Latar Belakang Aplikasi Logika Fuzzy Dalam Perencanaan Produksi
Pengendalian produksi berperan penting dalam kelancaran produksi. Tujuan pengendalian produksi adalah mengkordinasi berbagai kegiatan dalam proses
pengolahan bahan baku sehingga menghasilkan barang atau jasa dengan efektif dan efisien. Segala bentuk usaha perencanaan dan pengendalian produksi dimaksudkan
untuk mencapai fungsi tujuan perusahaan yakni biaya produksi minimum, jumlah produksi sesuai dengan permintaan pasar, efisien waktu penyerahan dan efektivitas
kerja.
Menurut Arman H. Nasution dan Yudha 2008:17 tujuan perencanaan dan pengendalian produksi untuk mengkoordinasikan kegiatan dari bagian-bagian yang
langsung atau tidak langsung dalam berproduksi, merencanakan, menjadwalkan, dan mengendalikan kegiatan produksi dari mulai tahapan bahan baku, sampai proses
menghasilkan output dengan efektif dan efisien.
Salah satu kegiatan dalam perencanaan produksi adalah penentuan jumlah barang yang akan diproduksi. Namun informasi yang diperoleh dalam proses
pengambilan keputusan yang bersifat subjektif dan linguistik dapat menimbulkan ketidakjelasan vagueness dan kerancuan ambiguity. Hal ini terjadi karena tidak
adanya batasan yang tegas crips terhadap informasi tersebut. Menurut George J. Klir dan Tina A. Folger 1988:138 vagueness dihubungkan dengan kesulitan bagaimana
membuat perbedaan yang tepat atau jelas di dunia. Sedemikian hingga beberapa daerah dari fungsi tujuan tidak terang atau samar, jika hal itu tidak bisa dibatasi
dengan batasan-batasan yang jelas. Ambiguity, pada sisi lain, dihubungkan dengan satu kepada banyak hubungan, hal itu merupakan situasi di mana pilihan antara dua
atau lebih alternatif yang tidak dapat ditentukan. Masing-masing dari dua bentuk ketidakpastian ini vagueness
dan
ambiguity, memiliki hubungan dengan himpunan konsep lainnya. Beberapa konsep yang
berhubungan dengan ketidakjelasan adalah kesamaran, kekaburan haziness, cloudiness, tidak jelas unclearness, ketidakjelasan indistinctness dan kurang jelas
sharpless sedangkan beberapa konsep yang berhubungan dengan kerancuan adalah ketidakspesifikan nonspecifity, satu hingga banyak hubungan one-to-many
relation, variasi variety, keadaan umum generality, keanekaragaman diversity
Universitas Sumatera Utara
dan penyimpangan divergence. Sangat mudah melihat bahwa konsep dari suatu
himpunan fuzzy yang menyediakan kerangka dasar bidang matematika dalam hubungan dengan kesamaraan. Konsep dari suatu ukuran fuzzy, pada sisi lain juga
menyediakan suatu kerangka yang umum dalam hubungan dengan kerancuan.
Logika fuzzy merupakan salah satu komponen pembentuk soft computing yang dalam banyak hal digunakan sebagai suatu cara memetakan permasalahan dari input
menuju ke output yang diharapkan Sri. K, 2011:1. Logika fuzzy pertama kali diperkenalkan pada tahun 1965 oleh Profesor Lotfi Asker Zadeh seorang guru besar di
University of California, Berkeley, Amerika Serikat yang mempublikasikan karangan ilmiahnya berjudul “Fuzzy Sets”. Dasar logika fuzzy adalah teori himpunan kabur
fuzzy set.
