Edisi Agustus 2013 Volume VII No.

2 ISSN 1979-8911

MODEL EOQ FUZZY DENGAN FUNGSI TRAPESIUM DAN SEGITIGA

MENGGUNAKAN BACKORDER PARSIAL

Dr. Elis Ratna Wulan, S.Si., MT.

Jurusan Matematika, Fakultas Sains dan Teknologi UIN SGD Bandung
Jl. A.H. Nasution No. 105 Bandung - 40614
Email: elisrwulan@yahoo.com
Venesa Andyan, S. Si
Jurusan Matematika, Fakultas Sains dan Teknologi UIN SGD Bandung
Jl. A.H. Nasution No. 105 Bandung - 40614
Email: Venessa.andyann@gmail.com

ABSTRAK

Masalah umum setiap perusahaan adalah sistem pengendalian persediaan, oleh karena itu untuk
mengatasi pengendalian persediaan metode yang digunakan adalah metode EOQ. Sedangkan pada
setiap masalah sistem persediaan terkadang ada kekurangan informasi mengenai biaya-biaya yang
sudah ada, maka untuk hal ini cara tepat yang akan digunakan yaitu model EOQ menggunakan
fuzzy dimana model EOQ fuzzy dapat memperkirakan biaya-biaya dengan fungsi keanggotaan
fuzzy trapesium dan segitiga. Fungsi keanggotaan trapesium dan segitiga memiliki beberapa titik
nilai keanggotaan untuk memperkirakan biaya-biaya. Pemodelan EOQ yang akan disederhanakan
yaitu model EOQ backorder parsial. Model EOQ backorder parsial merupakan bagian model EOQ
deterministik dimana setiap kali kekurangan persediaan dapat diketahui sebelumnya. Hasil nilai
EOQ fuzzy dengan menggunakan fungsi keanggotaan trapesium dan segitiga menggunakan
backorder parsial akan lebih tinggi dibandingkan nilai EOQ tanpa menggunakan fuzzy. Hal ini
terjadi akibat penggunaan fungsi keanggotaan dalam fuzzy yang memiliki beberapa titik nilai
untuk memperkirakan biaya-biaya.
Kata Kunci : Inventory, EOQ, Logika Fuzzy, Backorder Parsial, Fungsi Keanggotaan.

1. PENDAHULUAN persediaan suatu item. Untuk itu efektifitas

pengelolaan persediaan sangat

Pengendalian persediaan dapat mempengaruhi keuntungan sebuah

diartikan sebagai aktifitas dan langkah- perusahaan. Masalah umum dalam sistem

langkah yang digunakan untuk menentukan persediaan merupakan masalah penting bagi

jumlah yang tepat untuk memenuhi suatu perusahaan. Oleh karena itu agar

59
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

pengendalian persediaan bisa teratasi dengan pemodelan EOQ menggunakan pendekatan

baik digunakan metode “economic order probabilistik untuk menangani

quantity”. Economic order quantity adalah ketidakpastian. Namun parameter

volume atau jumlah pembelian yang paling persediaan banyak ketidakpastian dan

ekonomis untuk dilakukan pada setiap kali kurangnya informasi biaya, untuk mengatasi

pembelian. Dengan metode EOQ, perusahaan masalah ini maka akan digunakan model

akan mengurangi persediaan yang sudah tidak fuzzy karena model fuzzy dapat

layak digunakan atau rusak dan memperkecil memperkirakan biaya yang sudah ada dari

terjadinya kendala-kendala sebuah kurangnya informasi biaya yang sudah ada.

perusahaan dalam menghasilkan produksi, Model EOQ secara umum tidak bisa

atau tertundanya pekerjaan dan hilangnya memperkirakan biaya yang sudah ada,

kesempatan perusahaan dalam menjual sedangkan menggunakan model fuzzy bisa

produknya akibat kehabisan persediaan, maka memperkirakan kekurangan informasi dari

dari itu harus ditentukan nilai EOQ (economic biaya yang sudah ada. Pemodelan EOQ yang

order quantity) untuk meminimalkan biaya akan disederhanakan yaitu model EOQ

persediaan tahunan. Rumus dasar dari EOQ backorder parsial dengan menggunakan

yang diperkenalkan oleh Haris 1993.[2] fuzzy dan prinsip fungsi keanggotaan fuzzy.

