Abstrak
PT Ganesha Abaditama merupakan salah satu perusahaan yang bergerak dalam proses
pengolahan rempah-rempah dan bumbu dengan salah satu produk yang dihasilkan ialah bubuk
cabai. PT Ganesha Abaditama mengalami suatu permasalahan dalam menentukan jumlah
produksi, dikarenakan suatu ketidakpastian jumlah permintaan disetiap periode waktunya. Oleh
karena itu, perencanaan jumlah produksi pada perusahaan tersebut sangat diperlukan. Pada
penelitian ini perencanaan jumlah produksi bubuk cabai dilakukan berdasarkan perkiraan
permintaan dan jumlah persediaan pada PT Ganesha Abaditama. Metode yang digunakan
untuk menentukan jumlah produksi bubuk cabai ialah dengan menerapkan metode fuzzy
mamdani. Berdasarkan hasil penelitian maka untuk dapat mengetahui berapa jumlah produk
bubuk cabai yang harus diproduksi perusahaan, terlebih dahulu melakukan suatu perhitungan
peramalan permintaan dari data historis dalam kurun waktu 12 bulan terakhir dengan
menggunakan beberapa metode kuantitatif dengan time series. Penentuan jumlah produksi
untuk periode berikutnya menggunakan data peramalan permintaan serta data persediaan.
Jumlah permintaan produk bubuk cabai bulan Juli 2017 sebesar 7.228,137 kg, dengan jumlah
persediaan produk cabai pada bulan atau periode sebelumnya Juni 2017 sebesar 10.656 kg
sehingga jumlah produksi produk bubuk cabai dengan menggunakan metode fuzzy mamdani
ialah sebesar 6.190 kg.
Abstract
PT Ganesha Abaditama is one of the companies engaged in the processing of spices and
seasonings with one of the products produced is chili powder. PT Ganesha Abaditama
experienced a problem in determining the amount of production, due to an uncertain amount of
demand in each time period. Therefore, planning the amount of production at the company is
very necessary. In this study planning the amount of chilli powder production is based on the
estimated demand and the amount of inventory at PT Ganesha Abaditama. The method used to
determine the amount of chili powder production is by applying the fuzzy mamdani method.
Based on the results of the study, in order to find out how many chilli powder products the
company must produce, first make a demand forecast calculation from historical data in the
past 12 months using several quantitative methods with time series. Determination of the
amount of production for the next period using demand forecasting data and inventory data.
The total demand for chilli powder products in July 2017 was 7,228,137 kg, with the total
inventory of chili products in the previous month or period June 2017 amounting to 10,656 kg
so that the total production of chili powder products using the fuzzy mamdani method was 6,190
kg.
134 Jurnal Ilmiah Teknologi dan Rekayasa Volume 23 No. 2 Agustus 2018
periode selanjutnya. Kedua faktor tersebut non-linier yang sangat komplek.
mengandung suatu ketidakpastian sehingga Berdasarkan permasalahan yang ada,
digunakan logika Fuzzy untuk menganalisis maka tujuan penelitian ini adalah membuat
hal tersebut [5]. perencanaan jumlah produksi bubuk cabai
Salah satu cara yang bisa digunakan berdasarkan berdasarkan perkiraan permintaan
untuk membantu dalam menentukan jumlah dan jumlah persediaan pada PT Ganesha
produksi bubuk cabai ialah dengan menerapkan Abaditama. Hal ini dilakukan agar dapat
logika fuzzy. Logika fuzzy merupakan salah membantu perusahaan khususnya PT Ganesha
satu aplikasi yang dapat membantu manusia Abaditama dalam menentukan jumlah produk
dalam pengambilan suatu keputusan. Selain bubuk cabai yang harus diproduksi. Metode
itu, alasan penerapan logika fuzzy lainnya ialah yang digunakan dalam penelitian ini adalah
logika fuzzy mudah dimengerti, hal tersebut fuzzy mamdani.
dikarenakan logika fuzzy menggunakan
konsep matematis sederhana dengan bahasa METODE PENELITIAN
alami, fleksibel, memiliki suatu toleransi
terhadap data-data yang tidak tepat atau tidak Langkah-langkah yang dilakukan
pasti, serta dapat memodelkan suatu fungsi pada penelitian ini dijelaskan pada Gambar 1.
