Jurnal MANTIK Penusa p-ISSN : 2088-3943

Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

PREDIKSI PENJUALAN PARFUM BABA

DENGAN METODE FUZZY MAMDANI

Angga Rahmadhan Syahputra1, Murni Marbun2

1)2)
Komputer, Teknik Informatika, STMIK Pelita Nusantara
Jl. Iskandar Muda No. 1, Medan
1)
anggars621@gmail.com

Abstrak
Saat ini, pertumbuhan teknologi semakin pesat di seluruh dunia. Manusia membutuhkan
peranan teknologi untuk dijadikan sebagai alat bantu dalam pengambilan keputusan dalam
segala kegiatan manusia seperti membantu dalam kegiatan penjualan dan mengambil keputusan
di sebuah perusahaan, seperti membantu dalam proses pengambilan keputusan diperusahaan
yang bergerak di bidang penjualan parfum. Setiap harinya, Baba Parfum melakukan kegiatan
produksi, pengiriman, pembuatan dan transaksi penjualan. Namun, selama ini proses
pengolahan data transaksi penjualan pada Baba Parfum belum memiliki pola data penjualan
produk parfum yang mana yang laku, dan yang tidak laku dipasaran tersebut, dikarenakan
belum memiliki metode secara tersistem komputerisasi dalam melakukan prediksi penjualan
parfum sehingga sering mengalami kesalahan dalam persediaan barang, barang yang terlalu
banyak dibuat tetapi permintaan sedikit dan juga sebaliknya barang sedikit dibuat tetapi
permintaan banyak sehingga mengakibatkan kerugian. Data penjualan produk parfum tersebut
hanya diarsipkan dan tidak dikelola oleh pihak perusahaan untuk mendapatkan hasil yang baru,
dan memprediksi keuntungan sehingga membuat pihak perusahaan mengalami kesulitan dalam
mengatur prediksi penjualan yang berujung kepada kerugian perusahaan. Penelitian ini
dilakukan menggunakan sistem logika fuzzy. Hasil keputusan pada penelitian ini cukup efektif
karena memiliki tingkat akurasi yang tinggi. Hasil dari penelitian ini didapatkan bahwa jumlah
produksi untuk bulan november 2022 adalah sebanyak 4892 botol. Sistem ini dapat membantu
dan menjadi referensi bagi ilmu pendidikan.

Kata Kunci : Parfum, Penjualan, Prediksi, Fuzzy, Mamdani.

Abstract
Currently, the growth of technology is accelerating around the world. Humans need the role of
technology to be used as a tool in making decisions in all human activities such as assisting in
sales activities and making decisions in a company, such as assisting in the decision-making
process in companies engaged in selling perfume. Every day, Baba Perfume carries out
production, delivery, manufacture and sales transactions. However, so far the processing of
sales transaction data at Baba Perfume does not yet have a sales data pattern of which perfume
products are selling well and which are not selling well in the market, because they do not yet
have a computerized method for predicting perfume sales so they often experience errors in
inventory. , too many goods are produced but the demand is small and vice versa, the goods are
produced a little but the demand is large, resulting in losses. The perfume product sales data is
only archived and not managed by the company to get new results, and predict profits so that it
makes the company experience difficulties in managing sales predictions which lead to
company losses. This research was conducted using a fuzzy logic system. The decision results
in this study are quite effective because they have a high degree of accuracy. The results of this
study found that the total production for November 2022 was 4892 bottles. This system can help
and become a reference for science education.

Keywords: Perfume, Sales, Prediction, Fuzzy, Mamdani.