Model EOQ backorder parsial merupakan

2𝑅𝐶
𝐸𝑂𝑄 = √ bagian model EOQ deterministik. Model
𝐻
backorder parsial ini menggunakan
Dimana :R = Permintaan tahunan
permintaan fuzzy dengan
C = Biaya pesan
mempertimbangkan biaya – biaya

H = Biaya simpan pertahun diantaranya : biaya pemesanan, biaya

persediaan, biaya backorder, dan biaya

Dalam kasus nyata banyak hal yang perlu
kerugian.
dipertimbangkan dan kebanyakan studi

60
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

2. METODE PENELITIAN 3. Biaya backorder (Backorder cost) :

(2.3)
𝛿(𝑄−𝑉)2
2.1 Asumsi : 𝑏𝑎𝑐𝑘𝑜𝑟𝑑𝑒𝑟 𝑐𝑜𝑠𝑡 = 𝐾 2𝑄

1. Barang yang dipesan dan disimpan hanya satu 4. Biaya kerugian (Loss cost):
(2.4)
macam. (1− 𝛿)(𝑄−𝑉)2
𝐿𝑜𝑠𝑠 𝑐𝑜𝑠𝑡 = 𝐿 2𝑄
2. Persediaan segera dilengkapi.
5. Model ini memiliki 2 periode siklus
3. Backorder parsial diperbolehkan.
persediaan dimana ketika persediaan

depletion (t₁) dan ketika persediaan

2.2 Notasi
backorder (t₂).
Notasi yang digunakan dalam model ini adalah:
Nilai t₁ dan t₂ didefinisikan :
TRC = Total Biaya Relevan
t₁ = Periode waktu persediaan depletion 𝑉
𝑡₁ = 𝑇 ( )
t₂ = Periode waktu persediaan backorder 𝑄
R = Jumlah kebutuhan pertahun
V = Persediaan maksimum (𝑄 − 𝑉)
𝑡₂ = 𝑇
Q = Jumlah unit setiap kali pemesanan 𝑄
C = Biaya pesan
H = Biaya simpan 6. Demikian total biaya yang
K = Biaya backorder (2.5)
L = Biaya kerugian diperlukan (relevance) (TRC) adalah:
δ = Jumlah unit backorder

2.3 Model Inventory dengan Backorder Parsial 𝐶𝑅 𝐻 𝑉 2 𝐾 𝛿 (𝑄 − 𝑉)2

𝑇𝑅𝐶 = + +
𝑄 2𝑄 2𝑄
1. Biaya pemesanan (Order Cost) :
− 𝛿)(𝑄 − 𝑉)2
𝐿(1(3.3)
𝑅
(2.1) +
𝑜𝑟𝑑𝑒𝑟 𝑐𝑜𝑠𝑡 = 𝐶 𝑄 2𝑄

2. Biaya penyimpanan (holding cost) :

(2.8)
𝑉2
ℎ𝑜𝑙𝑑𝑖𝑛𝑔 𝑐𝑜𝑠𝑡 = 𝐻 2𝑄 (2.2)

61
 Edisi Agustus 2013 Volume VII No. 2 (2.9)
ISSN 1979-8911

Quantity (Q)

V
Q

Time (t)
Backorder
δ

Loss (1-δ)

t₁ t₂ T

Gambar 2.1 Inventory dengan model backorder parsial

Untuk mendapatkan solusi Optimal dengan menggunakan syarat :

𝜕𝑇𝑅𝐶 𝜕𝑇𝑅𝐶
=0 =0 2𝐶𝑅𝐾
𝜕𝑄 𝜕𝑉 𝑉= √
𝐻(𝐻 + 𝐾)

Maka hasilnya untuk Q optimal :

(2.6) Dan persamaan (2.8) dan (2.9) hasilnya yang
2𝐶𝑅(𝐻 + 𝛿𝐾 + (1 − 𝛿)𝐿
𝑄=√ secara lengkap untuk model backorder dari
𝐻(𝛿𝐾 + (1 − 𝛿)𝐿)
formula yang sama untuk model EOQ secara

jika Q ≥ 0 hanya nilai positif Q yang keseluruhan [1].

