Penentuan Jumlah Produksi Optimal Minuman Teh Menggunakan Metode Fuzzy Sugeno Dan Metode Fuzzy Tsukamoto (Studi Kasus : PT.Sinar Sosro Tanjung Morawa)

PT. SINAR SOSRO TANJUNG MORAWA)

SKRIPSI

NURUL ZAKYA HAQUE

131421067

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

MEDAN

2015

FUZZY TSUKAMOTO (STUDI KASUS : PT. SINAR SOSRO TANJUNG MORAWA)

SKRIPSI

Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer

Oleh :

NURUL ZAKYA HAQUE 131421067

PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

Judul : PENENTUAN JUMLAH PRODUKSI

OPTIMAL MINUMAN TEH

MENGGUNAKAN METODE FUZZY

SUGENO DAN METODE FUZZY

TSUKAMOTO (STUDI KASUS : PT.SINAR SOSRO TANJUNG MORAWA)

Kategori : SKRIPSI

Nama : NURUL ZAKYA HAQUE

NomorIndukMahasiswa : 131421067

Program Studi : EKSTENSI S1 ILMU KOMPUTER Departemen : ILMU KOMPUTER

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Diluluskan di

Medan, Agustus 2015 Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dian Rachmawati, S.Si, M.Kom Maya Silvi Lydia, B.Sc, M.Sc NIP. 19830723 200912 2 004 NIP. 19740127 200212 2 001

Diketahui/Disetujuioleh

Program Studi S1 IlmuKomputer Ketua,

Dr. PoltakSihombing, M.Kom NIP. 19620317 199103 1 011

PERNYATAAN

PENENTUAN JUMLAH PRODUKSI OPTIMAL MINUMAN TEH MENGGUNAKAN METODE FUZZY SUGENO DAN METODE

FUZZY TSUKAMOTO (STUDI KASUS : PT. SINAR SOSRO TANJUNG MORAWA)

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, Agustus 2015

Penulis

Nurul Zakya Haque

PENGHARGAAN

Alhamdulillah segala puji dan syukur atas nikmat kepada Allah Yang Maha Esa sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

Pada kesempatan ini penulis mengucapkan terima kasih kepada pihak yang telah banyak membimbing, mengarahkan, membantu, dan memberikan dukungan semangat dan kasih sayang dalam menyelesaikan skripsi ini. Penulis mengucapkan terima kasih kepada :

1. Bapak Prof. Subhilhar, Ph.D selaku Pj Rektor Universitas Sumatera Utara.

2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.

4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini .

5. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

6. Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

7. Bapak Handrizal. S.Si., M.Comp.Sc selaku Dosen Pembanding II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.

8. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.

9. Teristimewa kepada kedua orang tua penulis Ayahanda Achmad Saldi dan Ibunda Darlina, serta kepada adik penulis M.Zaki, Fadya dan keluarga besar penulis yang senantiasa memberikan doa, dukungan moril dan materil, motivasi, semangat dan kasih sayang yang tiada henti kepada penulis sehingga penulis dapat menyelesaikan skripsi ini.

10.Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013 khususnya kepada Fera, Wiwin, Tiany, Melsa, Tika, Ighfar, Ryan, Adli, Ade dan Satriyo yang telah memberikan dukungan dan kerja sama yang baik kepada penulis.

11.Terima kasih juga kepada Kurniawan Ginting yang telah memberikan motivasi, semangat serta doanya kepada penulis sehingga penulis dapat menyelesaikan skripsi ini.

12.Semua pihak yang terlibat langsung atau pun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.

Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.

Medan, Agustus 2015 Penulis

ABSTRAK

Penggunaan sistem pendukung keputusan pada jumlah produksi minuman teh yang selama ini dilakukan secara perhitungan manual mengakibatkan timbulnya masalah karena karyawan di perusahaan tersebut tidak mengetahui berapa jumlah produksi minuman teh untuk setiap bulan berikutnya. Masalah ini dapat diselesaikan dengan menggunakan metode fuzzy Sugeno dan fuzzy Tsukamoto. Pada penelitian ini dibuat tiga variabel fuzzy yang akan menjadi nilai inputan yaitu permintaan, persediaan dan dihitung berdasarkan metode fuzzy Sugeno dan fuzzy Tsukamoto , dan hasil perhitungannya disebut nilai akhir defuzzyfikasi. Sistem yang telah dirancang mampu memberikan jumlah produksi minuman yang optimum dibandingkan sistem manual yang mengakibatkan produksi berlebih atau kekurangan.

Kata kunci: Sistem Pendukung Keputusan, Defuzzyfikasi, Produksi, Fuzzy Sugeno dan Fuzzy Tsukamoto

DETERMINATION OF TOTAL PRODUCTION OPTIMAL DRINK TEA USING SUGENO FUZZY METHOD AND TSUKAMOTO

FUZZY METHOD (CASE STUDY: PT. SINARSOSRO TANJUNG MORAWA)

ABSTRACT

The use of decision support systems in the amount of tea production has been done by the manual calculation resulted in problems for the employees in these companies do not know how much the production of tea for each subsequent month. This problem can be solved by using fuzzy Sugeno and Tsukamoto fuzzy. In this study made three fuzzy variables that will be the input value that is in demand, supply and is calculated based on the method of fuzzy Sugeno and Tsukamoto fuzzy, and the results of the calculation sreferred to the final value defuzzyfication. The system has been designedis able to provide the optimum amount of beverage production compared to manual systems which result in over production or deficiency.

Keywords: Decision Support Systems, Defuzzyfication, Production, Fuzzy Sugeno and Fuzzy Tsukamoto.

