Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76

Tersedia online di:http://e-jurnal.lppmunsera.org/index.php/JSMI

Jurnal Sistem dan Manajemen Industri

ISSN (Cetak) 2580-2887 ISSN (Online) 2580-2895

Perencanaan bahan baku produksi tepung tapioka berdasarkan

pendekatan logika fuzzy: studi kasus
Sesar Husen Santosa1*, Agung Prayudha Hidayat1, Ridwan Siskandar2
1Departemen Manajemen Industri, Sekolah Vokasi, IPB University, Jl. Raya Dramaga, Bogor, Jawa Barat, 16680,
Indonesia
2Departemen Teknik Komputer Sekolah Vokasi IPB University, Jl. Raya Dramaga, Bogor, Jawa Barat, 16680
Indonesia

APASALSAYAINFORMASI ABSTRAK

Sejarah artikel: Ketersediaan bahan baku singkong mempengaruhi produksi tepung tapioka
pada industri kecil menengah (IKM) Kabupaten Bogor. Bahan baku singkong
Diterima: 19 Maret 2022
merupakan faktor penentu dalam menghasilkan hasil singkong sehingga
Direvisi: 30 Mei 2022
mempengaruhi jumlah produksi tepung tapioka. Perencanaan bahan baku
Diterima: 29 Juni 2022
singkong harus dilakukan dengan baik karena kualitas dan kuantitas singkong
Kata kunci:
harus dijaga untuk mencapai target produksi tepung tapioka. Hasil peramalan
kebutuhan tepung tapioka pada IKM dengan metode Multiplicative
Decomposition adalah sebanyak 2566 kg dengan MAD = 173.73 dan MAPE =
Defuzzifikasi 0.08. Berdasarkan analisis efektivitas mesin gerinda, rata-rata nilai OEE selama
Logika kabur
satu tahun sebesar 0,32 (32%). Berdasarkan nilai hasil peramalan permintaan,
Peramalan
Fungsi keanggotaan OEE mesin giling dan harga tepung tapioka, Analisis kebutuhan bahan baku
OEE singkong dilakukan dengan menggunakan pendekatan logika fuzzy. Himpunan
keanggotaan yang digunakan adalah Fungsi Keanggotaan Segitiga dan
Trapesium serta Basis Aturan Fuzzy sebanyak 81 kemungkinan. Kebutuhan
bahan baku defuzzifikasi singkong di IKM sebesar 17600 kg. Berdasarkan hasil
defuzzifikasi, kebutuhan bahan baku harus ditingkatkan agar permintaan tepung
tapioka dapat tercapai.

Ini adalah artikel akses terbuka di bawahCC–BY-NC-SAlisensi.

*Penulis yang sesuai

Sesar Husen Santosa

Surel:
sesarhusensantosa@apps.ipb.ac.id

© 2022. Beberapa hak dilindungi undang-undang

1. PERKENALAN Kemampuan industri kecil menengah (IKM) dalam

Bahan baku singkong untuk industri pengolahan
tepung saat ini mempunyai umur simpan yang lama.1].
Namun permasalahan produksi tepung tapioka saat ini
terkait dengan tidak stabilnya pasokan bahan baku
singkong di pemasok. Kondisi ini menyebabkan industri,
termasuk IKM, belum bisa memenuhi permintaan pasar
secara maksimal. Kemampuan pemerintah dalam
memberikan kebijakan strategis terkait pasar menjadi
salah satu faktor dalam menjaga stabilitas produksi
singkong dan dapat memberikan nilai tambah bagi
menghasilkan tepung tapioka yang berkualitas sangat
dipengaruhi oleh kemampuan mengelola ketersediaan bahan
baku singkong. Singkong merupakan salah satu produk
pertanian yang dapat menjadi alternatif untuk menghasilkan
produk industri dengan biaya pengolahan yang rendah.3].
Kondisi suhu mempengaruhi kualitas singkong, sehingga akan
berdampak pula pada kualitas tepung yang dihasilkan.4].
Kualitas tepung tergantung pada bahan baku yang digunakan
untuk menghasilkan hasil yang berkualitas [5].
Proses perencanaan bahan baku di IKM harus dianalisis dengan

industri [2]. menggunakan variabel-variabel yang mempengaruhi bahan baku tersebut

