3112 14000 1 PB
3112 14000 1 PB
ABSTRAK
DOI; Bahan bakar merupakan salah satu kebutuhan yang saat ini
10.30595/jrst.v3i1.3112 tidak bisa dilepaskan dari masyarakat. Bahan bakar cair terutama
bensin atau premium, pertalite, pertamax, dan solar merupakan bahan
Histori Artikel: bakar yang digunakan pada alat transportasi. Semakin banyak alat
transportasi yang dimiliki masyarakat dapat memungkinkan tidak
Diajukan: tersedianya stok bahan bakar di salah satu SPBU (Stasiun Pengisian
04/08/2018 Bahan Bakar Umum) tertentu. Dengan tidak tersedianya stok
persediaan bahan bakar di SPBU, hal ini dapat menimbulkan beberapa
Direvisi: masalah, seperti antrian yang panjang pada salah satu SPBU, serta
10/01/2019 kurangnya kebutuhan bahan bakar pada masyarakat. Salah satu
metode untuk memecahkan masalah tersebut adalah menggunakan
Diterima: metode Fuzzy Tsukamoto. Fuzzy Tsukamoto merupakan salah satu
23/01/2019 metode yang termasuk ke dalam sistem inferensi fuzzy. Metode ini
dapat menentukan jumlah produksi, sehingga jumlah produksi sebuah
barang dapat diprediksi. Hasil penelitian menunjukkan bahwa metode
Tsukamoto mampu memprediksi jumlah penerimaan stok bahan bakar
yang seharusnya diterima oleh SPBU pada periode berikutnya. Dimana,
hasil pengujian ketepatan prediksi diukur dengan menggunakan
metode MAPE (Mean Absolute Percentage Error) dengan nilai
persentase error yang didapatkan adalah sebesar 16 %, sehingga
kinerja sistem dalam memprediksi stok bahan bakar dapat dikatakan
bagus.
ABSTRACT
Fuel is one of the needs that cannot be released from the community. Liquid fuels, especially
gasoline or Premium, Pertalite, Pertamax, and diesel are fuels used in transportation. The increasing
number of means of transportation owned by the community can allow the unavailability of fuel stock
in one particular gas station (General Fuel Filling Station). The unavailability of fuel stockpiles at gas
stations, this can lead to several problems, such as long queues at one gas station, as well as a lack of
fuel needs for the community. One method to solve this problem is using the Fuzzy Tsukamoto method.
Fuzzy Tsukamoto is one of the methods included in the fuzzy inference system. This method can
determine the amount of production so that the amount of production of an item can be predicted. The
results showed that Tsukamoto's method was able to predict the amount of receipt of fuel stock that
should be received by gas stations in the next period. Where, the results of the prediction accuracy are
measured using the MAPE (Mean Absolute Percentage Error) method with the percentage error
obtained is 16%, so the system performance in predicting fuel stock can be said to be good.
9
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
1. PENDAHULUAN
Saat ini bahan bakar cair (disebut bahan tiga metode dalam Sistem Inferensi Fuzzy
bakar minyak) merupakan salah satu yang dapat digunakan untuk menentukan
kebutuhan yang tidak bisa dilepaskan dari jumlah produksi, yaitu metode Tsukamoto,
masyarakat. Dimana, bahan bakar minyak metode Mamdani, dan metode Sugeno
(BBM) merupakan salah satu faktor yang (Setiadji, 2009).
penting pada mesin kendaraan. Semakin Metode Tsukamoto telah banyak
meningkatnya jumlah kendaraan yang diterapkan untuk peramalan, pengambilan
dimiliki oleh masyarakat maka semakin keputusan dan perencanaan diantaranya
tinggi pula konsumsi BBM di masyarakat. adalah memprediksi kuantitas permintaan
Konsumsi BBM yang semakin meningkat bahan baku dengan parameter penjualan,
dari tahun ke tahun memungkinkan permintaan dan masa kadaluarsa (Huda,
ketiadaan stok persediaan BBM di salah satu 2018). Selanjutnya, penerapan metode
SPBU (Stasiun Pengisian Bahan Bakar Tsukamoto dalam menentukan volume
Umum) tertentu. Dengan kekosongan stok impor bawang merah (Widayani, Kusrini, &
persediaan bahan bakar di SPBU, maka hal Al Fatta, 2015), menentukan pemasok bahan
ini dapat menimbulkan berbagai masalah. baku pada suatu perusahaan (Santika &
Salah satunya adalah antrian panjang yang Mahmudy, 2015), memprediksi tingkat
terjadi di SPBU, sehingga menyebabkan kerawanan kebakaran dibeberapa kecamatan
mobilitas masyarakat terganggu. di kota Kudus (Ardianto, Haryanto, &
Salah satu solusi yang dapat digunakan Mulyanto, 2018), memprediksi ketersediaan
untuk mengurangi kehabisan stok BBM di kayu jati berdasarkan variabel yang
SPBU adalah dengan cara mengetahui mempengaruhinya (Hayadi, 2015) dan
estimasi stok yang dibutuhkan untuk periode memprediksi jumlah produksi roti dengan
selanjutnya. Penelitian tentang prediksi nilai error yang didapatkan sebesar 1%
bahan bakar minyak telah dilakukan (Minarni & Aldyanto, 2016) dan lain
diantaranya penelitian untuk mengetahui sebagainya (Caraka, Haryanto,
jumlah pembelian dan penjualan bahan Kusumaningrum, & Astuti, 2015; Kusuma,
bakar industri di sebuah perusahaan agen Puspitasari, & Gustiyoto, 2018; Puryanto,
bahan bakar menggunakan metode 2016).