DAFTAR ISI

Halaman

Persetujuan ii

Pernyataaan iii

Penghargaan iv

Abstrak vi

Abstract vii

Daftar isi viii

Daftar tabel x

Daftar gambar xi

BAB 1 PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 2

1.3 Ruang Lingkup Penelitian 2

1.4 Tujuan Penelitian 3

1.5 Manfaat Penelitian 3

1.6 Metodologi Penelitian 3

1.7 Sistematika Penulisan 5

BAB 2 LANDASAN TEORI 7

2.1 Sistem Pendukung Keputusan 7

2.1.1 Arsitektur Sistem Pendukung Keputusan 8 2.1.2 Fase – Fase Dalam Pengambilan Keputusan 10

2.2 Logika Fuzzy 12

2.3 Metode Fuzzy Sugeno 20

2.4 Metode Fuzzy Tsukamoto 21

BAB 3 ANALISIS DAN PERANCANGAN SISTEM 22

3.1 Analisis Masalah 22

3.2 Kebutuhan Sistem 23

3.2.1 Kebutuhan Input 23

3.2.2 Kebutuhan Output 24

3.3 Perancangan Sistem 24

3.3.1 Diagram Aliran Data 24

3.4 Kamus Data 31

3.5 Entity Relationship Diagram (ERD) 33

3.6 Perancangan Flowchart 33

3.7 Perancangan Inferensi Fuzzy 37

3.8 Fungsi Keanggotaan 37

3.8.1 Fungsi Keanggotaan Metode Fuzzy Sugeno 37 3.8.2 Fungsi Keanggotaan Metode Fuzzy Tsukamoto 42

3.9 Perancangan Form 46

3.9.1 Form Login 46

3.9.3 Form Menu Data 49

3.9.4 Form Menu Proses 50

3.9.5 Form Laporan 58

BAB 4 IMPLEMENTASI SISTEM DAN PENGUJIAN SISTEM 60

4.1 ImplementasiSistem 60

4.2 Pengujian 60

4.2.1 Tampilan Form Login 60

4.2.2 Tampilan Form Utama 61

4.2.3 Tampilan Form Menu Data 62

4.2.4 Tampilan Form Menu Proses 63

4.2.5 Tampilan Form Laporan 66

BAB 5 KESIMPULAN DAN SARAN 68

5.1 Kesimpulan 68

5.2 Saran 68

DAFTAR PUSTAKA

DAFTAR TABEL

Halaman

Tabel 3.1 Data Minuman Teh PT.Sinar Sosro 23

Tabel 3.2 Data Minuman 32

Tabel 3.3 Laporan Produksi 32 Tabel 3.4 Penentuan Range 37

DAFTAR GAMBAR

Halaman

Gambar 2.1 Arsitektur Sistem Pendukung Keputusan 9 Gambar 2.2 Contoh Pemetaan Input – Output 13 Gambar 2.3 Himpunan Fuzzy Variabel Temperatur 14 Gambar 2.4 Kurva Keanggotaan Linear Naik 15

Gambar 2.5 Kurva Keanggotaan Panas 16

Gambar 2.6 Kurva Keanggotaan Linear Turun 16 Gambar 2.7 Kurva Keanggotaan Linear Dingin 17

Gambar 2.8 Kurva Keanggotaan Segitiga 17

Gambar 2.9 Kurva Keanggotaan Normal 18

Gambar 2.10 Kurva Keanggotaan Trapesium 18

Gambar 2.11 Kurva Keanggotaan Normal 19

Gambar 2.12 Inferensi dengan menggunakan Metode Tsukamoto 21

Gambar 3.1 Diagram Ishikawa 22

Gambar 3.2 Diagram Konteks DFD 24

Gambar 3.3 DFD Level 1 26

Gambar 3.4 DFD Proses 1.0 28

Gambar 3.5 DFD Proses 2.0 30

Gambar 3.6 Diagram ERD 33

Gambar 3.7 Kurva Linear Naik 34

Gambar 3.8 Flowchart Linear Naik 34

Gambar 3.9 Kurva Linear Turun 35

Gambar 3.10 Flowchart Linear Turun 35

Gambar 3.11 Flowchart SPK Fuzzy Sugeno dan Fuzzy Tsukamoto 36

Gambar 3.12 Kurva Permintaan 38

Gambar 3.13 Fungsi Keanggotaan Permintaan 38

Gambar 3.14 Kurva Persediaan 39

Gambar 3.15 Fungsi Keanggotaan Persediaan 40

Gambar 3.16 Kurva Permintaan 42

Gambar 3.17 Fungsi Keanggotaan Permintaan 43

Gambar 3.18 Kurva Persediaan 43

Gambar 3.19 Fungsi Keanggotaan Persediaan 44

Gambar 3.20 Kurva Jumlah Produksi 44

Gambar 3.22 Form Menu Utama 48

Gambar 3.23 Form Menu Data 49

Gambar 3.24 Rancangan Form Proses 51

Gambar 3.25 Tampilan PerhitunganFuzzySugeno 52 Gambar 3.26 Tampilan PerhitunganFuzzy Tsukamoto 54 Gambar 3.27 Tampilan Form Simpan Ke Laporan 56

Gambar 3.28 Tampilan Form Laporan 59

Gambar 4.1 Tampilan Form Login 61

Gambar 4.2 Tampilan Form Menu Utama 62

Gambar 4.3 Tampilan Form Menu Data 63

Gambar 4.4 Tampilan Form Menu Proses 64

Gambar 4.5 Tampilan Perhitungan Fuzzy Sugeno 65 Gambar 4.6 Tampilan PerhitunganFuzzy Tsukamoto 65 Gambar 4.7 Tampilan Form Simpan Ke Laporan 66

ABSTRAK

Penggunaan sistem pendukung keputusan pada jumlah produksi minuman teh yang selama ini dilakukan secara perhitungan manual mengakibatkan timbulnya masalah karena karyawan di perusahaan tersebut tidak mengetahui berapa jumlah produksi minuman teh untuk setiap bulan berikutnya. Masalah ini dapat diselesaikan dengan menggunakan metode fuzzy Sugeno dan fuzzy Tsukamoto. Pada penelitian ini dibuat tiga variabel fuzzy yang akan menjadi nilai inputan yaitu permintaan, persediaan dan dihitung berdasarkan metode fuzzy Sugeno dan fuzzy Tsukamoto , dan hasil perhitungannya disebut nilai akhir defuzzyfikasi. Sistem yang telah dirancang mampu memberikan jumlah produksi minuman yang optimum dibandingkan sistem manual yang mengakibatkan produksi berlebih atau kekurangan.

Kata kunci: Sistem Pendukung Keputusan, Defuzzyfikasi, Produksi, Fuzzy Sugeno dan Fuzzy Tsukamoto

DETERMINATION OF TOTAL PRODUCTION OPTIMAL DRINK TEA USING SUGENO FUZZY METHOD AND TSUKAMOTO

FUZZY METHOD (CASE STUDY: PT. SINARSOSRO TANJUNG MORAWA)

ABSTRACT

The use of decision support systems in the amount of tea production has been done by the manual calculation resulted in problems for the employees in these companies do not know how much the production of tea for each subsequent month. This problem can be solved by using fuzzy Sugeno and Tsukamoto fuzzy. In this study made three fuzzy variables that will be the input value that is in demand, supply and is calculated based on the method of fuzzy Sugeno and Tsukamoto fuzzy, and the results of the calculation sreferred to the final value defuzzyfication. The system has been designedis able to provide the optimum amount of beverage production compared to manual systems which result in over production or deficiency.

Keywords: Decision Support Systems, Defuzzyfication, Production, Fuzzy Sugeno and Fuzzy Tsukamoto.