DOI: xxxxxxx Received: xxxxxxxx

Accepted: xxxxxxxx
1
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

I. PENDAHULUAN
Saat ini, pertumbuhan teknologi semakin pesat di seluruh dunia. Manusia membutuhkan
peranan teknologi untuk dijadikan sebagai alat bantu dalam pengambilan keputusan dalam
segala kegiatan manusia seperti membantu dalam kegiatan penjualan dan mengambil keputusan
di sebuah perusahaan, seperti membantu dalam proses pengambilan keputusan diperusahaan
yang bergerak di bidang penjualan parfum. Teknologi diharapkan dapat membantu perusahaan
dalam proses pengambilan keputusan dan memberikan gambaran mengenai memprediksi
penjualan, keuntungan, kerugian serta jenis parfum yang laris dipasaran. Sehingga hal tersebut
menjadi salah satu alasan mengapa perusahaan baba parfum harus menggunakan teknologi
komputer dalam membantu untuk melakukan prediksi penjualan di baba parfum agar
mendapatkan hasil yang optimal.
Baba Parfum merupakan salah satu perusahaan yang bergerak di bidang produksi
parfum. Berbagai macam produk parfum yang diproduksi oleh Baba Parfum. Setiap harinya,
Baba Parfum melakukan kegiatan produksi, pengiriman, pembuatan dan transaksi penjualan.
Namun, selama ini proses pengolahan data transaksi penjualan pada Baba Parfum belum
memiliki pola data penjualan produk parfum yang mana yang laku, dan yang tidak laku
dipasaran tersebut, dikarenakan belum memiliki metode secara tersistem komputerisasi dalam
melakukan prediksi penjualan parfum sehingga sering mengalami kesalahan dalam persediaan
barang, barang yang terlalu banyak dibuat tetapi permintaan sedikit dan juga sebaliknya barang
sedikit dibuat tetapi permintaan banyak sehingga mengakibatkan kerugian. Data penjualan
produk parfum tersebut hanya diarsipkan dan tidak dikelola oleh pihak perusahaan untuk
mendapatkan hasil yang baru, dan memprediksi keuntungan sehingga membuat pihak
perusahaan mengalami kesulitan dalam mengatur prediksi penjualan yang berujung kepada
kerugian perusahaan.
Penelitian ini dilakukan guna untuk memprediksi penjualan parfum di Baba Parfum.
Penerapan ilmu yang sesuai untuk mengetahui cara memprediksi penjualan parfum baba tentang
berapa penjualan parfum yang laku dan yang tidak laku tersebut diharapkan agar perusahaan
dapat memprediksi hasil penjualan di bulan berikutnya adalah dengan dikembangkannya
menggunakan alat bantu dari salah satu ilmu komputer yaitu sistem logika fuzzy.
Logika fuzzy merupakan logika yang dikembangkan dari adanya konsep bentukan
logika yang disebut sebagai logika Boolean dimana logika Boolean hanya mengenal istilah
binary (0 dan 1) sedangkan logika fuzzy. Logika fuzzy mengekspresikan dari rentang 0 sampai
1. Logika fuzzy memiliki beberapa metode yang dapat digunakan dalam penelitian. Metode
yang paling umum digunakan adalah metode Tsukamoto, metode Mamdani, metode Sugeno dan
metode Tahani. Dalam penelitian ini metode yang akan digunakan adalah metode Mamdani.
Logika fuzzy metode mamdani merupakan metode yang cukup fleksibel dan memiliki kelebihan
dibandingkan metode lainnya dalam mempresentasikan hasil keluaran dalam bentuk statistik.

II. TINJAUAN PUSTAKA

2.1 Logika Fuzzy
Menurut M. Marbun & B. Sinaga (2019) menjelaskan Sistem Pendukung Keputusan
(SPK), secara umum didefinisikan sebagai sebuah sistem yang mampu memberikan
kemampuan baik kemampuan pemecahan masalah maupun kemampuan pemgkomunikasian
untuk masalah semi-terorganisir. Secara khusus, DSS sebagai kerangka kerja yang ditegakkan
oleh seorang direktur atau kumpulan administrator dalam menangani isu-isu semi-terorganisir
dengan memberikan data atau rekomendasi tentang pilihan-pilihan tertentu. Himpunan logika
fuzzy diperkenalkan pada tahun 1965 sebagai cara matematis untuk merepresentasikan
ketidakpastian linguistik. Berdasarkan konsep logika fuzzy, faktor faktor dan kriteria-kriteria
dapat diklasifikasikan tanpa batasan yang mengikat. Logika fuzzy sangat berguna untuk
menyelesaikan banyak permasalahan dalam berbagai bidang yang biasanya memuat derajat
ketidakpastian.