Backpropagation Neural Network (Sari, Penelitian ini menerapkan Fuzzy Inference
2015). Selanjutnya, penelitian tentang System dengan metode Tsukamoto. Metode
prediksi kebutuhan bahan bakar jenis ini nantinya dimasukkan ke dalam sebuah
premium disebuah stasiun bahan bakar sistem yang dapat mempermudah pihak
menggunakan metode Hibrida Arima dan SPBU untuk memprediksi stok bahan bakar
Neural Network. Hasil penelitian pada periode berikutnya. Metode ini dipilih
menunjukkan bahwa model persediaan yang karena sifatnya yang fleksibel, dan memiliki
optimal terjadi ketika jumlah safety stock toleransi pada data yang ada. Kelebihan dari
adalah 87 Kl. Penelitian ini juga metode ini yaitu lebih cepat dalam
membuktikan bahwa metode hibrida dapat melakukan komputasi, lebih intuitif, diterima
memberikan hasil prediksi yang lebih baik oleh banyak pihak, serta lebih cocok untuk
dibandingkan dengan metode tunggal dengan masukan yang diterima dari manusia bukan
nilai RMSE yang kecil (Kusumaningrum, oleh mesin (Caraka et al., 2015). Lebih lanjut,
Suhartono, & Haryono, 2012) penelitian ini dapat membantu pihak SPBU
Metode lainnya yang dapat digunakan dalam memberikan informasi prediksi
untuk memprediksi atau meramalkan stok penerimaan stok BBM, agar persediaan BBM
bahan bakar adalah Logika Fuzzy. Logika tidak mengalami kekurangan.
fuzzy merupakan salah satu metode
pembentuk soft computing yang berbeda 2. METODE PENELITIAN
dengan conventional computing. Logika fuzzy Pada bagian ini akan dijelaskan secara
memungkinkan toleransi terhadap input, singkat Logika Fuzzy, metode Fuzzy
proses dan output yang bersifat tidak akurat Tsukamoto, dan analisis uji validitas
(imprecision), tidak pasti (uncertainty) dan terhadap peramalan yang dilakukan.
setengah benar (partial truth). Di dalam
A. Logika Fuzzy
konsep logika Fuzzy terdapat metode yang
dapat menentukan jumlah produksi yang Logika fuzzy merupakan logika yang
disebut dengan Sistem Inferensi Fuzzy. Ada berhadapan dengan konsep kebenaran
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 10
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
sebagian, dimana logika klasik menyatakan Hasil dari proses ini berupa fuzzy input
bahwa nilai kebenaran dapat diekspresikan dalam bentuk rule fuzzy.
dalam istilah binary (0 atau 1). Sedangkan 2) Pembentukan Rule (aturan) dalam
logika fuzzy memungkinkan nilai bentuk IF …. THEN.
keanggotaan antara 0 dan 1. Dengan 3) Mesin inferensi, proses input Fuzzy
menggunakan metode tersebut diharapkan menjadi output Fuzzy dengan mengikuti
dapat membantu perusahaan dalam aturan yang telah ditetapkan, hasil
menentukan jumlah produksi (Kusuma et al., tersebut biasa disebut dengan α-
2018). Pada teorinya, logika fuzzy bukanlah predikat (α1, α2, α3…. αn).