PENDAHULUAN

1.1. Latar Belakang

PT. Sinar Sosro adalah salah satu perusahaan yang bergerak di bidang produksi minuman dengan skala besar (mass production). PT. Sinar Sosro Cabang Deli Serdang memproduksi minuman botol berupa Teh Botol, Fruit Tea, Green Tea, Prima. Produk utama PT. Sinar Sosro adalah Teh Botol Sosro. PT. Sinar Sosro merupakan perusahaan yang bersifat make to stock yang menjaga tingkat persediaan barang jadi di gudang untuk mencukupi permintaan beberapa hari ke depan. Jadi perusahaan tidak dapat mengetahui nilai optimasi produksi minuman untuk setiap bulan berikutnya.

Masalah tersebut bisa diatasi dengan metode logika fuzzy, dimana metode ini dapat digunakan pada masalah nilai optimasi produksi minuman. Metode yang dapat digunakan dalam pengaplikasian logika fuzzy pada produksi minuman di perusahaan antara lain adalah metode Sugeno dan metode Tsukamoto. Penalaran metode Sugeno ini hampir sama dengan penalaran Tsukamoto, hanya saja output sistem tidak berupa himpunan fuzzy melainkan berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985.

Setiap pembagian pekerjaan, nilai variabel – variabel seperti persediaan bahan baku, permintaan pemasaran dan berapa jumlah minuman yang harus diproduksi ini tidak dapat diketahui dengan pasti. Apabila hal ini terjadi, maka salah satu solusinya dapat dicari dengan mengunakan operasi himpunan fuzzy.

Suwandi (2011) membuat penelitian tentang “ Aplikasi Sistem Inferensi Fuzzy Metode Sugeno Dalam Memperkirakan Produksi Air Mineral dalam Kemasan menuliskan bahwa pada masalah produksi minuman, dengan variabel – variabel yang

bernilai integer akan selalu menghasilkan solusi yang bernilai integer (bilangan pembulatan). Dengan menggunakan metode logika fuzzy yang bekerja berdasarkan aturan

– aturan linguistik, maka akan didapat suatu solusi dengan nilai integer.

1.2. Rumusan Masalah

Berdasarkan latar belakang diatas , maka yang menjadi rumusan masalah adalah bagaimana meranking dan mengaplikasikan hasil sistem pendukung keputusan metode fuzzy Sugeno dan metode fuzzy Tsukamoto dalam penentuan jumlah produksi minuman pada perusahaan PT. Sinar Sosro.

1.3. Ruang Lingkup Penelitian

Adapun ruang lingkup pada penelitian ini adalah :

1. Penelitian ini membahas sistem pendukung keputusan untuk menentukan hasil produksi minuman teh sosro dalam kemasan botol di PT. Sinar Sosro. Parameter kedua metode tersebut adalah perankingan hasil produksi yang optimum dan running time.

2. Produk yang diteliti adalah minuman dalam kemasan botol

3. Bahasa pemrograman yang digunakan adalah Microsoft Visual Basic 2013 dan Database management system yang digunakan adalah Microsoft Access 2013 4. Data yang diinput ada tiga yaitu permintaan, persediaan, dan produksi barang

selama perbulan.

5. Masing–masing variabel mempunyai 2 nilai linguistik yaitu: a). Untuk permintaan, nilai linguistiknya menurun dan menaik b). Untuk persediaan, nilai linguistiknya sedikit dan banyak

c). Untuk produksi barang, nilai linguistiknya bertambah dan berkurang

1.4. Tujuan Penelitian

Adapun tujuan yang dapat diperoleh dari penelitian ini adalah memperoleh hasil jumlah produksi minuman teh kemasan botol pada PT. Sinar Sosro dengan menggunakan fuzzy sugeno dan fuzzy tsukamoto.

1.5. Manfaat Penelitian

Manfaat yang diharapkan dari penelitian ini adalah :

1. Dapat dijadikan sebagai acuan dalam memilih antara metode fuzzy Sugeno atau metode fuzzy Tsukamoto untuk dijadikan sebagai parameter perankingan nilai tertinggi sebagai hasil yang terbaik.

2. Dengan adanya aplikasi ini dapat mempermudah pihak perusahaan dalam menentukan jumlah produksi minuman untuk setiap bulan berikutnya.

1.6. Metodologi Penelitian

Dalam penelitian ini, penulis melakukan beberapa metode untuk memperoleh data atau informasi dalam menyelesaikan permasalahan. Metode yang dilakukan tersebut antara lain:

1.Studi Literatur

Penulisan ini dimulai dengan studi kepustakaan yaitu mengumpulkan bahan- bahan referensi baik dari buku, artikel, makalah, jurnal, maupun situs internet mengenai variabel fuzzy Sugeno dan fuzzy Tsukamoto serta pemrograman untuk pembuatan aplikasinya dan beberapa referensi lainnya untuk menunjang pencapaian tujuan skripsi.

Pada tahap ini data yang berkaitan dengan produksi minuman kemasan botol dikumpulkan dengan melakukan dari riset di perusahaan PT. Sinar Sosro Tanjung Morawa.

3.Analisis Permasalahan

Pada tahap ini dilakukan analisis terhadap permasalahan yang ada pada perusahaan tersebut. Analisis masalah dilakukan dengan membuat diagram ishikawa untuk menemukan akar masalah sehingga perlu dibuat sistem pendukung keputusan untuk menghitung jumlah produksi minuman teh kemasan botol. Seterusnya akan dilakukan analisis kebutuhan bagi keperluan perancangan sistem.

4.Perancangan

Tahap ini diperuntukkan bagi merancang sistem pendukung keputusan yang akan digunakan untuk membantu pihak perusahaan menentukan jumlah produksi minuman. Perancangan dilakukan berdasarkan analisis masalah serta analisis kebutuhan yang telah dilakukan sebelumnya. Perancangan sistem dilakukan dengan membuat diagram konteks, data flow diagram (DFD) dan flowchart.

5.Implementasi dan Pengujian

Implementasi hasil perancangan menggunakan bahasa program Microsoft Visual Basic 2013 dan database Microsoft Access 2013. Pengujian yang dilakukan dapat menjalankan program sesuai yang diharapkan. Tujuan dari pengujian ini adalah untuk memperbaiki kinerja dari aplikasi yang tidak bersesuaian dengan kebutuhan fungsional yang telah direncanakan sebelumnya.

Pada tahap ini dilakukan pembuatan dokumentasi sistem, lengkap dengan analisis yang diperoleh dan dokumentasi hasil analisis dan implementasi dari metode fuzzy sugeno dan metode fuzzy tsukamoto.

1.7 Sistematika Penulisan

Sistematika penulisan skripsi ini dibagi menjadi lima bab yaitu:

BAB 1 : PENDAHULUAN

Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi

“Penentuan Jumlah Produksi Minuman Teh Menggunakan Metode Fuzzy Sugeno Dan Metode Fuzzy Tsukamoto (Studi Kasus : PT.Sinar Sosro

Tanjung Morawa)”, rumusan masalah, batasan masalah, tujuan penelitian,

manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

BAB 2 : LANDASAN TEORI

Bab ini membahas mengenai teori-teori yang berkaitan dengan perancangan sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan himpunan fuzzy.