http://dx.doi.org/10.30656/jsmi.v6i1.4594 67
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76
kebutuhan bahan untuk mencapai target produksi
tepung. Perencanaan produksi merupakan proses
awal yang harus dilakukan perusahaan agar
ketersediaan bahan baku dan mesin produksi dapat
berjalan secara maksimal [6]. Ketersediaan bahan
baku akan mempengaruhi kinerja mesin untuk
mencapai target produksi yang telah ditetapkan
perusahaan [7]. Ketersediaan bahan mempengaruhi
kapasitas produksi, sehingga pengadaan bahan
baku merupakan salah satu faktor keberhasilan
produksi [8]. Metode perencanaan kebutuhan
material (MRP) dapat dilakukan untuk kebutuhan
bahan baku dengan mempertimbangkan variabel
jumlah jadwal produksi [9].
Metode MRP merupakan suatu metode
penyiapan bahan baku berdasarkan komponen Bill
of Material untuk memenuhi kebutuhan jadwal
produksi [10]. Metode MRP dalam pengelolaan
bahan baku hanya memperhatikan variabel internal
yaitu jadwal produksi dan jumlah produk yang
dihasilkan dalam perusahaan [11]. Metode MRP
tidak dapat digunakan untuk merencanakan
kebutuhan bahan baku singkong karena hanya
melihat pada satu variabel yaitu jadwal produksi.
Sebagai perbandingan, lebih dari satu variabel
harus digunakan dalam perencanaan bahan baku
produksi tepung tapioka.
Variabel yang mempengaruhi penentuan
jumlah bahan baku singkong pada IKM tepung
tapioka antara lain efektivitas mesin penggiling,
peramalan permintaan, dan harga jual tepung
tapioka. Bahan baku yang tersedia dalam produksi
dapat diintegrasikan dengan pemasok dalam satu
sistem rantai pasok [12]. Ketersediaan bahan baku
akan mempengaruhi efektivitas mesin dalam
mencapai target produksi [13]. Perencanaan
produksi memerlukan dukungan pengembangan
aplikasi untuk mengelola setiap variabel yang
mempengaruhi agar target produksi tercapai [14].
Berdasarkan kebutuhan bahan baku singkong pada
IKM, maka perlu dilakukan perencanaan jumlah bahan baku
dengan menggunakan pendekatan logika fuzzy untuk
mengetahui nilai samar setiap variabel input dan output
bahan baku singkong. Pendekatan logika fuzzy dapat
memberikan hasil analisis terkait variabel yang nilainya tidak
jelas [15]. Penelitian ini menggunakan pendekatan logika fuzzy
dengan variabel himpunan keanggotaan yang digunakan.
Penelitian yang dilakukan meliputi efektivitas keseluruhan
peralatan (OEE) mesin giling, peramalan permintaan dan
harga jual tepung tapioka. Hal ini dapat membantu IKM dalam
merencanakan kebutuhan bahan baku singkong yang optimal.
68
2. METODE PENELITIAN
Metode penelitian yang digunakan adalah OEE, peramalan
permintaan, dan logika fuzzy untuk perencanaan kebutuhan bahan
baku. Availability merupakan alat ukur untuk melihat kemampuan
mesin beroperasi berdasarkan waktu yang tersedia. Ketersediaan
alat berat mempertimbangkan waktu muat pengoperasian alat
berat dibandingkan dengan jumlah waktu henti alat berat yang
tidak direncanakan. Rumusan ketersediaan mesin adalah sebagai
berikut [16], [17] :
Ketersediaan =Waktu Pemuatan−Waktu Tidak Terencana
Waktu Pemuatan
(1)
Kinerja merupakan alat ukur untuk melihat
kinerja mesin dalam melakukan produksi.
Pemanfaatan waktu efektif mesin produksi akan
dibandingkan dengan kondisi ideal mesin untuk
menunjukkan kemampuan mesin dalam
memanfaatkan waktu yang tersedia untuk
produksi. Rumusan performa mesin adalah
sebagai berikut [16], [17]:
Kinerja =Waktu Siklus x Jumlah yang Diproses
Waktu Pengoperasian
(2)
Tingkat kualitas merupakan alat ukur untuk
melihat kemampuan mesin dalam menghasilkan produk
yang berkualitas. Kemampuan mesin dalam menghasilkan
produk berkualitas akan dibandingkan dengan jumlah
barang cacat yang dihasilkan untuk mengelola kualitas
produk yang dihasilkan dengan tepat. Rumusan tingkat
kualitas mesin adalah sebagai berikut [16], [18]:
Tingkat Kualitas =Jumlah yang Diproses−Jumlah Cacat
Jumlah yang diproses
(3)
Efektivitas mesin dapat diukur dengan
menggunakan metode OEE yang memperhatikan
kemampuan mesin dalam mengoperasikan,
memproduksi, dan menghasilkan kemampuan mesin
dalam menghasilkan produk yang berkualitas [19]. Nilai
OEE yang ideal berdasarkan standar internasional adalah
85%. Rumusan OEE adalah sebagai berikut [16], [20]:
OEE = Ketersediaan x Kinerja x Tingkat Kualitas (4)
Metode peramalan dekomposisi perkalian
digunakan untuk tipe data dengan pola yang
berulang sepanjang waktu. Pada metode
dekomposisi perkalian, data yang digunakan
mempunyai pengelompokan berdasarkan
kecenderungan data yang berbeda-beda. Nilai
bobot setiap kelompok tren data harus
ditentukan untuk menentukan hasil peramalan [
21]. Rumusan metode peramalan Dekomposisi
Multiplikatif adalah sebagai berikut [22]:
Yt = TRTx SNTx sel4x IRT (5)
http://dx.doi.org/10.30656/jsmi.v6i1.4594
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76
Dimana YTadalah nilai observasi deret waktu pada periode
t; TRt adalah faktor tren pada periode t; SNt adalah faktor
musiman t pada periode t; CLt merupakan faktor siklik
pada periode t dan IRt merupakan faktor ireguler pada
periode t.
Uji akurasi menentukan tingkat kesalahan yang
dihasilkan dari hasil peramalan yang digunakan.
Tingkat kesalahan ini akan digunakan untuk melihat
seberapa akurat hasil peramalan berdasarkan metode
yang digunakan [23]. Analisis tingkat akurasi dapat
menggunakan dua metode yaitu Mean Absolute
Deviation (MAD) dan Mean Percentage Error (MAPE).
Rumusan kedua metode MAD dan MAPE adalah
sebagai berikut [24]:
GILA =∑Msaya=1[|Pi − Ai|]/M
PETA =∑M saya=1{[|(Pi − Ai)/Ai|]/M} x 100%
Himpunan keanggotaan segitiga dapat digunakan
untuk variabel yang mempunyai nilai derajat keanggotaan
tertinggi. Himpunan keanggotaan akan membentuk nilai
maksimum berdasarkan parameter yang dikembangkan
pada fuzzy [25]. Himpunan keanggotaan segitiga pada
model fuzzy adalah μF (a, b, c): R → [0,1] [26]
Himpunan keanggotaan trapesium dapat digunakan
untuk variabel yang mempunyai derajat keanggotaan
maksimum lebih dari satu nilai. Himpunan keanggotaan ini
dapat digunakan jika parameter yang digunakan mempunyai
beberapa nilai variabel dengan derajat keanggotaan
maksimum [27] [25]. Himpunan keanggotaan trapesium pada
model fuzzy adalah μF (a, b1, b2, c): R → [0,1] [26].
Basis aturan fuzzy akan menentukan
operator fuzzy berdasarkan nilai derajat
keanggotaan yang diperoleh dari nilai variabel. Itu
Aturan fuzzy yang digunakan adalah Ri : If X adalah 1dan X2adalah2
1 Saya
Dan⋯XMadalahSaya
MMaka Y adalah BSaya; saya = 1; 2;…n dengan
hubungan operator fuzzy yang digunakan adalah “dan”
sehingga nilai operator yang dipilih pada proses
defuzzifikasi adalah nilai “Min” [28].
Proses defuzzifikasi penentuan bahan baku
singkong menggunakan metode center of area.
Metode ini membandingkan luas dan momen
yang dihasilkan oleh operator fuzzy. Rumusan
defuzzifikasi dengan metode COA adalah sebagai
berikut [29]:
∫ ()
= =0
∫ =0 ( )
3. HASIL DAN PEMBAHASAN
Model perencanaan bahan baku yang digunakan
sebelumnya adalah perencanaan kebutuhan bahan. Model
ini menggunakan data permintaan berdasarkan struktur
bill of material untuk menghasilkan produk [9]. Itu
http://dx.doi.org/10.30656/jsmi.v6i1.4594
Dasar pengembangan model MRP untuk pengelolaan
bahan baku adalah data permintaan produk yang akan
disesuaikan dengan kemampuan mesin produksi
sehingga dapat direncanakan jumlah kebutuhan bahan
baku dan jadwal kedatangan bahan baku yang
dibutuhkan [11]. Model lain yang dikembangkan untuk
perencanaan bahan baku adalah EOQ. Model ini
mengasumsikan permintaan konstan, sehingga
diperlukan analisis Re-Order Point (ROP) untuk
menjaga ketersediaan bahan baku [30].
Berdasarkan model yang digunakan pada
penelitian sebelumnya, variabel kritis yang digunakan
adalah data permintaan produk untuk menentukan
perencanaan kebutuhan bahan baku berdasarkan
jadwal produksi. Model ini tidak dapat diterapkan di
(6) perencanaan bahan baku singkong karena,
(7) Berdasarkan kondisi sebenarnya dipengaruhi
oleh tiga variabel yaitu permintaan produk
tepung tapioka, efektivitas mesin penggiling, dan
harga jual tepung tapioka. Efektivitas mesin
penggiling singkong sangat penting dalam
proses produksi tepung tapioka karena
banyaknya singkong giling yang dihasilkan pada
mesin ini akan menentukan besarnya rendemen
tepung tapioka.
Variabel harga jual tepung tapioka sangat
penting karena harga jualnya berfluktuasi dan dapat
mempengaruhi jumlah pesanan produk. Hal ini
berdampak pada kebutuhan bahan baku singkong
yang harus disiapkan. Oleh karena itu, penelitian
model perencanaan kebutuhan bahan baku singkong
yang dilakukan saat ini menggunakan ketiga variabel
tersebut sebagai masukan dengan menggunakan
Saya, pendekatan logika fuzzy. Model pendekatan fuzzy ini
dapat mengidentifikasi ketidakcukupan jumlah ketiga
variabel di atas untuk menghasilkan perencanaan
bahan baku singkong yang ideal. Penelitian kebutuhan
bahan baku singkong berdasarkan logika fuzzy ini
dapat dikembangkan dengan melihat kondisi pasokan
IKM saat ini, termasuk ketersediaan pemasok dan
kinerja pemasok. Model ini dapat mengintegrasikan
kegiatan penyediaan bahan baku singkong dari pabrik
hingga pemasok.
Produksi tepung tapioka dipengaruhi oleh
kemampuan singkong giling dalam menghasilkan singkong
giling. Singkong giling akan direndam untuk mendapatkan
(8)
hasil singkongnya. Mesin penggiling singkong sangat penting
dalam proses produksi singkong karena pada mesin ini
terdapat singkong giling yang digunakan untuk menghasilkan
rendemen singkong dalam pembuatan tepung tapioka.
Efektivitas mesin penggiling singkong
menjadi kunci keberhasilan IKM dalam
memproduksi tepung tapioka sesuai kuantitas
69
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76