merupakan pengganti dari teori probabilitas 4) Defuzzifikasi, yaitu proses mengubah
namun merupakan cara lain untuk fuzzy output menjadi crisp value. Metode
menyelesaikan masalah ketidakpastian. defuzzifikasi menggunakan metode rata
Komponen utama yang sangat berpengaruh – rata (Average) seperti yang terlihat
adalah fungsi keanggotaan. Fungsi pada persamaan 1.
keanggotaan menyatakan derajat ∑ 𝑎𝑖 𝑧𝑖
keanggotaan pada suatu himpunan. Fungsi 𝑧= .............................. (1)
∑ 𝑎𝑖
keanggotaan adalah suatu kurva yang
Keterangan:
menunjukkan titik-titik input data kedalam
Z = variabel output
nilai keanggotaan yang berada dalam
interval 0 sampai 1. Fungsi keanggotaan 𝑎𝑖 = nilai α predikat
dinyatakan dengan μA. Salah satu cara yang 𝑧𝑖 = nilai variabel output masing – masing
dapat digunakan untuk mendapatkan nilai aturan implikasi
keanggotaan adalah dengan melalui Selanjutnya, flowchart dari metode Fuzzy
pendekatan fungsi (Kusumadewi & Purnomo, Tsukamoto yang dapat dilihat pada Gambar
2004). 1.
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 11
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 12
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
Keterangan :
𝜇𝑃𝑒𝑛𝑗𝑇𝑢𝑟𝑢𝑛 : rata – rata penjualan Turun
𝜇𝑃𝑒𝑟𝑠𝑑𝑆𝑒𝑑𝑖𝑘𝑖𝑡 : rata – rata Persediaan
Sedikit.
Menurut fungsi keanggotaan himpunan
Penerimaan berkurang pada persamaan
Gambar 4. Fungsi keanggotaan fuzzy (6) maka diperoleh persamaan (13)
variabel penerimaan. 𝑧𝑚𝑎𝑥 −𝑧2
= 𝛼2 …………… (13)
𝑧𝑚𝑎𝑥 −𝑧𝑚𝑖𝑛
E. Mesin Inferensi
Sehingga dari persamaan (13), diperoleh
Di dalam mesin inferensi terdapat proses persamaan (14) untuk mencari nilai z2.
untuk mengubah masukkan fuzzy menjadi
𝑧2 = 𝑧𝑚𝑎𝑥 − 𝑎2(𝑧𝑚𝑎𝑥 − 𝑧𝑚𝑖𝑛 ) ……… (14)
keluaran fuzzy dengan cara mengikuti aturan
IF-THEN yang telah ditetapkan pada basis Dimana, Z2 adalah nilai z untuk aturan
pengetahuan fuzzy. Berdasarkan variabel [R2].
fuzzy yang terbentuk, terdapat empat
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 13
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 14
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 15
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
A. Implementasi Sistem
Implementasi sistem menggambarkan
tampilan dari sistem yang dibangun
yaitu implementasi sistem estimasi
stok bahan bakar. Tampilan halaman
depan sistem ditunjukkan oleh
Gambar 5.
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 16
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
4. KESIMPULAN
Berdasarkan hasil pengujian dan analisis
Gambar 10. Tampilan halaman detail sistem estimasi stok penerimaan BBM, maka
perhitungan fuzzy dapat disimpulkan bahwa sistem ini mampu
memberikan rekomendasi dalam
memutuskan jumlah penerimaan stok BBM
B. Analisis Uji Validitas yang diterima oleh pihak SPBU dengan
Analisis uji validitas hasil peramalan menggunakan metode Fuzzy Tsukamoto
dilakukan untuk melihat selisih error sehingga keputusan yang diperoleh lebih
antara hasil prediksi dengan data aktual. tepat, terkomputerisasi dan mencegah
Selanjutnya, perhitungan pengujian pengambilan keputusan yang bersifat
validitas pada penelitian ini dilakukan subjektif. Metode Fuzzy Tsukamoto mampu
dengan membandingkan hasil melakukan prediksi stok penerimaan BBM
perhitungan yang dilakukan oleh sistem dikarenakan masalah yang dihadapi bersifat
(data prediksi) dengan data nyata (real). monoton dan hanya satu jenis persediaan
Pengujian validitas dilakukan yang dikelola saja. Selanjutnya dari analisis
menggunakan metode MAPE (Mean uji validitas hasil peramalan yang dilakukan,
Absolute Percentage Error). Pengujian untuk melihat seberapa besar akurat hasil
menggunakan data BBM jenis premium prediksi stok penerimaan BBM yang
pada bulan April 2016 sampai Februari didapatkan menunjukkan bahwa metode
Fuzzy Tsukamoto mampu memprediksi stok
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 17
Novianti Puspitasari, Andi Tejawati, Friendy Prakoso
Estimasi Stok Penerimaan Bahan Bakar Minyak Menggunakan Metode Fuzzy Tsukamoto
dengan baik. Dengan tingkat akurasi sistem Kebutuhan Bahan Bakar Premium di
sebesar 84%. Hasil penelitian ini dapat Depot Ampenan dengan Metode Hibrida
menjadi rekomendasi bagi pihak SPBU untuk Arima-Neural Network untuk Optimasi
menentukan jumlah penerimaan stok BBM Persediaan. Jurnal Sains dan Seni ITS,
pada bulan berikutnya. Perbandingan 1(1), D194-D200.