BAB 3 : ANALISIS DAN PERANCANGAN SISTEM

Bab ini berisikan paparan analisis terhadap permasalahan dan penyelesaian persoalan terhadap sistem pendukung keputusan dengan menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto.

BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini membahas tentang implementasi dari hasil tahapan analisis dan perancangan sistem ke dalam sebuah perangkat lunak (dalam bentuk bahasa pemrograman), serta kebutuhan perangkat keras dan perangkat lunak yang diperlukan dalam membangun sistem. Bab ini juga berisi

pengujian terhadap sistem juga dilakukan untuk melihat apakah sistem tersebut sudah sesuai dengan hasil yang diharapkan.

BAB 5 : KESIMPULAN DAN SARAN

Bab ini memuat kesimpulan dari keseluruhan uraian bab-bab sebelumnya dan saran- saran yang diharapkan dapat bermanfaat dalam pengembangan selanjutnya.

2.1. Sistem Pendukung Keputusan

Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) pertama kali diungkapkan pada tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision System. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur (Menurut Saaty dan Thomas, 2001).

Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian yang lebih mendalam, akan diuraikan beberapa definisi mengenai SPK yang dikembangkan oleh beberapa ahli, diantaranya adalah menurut Raymond McLeod, Jr (1998) sistem pendukung keputusan merupakan sebuah sistem yang menyediakan kemampuan untuk penyelesaian masalah dan komunikasi untuk permasalahan yang bersifat semi-terstruktur. Selanjutnya ada juga pendapat ahli mengatakan Menurut Oetomo, Budi Sutedjo Dharma (2002) sistem pendukung keputusan dirancang secara khusus untuk mendukung seseorang yang harus mengambil keputusan-keputusan tertentu.

Kerangka dasar dalam pengambilan keputusan dalam tipe keputusan dibagi menjadi:

Berisi masalah rutin yang sering terjadi, solusinya adalah standard dan baku. Prosedur yang berisi solusi terbaik dari pemecahan masalah yang ada atau mendekati solusi standar. Teknologi yang digunakan adalah Sistem Informasi Manajemen (SIM) dan Penelitian Operasional.

2. Tidak terstruktur

Berisi masalah kompleks menggunakan pemecahan masalah yang tidak standar. Pencarian solusi melibatkan intuisi manusia sebagai dasar pembuat keputusan. Teknologi yang digunakan adalah sistem pakar.

3. Semiterstruktur

Merupakan gabungan antara terstruktur dan tidak terstruktur, solusi masalah merupakan gabungan antara prosedur solusi standar dan kemampuan manusia. Teknologi yang digunakan adalah SPK.

2.1.1 Arsitektur Sistem Pendukung Keputusan

Arsitektur sistem pendukung keputusan terdiri dari tiga komponen komponen utama (subsistem), yaitu :

a. Subsistem data (database), merupakan tempat untuk menyimpan data yang relevan bagi sistem dan diorganisasikan oleh suatu sistem dengan manajemen database (Database Management System/DBMS) sehingga data dapat diekstrasi dengan cepat. Data berasal dari sumber internal (dari dalam perusahaan) dan eksternal (dari luar perusahaan).

b. Subsistem model (modelbase), digunakan untuk menggambarkan data dalam suatu model untuk memudahkan pemrosesan data tersebut.

c. Subsistem dialog (user system interface), berfungsi sebagai perantara antara sistem dengan user. Inilah keunikan lain pada SPK, yaitu mampu

mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Subsistem dialog menengartikulasikan dan mengimplementasikan sistem sehingga pengguna dapat berkomunikasi dengan sistem yang dirancang.

Berikut ini tampilan arsitektur sistem pendukung keputusan dapat dilihat pada gambar 2.1.

Gambar 2.1 Arsitektur Sistem Pendukung Keputusan

2.1.2 Fase-fase dalam Pengambilan Keputusan

Interaksi

Sistem Pendukung Keputusan

Sistem Informasi

- Internet

- Referensi Jurnal dan Skripsi

- Buku Panduan - Riset Data

Perhitungan

- Himpunan variabel fuzzy

- Semesta Pembicara

- Domain

- Fungsi Keanggotaan - Defuzzifikasi

Perbandingan

Fuzzy Sugeno Fuzzy Tsukamoto

Terdapat tiga fase yang harus dilakukan dalam proses pengambilan keputusan (Simon, 2002), yaitu :

1. Fase Penalaran (Intelligence Phase).

Inteligensi mencakup berbagai aktifitas yang menekankan identifikasi situasi atau peluang-peluang masalah. Dalam fase ini kita mulai mengenali permasalahan, situasi dan peluang untuk mencari solusi terhadap masalah tersebut. Tahapan yang harus dilakukan pada fase ini adalah :

a. Identifikasi masalah

Dimulai dengan identifikasi terhadap tujuan dan sasaran yang berkaitan dengan masalah yang diteliti dan determinasi apakah tujuan tersebut telah terpenuhi. Pengambil keputusan berusaha menentukan apakah ada suatu masalah, mengidentifikasi gejala-gejalanya, menentukan ruang lingkupnya, dan mendefenisikannya secara terperinci. Intinya, apakah sistem melaporkan masalah atau hanya memberikan gejala-gejala dari sebuah masalah.

b. Klasifikasi masalah

Fase ini merupakan konseptualitas terhadap suatu masalah, dalam rangka menempatkannya dalam suatu klasifikasi sesuai tingkat strukturisasi pada masalah tersebut.

c. Dekomposisi masalah

Pada fase ini, masalah dibagi lagi menjadi sub-sub masalah. Masalah yang kompleks dan rumit dapat disederhanakan lagi, sehingga dapat memudahkan proses pemecahan masalah.

Menentukan apakah masalah tersebut dimiliki oleh suatu organisasi atau individu. Sebuah masalah ada dalam sebuah organisasi jika seseorang atau beberapa kelompok mengambil tanggung jawab untuk mengatasinya. Ketika kepemilikan masalah tidak ditentukan, maka masalah akan diidentifikasi sebagai masalah orang lain. Oleh karena itu, kepemilikan masalah harus ditentukan sehingga model yang dibangun bias relevan dengan kebutuhan si pemilik masalah.