(2.7)
dipertimbangkan maka : Jika δ = 0

2𝐶𝑅(𝛿𝐾 + (1 − 𝛿)𝐿) 2𝐶𝑅(𝐻 + 𝐿)

(2.10)
𝑉= √ 𝑄=√
𝐻(𝐻 + 𝛿𝐾 + (1 − 𝛿)𝐿) 𝐻𝐿

Dari persamaan (2.6) dan (2.7) Q dan V

2𝐶𝑅𝐿
optimal jika δ = 1 maka: 𝑉 = √𝐻(𝐻+𝐿)
(2.11)

2𝐶𝑅(𝐻 + 𝐾) Formula (2.10) dan (2.11) hasilnya telah

𝑄=√
𝐻𝐾
lengkap untuk model kerugian penjualan.

62
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

2.4 Inventory dengan backorder parsial

untuk fuzzy menggunakan fungsi ̃

𝐶 ⊗𝑅 ̃
𝐻⊗ Ṽ² ̃ ̃ ⊗𝛿(𝑄̃ −𝑉
𝐾 ̃ )² 𝐿̃ ⊗(1− 𝛿)(𝑄̃ −𝑉
̃ )²
𝑇𝑅̃ 𝐶 = 𝑄̃ + 2𝑄̃ + +
2𝑄̃ 2𝑄̃
keanggotaan trapesium

Notasi untuk penggunaan model fuzzy adalah: Dinotasikan 𝑇𝑅̃ 𝐶 adalah total biaya untuk

model fuzzy. Dalam pembahasan ini

T𝑅̃ C : Total biaya relevan menurut model
menggunakan fungsi keanggotaan dari
fuzzy

̃ trapesium dan segitiga, untuk fungsi

𝐻 : Fuzzy number untuk biaya simpan
keanggotaan trapesium untuk variabel 𝐴̃
𝐶̃ : Fuzzy number untuk biaya pesan
seperti :
̃
R : Fuzzy number untuk jumlah
𝑤 (𝑥 − 𝑎₁) /(𝑎₂ − 𝑎₁) untuk 𝑎₁ ≤
permintaan pertahun
𝑥 ≤ 𝑎₂
̃
𝐾 : Fuzzy number untuk biaya backorder
μ(x) 𝑤 untuk 𝑎₂ ≤ 𝑥 ≤ 𝑎₃
𝐿̃ : Fuzzy number untuk biaya kerugian

⊗ : Fuzzy number untuk perkalian 𝑤 (𝑥 − 𝑎₄ )/ (𝑎₃ − 𝑎₄) untuk 𝑎₃ ≤ 𝑥 ≤ 𝑎₄

⊘ : Fuzzy number untuk pembagian

0 Lainnya
⊕ : Fuzzy number untuk penjumlahan
Dimana 𝑤 < 0 ≤ 1
𝑄̃ : Jumlah unit sekali pesan menurut
μ (x)
model fuzzy

𝑉̃ : Jumlah persediaan maximu menurut w 𝐴̃

model fuzzy

𝜇ᴀ(𝑥): Tingkat nilai dari anggota fungsi untuk

a₁ a₂ a₃ a₄
x

𝑤 : Nilai dari fungsi keanggotaan Gambar 2.2 Fungsi keanggotaan trapesium

Menggunakan rumus (2.5) untuk operasi

Penggunaan prinsip fungsi trapesium 𝐴̃
fuzzy. TRC untuk model fuzzy digambarkan
(2.12)
dinotasikan dengan (a₁, a₂, a₃, a₄ ; w)
dengan:
dimana 𝑎₁ ≤ 𝑎₂ ≤ 𝑎₃ ≤ 𝑎₄ dibawah prinsip

63
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

fungsi. Operasi penghitungan fuzzy untuk 2 a₁ a₂ au a₃ a₄

fungsi anggota trapesium 𝐴̃ dan 𝐵̃

Gambar 2.3 Fungsi keanggotaan
menggambarkan persamaan (2.5) :
Trapesium dengan nilai rata-rata

𝐴̃ ⊕ 𝐵̃ = (𝑎₁ + 𝑏₁. 𝑎₂ + 𝑏₂, 𝑎₃ + 𝑏₃,

Dasar aturan rata-rata total biaya bisa di
𝑎₄ + 𝑏₄ ; 𝑤)
formulasikan seperti perumusan sebelumnya
Ket.: 𝐴̃ ⊕ 𝐵̃ merupakan penjumlahan fuzzy
maka dari model EOQ yang menggunakan
(2.14) (2.15)
𝐴̃ ⊗ 𝐵̃ = (𝑎₁𝑏₁. 𝑎₂𝑏₂. 𝑎₃𝑏₃. 𝑎₄𝑏₄ ; 𝑤) prinsip keanggotaan fuzzy himpunan crisp

metode median rule menjadi:

Ket : 𝐴̃ ⊗ 𝐵̃ merupakan perkalian fuzzy

Dimana w adalah hasil minimum dari 4

1 𝑐𝑖 𝑟𝑖 ℎ𝑖 𝑣𝑖 2 𝑘𝑖 𝛿(𝑞𝑖 − 𝑣𝑖 )2
𝑇𝑅̃ 𝐶 = ∑ { + +
(w₁,w₂) digambarkan dengan ilustrasi gambar 4 𝑞𝑖 2𝑞𝑖 2𝑞𝑖
𝑖=1

2.4 operasi hitung fuzzy dalam pemesanan 𝑙𝑖 (1 − 𝛿)(𝑞𝑖 − 𝑣𝑖 )2

+ }
2𝑞𝑖
untuk penegasan variabel fuzzy 𝐴̃ dari
Akibatnya menjadi catatan derivative partial
keputusan rata-rata Park [1], rata-rata dari aᵤ
TŔC:
adalah :
4
[𝑎ᵤ−𝑎₁)+(𝑎ᵤ−𝑎₂) (𝑎₄−𝑎ᵤ) + (𝑎₃+𝑎ᵤ) 𝜕𝑇𝑅̃ 𝐶 1 −𝑐𝑖 𝑟𝑖 ℎ𝑖 𝑣𝑖 2 𝛿 𝑣𝑖 2
[ = ] = ∑ { − + 𝑘𝑖 (1 − )
2 2 𝜕𝑄̃ 4 𝑞𝑖 2 2𝑞𝑖 2 2 𝑞𝑖 2
𝑖=1
(𝑎₁ + 𝑎₂ + 𝑎₃ + 𝑎₄)
𝑎ᵤ = (1 − 𝛿) 𝑣𝑖 2
4 + 𝑙𝑙 (1 − 2 )}
2 𝑞𝑖
Untuk yang dipelajari hanya kasus dimana
4
𝜕𝑇𝑅̃ 𝐶 1 ℎ𝑖 𝑣𝑖 2 𝛿
𝑎₁ < 𝑎₂ < 𝑎₃ < 𝑎₄ yang dipertimbangkan = ∑ { + 𝑘𝑖 (2𝑣𝑖 − 2𝑞𝑖 )
𝜕𝑉 4 𝑞𝑖 2𝑞𝑖
𝑖=1
μ (x)
(1 − 𝛿)
+ 𝑙𝑖 ∗ (2𝑣𝑖 − 2𝑞𝑖 )}
w 𝐴̃ 2𝑞𝑖

Solusi optimal yang diperoleh menggunakan

kondisi :

64
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

𝜕𝑇𝑅̃ 𝐶 𝜕𝑇𝑅̃ 𝐶 Hasil dari (2.18) adalah hasil yang sama

=0 =0
𝜕𝑄 𝜕𝑉
(2.16) dengan (2.5) itu cara kapan anggota fuzzy
Maka hasilnya akan didapat: Derajat
terdiri
Keanggotaan dari nilai crisp yang
µ[x]

dipertimbangkan. TRC sama dengan T𝑅̃ C

2 ∑4 𝑐𝑖 𝑟𝑖 ∑4 ℎ𝑖 + ∑4𝑖=1 𝑘𝑖 𝛿 + ∑4𝑖=1 𝑙𝑖 (1 − 𝛿)
𝑄̃ = √ 4𝑖=1 √ 𝑖=1 4 model fuzzy.
∑𝑖=1 ℎ𝑖 ∑𝑖=1 𝑘𝑖 𝛿 + ∑4𝑖=1 𝑙𝑖 (1 − 𝛿)

Dinotasikan 𝑄̃ optimal untuk model fuzzy.