2
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

2.2 Metode Fuzzy Mamdani

Metode mamdani adalah metode yang juga sering di kenal dengan metode MAX-MIN
atau MAX-PRODUCT. Proses prediksi metode mamdani ada empat tahap yaitu pembentukan
himpunan fuzzy (pembentukan variabel input maupun variabel output dibagi menjadi satu atau
lebih himpunan fuzzy), aplikasi fungsi implikasi (fungsi implikasi ditentukan dari nilai yang
berupa himpunan fuzzy yang digunakan sebagai implikasi yaitu nilai MIN atau nilai yang paling
terendah), komposisi aturan (cara-cara yang digunakan untuk menentukan penilaian himpunan
fuzzy), defuzzification (tahap terakhir untuk proses mengolah suatu himpunan fuzzy yang
diperoleh dari komposisi aturan fuzzy untuk menghasilkan output berupa suatu bilangan pada
domain himpunan fuzzy tersebut) (Rahakbauw, 2019).
2.3 MYSQL
MySQL (My Stucture Query Language) adalah sebuah perangkat lunak sistem
manajemen basis data SQL (Database Management System) atau DBMS dari sekian banyak
DBMS, seperti Oracle, MS SQL, Postagre SQL, dan lain-lain. MySQL merupakan DBMS yang
multithread, multi-user yang bersifat gratis di bawah lisensi GNU General Public Licence
(GPL). Tidak seperti Apache yang dikembangkan oleh komunitas umum, dan hak cipta untuk
kode sumber dimiliki oleh penulisnya masing-masing. MySQL bersifat gratis atau open source
sehingga bisa digunakan secara gratis. Pemrograman PHP juga sangat mendukung/support
database MySQL sehingga apabila dipelajari dengan sungguh-sungguh maka dapat
diaplikasikan PHP dan MySQL dalam membuat aplikasi website maupun dalam membuat
website (Sa’idah,dkk,2019).

III. METODE PENELITIAN

Kerangka Kerja adalah suatu Struktural konseptal dasar yang digunakan untuk
memecahan atau menangani suatu malasah kompleks. Kerangka kerja ini juga merupakan
langkah langkah yang akan dilakukan dalam penyelasaian masalah yang akan dibahas, adapun
kerangka kerja penelitian dapat digambarkan pada gambar berikut:

Gambar 1. Metode Penelitian

IV. ANALISA DAN PEMBAHASAN
Analisa menjadi tahapan terpenting dalam menyelesaikan permasalahan pada penelitian
dan perancangan sistem untuk mengetahui solusi jawaban dari permasalahan penelitian dan
sistem yang akan dibangun, agar diperoleh hasil yang diharapkan agar kiranya dapat membantu
dalam mengimplementasikan dalam prediksi penjualan parfum baba dengan metode fuzzy
mamdani. Analisa adalah sebuah kegiatan untuk mencari suatu pola selain itu analisis

3
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

merupakan cara berpikir yang berkaitan dengan pengujian secara sistematis terhadap sesuatu
untuk menentukan bagian, hubungan antar bagian dan hubungannya dengan keseluruhan.
Didalam penelitian ini, data penelitian didapatkan dari Ogie Distributor Baba Parfum
Tanjung Morawa. Metode ini digunakan untuk melakukan tanya jawab secara langsung ke Ogie
Distributor Baba Parfum Tanjung Morawa guna mendapatkan informasi agar data yang
dibutuhkan sebagai bahan pendukung dalam melakukan penelitian. Berikut tahapannya:
1. Menentukan Data Penelitian
Pada penelitian ini menggunakan data penelitian yang bersumber dari data penjualan
parfum baba. Adapun data penelitian yang digunakan pada penelitian ini sebagai berikut:
Tabel 1.Data Penelitian
Penjualan Persedian Produksi
No Periode
(Botol) (Botol) (Botol)
1. November 12320 12390 12400
2. Desember 9378 12470 11100
3. Januari 8540 14192 8550
4. Februari 11300 14202 11500
5. Maret 7630 14402 7990
6. April 4320 14762 4989
7. Mei 1465 15431 1567
8. Juni 1205 15533 1299
9. Juli 14560 15627 15590
10. Agustus 13243 16657 14489
11. September 11050 17903 12100
12. Oktober 1289 18953 1589
13 November 5474 5499 ?
Keterangan:
Berdasarkan data penelitian pada tabel diatas, didapatkan bahwa data penjualan minimum
adalah 1205, data penjualan maksimum adalah 14560, dan data tengah penjualan adalah 8959.
Sedangkan data persediaan minimum adalah 12390, data persediaan maksimum adalah 18953,
dan data tengah penjualan adalah 15096, 5, kemudian data produksi minimum adalah 1299, data
produksi maksimum adalah 15590, dan data tengah produksi adalah 9825.
2. Memodelkan Fungsi Keanggotaan (Fuzzyfikasi)
Pada penentuan prediksi penjualan parfum baba ditentukan variabel input dan output
sebagai berikut :
Tabel 2.Himpunan Fuzzy
No. Fungsi Variabel Himpunan Semesta
Turun [ 1200 6200 ]
1. Input Penjualan Sedang [ 5200 10200 ]
Naik [ 9200 14200 ]
Sedikit [ 12000 15000 ]
2. Persediaan Sedang [ 14000 17000 ]
Banyak [ 16000 19000 ]
Berkurang [ 1200 14000 ]
3. Output Produksi Sedang [ 13000 15000 ]
Bertambah [ 14000 16000 ]