2. Fase Perancangan (Design Phase).

Fase desain meliputi pengembangan dan penganalisisan tindakan yang mungkin untuk dilakukan. Dalam fase ini akan dihasilkan analisis dari kemungkinan-kemungkinan solusi, alternatif solusi dan memprediksi dampak yang akan terjadi dari setiap alternatif solusi dari permasalahan tersebut. Penentuan alternatif solusi dispesifikasi lagi, yaitu dilakukan setelah penentuan evaluasi alternatif solusi agar mengurangi waktu dan tenaga dalam mencari alternatif solusi. Aktivitas dalam fase ini adalah ;

a. Membangun model dari permasalahan yang diteliti. b. Menentukan kriteria pemilihan.

c. Mencari alternatif solusi.

d. Memprediksi dampak yang akan timbul.

Proses desain merupakan kombinasi antara ilmu dan seni. Sebagai ilmu, ada banyak kelas model standar, seorang analis dapat menentukan model mana yang dapat diaplikasikan pada situasi yang dihadapi. Sebagai seni, diperlukan kreatifitas dan keterampilan yang tinggi ketika menentukan asumsi apa yang dapat bekerja, bagaimana menggabungkan fitur yang tepat dari kelas- kelas model, dan bagaimana mengintegrasikan model-model untuk mendapatkan solusi yang tepat.

Model merupakan komponen yang kritis di dalam proses pengambilan keputusan. Pada prosesnya, kadang analis dapat membuat sejumlah kesalahan dalam pengembangan dan penggunaan model. Maka, harus dilakukan pengumpulan sejumlah informasi yang

benar dengan tingkat akurasi yang tepat, sehingga model yang dibangun dapat memenuhi kebutuhan dari masalah yang diteliti.

3. Fase Pemilihan (Selection Phase).

Dalam fase ini dilakukan pencarian alternatif solusi yang sesuai dan dapat digunakan untuk memecahkan masalah tersebut. Dimana dibuat suatu keputusan yang nyata untuk mengikuti suatu tindakan tertentu. Batas antara fase desain dan pemilihan kurang jelas, karena aktivitas tertentu dapat dilakukan selama kedua fase tersebut, yaitu analis bias saja kembali dari aktivitas pilihan ke aktivitas desain.

2.2 Logika Fuzzy

Menurut Sri Kusuma Dewi dan Hari Purnomo (2004) Logika Fuzzy merupakan salah satu komponen pembentuk soft computing. Logika Fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi ciri utama dari penalaran dengan logika fuzzy tersebut.

Menurut Sri Kusumadewi dan Hari Purnomo (2004) metode yang akan dibandingkan pada penelitian ini adalah metode fuzzy Sugeno dan metode fuzzy Tsukamoto. Hal ini dikarenakan logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output misalnya studi kasus di PT.Sinar Sosro jika manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus di produksi esok hari. Contoh pemetaan input ke dalam suatu ruang output bisa dilihat pada gambar 2.2.

Gambar 2.2 Contoh pemetaan input-output

Antara input dan output terdapat satu kotak hitam yang harus memetakan input ke output yang sesuai.Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.

2. Logika fuzzy sangat fleksibel.

3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.

4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman - pengalaman

para pakar secara langsung tanpa harus melalui proses pelatihan.

6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.

7. Logika fuzzy didasarkan pada bahasa alami.

Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan, yaitu:

1. satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau

2. nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.

Contoh

Jika diketahui:

S = {1, 2, 3, 4, 5, 6} adalah semesta pembicaraan. A = {1, 2, 3}

B = {3, 4, 5}

bisa dikatakan bahwa:

a. Nilai keanggotaan 2 pada himpunan A, µA[2]=1, karena 2 A. b. Nilai keanggotaan 3 pada himpunan A, µA[3]=1, karena 3 A. c. Nilai keanggotaan 4 pada himpunan A, µA[4]=0, karena 4 A. d. Nilai keanggotaan 2 pada himpunan B, µB[2]=0, karena 2 B. e. Nilai keanggotaan 3 pada himpunan B, µB[3]=1, karena 3 B.

Contoh umum perhitungan logika fuzzy pada temperatur ruangan, pada variabel temperatur ada 5 yaitu DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS dapat dilihat pada gambar 2.3.

Gambar 2.3. Himpunan F uzzy Variabel Temperatur

Nilai variabel pada gambar diatas [0 40] merupakan keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy yang disebut dengan semesta pembicaraan.

Selanjutnya, keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy merupakan nilai domain. Nilai domain dapat berupa bilangan positif maupun negatif. Contoh domain himpunan fuzzy pada temperatur:

a. DINGIN = [0 20] b. SEJUK = [15 25] c. NORMAL = [20 30] d. HANGAT = [25 35] e. PANAS = [30 40]

Pada proses perhitungan fuzzy perlunya suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1 yang disebut fungsi keanggotaan (membership function). Ada beberapa fungsi keanggotaan yang bisa digunakan yaitu representasi linear naik dan linear turun, representasi kurva segitiga dan representasi kurva trapesium. Contoh kurva fungsi keanggotaan linear naik dapat dilihat pada gambar 2.4.

Fungsi keanggotaan :

Perhitungan kurva fungsi keanggotaan PANAS pada variabel temperatur ruangan dapat dilihat pada gambar 2.5.

μpanas [32] = (32-25)/(35-25) = 7/10=0,7

Gambar 2.5 Kurva Keanggotaan Panas

Contoh kurva fungsi keanggotaan linear turun dapat dilihat pada gambar 2.6:

Fungsi keanggotaan:

Fungsi keanggotaan untuk himpunan DINGIN pada variabel temperatur ruangan dapat dilihat pada gambar 2.7.

μDINGIN [20] =(30-20)/(30-15)= 10/15 = 0,667

Gambar 2.7 Kurva Keanggotaan Dingin

Contoh kurva fungsi keanggotaan segitiga dapat dilihat pada gambar 2.8.

Fungsi keanggotaan :

Misalnya fungsi keanggotaan untuk himpunan NORMAL dapat dilihat pada gambar 2.9 .

Gambar 2.9 Fungsi Keanggotaan NORMAL

µNORMAL [23] = (23-15) / (25-15) = 8/10 = 0,8

Contoh kurva fungsi keanggotaan trapesium dapat dilihat pada gambar 2.10.

Fungsi keanggotaan :

Fungsi keanggotaan untuk himpunan NORMAL pada variabel temperatur ruangan terlihat pada Gambar 2.11.

μNORMAL[32] = (35-32)/(35-27) = 3/8 = 0,375

Gambar 2.11 Kurva Keanggotaan Normal

Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Ada 3 operator dasar yang diciptakan oleh Zadeh, yaitu:

a. Operator AND: Operator ini berhubungan dengan operasi interseksi pada

himpunan. α–predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan yang bersangkutan.

b. Operator OR: Operator ini berhubungan dengan operasi union pada himpunan. α– predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan yang bersangkutan. c. Operator NOT : Operator ini berhubungan dengan operasi komplemen pada

dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.