136 Jurnal Ilmiah Teknologi dan Rekayasa Volume 23 No. 2 Agustus 2018
metode mamdani baik variabel input maupun juga proses analisis perbandingan antara hasil
variabel output dibagi ke dalam 3 himpunan jumlah produksi berdasarkan metode fuzzy
fuzzy yaitu rendah, sedang, dan tinggi. mamdani dengan jumlah produksi perusahaan.
Langkah selanjutnya adalah apikasi fungsi Langkah terakhir yang dilakukan dalam
implikasi yang digunakan adalah MIN, yang penelitian adalah penarikan kesimpulan dan
artinya mengambil derajat keanggotan yang saran.
paling rendah dari setiap aturan yang ada.
Pembentukan aturan logika fuzzy ini berasal HASIL DAN PEMBAHASAN
dari kumpulan atau korelasi antar variabel
input dan variabel output yang dilanjutkan Proses pengumpulan data dilakukan
dengan penegasan atau defuzzifikasi. pada PT Ganesha Abaditama. Hasil
Hasil pengolahan data berupa hasil wawancara dengan pihak perusahaan berupa
peramalan permintaan hingga hasil rencana alir perencanaan penentuan jumlah produksi
jumlah produksi untuk periode berikutnya bubuk cabai yang dapat dilihat pada Gambar
selanjutnya dianalisis. Selain itu dilakukan 2.
Marketing
Produksi
Produk Jadi
Gambar 2. Diagram Alir Perencanaan Penentuan Jumlah Produksi Produk Bubuk Cabai
PT Ganesha Abaditama
Sebelum menentukan metode peramalan cara mem-plot data ke dalam Microsoft Excel.
harus diketahui pola data yang digunakan Pada Gambar 3 ditunjukkan pola data
terlebih dahulu. Pola data diketahui dengan permintaan produk bubuk cabai.
Pola data permintaan produk bubuk Abaditama cenderung naik. Kenaikan dan
cabai pada Gambar 3 menunjukkan bahwa penurunan tersebut dapat dipengaruhi oleh
permintaan produk bubuk cabai PT Ganesha minat konsumen, musim, ataupun waktu. Hal
138 Jurnal Ilmiah Teknologi dan Rekayasa Volume 23 No. 2 Agustus 2018
tersebut dikarenakan produk bubuk cabai dan akan digunakan untuk melakukan
banyak diminati konsumen yang menjual peramalan dengan variabel waktu yaitu
makanan, serta pada waktu tertentu seperti intercept dan slop. Pada Tabel 2 diberikan
hari raya. Proses peramalan permintaan yang hasil peramalan berdasarkan model regresi.
ada menggunakan model regresi. Hasil peramalan permintaan untuk periode
Parameter-parameter pada model ke-13 atau bulan Juli 2017 sebesar 7.228,137
regresi ditaksir menggunakan metode least kg untuk produk bubuk cabai. Hasil tesebut
square error. Pada model regresi terdapat dua diperoleh dari besarnya nilai intercept sebesar
faktor peramalan yang dihitung dari masa lalu 461,364. Nilai slop sebesar 520,521.
Penentuan jumlah produksi bubuk ialah variabel permintaan dan persediaan serta
cabai yang ada menggunakan input berupa jumlah produksi. Semesta pembicaraan
jumlah permintaan dan jumlah persediaan merupakan suatu keseluruhan nilai yang
akan diolah dengan bantuan software diperbolehkan untuk dioperasikan dalam
MATLAB yang menggunakan toolbox fuzzy suatu variabel fuzzy. Nilai yang ada pada
logic. Langkah awal yang harus dilakukan semesta pembicaaraan merupakan bilangan
dalam mengelola data ialah menentukan real dari keseluruhan nilai yang di-
variabel dan semesta pembicaraan. Tabel 3 perbolehkan. Semua nilai yang ada pada
memperlihatkan bahwa variabel yang semesta pembicaraan tersebut ialah nilai-nilai
digunakan atau variabel yang akan dibaahas berdasarkan data satu tahun terakhir.