4
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

a. Variabel Penjualan

Gambar 2. Fungsi Keanggotaan Penjualan

a. Turun
1 ; x ≤ 5200
6200−x
µPenjualanTURUN [ x] = ; 5200 ≤ x ≤ 6200
6200−5200
0 ; x ≥ 6200

b. Sedang
0 ; x ≤ 5200 atau x ≥ 10200
x−5200
; 5200 ≤ x ≤ 7200
7700−5200
µPenjualan SEDANG [ x] = 10200−x
; 7700 ≤ x ≤ 10200
10200−7700

c. Naik
0 ; x ≤ 9200
x−9200
µPenjualan NAIK [x ] = ; 9200 ≤ x ≤ 10200
10200−9200
1 ; x ≥ 10200

b. Variabel Persediaan

5
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

Gambar 3. Fungsi Keanggotaan Persediaan

a. Sedikit
1 ; x ≤ 14000
15000−x
µPersediaan SEDIKIT [x ] = ; 14000 ≤ x ≤ 15000
15000−14000
0 ; x ≥ 15000

b. Sedang
0 ; x ≤ 14000 atau x ≥ 17000
x−14000
; 14000 ≤ x ≤ 15500
15500−14000
µPersediaan SEDANG [ x] = 17000−x
; 15000 ≤ x ≤ 17000
17000−15500

c. Banyak
0 ; x ≤ 16000
x−16000
µPersediaan NAIK [ x] = ; 16000 ≤ x ≤ 17000
17000−16000
1 ; x ≥ 17000

c. Variabel Produksi

Gambar 4.Fungsi Keanggotaan Produksi

a. Berkurang
1 ; x ≤ 13000
14000−x
µProduksi BERKURANG [ x] = ; 13000 ≤ x ≤ 14000
14000−13000
0 ; x ≥ 14000

b. Sedang
0 ; x ≤ 13000 , x ≥ 15000

6
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

x−13000
; 13000 ≤ x ≤ 14000
14000−13000
µProduksi SEDANG [ x] = 15000−x
; 14000 ≤ x ≤ 15000
15000−14000
c. Bertambah
0 ; x ≤ 14000
x−14000
µProduksi BERTAMBAH [ x] = ; 14000 ≤ x ≤ 15000
15000−14000
1 ; x ≥ 15590
Derajat keanggotaan dalam variabel penjualan dengan jumlah : 5474 dan variabel persediaan :
5499 sebagai berikut :
µ Penjualan Turun [5474] = (6200-x) / (6200-5200)
= (6200-5474) / (6200-5200)
= 726 / 1000
= 0,726
µ Penjualan Sedang [5474] = (x-5200) / (7700-5200)
= (5474-5200) / (7700-5200)
= 275 / 2500
= 0,11
µ Penjualan Naik [5474] = x ≤ 9200
=0
µ Persediaan Sedikit [5499] = x ≤ 14000
=1
µ Persediaan Sedang [5499] = x ≤ 14000 atau x ≥ 17000
=0
µ Persediaan Banyak [5499] = x ≤ 16000
=0
3. Inferensi Fuzzy
Setelah pembentukan himpunan fuzzy, langkah selanjutnya adalah membentuk
Inferensi Fuzzy atau aturan fuzzy. Berikut adalah aturan-aturan dalam penentuan prediksi
penjualan parfum baba.
Tabel 5. Aturan Fuzzy
Input Output
No. Rule
Penjualan Persediaan Produksi
1. R01 Turun Sedikit Berkurang
2. R02 Turun Sedang Berkurang
3. R03 Turun Banyak Berkurang
4. R04 Sedang Sedikit Berkurang
5. R05 Sedang Sedang Berkurang
6. R06 Sedang Banyak Berkurang
7. R07 Naik Sedikit Berkurang
8. R08 Naik Sedang Berkurang
9. R09 Naik Banyak Berkurang
10. R10 Turun Sedikit Sedang
11. R11 Turun Sedang Sedang
12. R12 Turun Banyak Sedang
13. R13 Sedang Sedikit Sedang
14. R14 Sedang Sedang Sedang
15. R15 Sedang Banyak Sedang
16. R16 Naik Sedikit Sedang
17. R17 Naik Sedang Sedang
18. R18 Naik Banyak Sedang
19. R19 Turun Sedikit Bertambah
20. R20 Turun Sedang Bertambah