dan kualitas, sehingga efektivitasnya harus dianalisis
dalam produksi. Efektivitas mesin penggiling singkong
dianalisis dengan menggunakan metode efektivitas
peralatan secara keseluruhan. Kemampuan mesin
dalam memproduksi singkong giling ditentukan
berdasarkan ketersediaan, kinerja, dan tingkat kualitas
mesin.
Hasil nilai OEE mesin penggiling akan
digunakan sebagai variabel masukan dalam penentuan
kebutuhan bahan baku singkong pada model
himpunan keanggotaan fuzzy. Hasil efektivitas mesin
penggiling singkong selama satu tahun dengan
metode OEE dapat dilihat pada Tabel 1. Berdasarkan
analisis mesin penggiling singkong selama satu tahun
diperoleh nilai rata-rata ketersediaan = 65,16%; kinerja
= 53,62%; tingkat mutu = 89,55%, dan rata-rata OEE
mesin penggiling singkong sebesar 32%. Hasil nilai
OEE mesin gerinda tersebut akan dimasukkan ke
dalam set keanggotaan OEE untuk mendapatkan nilai
OEE tersebut
nilai derajat keanggotaan yang digunakan untuk
proses defuzzifikasi kebutuhan bahan baku
singkong.
Data permintaan tepung tapioka diperoleh dari
kebutuhan koperasi pengumpul tepung yang dapat
dipenuhi oleh IKM. Peramalan permintaan tepung tapioka
pada IKM menggunakan data permintaan selama satu
tahun. Permintaan tepung tapioka dapat dilihat diMeja 2.
Kondisi pasokan bahan baku singkong dari pengepul yang
tidak konsisten kualitas dan kuantitasnya menjadi
permasalahan dengan menurunnya permintaan tepung
tapioka pada bulan Mei dan Juni. Rendahnya kualitas
bahan baku singkong menyebabkan menurunnya kualitas
tepung tapioka sehingga menyebabkan kebutuhan
pengumpulan koperasi menurun pada bulan Mei dan Juni.
Pada bulan Juli hingga Agustus, permintaan tepung
tapioka meningkat karena pasokan bahan baku singkong
terjaga dengan baik sehingga tepung tapioka yang
dihasilkan dapat memenuhi baku mutu (kadar air dan
warna) pengumpul tepung.

