211 479 1 PB PDF
211 479 1 PB PDF
2
Teknik Informatika
STMIK Pelita Nusantara Medan, Jl. Iskandar Muda No.1, Medan,20154, Indonesia
Abstrak
Penelitian ini adalah perancangan sistem perencanaan jumlah produksi roti menggunakan metode fuzzy
mamdani di Judens Bakery Medan Sumatra utara. Judens Bakery merupakan salah satu toko baru yang
bergerak dibidang makanan. Judens Bakery sering mengalami ketidakstabilan permintaan pasar
terhadap produksi roti yang terkadang tinggi dan rendah. Hal itu menjadi permasalahan bagi Judens
Bakery dalam menentukan perencanaan jumlah produksi roti. Sehingga Judens Bakery sering
memproduksi roti dan kue yang berlebih. Akibatnya dapat membuat kerugian bagi pihak Judens Bakery
karena roti dan kue yang sudah tidak layak dipasarkan akan dibuang. Untuk mengelesaikan
permasalahan tersebut perlu diselesaikan dengan merencanakan jumlah poduksi roti berdasarkan jumlah
persediaan dan jumlah permintaan dengan menggunakan metode fuzzy Mamdani. Perancangan sistem
ini dibuat berbasis dekstop dengan bahasa pemrograman Microsoft Visual Basic 6.0 dan database yang
digunakan adalah microsoft acces. Berdasarkan rancangan sistem yang dihasilkan, maka dapat diketahui
rencana jumlah produksi dengan menerapkan metode fuzzy mamdani sehingga perusahaan dapat
merencanakan jumlah produksi sesuai dengan jumlah permintaan. Dengan menggunakan aplikasi
tersebut pihak Judens Bakery dapat merencanakan jumlah produksi roti lebih cepat, tepat dan efisien.
disimpulkan, permintaan terbesar mencapai 11090 dari data permintaan terbesar dan terkecil tahun
Kotak perbulan, dan permintaan terkecil mencapai 2015 sampai tahun 2016, maka gambar diagram
7965 Kotak perbulan. Persediaan barang terbanyak venya dapat dibentuk seperti yang terlihat
sampai 1250 Kotak perbulan, dan terkecil mencapai seperti di bawah ini:
150 Kotak perbulan.
Dalam kasus di atas terdapat 3 variabel, yaitu: 2
variabel input, variable permintaan, dan variable
persediaan, sedangkan untuk output terdapat 1
variabel, yaitu: produksi barang Variabel permintaan
memiliki 2 nilai linguistik, yaitu naik Dan turun,
variable persediaan memiliki 2 nilai linguistik, yaitu
banyak dan sedikit, sedangkan variable produksi
barang memiliki 2 nilai linguistik, yaitu bertambah
dan berkurang. Berdasarkan unit penalaran pada
inferensi fuzzy, maka dapat dibentuk aturan fuzzy Gambar 1. Kurva Linear Naik Dan Turun Untuk
seperti di bawah ini : Permintaan Roti
12350−8868
µproBerkurang(8868) = = 0,8
12350−8150
8868−8150
µproBertambah (8868) = = 0,017 Gambar 6. Aplikasi Fungsi Implikasi Untuk R3
12350−8150
11090
= 8482 ,7
(0,0000901713 𝑧 2 – 0,73489 z)
(R4) If Permintaan Naik and Persediaan Sedikit
THEN Produksi barang Bertambah dz
0,0000901713 0,73489
αpredikat4 = µpmtTurun ∩ µpsdSedikit = 𝑧 2+1 𝑧 2 |11090
8482 ,7
2+1 2
= min (µpmtTurun (8678)∩ µpsdSedikit = 0,0000300571𝑧 3 - 0,367445 𝑧 2 |11090
8482 ,7
(190)
= (0,0000300571(11090)3 - 0,0000300571
=min (0,2 ; 0,96)
(8482,7)3 ) – (0,367445(11090)2 -
=0,2 2
0,367445(8482,7)
=(40996021,731 – 18346338,41) –
(45191362,4045 – 26439945,6481)
= (22649683,32) – (18751416,75)
= 3898266,57
12350
M3 = 11090
0,7 𝑧𝑑𝑧
2 12350
= 0,35𝑧 |11090
= 0,35(12350)2 − 0,35 (11090)2
= 53382875 – 43045835
Gambar 7. Aplikasi Fungsi Implikasi Untuk R4 = 10337040
Selanjutnya kita hitung luas setiap daerah :
3. Komposisi Antar Aturan A1 = 8482,7 * 0,03 = 254,421
Dari tiap aturan hasil aplikasi fungsi implikasi, A2 = (0,03 + 0,7) * (11090 – 8482,7)/2
digunakan metode MAX untuk melakukan komposisi = (0,73) * (2607,3/2)
antar semua aturan. Maka, hasilnya dapat dilihat = 951,6645
seperti gambar di bawah ini : A3 = (12350 – 11090) * 0,7
= 881,3
Maka titik pusat dapat diperoleh sebagai berikut :
1079342,98+ 3898266,57+10337040 15314649.55
Z= = =7337
254,421 + 951,6645+ 881,3 2087.3855
Jadi, rencana produksi roti untuk bulan juli adalah
7623 kotak.