7
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

Input Output
No. Rule
Penjualan Persediaan Produksi
21. R21 Turun Banyak Bertambah
22. R22 Sedang Sedikit Bertambah
23. R23 Sedang Sedang Bertambah
24. R24 Sedang Banyak Bertambah
25. R25 Naik Sedikit Bertambah
26. R26 Naik Sedang Bertambah
27. R27 Naik Banyak Bertambah
Setelah aturan dibentuk, maka dilakukan aplikasi fungsi implikasi. Pada Metode
Mamdani, fungsi implikasi yang digunakan adalah MIN, yang berarti tingkat keanggotaan yang
didapat sebagai konsekuen dari proses ini adalah nilai minimum dari variabel penjualan dan
persediaan. Sehingga didapatkan daerah fuzzy pada variabel keputusan untuk masing – masing
aturan.
R1 = IF Penjualan Turun And Persediaan Sedikit Then Produksi Berkurang
= Min [ µ penjualan turun ; µ persediaan sedikit ]
= Min ( µ penjulan turun [5474] ; µ persediaan sedikit [5499] )
= Min [ 0,726 ; 1 ]
= 0,726
R2 = IF Penjualan Turun And Persediaan Sedang Then Produksi berkurang
= Min [ µ penjualan turun ; µ persediaan sedang ]
= Min ( µ penjualan turun [5474] ; persediaan sedang [5499] )
= Min [ 0,726 ; 0 ]
=0
R3 = IF Penjualan Turun And Persediaan Banyak Then Produksi Berkurang
= Min [ µ penjualan turun ; µ persediaan banyak ]
= Min (µ penjualan turun [5474] ; persediaan banyak [5499] )
= Min [ 726 ; 0 ]
=0
R4 = IF Penjualan Sedang And Persediaan Sedikit Then Produksi Berkurang
= Min [µ penjualan sedang ; µ persediaan sedikit ]
= Min (µ penjualan sedang [5474] ; persediaan sedikit [5499])
= Min [ 0,11 ; 1 ]
= 0,11
R5 = IF Penjualan Sedang And Persediaan Sedang Then Produksi Berkurang
= Min [µ penjualan sedang ; persediaan sedang ]
= Min (µ penjualan sedang [5474] ; persediaan sedang [5499] )
= Min [ 0,11 ; 0 ]
=0
R6 = IF Penjualan Sedang And Persediaan banyak Then Produksi Berkurang
= Min [µ penjualan sedang ; persediaan banyak ]
= Min (µ penjualan sedang [5474] ; persediaan banyak [5499] )
= Min [ 0,11 ; 0 ]
=0
R7 = IF Penjualan Naik And Persediaan Sedikit Then Produksi Berkurang
= Min [µ penjualan naik ; persediaan sedikit ]
= Min (µ penjualan naik [5474] ; persediaan sedikit[5499] )
= Min [ 0 ; 1 ]
=0
R8 = IF Penjualan Naik And Persediaan Sedang Then Produksi Berkurang
= Min [µ penjualan naik ; persediaan sedang ]
= Min (µ penjualan naik [5474] ; persediaan sedang [5499] )
= Min [ 0 ; 0 ]