Tabel 1.Hasil OEE mesin penggiling singkong

Bulan Ketersediaan Pertunjukan Tingkat kualitas OEE
Januari 60,87% 47,31% 89,63% 25,81%
Februari 50,00% 48,43% 89,55% 21,68%
Berbaris 60,87% 49,66% 89,50% 27,05%
April 72,73% 56,52% 89,35% 36,73%
Mungkin 50,00% 44,58% 89,41% 19,93%
Juni 50,00% 45,99% 89,53% 20,59%
Juli 72,73% 56,38% 89,27% 36,60%
Agustus 85,71% 65,45% 90,10% 50,55%
September 72,73% 57,69% 89,53% 37,56%
Oktober 72,73% 61,87% 89,77% 40,39%
November 72,73% 56,07% 89,43% 36,47%
Desember 60,87% 53,54% 89,51% 29,17%

Meja 2.Permintaan tepung tapioka

Bulan Bahan baku singkong (Kg) Permintaan tepung tapioka (Kg)

Januari 10019.35 2069.50
Februari 10255.50 2118.27
Berbaris 10516.85 2091.80
April 11968.85 2380.60
Mungkin 9441.01 1950.04
Juni 9738.44 1862.48
Juli 11938.78 2465.96
Agustus 14726.43 2862.82
September 12979.38 2616.64
Oktober 13101.28 2505.62
November 12616.47 2452.64
Desember 11338.68 2342.00

70 http://dx.doi.org/10.30656/jsmi.v6i1.4594
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76

Peramalan permintaan dapat dianalisis dengan
menggunakan metode musiman, dimana tren
musiman dibagi menjadi dua musim: Januari hingga
Juni dan Juli hingga Agustus. Keakuratan peramalan
dengan metode musiman dianalisis menggunakan
aplikasi POM for windows untuk melihat tingkat
kesalahan hasil peramalan. Pengukuran tingkat
kesalahan dengan ketelitian yang tinggi dapat
dilakukan dengan melihat konsistensi (reliabilitas)
kesalahan dengan menggunakan nilai MAD dan MAPE.[
31].Perhitungan tingkat kesalahan hasil peramalan
dengan metode musiman dapat dilihat padaTabel 3.
Metode peramalan sesional digunakan untuk
memprediksi produksi tepung tapioka yang
mempunyai kondisi musiman. Kondisi ini disebabkan
oleh menurunnya produksi singkong petani sehingga
tidak dapat memenuhi kebutuhan produksi IKM.
Berdasarkan hasil peramalan, produksi
tepung tapioka mengalami peningkatan pada
periode 13 karena data produksi periode 8-12 stabil.
Karena kemampuan pasokan bahan baku pengepul
singkong pada periode tersebut untuk memenuhi
kebutuhan UKM, maka kondisi ini menunjukkan
kecenderungan tren peramalan meningkat mulai
periode ke-13 setelah hasil peramalan. Hasil data
peramalan permintaan ini dapat digunakan apabila
IKM dapat menjamin ketersediaan stok bahan baku
singkong.
Hasil peramalan musiman menunjukkan
jumlah permintaan pada periode Januari tahun
berikutnya menunjukkan nilai MAD = 173,73 dan
MAPE = 0,08. Hasil MAPE menunjukkan nilai 0,8
sehingga kondisi ini menunjukkan tingkat kesalahan
hasil peramalan baik dan dapat digunakan.
Berdasarkan hasil analisis kesalahan, perkiraan kebutuhan
tepung tapioka pada bulan Januari tahun berikutnya adalah
sebesar 2566 kg.
Harga jual tepung tapioka berdasarkan
kualitas produksi di IKM adalah Rp. 9500/kg, harga
beli dari koperasi atau pengepul tepung tapioka.
Harga tersebut akan digunakan dalam himpunan
keanggotaan harga jual tepung tapioka dalam
mengembangkan model fuzzy pemesanan bahan
baku.
Berdasarkan hasil observasi dan
wawancara pada IKM, ditemukan bahwa batasan
nilai parameter mengikuti kondisi aktual yang
terjadi di lapangan terkait permintaan, efektivitas
mesin giling, dan harga jual tapioka. Batasan
masing-masing parameter terdiri dari rendah,
sedang, dan tinggi untuk setiap variabel yang
digunakan. Jenis himpunan keanggotaan yang
sesuai adalah segitiga dan trapesium dalam
defuzzifikasi kebutuhan bahan baku. Batas
parameter setiap variabel menjadi batas nilai
parameter hasil perhitungan pada setiap metode
analisis yang digunakan untuk menghitung
kebutuhan bahan baku dengan menggunakan
proses defuzzifikasi.
Berdasarkan observasi dan wawancara dengan
pelaku IKM, diperoleh model himpunan keanggotaan
untuk efektivitas mesin dengan menggunakan nilai
OEE. Himpunan keanggotaan yang digunakan untuk
variabel OEE adalah fungsi keanggotaan segitiga.
Parameter yang digunakan terdiri dari tiga yaitu Low
[0, 0.15, 0.3], Medium [0.25, 0.45, 0.65], dan high [0.55,
0.7, 0.85]. Grafik fungsi keanggotaan OEE dapat dilihat
padaGambar 1.