(2.17) 2.5 Inventory dengan backorder parsial

untuk fuzzy menggunakan fungsi

2 ∑4𝑖=1 𝑐𝑖 𝑟𝑖 ∑4𝑖=1 𝑘𝑖 𝛿 + ∑4𝑖=1 𝑙𝑖 (1 − 𝛿) keanggotaan segitiga

𝑉̃ = √ √
∑4𝑖=1 ℎ𝑖 ∑4𝑖=1 ℎ𝑖 + ∑4𝑖=1 𝑘𝑖 𝛿 + ∑4𝑖=1 𝑙𝑖 (1 − 𝛿)
Dalam pembahasan ini menggunakan

fungsi keanggotaan dari segitiga, untuk

Dinotasikan 𝑉̃ optimal untuk model fuzzy.
fungsi keanggotaan segitiga untuk variabel
Fungsi keanggotaan fuzzy terdiri dari nilai
𝐸̃ fungsi keanggotaan segitiga seperti :
crisp (tegas), dengan demikian 𝐶̃ = (𝑐₁ =
Fungsi keanggotaan :
𝑐₂ = 𝑐₃ = 𝑐₄ = 𝐶), untuk fungsi trapesium.
0 ; x < e₁
Hasil dari 𝑄̃ , 𝑉̃ dan T𝑅̃ C adalah : ( x – e₁ ) / ( e₂ – e₁ ) : e₁ ≤ x ≤ e₂
µ[x] =
( e₃ - x ) / ( e₃ - e₂ ) ; e₂ ≤ x ≤ e₃
2𝐶𝑅(𝐻 + 𝛿𝐾 + (1 − 𝛿)𝐿 Dimana 𝑤 < 0 ≤ 1
𝑄̃ = √
𝐻. 𝐾(𝛿). 𝐿(1 − 𝛿)

2𝐶𝑅(𝛿𝐾 + (1 − 𝛿)𝐿)
Ṽ= √
𝐻(𝐻 + 𝛿𝐾 + (1 − 𝛿)𝐿)

(2.18)
0
e₁ e₂ e₃
2 2 2
𝐶𝑅 𝐻𝑉 𝐾𝛿 (𝑄 − 𝑉) 𝐿(1 − 𝛿)(𝑄 − 𝑉)
𝑇𝑅̃ 𝐶 = + + + domain
𝑄 2𝑄 2𝑄 2𝑄
Gambar 2.5 Fungsi keanggotaan segitiga

65
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

Penggunaan prinsip fungsi segitiga 𝐴̃ prinsip keanggotaan fuzzy himpunan crisp

dinotasikan dengan (e₁, e₂, e₃, ; w) (tegas) untuk fungsi segitiga menjadi :

dimana 𝑒₁ ≤ 𝑒₂ ≤ 𝑒₃ merupakan prinsip

3
fungsi. Operasi penghitungan fuzzy untuk 2 1 𝑐𝑖 𝑟𝑖 ℎ𝑖 𝑣𝑖 2 𝑘𝑖 𝛿(𝑞𝑖 − 𝑣𝑖 )2
𝑇𝑅̃ 𝐶 = ∑ { + +
3 𝑞𝑖 2𝑞𝑖 2𝑞𝑖
fungsi anggota segitiga 𝐸̃ dan 𝐹̃ 𝑖=1

menggambarkan dari persamaan (2.5) : 𝑙𝑖 (1 − 𝛿)(𝑞𝑖 − 𝑣𝑖 )2

+ }
2𝑞𝑖
𝐸̃ ⊕ 𝐹̃ = (𝑒₁ + 𝑓₁. 𝑒₂ + 𝑓₂, 𝑒₃ + 𝑓₃ ; 𝑤)
Akibatnya menjadi catatan derivative partial
Ket : 𝐸̃ ⊕ 𝐹̃ merupakan penjumlahan fuzzy
TŔC,
𝐸̃ ⊗ 𝐹̃ = (𝑒₁𝑓₁. 𝑒₂𝑓₂. 𝑒₃𝑓₃ ; 𝑤)
3
𝜕𝑇𝑅̃ 𝐶 1 −𝑐𝑖 𝑟𝑖 ℎ𝑖 𝑣𝑖 2
= = ∑ { −
Ket: 𝐸̃ ⊗ 𝐹̃ merupakan perkalian fuzzy 𝜕𝑄̃ 3 𝑞𝑖 2 2𝑞𝑖 2
𝑖=1

𝛿 𝑣𝑖 2
Untuk w adalah hasil minimum dari (w₁,w₂) + 𝑘𝑖 (1 − 2 )
2 𝑞𝑖
digambarkan dengan ilustrasi gambar 2.5
(1 − 𝛿) 𝑣𝑖 2
+ 𝑙𝑙 (1 − 2 )}
operasi hitung fuzzy dalam pemesanan untuk 2 𝑞𝑖

