1.2 Perumusan Masalah
Adanya kelebihan persediaanstok barang di gudang yang cenderung besar dan dalam waktu yang lama dapat mengakibatkan kerusakan baik isi maupun
kemasannya serta dapat mengakibatkan kadaluarsa. Hal yang demikian dapat merugikan PT. Indofood CBP Sukses Makmur Tbk, Tanjung Morawa. Di sisi
lain, perusahaan harus mampu memperoleh keuntungan yang maksimal dengan memenuhi permintaan pasar. Oleh karena itu, dibutuhkan perencanaan jumlah
produksi barang pada waktu tertentu agar dapat memenuhi permintaan pasar dengan tepat dan jumlah yang sesuai serta menghindari kerugian akibat kelebihan
persediaanstok barang di gudang yang cenderung besar dalam waktu yang lama.
1.3 Batasan Masalah
Agar penyelesaian masalah tidak menyimpang dari pembahasan, maka dibuatlah batasan masalah yaitu :
1. Faktor-faktor yang mempengaruhi dalam menentukan jumlah produk adalah
jumlah permintaan dan jumlah persediaan, sehingga faktor-faktor yang lain tidak diteliti dan dianggap stabil.
2. Data jumlah permintaan, jumlah persediaan dan jumlah produksi Indomie dari
PT. Indofood CBP Sukses Makmur Tbk, Tanjung Morawa selama 20 minggu bulan Januari 2013 sampai dengan Mei 2013.
3.
Metode penegasan defuzzifikasi yang dipakai adalah Metode Centroid.
1.4 Tujuan Penelitian
Tujuan dari penelitian ini adalah : 1.
Untuk menentukan perencanaan jumlah mie instan Indomie yang akan diproduksi dengan menggunakan Metode Fuzzy Mamdani.
2. Untuk membandingkan hasil jumlah produksi dari perusahaan, jumlah
produksi dari Fuzzy Mamdani dan jumlah produksi dari Forecasting perusahaan.
1.5 Kontribusi Penelitian
Tulisan ini diharapkan dapat digunakan sebagai bahan referensi kepada organisasi atau perusahaan di mana dalam pengambilan keputusan untuk perencanaan jumlah
produksi suatu produk tertentu pada waktu tertentu dapat menggunakan metode Fuzzy Mamdani.
1.6 Tinjauan Pustaka
Logika Fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Salah satu aplikasinya adalah dengan Metode
Mamdani yang dikenal sebagai Metode Max-Min Maximum – Minimum. Pada metode Fuzzy Mamdani, baik variabel input maupun variabel output dibagi
menjadi satu atau lebih himpunan Fuzzy.
Jika X adalah koleksi dari obyek-obyek yang dinotasikan secara generik oleh x, maka suatu himpunan Fuzzy
A � = ��x, µ
A�
x � | x ∈ X� dengan µ
A�
x adalah derajat keanggotaan x yang memetakan X ke ruang keanggotaan M yang
terletak pada rentang 0,1 Kusumadewi, 2006.
Fungsi Keanggotaan membership function adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya
sering juga disebut dengan derajat kebebasan yang memiliki interval antara 0 dan 1. Salah satunya adalah representasi segitiga dan trapesium. Fungsi
keanggotaan segitiga digunakan secara luas, khususnya dalam implementasi
waktu nyata Yulyantari, 2011.
Defuzzifikasi adalah cara untuk memperoleh nilai tegas crisp dari himpunan
Fuzzy Thomas Sri Widoodo, 2005.
Logika Fuzzy memberikan solusi praktis dan ekonomis untuk mengendalikan sistem yang kompleks. Walaupun namanya agak kontradiktif,
Logika Fuzzy memberikan rangka kerja yang kuat dalam memecahkan banyak masalah pengontrolan. Aturan dasar Logika Fuzzy tidak membutuhkan model
matematis yang kompleks untuk mengoperasikannya. Yang dibutuhkan adalah pemahaman praktis dan teoritis dari perilaku sistem keseluruhan, banyak produk
komersial memakai Logika Fuzzy yang menggunakan kurang dari 20 aturan
Setiadji, 2009.
Dalam banyak situasi peramalan, ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Galat persentase dapat
digunakan untuk menghitung kesalahan persentase suatu peramalan Makridakis, 1999.
Galat Persentase Percentage Error PE
t
= �
X
t
− F
t
X
t
� 100
Nilai Tengah Galat Persentase Mean Percentage Error MPE =
� PE
t
n
n i=1
Nilai Tengah Galat Persentase Absolut Mean Absolute Percentage Error MAPE =
� |PE
t
| n
n i=1
1.7 Metode Penelitian
Kategori