Terobosan baru yang diperkenalkan Zadeh memperluas konsep himpunan klasik himpunan tegas menjadi himpunan fuzzy yang berarti himpunan tegas
merupakan kejadian khusus dari himpunan fuzzy itu sendiri. Pada teori himpunan tegas, suatu objek dapat ditentukan secara tegas sebagai anggota himpunan itu atau
tidak. Dengan demikian, keanggotaan x dalam suatu himpunan A dengan fungsi karakteristik
μ
A
hanya mempunyai dua nilai kemungkinan, yaitu:
�
�
= ,
� ,
�
Dalam memperluas konsep fungsi karakteristik, Zadeh mendefinisikan himpunan fuzzy menggunakan fungsi keanggotaan membership function dalam
interval [0,1]. Jadi keanggotaan dalam himpunan fuzzy merupakan sesuatu yang berderajat atau bergradasi secara kontinu. Misalkan untuk semesta pembicaraan U,
himpunan fuzzy A dipetakan oleh fungsi keanggotaan μ
A
dalam interval [0,1].
A = {x, � |
, � 0,1 }
⊆
Teori himpunan fuzzy dapat diaplikasikan dalam bidang ekonomi, sistem pendukung keputusan, teknik dan ilmu pengetahuan Setiadji, 2009: 1. Salah satu
Universitas Sumatera Utara
aplikasi logika fuzzy dalam ilmu ekonomi adalah penggunaan Sistem Inferensi Fuzzy atau Fuzzy Inference System yang disingkat menjadi FIS dalam masalah penentuan
jumlah produksi barang. Alasan digunakannya logika fuzzy dalam tulisan ini adalah: 1.
Konsep logika fuzzy mudah dimengerti. Karena menggunakan dasar teori himpunan dengan konsep penalaran fuzzy yang mempunyai kemiripan
dengan penalaran manusia. 2.
Logika fuzzy sangat fleksibel, mampu beradaptasi dengan perubahan dan ketidakpastian permasalahan.
3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat.
4. Logika fuzzy menggunakan bahasa sehari-hari.
Banyak penelitian-penelitian terdahulu yang berkaitan mengenai penentuan jumlah produksi berdasarkan logika fuzzy, antara lain:
Penelitian oleh Afiat Triyuniarta, dkk 2009 diperoleh suatu perangkat lunak aplikasi logika fuzzy dengan 4 himpunan fuzzy untuk sistem pendukung keputusan
penentuan keluarga miskin di kota Yogyakarta yang dapat membantu pemerintah dalam mengetahui persentase keluarga miskin berdasarkan tahun pendataan.
Penelitian oleh Fajar Silikin 2011 membandingkan jumlah produksi menurut metode Mamdani dan Sugeno menggunakan 3 variabel dengan 2 himpunan fuzzy
terhadap data produksi rokok Genta Mas pada Januari 2011. Dari analisis data metode yang paling mendekati nilai kebenaran adalah pengolahan data mengunakan metode
Mamdani.
Berdasarkan penelitian-penelitian terdahulu, penulis ingin memperluas kajian pustaka dengan menambahkan himpunan fuzzy pada setiap variabel. Metode yang
digunakan dalam pengambilan keputusan untuk penentuan jumlah produksi adalah metode FIS Tsukamoto berdasarkan permintaan, persediaan dan jumlah produk pada
satu periode tertentu. Data tersebut menjadi variabel-variabel yang akan dikarakteristikkan dengan fungsi keanggotaan.
Universitas Sumatera Utara
Untuk membantu pengambil keputusan untuk pemecahan masalah penentuan jumlah produksi yang kompleks maka salah satu cara yang dapat digunakan adalah
metode FIS Tsukamoto dalam menentukan jumlah produksi. Data yang dibutuhkan manajer operasi adalah data variabel input, yaitu: permintaan maksimum dan
minimum, persediaan maksimum dan minimum, jumlah produksi maksimum dan minimum dalam satu periode tertentu, serta persediaan dan permintaan produk saat
ini. Kemudian data tersebut akan diolah dengan metode FIS Tsukamoto dan kemudian menghasilkan output berupa jumlah barang yang akan diproduksi.
Berdasarkan latar belakang di atas, maka judul dari tulisan ini adalah
“APLIKASI LOGIKA FUZZY DALAM PERENCANAAN PRODUKSI”.