metode fuzzy inference system, optimalisasi Minarni, M., & Aldyanto, F. (2016). Prediksi
metode Fuzzy Tsukamoto menggunakan Jumlah Produksi Roti Menggunakan
metode pengambilan keputusan seperti Metode Logika Fuzzy (Studi Kasus: Roti
Simple Additive Weight, algoritma genetika Malabar Bakery). Jurnal TeknoIf, 4(2).
merupakan rencana penelitian ke depan. Pramana, I. P. A. A. (2016). Peramalan Jumlah
Kasus Demam Berdarah di Kabupaten
Malang Menggunakan Metode Fuzzy
DAFTAR PUSTAKA Inference System. Jurnal Teknik ITS,
Ardianto, C., Haryanto, H., & Mulyanto, E. 5(1).
(2018). Prediksi Tingkat Kerawanan Puryanto, T. (2016). Sistem Perencanaan
Kebakaran di Daerah Kudus Penambahan Stok Barang menggunakan
Menggunakan Fuzzy Tsukamoto. Metode Fuzzy C-Means dan Fuzzy
Creative Information Technology Journal, Tsukamoto (Studi Kasus di Distributor
4(3), 186-194. Alfamart Semarang). Jurnal Teknologi
Caraka, A. A., Haryanto, H., Kusumaningrum, dan Sistem Informasi, 2(2), 43-52.
D. P., & Astuti, S. (2015). Logika Fuzzy Santika, G. D., & Mahmudy, W. F. (2015).
Menggunakan Metode Tsukamoto untuk Penentuan Pemasok Bahan Baku
Prediksi Perilaku Konsumen di Toko Menggunakan Fuzzy Inference System
Bangunan. Techno. Com, 14(4), 255-265. Tsukamoto. SESINDO 2015, 2015.
Hayadi, B. H. (2015). SISTEM PERSEDIAAN Sari, D. R. (2015). Aplikasi Penerapan Metode
KAYU JATI DENGAN FUZZY Neural Network Menggunakan
TSUKAMOTO. Komputer Teknologi Algoritma Backpropagation Untuk
Informasi, 2(2). Mengetahui Pembelian dan Penjualan
Huda, M. (2018). Model Prediksi Kebutuhan Bahan Bakar Industri. Infoteknik, 16(1),
Bahan Baku Pada Cafe Menggunakan 47-60.
Algoritma Fuzzy Tsukamoto. Konferensi Setiadji. (2009). Himpunan dan Logika Samar
Nasional Sistem Informasi (KNSI) 2018. serta Aplikasinya: Graha Ilmu,
Kusuma, A. P., Puspitasari, W. D., & Gustiyoto, Yogyakarta.
T. (2018). SISTEM PENDUKUNG Sinaga, H. D. E., & Irawati, N. (2018).
KEPUTUSAN DALAM MENENTUKAN PERBANDINGAN DOUBLE MOVING
JUMLAH PRODUKSI SERAGAM AVERAGE DENGAN DOUBLE
MENGGUNAKAN METODE FUZZY EXPONENTIAL SMOOTHING PADA
TSUKAMOTO. ANTIVIRUS: Jurnal Ilmiah PERAMALAN BAHAN MEDIS HABIS
Teknik Informatika, 12(1). PAKAI. JURTEKSI, 4(2), 197-204.
Kusumadewi, S., & Purnomo, H. (2004). Widayani, W., Kusrini, K., & Al Fatta, H.
Aplikasi Logika Fuzzy untuk pendukung (2015). Perancangan Sistem Pendukung
keputusan. Yogyakarta: Graha Ilmu, 8. Keputusan Penentuan Impor Bawang
Kusumaningrum, O., Suhartono, S., & Merah. Creative Information Technology
Haryono, H. (2012). Peramalan Journal, 2(3), 181-191.
JRST (Jurnal Riset Sains dan Teknologi) - Vol.3 (1) 2019 - (9-18) 18