8
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

=0
R9 = IF Penjualan Naik And Persediaan Banyak Then Produksi Berkurang
= Min (µ penjualan naik [5474] ; persediaan banyak [5499] )
= Min [ 0 ; 0 ]
=0
R10 = IF Penjualan Turun And Persediaan Sedikit Then Produksi Sedang
= Min (µ penjualan turun [5474] ; persediaan sedikit [5499] )
= Min [ 0,726 ; 1 ]
= 0,726
R11 = IF Penjualan Turun And Persediaan Sedang Then Produksi Sedang
= Min (µ penjualan turun [5474] ; persediaan sedang [5499] )
= Min [ 0,726 ; 0 ]
=0
R12 = IF penjualan Turun And Persediaan Banyak Then Produksi Sedang
= Min (µ penjualan turun [5474] ; persediaan banyak [5499]
= Min [ 0,726 ; 0 ]
=0
R13 = IF Penjualan Sedang And Persediaan Sedikit Then Produksi Sedang
= Min (µ penjualan sedang [5474] ; persediaan sedikit [5499] )
= Min [ 0,11 ; 1 ]
= 0,11
R14 = IF Penjualan Sedang And Persediaan Sedang Then Produksi Sedang
= Min (µ penjualan sedang [5474] ; persediaan sedang [5499] )
= Min [ 0,11 ; 0 ]
=0
R15 = IF Penjualan Sedang And Persediaan Banyak Then Produksi Sedang
= Min (µ penjualan sedang [5474] ; persediaan banyak [5499] )
= Min [ 0,11 ; 0 ]
=0
R16 = IF Penjualan Naik And Persediaan Sedikit Then Produksi Sedang
= Min (µ penjualan naik [5474] ; persediaan sedikir [5499] )
= Min [ 0 ; 1 ]
=0
R17 = IF Penjualan Naik And Persediaan Sedang Then Produksi Sedang
= Min (µ penjualan naik [5474] ; persediaan sedang [5499] )
= Min [ 0 ; 0 ]
=0
R18 = IF Penjualan Naik And Persediaan Banyak Then Produksi Sedang
= Min (µ penjualan naik [5474] ; persediaan banyak [5499] )
=Min [ 0 ; 0 ]
=0
R19 = IF Penjualan Turun And Persediaan Sedikit Then Produksi Bertambah
= Min (µ penjualan turun [5474] ; persediaan sedikit [5499] )
= Min [ 0,726 ; 1 ]
= 0,726
R20 = IF Penjualan Turun And Persediaan Sedang Then Produksi Bertambah
= Min (µ penjualan turun [5474] ; persediaan sedang[5499] )
= Min [ 0,726 ; 0 ]
=0
R21 = IF Penjualan Turun And Persediaan Banyak Then Produksi Bertambah
= Min (µ penjualan turun [5474] ; persediaan banyak [5499] )
= Min [ 0,726 ; 0 ]
=0

9
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

R22 = IF Penjualan Sedang And Persediaan Sedikit Then Produksi Bertambah

= Min (µ penjualan sedang [5474] ; persediaan sedikit [5499] )
= Min [ 0,11 ; 1 ]
= 0,11
R23 = IF Penjualan Sedang And Persediaan Sedang Then Produksi Bertambah
= Min (µ penjualan sedang [5474] ; persediaan sedang [5499] )
= Min [ 0,11 ; 0 ]
=0
R24 = IF Penjualan Sedang And Persediaan Banyak Then Produksi Bertambah
= Min (µ penjualan sedang [5474] ; persediaan banyak [5499] )
= Min [ 0,11 ; 0 ]
=0
R25 = IF Penjualan Naik And Persediaan Sedikit Then Produksi Bertambah
= Min (µ penjualan naik [5474] ; persediaan sedikit [5499] )
= Min [ 0 ; 1 ]
=0
R26 = IF Penjualan Naik And Persediaan Sedang Then Produksi Bertambah
= Min (µ penjualan naik [5474] ; persediaan sedang [5499] )
= Min [ 0 ; 0 ]
=0
R27 = IF Penjualan Naik And Persediaan Banyak Then Produksi Bertambah
= Min (µ penjualan naik [5474] ; persediaan banyak [5499] )
= Min [ 0 ; 0 ]
=0
4.Komposisi Aturan
Pada metode Mamdani, komposisi antar fungsi implikasi menggunakan fungsi MAX
yaitu dengan cara mengambil nilai maksimum dari output aturan kemudian menggabungkan
daerah fuzzy dari masing – masing aturan dengan operator OR.
Maka nilai MAX dari aturan fuzzy variable produksi berkurang 0,726. Nilai MAX dari
aturan fuzzy produksi sedang 0,726. Dan nilai MAX dari aturan produksi bertambah 0,726
Maka nilai MAX dari keseluruhan aturan fuzzy adalah 0,726.