Setelah menentukan operasi fuzzy, perlunya untuk membuat suatu aturan implikasi pada proses perhitungan fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah:

IF x is A THEN y is B

dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut sebagi anteseden, sedangkan proposisi yang mengikuti THEN disebut sebagai konsekuen. Proposisi ini dapat diperluas dengan menggunakan operator fuzzy, seperti:

IF (x1 is A1) o (x2 is A2) o (x3 is A3) o ... o (xN is AN) THEN y is B dengan o adalah operator (misal: OR atau AND).

Setelah menghitung predikat aturan yang telah ditentukan, nilai defuzzifikasi dapat dapat diperoleh dengan perhitungan Weight Average.

WA = α1Z1 + α2Z2 + α3Z3 + .... + αηZη α1 + α2 + α3 + .... + αη Dengan αη : Nilai predikat aturan ke-n

Zη : Indeks nilai output ke –n 2.3 Metode F uzzy Sugeno

Penalaran fuzzy dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya saja output sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linier. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Menurut Sri Kusumadewi dan Hari Purnomo (2004).

Secara umum model fuzzy SUGENO terdiri dari dua jenis : 1. Model fuzzy SUGENO orde-nol :

2. Model fuzzy SUGENO orde-satu :

IF input1 = x dan input2 = y, THENOutputnya adalah z = ax+by+c

2.4 Metode F uzzy Tsukamoto

Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot dapat dilihat pada gambar 2.12. Menurut Sri Kusumadewi dan Hari Purnomo (2004).

3.1. Analisis Masalah

Masalah yang ada pada perusahaan ini adalah belum adanya sebuah sistem untuk penentuan jumlah produksi minuman teh yang ditujukan untuk mengetahui berapa jumlah produksi minuman yang akan di produksi untuk setiap bulan berikutnya. Analisis masalah menggunakan diagram fishbone/ishikawa digunakan untuk menemukan akar penyebab masalah atau untuk mengidentifikasi kemungkinan penyebab masalah. Masalah ini didasarkan pada beberapa akar masalah yaitu dapat dilihat pada gambar berikut ini :

- Belum ada sistem untuk - Belum digunakan metode, Pengolahan data karena masih manual

- Penentuan jumlah produksi - Pengambilan keputusan belum menggunakan predikat aturan

Gambar 3.1 Diagram Ishikawa

Dari data-data spesifikasi minuman teh yang ada, maka dapat dibuat perancangan sistem yang diinginkan apakah yang sesuai dengan kriteria-kriteria yang

diinginkan konsumen. Berikut data minuman teh di PT.Sinar Sosro dapat dilihat pada tabel 3.1.

Mesin Metode

Material _Man

penentuan jumlah produksi minuman teh menggunakan metode fuzzy

sugeno dan metode fuzzy

Tabel 3.1 Data Minuman Teh PT.Sinar Sosro NO Bulan

produksi Tahun Produksi Data Permintaan Data Persediaan Jumlah Produksi

1 Mei 2014 100.056 57.491 126.433

2 Juni 2014 98.564 43.649 99.811

3 Juli 2014 75.934 36.139 141.559

4 Agustus 2014 154.941 71.527 171.002 5 September 2014 127.312 63.490 144.371 6 Oktober 2014 152.911 75.194 161.981

7 November 2014 76.415 30.061 112.081

8 Desember 2014 91.846 39.572 92.340

9 Januari 2015 79.281 37.192 86.114

10 Februari 2015 89.431 25.409 103.450

11 Maret 2015 108.736 18.757 110.721

12 April 2015 114.801 49.408 116.163

Pada tabel 3.1 terdapat tiga buah variabel yaitu permintaan, persediaan dan jumlah produksi. Masing-masing variabel tersebut akan ditentukan bentuk himpunannya serta dihitung fungsi keanggotaannya.

3.2 Kebutuhan Sistem

Kebutuhan sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pembangunan sistem.

3.2.1 Kebutuhan Input

Dalam membangun sistem diperlukan beberapa data minuman teh sebagai variabel yaitu permintaan, persediaan dan produksi minuman. Dan setiap variabel dibagi menjadi beberapa himpunan seperti:

a. Untuk permintaan, nilai linguistiknya menurun dan menaik b. Untuk persediaan, nilai linguistiknya sedikit dan banyak

3.2.2 Kebutuhan Output

Output atau keluaran dari sistem ini adalah berupa daftar hasil laporan minuman teh sesuai dengan kriteria yang diinginkan dengan menggunakan metode fuzzy sugeno dan fuzzy tsukamoto. Setelah didapatkan hasilnya, maka dapat diketahui metode mana yang lebih baik dengan jumlah yg paling optimum dan dapat dibandingkan kecepatan waktu pada perhitungan antara metode fuzzy sugeno dan fuzzy tsukamoto.

3.3 Perancangan Sistem 3.3.1 Diagram Aliran Data

Diagram Aliran Data/Data Flow Diagram (DFD) adalah alat yang biasa dipakai untuk mendokumentasi proses dalam sistem atau sebuah teknis grafis yang menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadi output. Diagram aliran data untuk sistem pendukung keputusan penentuan jumlah produksi minuman dapat dilihat pada gambar 3.2.

SPK Penentuan Jumlah Produksi Minuman Teh Pengguna

Data Minuman

Data Variabel

Fungsi Keanggotaan

Data laporan produksi

Gambar 3.2 Diagram Konteks DFD

Penjelasan proses diagram konteks sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan fuzzy tsukamoto adalah sebagai berikut:

Nama Proses : SPK penentuan jumlah produksi minuman teh.

Keterangan : Proses penentuan produksi minuman yang diproses dengan metode fuzzy.

b. Arus Data

Masukan : Data minuman berupa id, bulan produksi, nama minuman, permintaan, persediaan dan jumlah produksi

Keluaran : Data minuman

c. Entitas Luar

Nama Entitas : Pengguna

Masukan : Data minuman, data variabel, fungsi keanggotaan dan data laporan produksi

Keluaran : Hasil laporan

Keterangan : Sebagai pengguna yang mengoperasikan sistem.

Proses yang ada pada diagram konteks dapat dipecahkan lagi menjadi proses-proses yang lebih kecil dan lengkap dalam DFD level 1. Diagram untuk DFD level 1 dapat dilihat pada Gambar 3.3 berikut ini.