3
penegasan variabel fuzzy 𝐸̃ untuk fungsi 𝜕𝑇𝑅̃ 𝐶 1 ℎ𝑖 𝑣𝑖 2 𝛿
= ∑ { + 𝑘𝑖 (2𝑣𝑖 − 2𝑞𝑖 )
𝜕𝑉 3 𝑞𝑖 2𝑞𝑖
segitiga menggunakan metode median rule [4] 𝑖=1

adalah : (1 − 𝛿)
+ 𝑙𝑖 ∗ (2𝑣𝑖 − 2𝑞𝑖 )}
2𝑞𝑖
(𝑒₁ + 𝑒₂ + 𝑒₃)
=
3 Solusi optimal yang diperoleh menggunakan

Untuk yang dipelajari hanya kasus dimana kondisi :

𝑒₁ < 𝑒₂ < 𝑒₃ dipertimbangkan seperti gambar 𝜕𝑇𝑅̃ 𝐶

=0
𝜕𝑇𝑅̃ 𝐶
=
𝜕𝑄 𝜕𝑉
2.6. (2.20)
Maka hasilnya akan didapat:
Dasar aturan rata-rata total biaya bisa di
𝑄̃
formulasikan seperti perumusan sebelumnya
2 ∑3 𝑐𝑖 𝑟𝑖 ∑3𝑖=1 ℎ𝑖 + ∑3𝑖=1 𝑘𝑖 𝛿 + ∑3𝑖=1 𝑙𝑙 (1 − 𝛿)
maka dari model EOQ yang menggunakan = √ 𝑖=1 √
∑3𝑖=1 ℎ𝑖 ∑3𝑖=1 𝑘𝑖 𝛿 + ∑3𝑖=1 𝑙𝑙 (1 − 𝛿)
(2.19)

Dinotasikan 𝑄̃ optimal untuk model fuzzy.

66
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

2 ∑3𝑖=1 𝑐𝑖 𝑟𝑖 ∑3𝑖=1 𝑘𝑖 𝛿 + ∑3𝑖=1 𝑙𝑙 (1 − 𝛿) 2𝐶𝑅(𝐻 + 𝛿𝐾 + (1 − 𝛿)𝐿

Ṽ=√ √ 𝑄̃ = √
∑3𝑖=1 ℎ𝑖 ∑3𝑖=1 ℎ𝑖 + ∑3𝑖=1 𝑘𝑖 𝛿 + ∑3𝑖=1 𝑙𝑙 (1 − 𝛿) 𝐻. 𝐾(𝛿). 𝐿(1 − 𝛿)

Dinotasikan 𝑉̃ optimal untuk model fuzzy. 2𝐶𝑅(𝛿𝐾 + (1 − 𝛿)𝐿)

Ṽ= √
𝐻(𝐻 + 𝛿𝐾 + (1 − 𝛿)𝐿)

Fungsi keanggotaan fuzzy terdiri dari nilai (2.22)

crisp, 𝐶̃ = (𝑐₁ = 𝑐₂ = 𝑐₃ = 𝐶 ) untuk fungsi

𝐶𝑅 𝐻𝑉 2 𝐾𝛿 (𝑄 − 𝑉)2
𝑇𝑅̃ 𝐶 = + +
segitiga. Hasil dari 𝑄̃ , 𝑉̃ dan T𝑅̃ C adalah : 𝑄 2𝑄 2𝑄

𝐿(1 − 𝛿)(𝑄 − 𝑉)2

+
2𝑄

Gambar 2.4 Operasi penghitungan untuk fungsi trapesium

Gambar 2.6 Operasi penghitungan untuk fungsi segitiga

3. CONTOH PEMBAHASAN

67
Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

Pada perusahaan PT. Karya Prima yang Dari data yang didapat dari perusahaan

bergerak dibidang furniture dengan produk untuk mencari TRC, Q dan V

berupa kasur yang dinamakan Kasur Super menggunakan (2.5), (2.6) dan (2.7).