Gambar 6. Grafik Komposisi Aturan

Berdasarkan gambar komposisi aturan diatas, maka daerah hasil komposisi diselesaikan
sebagai berikut:
14000−x
A1 = =0,726
14000−13000

10
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

14000−x
= =0,726
1000
= 14000 - x = 726
x = 14000-726
x = 13.274
14000−x
A2 = =0 ,5
14000−13000
14000−x
= =0 , 5
1000
= 14000 - x = 500
x = 13.500
x−13000
A3 = =0,726
14000−13000
x−13000
= =0,726
1000
= x−13000 = 726
x = 13.726
15000−x
A4 = =0,726
15000−14000
15000−x
= =0,726
1000
= 15000 - x = 726
x = 14.264
15000−x
A5 = =0 ,5
15000−14000
15000−x
= =0 , 5
1000
= 15000 - x = 500
x = 14.500
x−14000
A6 = =0,726
15000−14000
x−14000
= =0,726
1000
= x−14000 = 726
x = 14.726
5.Defuzzifikasi
Metode penegasan yang digunakan adalah metode centroid. Maka, yang pertama adalah
menghitung momen setiap daerah.
Z=
( 0+13.264 )( 0,726 ) + ( 0,726−0 ,5 )( 13.500−13.264 )+ ( 0,726−0 , 5 ) ( 13.726−13.500 )
+ ( 14.264−13.725 )
( 0,726 ) + ( 0,726−0 , 5 ) + ( 14.500−14.264 ) + ( 0,726−0 , 5 ) + ( 14.726−14.500 ) + ( 16.000−14.726 )
(0,726)
¿ =¿ ¿
0,726+0,226+ 0,226+0,726+ 0,226+0,226+ 0,726
Z=
( 13.264 ) 0,726+0,226 ( 236 ) +0,226 ( 226 )+ ( 538 ) 0.726 +0,226 ( 236 ) +0,226 ( 226 ) + ( 1.274 ) 0,726
¿ ¿
3,082

11
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

¿ ( 236+226+236 +226 ) 0,226+ ( 13.264 +538+1.274 ) 0,726

Z=
3,082
¿ ( 924 ) 0.226+ ( 15.078 ) 0,726
Z=
3,082
¿ 15.078
Z=
3,082
Z = 4.892
Maka dapat disimpulkan bahwa tingkat penjualan parfum baba berada pada angka
4.892.

V. KESIMPULAN DAN SARAN

5.1 Kesimpulan
Setelah melakukan berbagai macam tahapan-tahapan maka diperoleh suatu kesimpulan
sebagai berikut:
1. Hasil keputusan pada penelitian ini cukup efektif karena memiliki tingkat akurasi yang
tinggi.
2. Hasil dari penelitian ini didapatkan bahwa jumlah produksi untuk bulan november 2022
adalah sebanyak 4892 botol.
3. Sistem ini dapat membantu dan menjadi referensi bagi ilmu pendidikan.
5.2 Saran
Adapun saran-saran yang dapat disampaikan kepada pembaca, kepada pihak pengguna
dan kepada seluruh pihak yang berkaitan dengan hasil penelitian ini, yaitu :
1. Bagi pihak kampus dapat memberikan support lebih baik lagi agar kualitas hasil penelitian
dapat meningkat kedepannya.
2. Bagi mahasiswa/i diharapkan agar melanjutkan penelitian ini sehingga sistem pendukung
keputusan ini dapat kembangkan lagi, terutama dalam segi fitur dan interface-nya. Supaya
lebih menarik tampilannya dan lebih mudah dipakai.
3. Bagi mahasiswa/i agar penelitian ini disempurnakan kedepannya dengan menambah metode
atau kombinasi metode agar mendapatkan tingkat akurasi yang cukup tinggi.
4. Bagi mahaiswa/i agar dapat menyempurnakan lagu sistem ini dibuat secara online dan
interface-nya dapat kembangkan lagi.