Tabel 3.Perhitungan tingkat kesalahan hasil peramalan

Tepung tapioka Ramalan Persegi Mutlak
Bulan Kesalahan |Kesalahan|
permintaan (Kg) permintaan (Kg) kesalahan persentase kesalahan

Januari 2069.50 2027.32 42.18 4218 1779.15 0,020

Februari 2118.27 2136.82 - 18.55 18.55 344.10 0,009
Berbaris 2091.80 2117.18 - 25.38 25.38 644.14 0,012
April 2380.60 2229.48 151.12 151.12 22837.25 0,063
Mungkin 1950.04 2207.04 - 257.00 257.00 66049.00 0,132
Juni 1862.48 2322.14 - 459,65 459.65 211278.12 0,247
Juli 2465.96 2296.90 169.07 169.07 28584.66 0,069
Agustus 2862.82 2414.79 448.03 448.03 200730.88 0,156
September 2616.64 2386.75 229.89 229.89 52849.41 0,088
Oktober 2505.62 2507.45 - 1.83 1.83 3.35 0,001
November 2452.64 2476.61 - 23.97 23.97 574.56 0,010
Desember 2342.00 2600.11 - 258.11 258.11 66620.77 0,110

http://dx.doi.org/10.30656/jsmi.v6i1.4594 71
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76
Gambar 1.Grafik fungsi keanggotaan OEE
Perhitungan OEE singkong giling selama
satu tahun diperoleh rata-rata nilai OEE
sebesar 0,32 (32%). Menurut standar Seichi
Nakajima, kondisi nilai OEE ini sangat buruk
karena berada di bawah standar ideal, yaitu
minimal 85%. Kondisi ini disebabkan oleh
kualitas dan kuantitas bahan baku singkong
yang belum dapat memenuhi kebutuhan
produksi. Ketersediaan dan nilai kinerja alat
berat berada dalam kondisi ideal.
Hasil perhitungan OEE akan menjadi
nilai variabel pada himpunan keanggotaan
OEE untuk menentukan nilai derajat
keanggotaan fuzzy. Hasil perhitungan derajat
keanggotaan OEE adalahmikroOEE_sedang (a,b,c)= 0,35.
Derajat keanggotaan OEE selanjutnya akan
menentukan nilai operator fuzzy yang digunakan
pada proses defuzzifikasi bahan baku.
Penetapan keanggotaan permintaan tapioka
menggunakan tipe segitiga dan trapesium dimana
derajat keanggotaannya diperoleh dari hasil
peramalan permintaan dengan metode musiman.
Parameter peramalan permintaan yang digunakan
terdiri dari tiga, yaituRendah [1000, 1000, 1500,
2000], Sedang [1800, 2200, 2600], dan Tinggi [2400,
2800, 3600, 3600]. Grafik fungsi keanggotaan
permintaan tepung tapioka (Kg) dapat dilihat pada
Gambar 2.
Gambar 2.Grafik fungsi keanggotaan tapioka
kebutuhan tepung (Kg)
72
Hasil peramalan dengan metode
dekomposisi perkalian menunjukkan kebutuhan
tepung tapioka pada bulan Januari sebanyak 2566
kg. Kondisi ini menunjukkan IKM harus menyiapkan
bahan baku secara kualitas dan kuantitas.
Hasil peramalan permintaan selanjutnya akan
dimasukkan ke dalam model himpunan keanggotaan
untuk menentukan derajat keanggotaan. Tingkat
keanggotaan permintaan yang dihasilkan
μ_Permintaan_tinggi_(a,b,c,d)= 0,42. Derajat
keanggotaan permintaan selanjutnya akan
digunakan untuk menentukan nilai operator fuzzy
yang akan digunakan dalam memilih operator fuzzy
yang akan digunakan dalam proses defuzzifikasi
kebutuhan bahan baku.
Harga jual tepung terigu pada IKM
dipengaruhi oleh kualitas tepung tapioka yang
dihasilkan, dan salah satunya dipengaruhi oleh
kualitas bahan baku singkong yang digunakan.
Himpunan keanggotaan harga tepung
menggunakan fungsi keanggotaan trapesium dan
segitiga. Parameter harga jual yang digunakan
terdiri dari tiga yaitu Low [5000, 5000, 7000, 9000],
Medium [8000, 10000, 12000], dan High [11000,
12000, 15000, 15000]. Fungsi keanggotaan grafik
harga jual pada IKM dapat dilihat padaGambar 3.
Gambar 3. Fungsi keanggotaan harga jual
grafik (x 10.000)
Berdasarkan kondisi penjualan tepung
tapioka kepada pengepul atau koperasi, harga jual
selama periode pengamatan adalah Rp. 9500/kg.
Harga jual tepung tapioka ditentukan oleh derajat
keanggotaan fuzzy berdasarkan himpunan
keanggotaan yang digunakan. Derajat keanggotaan
harga jual yang dihasilkan berdasarkan
himpunan keanggotaan adalah µMenjual proice_Medium_(a,b,c,d)= 0,75.
Berdasarkan parameter yang digunakan
pada ketiga variabel input member set yaitu OEE
mesin, permintaan tepung tapioka, dan harga
jual tepung tapioka maka dibuat aturan fuzzy.
http://dx.doi.org/10.30656/jsmi.v6i1.4594
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76
diperoleh yang akan digunakan untuk menentukan
momen dan luas pada proses defuzzifikasi kebutuhan
bahan baku singkong. Model Fuzzy Rule Base dengan
menggunakan aplikasi Matlab dapat dilihat pada
Gambar 4.
Gambar 4.Hasil basis aturan fuzzy
Variabel input yaitu OEE, peramalan permintaan
dan harga jual yang terjadi pada IKM, dan variabel
output jumlah bahan baku, jumlah kemungkinan basis
aturan Fuzzy yang dapat terjadi sebanyak 81
kemungkinan. Segala kemungkinan pada himpunan
keanggotaan ini dapat terjadi karena nilai parameter
yang digunakan pada himpunan keanggotaan
merupakan kondisi aktual di IKM.
Berdasarkan nilai derajat keanggotaan
variabel input fuzzy, maka dapat ditentukan nilai
operator fuzzy berdasarkan aturan fuzzy yang
dipilih. Hasil dari operator fuzzy yang digunakan
adalah sebagai berikut:
α = Min (µ OEE [0,35] ∩ µ Prod[0,42] ∩
µ_Harga Jual [0,75])
α = Min (0,35; 0,42 0,75) α
= 0,35
Berdasarkan aturan fuzzy, defuzzifikasi
kebutuhan bahan baku singkong dapat dilakukan
dengan menggunakan metode center of area (COA).
Metode COA akan membandingkan nilai luas dan
momen berdasarkan aturan fuzzy yang terjadi pada
SMI. Parameter perencanaan bahan baku singkong
yang digunakan terdiri dari tiga yaitu Rendah [1000,
1000, 1200, 1500], Sedang [1400, 1700, 2000]; dan
Tinggi [1800, 2200, 2500, 2500]. Grafik fungsi
keanggotaan perencanaan bahan baku singkong dapat
dilihat padaGambar 5.
http://dx.doi.org/10.30656/jsmi.v6i1.4594
Gambar 5.Perencanaan bahan baku singkong
fungsi keanggotaan
Berdasarkan hasil penentuan luas area dengan
operator fuzzy yang digunakan adalah α = 0,35 maka
dapat ditentukan luas area yang terjadi pada proses
defuzzifikasi kebutuhan bahan baku singkong. Luas
yang diperoleh pada proses defuzzifikasi kebutuhan
bahan baku singkong adalah sebagai berikut:
WA 1 = (14000-1000) x 0,35 = 140
WA 2 =(15000−14000) 0,35 = 175
2
WA 3 =(15000−14000) 0,35 = 175
2
WA 4 (19000-15000) x 0,35 = 1400
WA 5 =(20000−19000) 0,35 = 175
2
WA 6 =(19280−18000) 0,35 = 490
2
WA 7 = (25.000-19280) x 0,32 = 1960
Terdapat tujuh wilayah dalam himpunan
keanggotaan kebutuhan bahan baku, dimana setiap
bagian mempunyai wilayah sesuai dengan parameter
kebutuhan bahan baku. Luas total yang diperoleh pada
proses defuzzifikasi adalah 4515.
Himpunan keanggotaan bahan baku yang
diperoleh pada IKM tepung tapioka akan menghasilkan
momen berdasarkan operator fuzzy yang diperoleh.
Himpunan keanggotaan kebutuhan bahan baku
tersebut selanjutnya akan menciptakan momen yang
digunakan untuk menentukan jumlah kebutuhan
bahan baku dengan metode COA. Momen permintaan
bahan baku singkong akan dibandingkan dengan luas
area pada proses defuzzifikasi. Himpunan
keanggotaan kebutuhan bahan baku dan momen yang
diperoleh berdasarkan himpunan keanggotaan bahan
baku yang diperoleh.
73
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76