Gambar 8. Daerah Hasil Komposisi
3.1. Perancangan
UML (unified modeling language) merupakan
Pada gambar tersebut daerah hasil dibagi menjadi 3
bahasa visual untuk pemodelan dan komunikasi
bagian yaitu A1, A2, A3. selanjutnya mencari nilai
mengenai sebuah sistem dengan menggunakan
A1 dan A2.
diagram dan teks-teks pendukung. UML(unified
(a1 – 8150)/11090 = 0,003 a1 = 8482,7
modeling language) hanya berfungsi untuk
(a2 – 8150)/11090 = 0,7 a2 = 15915
melakukan pemodelan. Penggunaan tidak terbatas
Dari hasil tersebut dapat diperoleh, fungsi
pada metodologi tertentu, meskipun pada
keanggotaan untuk hasil komposisi ini adalah:
0,03 ; 𝑧 ≤ 8482,7 kenyataanya UML (unified modeling language)
𝑧−8150 paling banyak digunakan pada metodologi
µ(z) = ; 8482,7 ≤ 𝑧 ≤ 11090 berorientasi objek [3]:
11090
0,7 ; 𝑧 ≥ 11090
a. Use Case Diagram
4. Penegasan (defuzzy) Use case mendeskripsikan sebuah interaksi
Metode penegasan yang digunakan adalah metode antara satu atau lebih actor dengan system informasi
centroid. Maka, yang pertama adalah menghitung yang akan dibuat. Secara kasar, use case digunakan
momen setiap daerah. untuk mengetahui fungsi apa saja yang ada di dalam
8482 ,7 0,03 1+1 sebuah system informasi dan siapa saja yang berhak
M1 = 0
0,03 𝑧𝑑𝑧 = =
1+1 menggunakan fungsi-fungsi itu. Gambar di bawah
0,015𝑧 2 |8482
0
,7
=1079342,98 ini merupakan use case diagram pada sistem yang
11090 (𝑧−8150 ) akan dibuat.
M2 = 8482 ,7 𝑧𝑑𝑧
11090
11090 1 8150
= 8482 ,7 ( 𝑧2 − 𝑧) 𝑑𝑧
11090 11090
ADMIN
Input Data
<<extend>>
Proses
LOGIN Halaman Utama rencana
<include>
<<extend>> produksi
<<
e
xte
nd
Keluar
>>
V. KESIMPULAN
Berdasarkan pembahasan mengenai Penerapan
Metode Fuzzy Mamdani dalam merencanakan
jumlah produksi roti berdasarkan Data Persediaan
VI. REFERENSI
[1] Abdul, 2013, Penegenalan algoritma,
Yogyakarta, Penerbit Andi.
[2] Purnomo, Kusumadewi,2010, aplikasi
logika fuzzy. Edisi-2. Yogyakarta. Graha
Ilmu.
[3] Shalahuddin.M, A.s. Rosa, 2013, Rekayasa
Perangkat Lunak, Bandung, Informatika.
[4] Sinulingga Sukaria, 2013,
Perencanaan & pengendalian
Produksi, Yogyakarta,Graha Ilmu.
[5] Shalahuddin.M, A.s. Rosa, 2013,
Rekayasa Perangkat Lunak,
Bandung, Informatika.