DAFTAR PUSTAKA

Herwinsyah. (2019). Penerapan Fuzzy Inference System ( FIS ) Dengan Metode Mamdani Pada Sistem
Prediksi Penjualan Laptop Implementation of Fuzzy Inference System ( FIS ) with the Mamdani
Method in Laptop Sales Prediction System. Jurnal Multimedia & Artificial Intelligence, 3(2), 52–
59.
Julianto, S., & Setiawan, S. (2019). PERANCANGAN SISTEM INFORMASI PEMESANAN TIKET
BUS PADA PO. HANDOYO BERBASIS ONLINE Julianto. Simatupang, Julianto Sianturi,
Setiawan, 3(2), 11–25. https://journal.amikmahaputra.ac.id/index.php/JIT/article/view/56/48
Marbun, M., & Sinaga, B. (2018). Buku Ajar Sistem Pendukung Keputusan Penilaian Hasil Belajar | 1
STMIK Pelita Nusantara Medan (Issue April).
Mayora, V., Ginting, B., & Sianturi, F. A. (2019). Sistem Pendukung Keputusan Pemilihan Kepala
Laboratorium Dengan Menggunakan Metode Simple Additive Weighting ( Saw ) Di Rumah Sakit
Granmed. Journal Of Informatic Pelita Nusantara, 4(2), 1–7.
http://e-jurnal.pelitanusantara.ac.id/index.php/JIPN/article/view/606
Nasyuha, A. H., Hutasuhut, M., & Ramadhan, M. (2019). Penerapan Metode Fuzzy Mamdani Untuk
Menentukan Stok Produk Herbal Berdasarkan Permintaan dan Penjualan. Jurnal Media Informatika
Budidarma, 3(4), 313. https://doi.org/10.30865/mib.v3i4.1354
Nur Sa’idah, Edhy Sutanta, U. L. (2019). SISTEM APLIKASI PENJUALAN PRODUK NASA PADA
STOKIS E.1377. 7(2), 158–166.
Rahakbauw, D. L., Afriananda, A., & Patty, H. W. M. (2022). Perbandingan Logika Fuzzy Metode

12
 Jurnal MANTIK Penusa p-ISSN : 2088-3943
Volume X, Nomor X, Juni/Desember 202X e-ISSN : 2580-9741

Sugeno dan Metode Mamdani untuk Deteksi Dini Penyakit Stroke. Tensor, 3(1), 11–22.
Rastic Andrari, F., Maimunah, M., & Nurmala Dewi Qadarsih. (2021). Penerapan Metode Fuzzy
Mamdani Dalam Menentukan Harga Jual Ponsel Pintar Bekas (Studi Kasus Pada Kayyis Cellular
Depok). Pixel :Jurnal Ilmiah Komputer Grafis, 14(2), 253–262.
https://doi.org/10.51903/pixel.v14i2.585
Sitinjak Daniel Dido Jantce TJ, M., & Suwita, J. (2020). Analisa Dan Perancangan Sistem Informasi
Administrasi Kursus Bahasa Inggris Pada Intensive English Course Di Ciledug Tangerang. Ipsikom,
8(1), 1–19.
Sukoco, A., & Endra, R. Y. (2018). Penerapan Fuzzy Inference System Metode Mamdani Untuk
Penentuan Besaran Persentase Beasiswa. EXPERT: Jurnal Manajemen Sistem Informasi Dan
Teknologi, 3(2), 89–99. https://doi.org/10.36448/jmsit.v3i2.484
Sutiyono. (2020). MEMBANGUN SISTEM INFORMASI PENDAFTARAN SISWA BARU BERBASIS
WEB DENGAN METODE MDD (MODEL DRIVEN DEVELOPMENT) DI RAUDHATUL ATHFAL
NAHJUSSALAM. 8(2), 3–6.
Yuni Roza, Yonky Pernando, Ihsan Verdian, Eka Lia Febrianti, I. S. (2022). Prediksi Penjualan
Menggunakan Metode Fuzzy Mamdani Pada PT . XYZ. 9(6), 1989–1995.
https://doi.org/10.30865/jurikom.v9i6.5333

13