang tepat.

1.2 Rumusan Masalah

Dari Latar belakang diatas, maka rumusan masalah dalam proposal penelitian ini adalah
bagaimana membuat suatu system yang dapat menentukan tingkat persediaan yang dalam
kuantitas dan waktu yang tepat.
1.3 Batasan Masalah
Batasan masalah dalam pembuatan proposal penelitian ini adalah :
1. Dalam penelitian ini data yang digunakan hanya data penjualan satu tahun terakhit.
2. Penelitian ini hanya menggunakan 3 variabel .
1.4 Tujuan dan Manfaat
1. Tujuan
Adapun tujuan dari penelitian ini adalah menerapkan Fuzzy Interference System untuk
menentukan jumlah persediaan produk dalam kuantitas dan waktu yang tepat.
2. Manfaat
Adapun manfaat dari penelitian ini adalah sebagai berikut:
1. Menambah pengetahuan dan pengalaman bagi penulis.
2. Membantu PT. Alam Subur dalam menetukan jumlah persediaan produk agar dapat
meminimalisir biaya dan meningkatkan keuntungan.
1.5 Tinjauan Pustaka

Logika fuzzy merupakan salah satu 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 membership function menjadi ciri utama dari penalaran dengan logika fuzzy
tersebut. (Kusumadewi & Purnomo, 2010) Ada beberapa definisi logika fuzzy, diantaranya :
1. Logika fuzzy adalah logika yang digunakan untuk menjelaskan keambiguan, logika
himpunan yang menyelesaikan keambiguan. (Vrusias, 2008). 2. Logika fuzzy menyediakan
suatu cara untuk merubah pernyataan linguistik menjadi suatu numerik. (Synaptic, 2006)

Logika fuzzy memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan
logika digital yang hanya memiliki dua nilai 1 atau 0. Logika fuzzy digunakan untuk
menerjemahkan suatu besaran yang diekspresikan menggunakan bahasa (linguistic), misalkan
besaran kecepatan laju kendaraan yang diekspresikan dengan pelan, agak cepat, cepat, dan
sangat cepat. Dan logika fuzzy menunjukan sejauh mana suatu nilai itu benar dan sejauh mana
suatu nilai itu salah. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang
input kedalam suatu ruang output [3]. Fuzzy dinyatakan dalam derajat dari suatu keanggotaan
dan derajat dari kebenaran. Oleh sebab itu sesuatu dapat dikatakan sebagian benar dan sebagian
salah pada waktu yang sama. (Kusumadewi & Purnomo, 2010).

Fuzzy inference System Sugeno Ada 2 model pada metode TSK, yaitu: 1. Metode
Fuzzy SugenoOrde-Nol Secara umum bentuk model inferensi fuzzy Sugeno Orde-Nol adalah:
IF(x1is A1i) o (x2 isA2i) o ... o (xNisANi) THENz = k Dengan 𝐴 𝑖 adalah himpunan fuzzy ke-
i sebagai anteseden, dan k adalah suatu konstanta (bersifat crisp) sebagai konsekuen. 2. Metode
Fuzzy Sugeno Orde-Satu Secara umum bentuk model inferensi fuzzy Sugeno Orde-Satu
adalah: IF (x1is A1i) o (x2 isA2i) o ... o (XNisAN)THEN z=p1 *x1+ … + pN*xN+ q Dengan
𝐴 𝑖 adalah himpunan fuzzy ke-i sebagai anteseden, dan 𝑃 𝑖 adalah suatu konstanta (tegas) ke-I
dan q juga merupakan konstanta dalam konsekuen. Apabila komposisi aturan menggunakan
metode Sugeno, maka deffuzifikasi dilakukan dengan cara mencari nilai rataratanya.
(Kusumadewi & Purnomo, 2010).
 BAB II

LANDASAN TEORI

2.1 Landasan Teori yang Berhubungan dengan Penelitian

 BAB III

METODOLOGI PENELITIAN

3.1 Lokasi Penelitian

Lokasi penelitian diambil dari PT. Alam Subur Kota Kupang.

3.2 Sumber dan Jenis Data

Data yang dipakai dalam penelitian ini diperoleh dari PT. Alam Subur Kota Kupang. Jenis

data yang diperoleh adalah data sekunder yang diperoleh dari dokumentasi PT. Alam Subur .

3.3 Metode Pengumpulan Data

Metode pengumpulan data yang digunakan dalam penelitian ini yaitu metode pengumpulan

bahan dokumen. Pada metode pengumpulan bahan dokumen, peneliti tidak secara

langsungmengambil data sendiri tetapimeneliti dan memanfaatkandata atau dokumen yang

dihasilkanoleh pihak-pihak lain.

3.4 Metode Pengolahan Data

Proses pengolahan data dalam penelitian ini yaitu tabulasi. Data yang telah diperoleh

dimasukan ke dalam table.

Persediaan Penjualan Pembelian

Tahun 2015/201

Januari 246 284 75

Februari 37 243 250

Maret 44 150 200

April 94 48 120
 Mei 166 92 0

Juni 74 141 90

Juli 49 190 175

Agustus 34 75 100

September 59 58 120

Oktober 121 146 180

November 55 131 100

Desember 25 140 140

3.5 Analisis Sistem Berjalan

3.6 Analisis Sistem Yang Diusulkan

3.7 Metode Pengujian Sistem