Langkah selanjutnya ialah pembentukan himpunan fuzzy yang terdiri dari rendah,
himpunan fuzzy. Himpunan fuzzy merupakan sedang, dan tinggi. Selanjutnya setelah
suatu grup yang dapat mewakili suatu kondisi pembentukan himpunan fuzzy maka dilakukan
atau keadaan tertentu dalam suatu variabel penentuan domain dari masing-masing
fuzzy. Dimana, himpunan fuzzy memiliki himpunan fuzzy. Nilai dari masing-masing
kegunaan untuk dapat mengantisipasi nilai- domain yang ada pada himpunan fuzzy masih
nilai yang bersifat tidak pasti. Pada metode didalam interval semesta pembicaraan. Berikut
mamdani setiap variabel fuzzy diwakili oleh 3 adalah Tabel 4 himpunan fuzzy dan domain.
Tahap selanjutnya ialah aplikasi fungsi Kemudian membuat fungsi keanggotaan. Fugsi
implikasi. Aplikasi fungsi impikasi yang digunakan keanggotaan tersebut merupakan suatu kurva
pada metode mamdani ini ialah MIN yang yang menunjukan pemetaan titik-titik input
artinya dengan mengambil derajat keanggotaan data ke nilai keanggotaannya dimana memiliki
yang paling rendah dari setiap aturannya. interval antara 0 sampai 1.
140 Jurnal Ilmiah Teknologi dan Rekayasa Volume 23 No. 2 Agustus 2018
Gambar 4. Fungsi Keanggotaan Variabel Permintaan Himpunan Rendah
Fungsi keanggotaan dari variabel (nilai keanggotaan = 1), ke sisi paling kanan
permintaan himpunan fuzzy rendah membentuk (nilai keangotaan = 0). Himpunan fuzzy
repersentasi kurva S penyusutan. Kurva rendah memiliki derajat keanggotaan yang
tersebut bergerak menurun dari sisi paling kiri paling tinggi dengan nilai 1 sebesar 1.200 kg.
Fungsi keanggotaan dari variabel per- memiliki derajat keanggotaan yang paling
mintaan himpunan fuzzy sedang membentuk tinggi dengan nilai 1 sebesar 5.300 kg yang
repersentasi kurva bentuk lonceng dengan memiliki rentang antara 1.200 kg sampai
jenis kurvanya adalah kurva PI. Kurva PI ber- dengan 9.400 kg. Nilai keanggotaan yang ada
bentuk lonceng dengan derajat keanggotaaan terletak pada rentang dari 0 sampai 1 dalam
1 terletak pada pusat. Himpunan fuzzy sedang pengambilan keputusan.
142 Jurnal Ilmiah Teknologi dan Rekayasa Volume 23 No. 2 Agustus 2018
membentuk repersentasi kurva bentuk lonceng paling kanan (nilai keanggotaan =1).
dengan jenis kurvanya adalah kurva PI. Kurva Himpunan fuzzy tinggi memiliki derajat
PI berbentuk lonceng dengan derajat keanggotaan yang paling tinggi dengan nilai 1
keanggotaaan 1 terletak pada pusat. Himpunan sebesar 11.245 kg.
fuzzy sedang memiliki derajat keanggotaan Tahap Selanjutnya ialah membentuk
yang paling tinggi dengan nilai 1 sebesar komposisi aturan logika fuzzy. Pembentukan
6.185 kg yang memiliki rentang antara 1.125 aturan logika fuzzy ini berasal dari korelasi
kg sampai dengaan 11.245 kg. Nilai atau hubungan antara dua variabel input dan
keanggotaan yang ada terletak pada rentang satu variabel output. Terdapat 22 aturan fuzzy
dari 0 sampai 1 dalam pengambilan keputusan. yang digunakan. Aturan yang digunakan
Fungsi keanggotaan dalam variabel adalah If permintaan And persediaan Then
jumlah produksi tersebut membentuk jumlah produksi. berikut adalah aturan logika
repersentasi kurva S pertumbuhan. Dimana, fuzzy yang dibentuk. Berikut adalah aturan
kurva S pertumbuhan tersebut bergerak dari logika fuzzy yang dapat dilihat pada Gambar
sisi paling kiri (nilai keanggotaan = 0) ke sisi 7.