0 x ≤ 1000 Kondisi tersebut, IKM harus menambah pasokan

0,35 1000 ≤ x ≤ 14000
bahan baku menyusul adanya defuzzifikasi nilai
15000-X kebutuhan bahan baku singkong untuk memenuhi
14000 ≤ x ≤ 15000
3000 kebutuhan koperasi tepung tapioka.
X-14000
Penelitian terdahulu terkait perencanaan bahan
14000 ≤ x ≤ 15000
3000 baku singkong untuk produksi dengan menggunakan
metode EOQ, dimana permintaan diperoleh dari data
Fx (Perencanaan Material) 0,35 15000 ≤ x ≤ 19000
kapasitas produksi. Kebutuhan bahan baku singkong
20000-X dipengaruhi oleh penggunaan bahan baku dalam proses
19.000 ≤ x ≤ 20.000
3000 produksinya, dan kapasitas produksi akan mempengaruhi
X-18000 titik pemesanan kembali bahan baku singkong yang
18000 ≤ x ≤ 19400
4000 dibutuhkan [32]. Perencanaan bahan baku dengan
pendekatan logika fuzzy pada penelitian ini dapat
0,35 19400 ≤ x ≤ 25000
memberikan nilai yang lebih akurat karena menggunakan
tiga variabel yang mempengaruhi keberhasilan produksi
14000
Momen 1 ∶ ∫1000 0,35xdx tepung tapioka karena dapat mengidentifikasi nilai samar
15000 dari setiap variabel yang digunakan.
Momen 2 ∶ ∫14000 5x − 0,00033 x2 dx
15000
Momen 3 ∶ ∫14000 0,00033 x2 − 4,67x dx 4. KESIMPULAN
19000
Momen 4 ∶ ∫15000 0,35 x dx Perencanaan kebutuhan bahan baku singkong
20.000
Momen 5 ∶ ∫19000 6,67x − 0,00033 x2dx
pada IKM dipengaruhi oleh efektivitas mesin giling,
19400 peramalan permintaan, dan harga jual tepung
Momen 6 ∶ ∫18000 0,00025x2 − 4,5xdx
tapioka. Berdasarkan hasil analisa efektivitas mesin
25000
Momen 7 ∶ ∫19400 0,35xdx penggilingan tepung diperoleh nilai OEE sebesar
0,32 (32%), dan peramalan kebutuhan tepung
Hasil proses defuzzifikasi perencanaan
tapioka sebesar 2566 kg dengan MAD 173.73 dan
bahan baku singkong menggunakan aplikasi
MAPE 0.08 sehingga bahan baku singkong optimal
Matlab dapat dilihat padaGambar 6.
bahan yang harus disiapkan berdasarkan proses
defuzzifikasi sebanyak 17.600 kg. Penelitian berikut
harus dilakukan untuk mengevaluasi pemasok guna
meningkatkan kualitas bahan baku singkong yang
dikirim dan rendemen tepung.