1.0 Olah Data

Minuman

2.0 Perhitungan

Fuzzy

3.0 Laporan Produksi

Pengguna tbl_minuman

tbl_laporan Data Minuman

Data minuman _{Data minuman}

Data laporan produksi Data laporan produksi Data minuman

Data minuman

Data minuman Data minuman

Data Minuman

Data variabel

Data variabel

Gambar 3.3 DFD Level 1

Penjelasan olah data minuman DFD Level 1 Sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto sebagai berikut:

a. Proses 1.0

Nama Proses : Olah data minuman

Masukan : Data minuman berupa id, bulan produksi, nama minuman, permintaan, persediaan dan jumlah produksi

Keluaran : Data minuman teh yang telah di simpan ke tbl_minuman Keterangan : Merupakan bagian untuk mengupdate data minuman teh

b. Proses 2.0

Nama Proses : Perhitungan Fuzzy

Masukan : Input berdasarkan data variabel fuzzy sugeno dan fuzzy tsukamoto Keluaran : Derajat keanggotaan

Keterangan : Proses perhitungan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto

c. Proses 3.0

Nama Proses : Laporan Produksi

Masukan : Inputan dari data minuman dan hasil perhitungan jumlah produksi minuman teh

Keluaran : Hasil laporan

Keterangan : Merupakan hasil laporan jumlah produksi minuman teh

Proses yang ada pada DFD Level 1 dapat dipecahkan lagi menjadi proses-proses yang lebih jelas ke dalam Diagram 1.0 yang dapat dilihat pada Gambar 3.4 berikut ini.

1.1 Simpan data

1.4 Refresh

1.3 Hapus data

1.2 Edit data

1.5 Keluar

Pengguna tbl_minuman

Data minuman Data minuman

Data minuman Data minuman

Data minuman Data minuman

Data minuman Data minuman

Data minuman Data minuman

Detail data minuman Detail data minuman

Detail data minuman Detail data minuman

Detail data minuman Detail data minuman

Detail data minuman Detail data minuman

Detail data minuman Detail data minuman

Gambar 3.4 DFD Proses 1.0

Penjelasan DFD Level 1 Proses 1.0 Sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto sebagai berikut:

a. Proses 1.1

Nama Proses : Simpan data Masukan : Data minuman teh Keluaran : Update data minuman

b. Proses 1.2

Nama Proses : Edit data Masukan : Data minuman

Keluaran : Update data minuman

Keterangan : Perbaharui data minuman ditabel minuman

c. Proses 1.3

Nama Proses : Hapus data Masukan : Data minuman

Keluaran : Salah satu data minuman terhapus.

Keterangan : Menghapus data minuman dari tabel minuman

Proses yang ada pada DFD Level 1 dapat dipecahkan lagi menjadi proses-proses yang lebih jelas ke dalam DFD Level 1 Proses 2.0 yang dapat di lihat pada gambar 3.5 berikut ini.

2.1 Input variabel fuzzy 2.4 Defuzzyfikasi 2.3 Fungsi Keanggotaan 2.2 Pembentukan himpunan fuzzy Pengguna Nilai tegas Data minuman 2.5 Laporan minuman teh

Data hasil laporan produksi tbl_laporan

Data variabel fuzzy

Data variabel fuzzy

Data hasil laporan produksi Data hasil laporan

produksi

Gambar 3.5 DFD Proses 2.0

Penjelasan DFD Level 1 Proses 2.0 Sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto sebagai berikut:

a. Proses 2.1

Nama Proses : Input variabel fuzzy

Masukan : Variabel permintaan, persediaan dan produksi minuman Keluaran : Pembentukan himpunan fuzzy

b. Proses 2.2

Nama Proses : Pembentukan himpunan fuzzy

Masukan : Variabel permintaan, persediaan dan produksi minuman Keluaran : Derajat keanggotaan

Keterangan : Memilih himpunan minuman

c. Proses 2.3

Nama Proses : Fungsi Keanggotaan Masukan : Nilai tegas

Keluaran : Derajat keanggotaan Keterangan : Perhitungan fuzzy

d. Proses 2.4

Nama Proses : Defuzzyfikasi

Masukan : Derajat keanggotaan Keluaran : Data hasil laporan produksi Keterangan : Memilih Operator Zadeh

d. Proses 2.5

Nama Proses : Laporan minuman teh Masukan : Defuzzyfikasi

Keluaran : Mengoptimumkan hasil perhitungan antara fuzzy sugeno dan tsukamoto serta kecepatan waktu perhitungan.

Keterangan : Memilih metode yang terbaik dan membandingkan kecepatan waktu antara fuzzy sugeno dan fuzzy tsukamoto.

3.4 Kamus Data

Kamus data menurut Andri Kristanto (2008) yaitu kumpulan elemen-elemen atau simbol-simbol yang digunakan untuk membantu dalam penggambaran atau pengidentifikasian setiap field atau file di dalam sistem. Kamus data untuk sistem pendukung keputusan penentuan jumlah produksi minuman dapat dilihat pada tabel 3.2

Tabel 3.2 Tabel Data Minuman

Tabel 3.3 Tabel Laporan Produksi

No Field Name Data Type Field Size Deskripsi 1 ID * Auto number Long integer Nomor produk

2 Nama Short text 255 Jenis produk

3 Bulan Number Integer Input bulan produksi 4 Tahun Number Integer Input tahun produksi

5 Permintaan Number Double Input jumlah nilai permintaan 6 Persediaan Number Double Input jumlah nilai persediaan 7 Jlh_produksi Number Double Input jumlah nilai jumlah produksi

No Field Name Data Type Field Size Deskripsi

1 ID * Auto number Long integer Nomor produk

2 Bulan Number Long integer Laporan bulan produksi 3 Tahun Number Long integer Laporan tahun produksi 4 Permintaan Number Double Laporan produksi permintaan 5 Persediaan Number Double Laporan produksi persediaan

6 rk_sugeno Number Double Hasil ranking perhitungan fuzzy sugeno 7 rk_tsukamoto Number Double Hasil ranking perhitungan fuzzy tsukamoto 8 rt_sugeno Number Double Hasil running time perhitungan fuzzy sugeno 9 rt_tsukamoto Number Double Hasil running perhitungan fuzzy tsukamoto

3.5 Entity Relationship Diagram (ERD)

Berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi perlunya dibuat suatu model untuk menjelaskan hubungan antar data dalam basis data biasanya disebut dengan diagram ERD. Diagram ERD dapat dilihat pada gambar 3.6.

1 N

Gambar 3.6 Diagram ERD

3.6 Perancangan F lowchart

Himpunan fuzzy dalam sistem menggunaan representasi kurva untuk menggambarkan fungsi keanggotaan. Perancangan flowchart representasi kurva yang digunakan dalam himpunan fuzzy yaitu sebagai berikut:

Data Minuman Produksi Laporan Produksi

ID

Nama

Tahun Bulan

Permintaan

Persediaan

Jlh_produksi

Bulan

Tahun

Jlh_produksi

Rt_sugeno

Rt_Tsukamoto

Rk_sugeno

Rk_Tsukamoto ID

a. Representasi Linear Naik

Gambar 3.7 Kurva Linear Naik

Pada gambar 3.8 dijelaskan, input awal adalah nilai x. Kemudian masuk ke proses

decision, jika x ≥ b maka nilai μ [x] = 1, jika a ≤ x ≤ b maka nilai μ [x] = �− / − dan

jika x ≤ a maka nilai μ [x] = 0.