Langkah terakhir yang dilakukan dalam jumlah persediaan produk berdasarkan jumlah
penentuan jumlah produksi produk bubuk persediaan pada bulan sebelumnya atau bulan
cabai adalah melakukan penegasan atau Juni 2017 10.656 kg menghasilkan output
defuzzifikasi dengan menggunakan metode jumlah produksi produk bubuk cabai pada
centroid. Berdasarkan hasil perhitungan bulan Juni 2017 sebesar 6.190 kg. Selain
penegasan atau defuzzifikasi terlihat bahwa output jumlah produksi yang dapat diketahui
input yang berupa prediksi permintaan produk dalam nilai atau angka yang ada pada
berdasarkan peramalan permintaan pada perhitugan terdapat pula output berupa
bulan Juli 2017 sebesar 7.228,137 kg dan grafik.
Pada Gambar 8 ditunjukkan garafik fuzzy mamdani ialah sebesar 6.190 kg. Saran
surface dari hasil output dari 22 aturan fuzzy yang diberikan untuk PT Ganesha Abaditama
yang dibuat. Grafik surface tersebut memiliki ialah perusahaan melakukan peramalan untuk
empat warna. Warna biru tua menyatakan menentukan berapa jumlah permintaan untuk
nilai yang berada pada range rendah, warna periode berikutnya dengan suatu metode
biru muda menyatakan nilai yang berada pada peramalan. Hal ini dilakukan untuk mengetahui
range sedang, warna hijau dan warna kuning berapa jumlah produk yang harus diproduksi
menyatakan nilai yang berada pada range untuk periode berikutnya tanpa hasil produksi
tinggi. yang berlebihan. Saran yang diberikan untuk
penelitian selanjutnya ialah sebaiknya peneliti
KESIMPULAN DAN SARAN dapat menerapkan metode yang berbeda
dalam menentukan berapa jumlah produk
Jumlah permintaan produk bubuk cabai yang harus diproduksi.
berdasarkan peramalan permintaan untuk
periode berikutnya yaitu bulan Juli 2017 DAFTAR PUSTAKA
didapat sebesar 7.228,137 kg. Jumlah
persediaan produk bubuk cabai pada periode [1] S. Assauri, Manajemen produksi dan
sebelumnya yaitu bulan Juni 2017 sebesar operasi. Jakarta: LPFEUI, 2008.
10.656 kg. Berdasarkan perkiraan permintaan [2] N. E. Zendrato, O. Darnius, dan P.
dan jumlah persediaan pada PT Ganesha Sembiring, “ Perencanaan jumlah
Abaditama maka jumlah produksi bubuk produksi mie instan dengan penegasan
cabai periode berikutnya dengan metode (defuzzifikasi) centroid fuzzy mamdani
144 Jurnal Ilmiah Teknologi dan Rekayasa Volume 23 No. 2 Agustus 2018
(studi kasus: jumlah produksi indomie di
PT. Indofood CBP Sukses Makmur, Tbk
Tanjung Morawa),” Saintia Matematika,
vol. 2, no. 2, hal. 115 – 126, 2014.
[3] A. L. Sawargo, dan S. Mundari,
“Perencanaan produksi untuk memenuhi
permintaan dengan biaya yang optimal,”
Jurnal Teknik Industri HEURISTIC,
vol.11, no. 2, hal. 11 – 24, 2014.
[4] M. Anis, S. Nandiroh, dan A. D. Utami,
“Optimasi perencanaan produksi dengan
metode goal programming,” Jurnal
Ilmiah Teknik Industri, vol. 5, no. 3, hal.
133 – 143, 2007.
[5] M. Abrori dan A. H. Prihamayu,
“Aplikasi logika fuzzy metode mamdani
dalam pengambilan keputusan penentuan
jumlah produksi,” Kaunia, vol. 11, no. 2,
hal. 91 – 99, 2015.