Star [6] :
Maka hasil yang didapat :

Aspek-aspek Biaya yang Berkaitan

Q = 237,734 ,V = 98,04 dan TRC =
dengan Persediaan Kasur Super Star
5.131.110,63

a. Kasur Super Star = Rp.700.000

3.2 Model Inventory Backorder Parsial

b. Biaya Pesan (C) = Rp. 59.000/ order
Menggunakan Fungsi Keanggotaan
c. Biaya Simpan (H) = Rp. 52.000/unit
Fuzzy Trapesium

d. Biaya Backorder (K) = Rp. 38.000/unit

Notasi dan biaya untuk penggunaan

e. Biaya Kerugian (L) = Rp. 35.000/ unit
model fuzzy adalah :
f. Jumlah Kebutuhan Pemakaian/tahun(R)=
a. Kasur Super Star = Rp.700.000
10272 pcs

b. Biaya Pesan( 𝐶̃ ) = Rp59000 – 72000 order

g.Jumlah unit backorder / Sedikitnya

jaminan simpanan ( δ ) = 50 % ̃ ) = Rp52000 – 74000 / unit

c. Biaya Simpan (𝐻

h.Pemakaian rata-rata/ minggu = 214 pcs/ ̃ ) = Rp38000–59000/ unit

d. Biaya Backorder (𝐾

minggu
e. Biaya Kerugian (𝐿̃)= Rp. 35000–65000 / unit

f. Jumlah Kebutuhan Pemakaian/ tahun (𝑅̌ )

= 10272 – 12240 pcs

3.1 Model Inventory dengan Backorder

g. jumlah unit backorder / Sedikitnya jaminan
Parsial
simpanan ( δ ) = 50 %

68
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

h. Pemakaian rata-rata/ minggu = 214 pcs – 255 Maka hasil yang didapat 𝑄̃ = 231,062 Ṽ =

/minggu 101,606 dan 𝑇𝑅𝐶 = 6.375.773, 585

Untuk membuktikan bahwa hasil dari nilai

Dari data yang didapat dari perusahaan untuk crisp (tegas) 𝑇𝑅̃ 𝐶 untuk model fuzzy
mencari TRC, Q dan V menggunakan (2.15), trapesium akan sama dengan model
(2.16) dan (2.17) Maka hasil yang didapat : backorder parsial tanpa fungsi fuzzy dapat

dihitung menggunakan persamaan

𝑄̃ = 231,60
Maka hasil yang didapat :
𝑉̃ = 101,84
Q = 231,062 V = 101,606 dan 𝑇𝑅𝐶 =
𝑇𝑅̃ 𝐶 = 6.381.506,20
6.375.773, 585
Pada saat variabel memiliki nilai crisp

(tegas) 𝐶̃ = (c₁ = c₂ = c₃ = c₄ = C ), itu

3.3 Model Inventory Backorder Parsial
merupakan ketetapan nilai tegas. Untuk
Menggunakan Fungsi Keanggotaan Fuzzy
contoh permintaan tahunan, biaya
Segitiga
pemesanan, biaya simpan, biaya backorder

dan biaya kerugian penjualan, ditentukan dari

Dari data yang didapat dari perusahaan untuk
nilai rata-rata, maka nilai yang akan muncul
mencari TRC, Q dan V menggunakan (2.19),
untuk R = 11203, C = 65750, H = 62750, K =
(2.20) dan (2.21) Maka untuk hasil dari 𝑄̃ , 𝑉̃
48500, L = 50000. Fungsi keanggotaan fuzzy
dan 𝑇𝑅̃ 𝐶 penghitungan model backorder
trapesium akan menjadi 𝐶̃ = (c₁ = c₂ = c₃ = c₄
parsial menggunakan fungsi fuzzy segitiga
= 65750), 𝑅̃ = (r₁ = r₂ = r₃= r₄ = 11203), 𝐻
̃
adalah :
̃ = ( k₁ = k₂ =
=(h₁ = h₂ = h₃= h₄= 62750), 𝐾
𝑄̃ = 231,63
k₃ = k₄ = 48500), 𝐿̃ = ( l₁ = l₂ = l₃ =l₄= 50000).
𝑉̃ = 101,60
Dengan menggunakan rumusan sebelumnnya
𝑇𝑅̃ 𝐶 = 6.402.157,80