Gambar 6.Hasil defuzzifikasi untuk
perencanaan bahan baku singkong
Berdasarkan hasil defuzzifikasi dengan
perbandingan momen dan luas pada metode COA,
jumlah kebutuhan bahan baku singkong yang harus
disiapkan IKM adalah sebanyak 17600 Kg. Ketersediaan
bahan baku singkong saat ini di Meja 2menunjukkan
bahwa rata-rata bahan baku singkong yang digunakan
selama satu tahun adalah 11553,42 kg. Kondisi ini
menunjukkan ketersediaan bahan baku singkong
berada di bawah nilai defuzzifikasi bahan baku sebesar
17600 kg. Berdasarkan ini
REFERENSI
[1] VC Costa, DV Babos, RR Gamela, F.
AC Amorim, dan ER Pereira-Filho,
“Proposisi Prosedur Penyiapan Sampel
Tepung Singkong dengan Asam Encer
Menggunakan Desain Campuran dan
Evaluasi Profil Nutrisi dengan Analisis
Data Multivariat,”Anal Makanan. Metode
, jilid. 13, tidak. 1, hlm. 145–154, Januari
2020, doi:10.1007/s12161-019-01559-8.
[2] ES Ikuemonisan, TE Mafimisebi, I. Ajibefun,
dan K. Adenegan, “Produksi singkong di
Nigeria: analisis tren, ketidakstabilan dan
dekomposisi (1970–2018),” Heliyon, jilid. 6,
tidak. 10, hal. e05089, Oktober 2020, doi:
10.1016/j.heliyon.2020.e05089.
[3] C. de Lima Barizãodkk., “Film biodegradable
berdasarkan κ-karagenan komersial dan pati
singkong untuk mencapai hasil yang rendah