69
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

Untuk nilai tegas 𝐶̃ = (c₁ = c₂ = c₃ = c₄ = C ), persamaan (2.6), (2.7) dan (2.22) Maka hasil

yang merupakan ketetapan nilai. Untuk yang didapat :

contoh permintaan tahunan, biaya pemesanan, Q = 230,965

biaya simpan, biaya backorder dan biaya

𝑉 = 101,336
kerugian penjualan untuk model fungsi
𝑇𝑅𝐶 = 6.384.220,93
keanggotaan fuzzy segitiga ditentukan dari

nilai rata-rata, maka nilai yang akan muncul

4. KESIMPULAN
untuk R = 11256, C = 65500, H = 63000, K =

48500, L = 50000. Fungsi keanggotaan fuzzy Pengaruh EOQ terhadap inventory sangat erat

akan menjadi 𝐶̃ = (c₁ = c₂ = c₃ = 65500), 𝑅̃ = maka dengan menggunakan metode model EOQ

̃ = (h₁ = h₂ = h₃=
(r₁ = r₂ = r₃= 11256), 𝐻 fuzzy dengan fungsi keanggotaan trapesium dan

̃ = (k₁ = k₂ = k₃ = 48500), 𝐿̃ = (l₁ =

63000), 𝐾 segitiga menggunakan backorder parsial akan

l₂ = l₃ = 50000). berbeda dengan model EOQ tanpa menggunakan

fuzzy. Nilai Q optimal dan V optimal untuk model

Untuk hasil dari 𝑄̃ , 𝑉̃ dan 𝑇𝑅̃ 𝐶 menggunakan
fuzzy akan memiliki kenaikan dikarenakan dengan
nilai tegas maka hasil yang didapat adalah :
menggunakan fungsi keanggotaan trapesium dan

𝑄̃ = 230,965 segitiga memiliki beberapa nilai yang berbeda

Ṽ = 101,336 tergantung kepada syarat dari fungsi keanggotaan

masing-masing nilainya bisa terjadi kenaikan atau

𝑇𝑅̃ 𝐶 = 6.384.220,93
sama. Sedangkan tanpa fuzzy dia hanya memiliki
Untuk membuktikan bahwa hasil dari nilai
1 nilai tetap mengenai biaya-biaya. Oleh karena itu
tegas 𝑇𝑅̃ 𝐶 untuk model fuzzy segitiga akan
dengan menggunakan model fuzzy dapat
sama dengan model backorder parsial tanpa
mengatasi masalah perusahaan dalam
fungsi fuzzy dapat dihitung menggunakan
memperkirakan biaya-biaya untuk jangka

selanjutnya

70
 Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

[6]. Pengumpulan dan Pengolahan Data -

UKRIDA
DAFTAR PUSTAKA
(http://www.ukrida.ac.id/.../jkunukr-ns-s1-
[1] Purnomo, H.D, Wee.HUi-Meng,&
2009-222005011-1923-karya_prima-
Chiu.Yufang, “ Fuzzy Economic Order
chapter3 - Ukrida diakses 8- Agustus –
Quantity Model With Partial Backorder”,
(2012).
Penang, Malaysia ICMBSE (2012).
[7] Siswanto, Operation Research Jilid 2,
[2] Heilpern, S., “The expected value of a fuzzy
Penerbit Erlangga (2007).
number,” Fuzzy Sets and Systems, 47, 81-86
[8] Sudrajat, “Modul Kuliah Dasar-dasar
(1992).
Logika Fuzzy”, Jurusan Matematika
[3] K.-M. Bjork, “The fuzzy Economic Order
Fakultas Matematika, Universitas
Quantity Problem With a Finite Production
Padjajaran, Bandung(2008).
Rate and Backorders”, Apllied
[9] Sudrajat, “Modul Kuliah Inventory”,
Computational Intelligence and Soft
Jurusan Matematika Fakultas Matematika,
Computing, (2012) doi:10.1155/8876230
Universitas Padjajaran, Bandung (2011).
(2012).
[10] Zadeh, L.A., “Fuzzy sets as a basis for a
[4] Kusumadewi,Sri, “Teknik dan aplikasinya”,
theory of possibility”, Fuzzy sets and
Logika Fuzzy, Penerbit Artificial
systems, 1,3-28, (1978).
Intelligence (2003).
[11] Yamit, Z. “Manajemen Persediaan”,
[5] Jantzen, Jan, “Tutorial On Fuzzy Logic”,
Penerbit EKONISIA kampus Fakultas
Technical University of Denmark,
Ekonomi UI,Yogyakarta (1999).
Department of Automation, (1998).

71
Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

72
Edisi Agustus 2013 Volume VII No. 2 ISSN 1979-8911

73