74 http://dx.doi.org/10.30656/jsmi.v6i1.4594
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76
biaya produksi,"Int. J.Biol. makromol., jilid.
165, hlm. 582–590, Desember 2020, doi:
10.1016/j.ijbiomac.2020.09.150.
[4] E. Hermiatidkk., “Peningkatan hidrolisis ampas
singkong dan tepung tapioka dengan bantuan
gelombang mikro dengan penambahan
karbon aktif,”Karbohidrat. Polim., jilid. 87,
tidak. 1, hlm. 939–942, Januari 2012, doi:
10.1016/j.carbpol.2011.08.033.
[5] RS Aleman, G. Paz, A. Morris, W.
Prinyawiwatkul, M. Moncada, dan JM
King, “Tepung beras merah berprotein tinggi,
tepung tapioka & tepung kentang dalam
pengembangan kue mangkuk bebas gluten,”
LWT, jilid. 152, tidak. Agustus, hal. 112326,
Desember 2021, doi:10.1016/j.lwt.2021.112326.
[6] M. Stevenson, LC Hendry, dan BG Kingsman,
“Tinjauan perencanaan dan pengendalian
produksi: penerapan konsep-konsep
utama pada industri pesanan,”Int. J.Prod.
Res., jilid. 43, tidak. 5,
hal. 869–898, Maret 2005, doi: [15] H. Ahmadi, M. Gholamzadeh, L.
10.1080/0020754042000298520.
[7] SH Santosa, S. Irawan, dan I. Ardani, “Penentuan
Efektivitas Peralatan Keseluruhan Mesin
Superflex Menggunakan Pendekatan Fuzzy,”
Int. J.Artif. Intel. Res., jilid. 4, tidak. 2, hlm.
135–150, Januari 2021, doi:
10.29099/ijair.v4i2.142.
[8] H. Jodlbauer dan S. Strasser, “Perencanaan
produksi berbasis kapasitas,”Hitung. Ind.,
jilid. 113, hal. 103126, Desember 2019, doi:
10.1016/j.compind.2019.103126.
[9] G. Ramya, M. Chandrasekaran, dan E.
Shankar, “Analisis Studi Kasus Pekerjaan
Penjadwalan Toko dan Integrasinya dengan
Perencanaan Kebutuhan Material,”Materi.
Hari ini Proc., jilid. 16, hal. 1034–1042, 2019,
doi:10.1016/j.matpr.2019.05.192.
[10] D. Gradišar dan M. Glavan, “Perencanaan
Kebutuhan Material Menggunakan Rumusan
Masalah Bin-Packing Berukuran Variabel
dengan Tanggal Jatuh Tempo dan Batasan
Pengelompokan,” Proses, jilid. 8, tidak. 10, hlm.
1–6, Oktober 2020, doi:10.3390/pr8101246.
[11] R. Miclo, M. Lauras, F. Fontanili, J. Lamothe,
dan SA Melnyk, “MRP Berbasis
Permintaan: penilaian pendekatan baru
terhadap manajemen material,”Int. J.Prod.
Res., jilid. 57, tidak. 1, hlm. 166–181,
Januari. 2019, doi:
http://dx.doi.org/10.30656/jsmi.v6i1.4594
10.1080/00207543.2018.1464230.
[12] NK Dev, R. Shankar, dan S. Swami, “Difusi
produk ramah lingkungan di industri 4.0:
Membalikkan masalah logistik selama
perancangan sistem inventaris dan
perencanaan produksi,”Int. J.Prod. ekonomi.,
jilid. 223, hal. 107519,Mei2020,doi:
10.1016/j.ijpe.2019.107519.
[13] M. Suryaprakash, M. Gomathi Prabha, M. Yuvaraja,
dan RV Rishi Revanth, “Peningkatan efektivitas
peralatan pusat permesinan secara
keseluruhan menggunakan tpm,”Materi. Hari
ini Proc., jilid. 46, hal.
9348–9353, 2021, doi:
10.1016/j.matpr.2020.02.820.
[14] OE Oluyisola, F. Sgarbossa, dan JO Strandhagen,
“Perencanaan dan Pengendalian Produksi yang
Cerdas: Konsep, Kasus Penggunaan, dan
Keberlanjutan Implikasi,"
Keberlanjutan, jilid. 12, tidak. 9, hal. 3791, Mei
2020, doi:10.3390/su12093791.
Shahmoradi, M. Nilashi, dan P. Rashvand,
“Diagnosis penyakit menggunakan metode
logika fuzzy: Tinjauan sistematis dan meta-
analisis,”Hitung. Metode Program Biomed.,
jilid. 161, hlm. 145–172, Juli 2018, doi:
10.1016/j.cmpb.2018.04.013.
[16] S. Nakajima,Pengantar TPM: pemeliharaan
produktif total. Produktifitas
Tekan, 1988. Tersedia:
https://books.google.co.id/books?id=XKc
28H3JeUUC.
[17] M. Nakhla, “Merancang efektivitas peralatan yang
diperluas secara keseluruhan: penerapan dalam operasi
layanan kesehatan,”Int. J.Manajemen. Sains. bahasa
Inggris Kelola., hlm. 1–10, September 2018, doi:
10.1080/17509653.2017.1373377.
[18] P. Tsarouhas, “Meningkatkan pengoperasian
lini produksi croissant melalui efektivitas
peralatan secara keseluruhan (OEE),”Int.
J.Produk. Melakukan. Kelola., jilid. 68,
tidak. 1, hlm. 88–108, Januari 2019, doi:
10.1108/IJPPM-02-2018-0060.
[19] FAS Piran, A.De Paris, DP Lacerda,
LFR Camargo, R. Serrano, dan RA Cassel, “Efektifitas
Peralatan Secara Keseluruhan: Diperlukan tetapi
Tidak Cukup—Analisis yang Mengintegrasikan Efek
Peralatan Secara Keseluruhan dan Analisis
Pembungkusan Data,”Gumpal. J.Fleksibel. sistem.
Kelola., jilid. 21, tidak. 2, hal.191–
75
 Jurnal Sistem dan Manajemen Industri Vol 6 No 1 Juni 2022, 67-76
206 Juni 2020, doi:10.1007/s40171-020-
00238-6.
[20] R. Sharma, “Pengukuran efektivitas
peralatan keseluruhan mesin model
manajer TPM di lingkungan manufaktur
fleksibel: studi kasus sektor otomotif,”
Int. J.Produk. Kualitas. Kelola., jilid. 26,
tidak. 2, hal. 206–222, 2019, doi:10.1504/
IJPQM.2019.097767.
[21] N. Mbuli, M. Mathonsi, M. Seitshiro, dan
J.-HC Pretorius, “Metode peramalan
dekomposisi: Tinjauan aplikasi dalam
sistem tenaga,”Laporan Energi, jilid. 6,
tidak. 2020, hlm. 298–306, Desember.
2020, doi:
10.1016/j.egyr.2020.11.238.
[22] M.-L. Cheng, C.-W. Chu, dan H.-L. Hsu, “Sebuah studi
tentang metode peramalan univariat untuk harga
minyak mentah,”marit. Bis. Putaran., hlm. 1–16,
Desember 2021, doi:10.1108/MABR-09-2021-0076.
[23] Y.-C. Hu, “Membangun model prediksi abu-abu
menggunakan analisis relasional abu-abu dan
jaringan saraf untuk memperkirakan permintaan
material magnesium,”Aplikasi. Komputasi Lembut.
, jilid. 93, hal. 106398, Agustus 2020, doi:
10.1016/j.asoc.2020.106398.
[24] P. Jiang, Z. Liu, X. Niu, dan L. Zhang, “Sistem
perkiraan gabungan berdasarkan metode
statistik, jaringan saraf tiruan, dan metode
pembelajaran mendalam untuk perkiraan
kecepatan angin jangka pendek,” Energi,
jilid. 217, hal. 119361, Februari 2021, doi:
10.1016/j.energy.2020.119361.
[25] SH Santosa, S. Sulaeman, AP Hidayat, dan
I. Ardani, “Pendekatan Logika Fuzzy
untuk Menentukan Kapasitas Produksi
Nugget Optimal,”J.Ilm. Teknik. Ind., jilid.
19, tidak. 1, hlm. 70–83, Juni 2020, doi:
10.23917/jiti.v19i1.10295.
[26] G. Hu, E. Bakhtavar, K. Hewage, M. Mohseni,
dan R. Sadiq, “Risiko logam berat
76
penilaian dalam air minum: Pendekatan
probabilistik-fuzzy yang terintegrasi,”
J.Lingkungan. Mengelola., jilid. 250, tidak.
Juni, hal. 109514,November 2019,doi:
10.1016/j.jenvman.2019.109514.
[27] AP Hidayat, SH Santosa, R. Siskandar, dan
RG Baskoro, “Evaluasi Pasokan Telur Ayam
Dengan Pendekatan Fuzzy AHP Melalui
Pengembangan Software Safea,”
J. Logistik Indonesia., jilid. 5, tidak. 2, hal.104–
110, 2021. Tersedia:
https://ojs.stiami.ac.id/index.php/logistik/
article/view/1881.
[28] Q. Zhou, W. Wu, D. Liu, K. Li, dan Q. Qiao,
“Estimasi kemungkinan kegagalan korosi pada
pipa minyak dan gas berdasarkan pendekatan
logika fuzzy,”bahasa Inggris Gagal. Dubur., jilid.
70, hlm. 48–55, Desember 2016, doi:
10.1016/j.engfailanal.2016.07.014.
[29] E. Pourjavad dan A. Shahin, “Penerapan
Sistem Inferensi Fuzzy Mamdani dalam
Mengevaluasi Kinerja Manajemen Rantai
Pasokan Ramah Lingkungan,”Int. J. Sistem
Fuzzy., jilid. 20, tidak. 3, hlm. 901–912, Maret
2018, doi:10.1007/s40815-017-0378-y.
[30] M. Godichaud dan L. Amodeo, “Jumlah pesanan
ekonomis untuk sistem pembongkaran
multistage,”Int. J.Prod. ekonomi., jilid. 199,
tidak. Mei 2017, hlm. 16–25, Mei 2018, doi:
10.1016/j.ijpe.2018.02.008.
[31] JS Armstrong, “Mengevaluasi Metode
Peramalan,” JS Armstrong, Ed. Boston, MA:
Springer US, 2001, hlm. 443–472, doi:
10.1007/978-0-306-47630-3_20.
[32] YD Polewangi, “Analisis Kemampuan
Supplier Dalam Menyediakan Bahan Baku
Singkong Serta Merencanakan Jumlah Dan
Waktu Kedatangan Bahan Baku Di PT. ABC,”
Budapest Int. Res. Sains Eksak. J., jilid. 2,
tidak. 3, hlm. 382–388, 2020. Tersedia:
https://bircu-
jurnal.com/index.php/birex/article/view/
1078.
http://dx.doi.org/10.30656/jsmi.v6i1.4594