Start

Input nilai permintaan, persediaan, produksi [x]

X b a x b

Nilai x = 1 Nilai x = x – a

b - a X = 0

Output nilai x derajat keanggotaan

End

No No

Yes Yes

b. Representasi Linier Turun

Gambar 3.9 Kurva Linear Turun

Pada gambar 3.10 dijelaskan, input awal adalah nilai x. Kemudian masuk ke

proses decision, jika x ≤ a maka nilai μ [x] = 1, jika a ≤ x ≤ b maka nilai μ [x] = −�/ −

dan jika x ≥ b maka nilai μ [x] = 0.

Start

Input nilai permintaan, persediaan, produksi [x]

X a a x b

Nilai x = 1 Nilai x = b - x

b - a X = 0

Output nilai x derajat keanggotaan

End

No

No

Yes Yes

3.6.1 Flowchart Sistem pendukung keputusan menggunakan fuzzy sugeno dan tsukamoto

Secara garis besar untuk perancangan suatu sistem fuzzy perlu dilakukan pembuatan flowchart dapat dilihat pada gambar 3.11.

Mulai

Input nilai variabel permintaan, persediaan dan

produksi minuman

Menghitung derajat keanggotaan himpunan

variabel fuzzy

Menghitung predikat aturan

Defuzzyfikasi

Output hasil perankingan jumlah produksi

optimum dan

running time

Selesai Yes

No

3.7 Perancangan Inferensi fuzzy

Dalam perancangan inferensi fuzzy, langkah awal yang perlu dilakukan adalah pembentukan himpunan fuzzy. Himpunan fuzzy merupakan suatu kumpulan kondisi tertentu pada suatu variabel fuzzy. Variabel fuzzy diperoleh dari spesifikasi data minuman teh PT.Sinar Sosro. Perancangan nilai-nilai yang ada pada himpunan fuzzy didasarkan pada table 3.3 :

Tabel 3.4 Penentuan range

Dari tabel diatas yang merupakan data dari PT.Sinar Sosro maka permintaan terbesar adalah 154.941 botol/perbulan dan permintaan terkecil adalah 75.934 botol/perbulan. Persediaan digudang paling banyak adalah 75.194 botol/perbulan dan persediaan sedikit adalah 18.757 botol/perbulan. Dari bulan ke bulan SDM paling banyak memproduksi minuman teh ini sebanyak 171.002 botol/perbulan dan paling sedikit memproduksi minuman teh ini hanya 86.114 botol/perbulan. Jadi Pertanyaannya berapa botol minuman teh yang harus diproduksi, jika jumlah permintaan sebanyak 150.000 botol/bulan dan persediaan digudang 50.000

3.8 Fungsi Keanggotaan

3.8.1 Fungsi Keanggotaan Metode Fuzzy Sugeno

Persediaan : 18757 – 75194 = y = 50000 Jumlah Produksi : 86114 – 171002 = z = ?

1. Fungsi Keanggotaan Permintaan

Gambar 3.12 Kurva Permintaan Minuman Teh 1 ; x < 75934

µ pmtTurun [x] = 154941 – x / 79007 ; 75934 ≤ x ≤ 154941

0 ; x > 154941

0 ; x < 75934

µ pmtNaik [x] = x – 75934 / 79007 ; 75934 ≤ x ≤ 154941

1 ; x > 154941

Nilai Keanggotaan untuk nilai permintaan (x) = 150000 µ pmtTurun [150000] = (154941-150000)/79007 = 0.06 µ pmtNaik [150000] = (150000-75934)/79007 = 0.94

0.94 0.06

Gambar 3.13 Fungsi Keanggotaan Permintaan Minuman Teh

2. Fungsi Keanggotaan Persediaan

Gambar 3.14 Kurva Persediaan Minuman Teh 1 ; y < 18757

µ psdSedikit [y] = 75194 – y / 56437 ; 18757 ≤ y ≤ 75194

0 ; y > 75194

0 ; y < 18757

µ psdBanyak [y] = y – 18757 / 56437 ; 18757 ≤ y ≤ 75194

Nilai Keanggotaan untuk nilai persediaan (y) = 50000 µ psdSedikit [50000] = (75194 -50000)/56437 = 0.55 µ psdBanyak [50000] = (50000-18757)/56437 = 0.45

0.55

0.45

Gambar 3.15 Fungsi Keanggotaan Persediaan Minuman Teh

Menghitung nilai predikat dan Z dari setiap aturan

Rule 1

α Predikat 1 = µpmtTurun ∩ µpsdBanyak

= min 0.06 ∩ 0.45

= min 0.06

Dari bagian konsekuen rule 1

Z1 = Permintaan – Persediaan

= 150000 – 50000 = 100000

Rule 2

α Predikat 2 = µpmtTurun ∩ µpsdSedikit = min 0.06 ∩ 0.55

= min 0.06

Dari bagian konsekuen rule 2

Z2 = Permintaan = 150000

Rule 3

α Predikat 3 = µpmtNaik ∩ µpsdBanyak = min 0.94 ∩ 0.45

= min 0.45

Dari bagian konsekuen rule 3

Z3 = Permintaan = 150000

Rule 4

α Predikat 4 = µpmtNaik ∩ µpsdSedikit = min 0.94 ∩ 0.55

= min 0.55

Dari bagian konsekuen rule 4

Z4 = 1.25 * Permintaan – Persediaan

= 1.25 * 150000 – 50000 = 137500

Menghitung Defuzzifikasi

WA = αPredikat1*Z1 + αPredikat2*Z2 + αPredikat3*Z3 + αPredikat1*Z4

αPredikat1 + αPredikat2 + αPredikat3 + αPredikat4 = 0.06 *100000 + 0.06*150000 + 0.45*150000 + 0.55*137500

0.06 + 0.06 + 0.45 + 0.55

3.8.2. Fungsi Keanggotaan Metode Fuzzy Tsukamoto

Permintaan : 75934 – 154941 = x =150000 Persediaan : 18757 – 75194 = y = 50000 Jumlah Produksi : 86114 – 171002 = z = ?

1. Fungsi Keanggotaan Permintaan

Gambar 3.16 Kurva Permintaan Minuman Teh

1 ; x < 75934

µ pmtTurun [x] = 154941 – x / 79007 ; 75934 ≤ x ≤ 154941 0 ; x > 154941

0 ; x < 75934

µ pmtNaik [x] = x – 75.934 / 79007 ; 75934 ≤ x ≤ 154941 1 ; x > 154941

Nilai Keanggotaan untuk nilai permintaan (x) = 150000 µ pmtTurun [150000] = (154941-150000)/79007 =0.06 µ pmtNaik [150000] = (150000-75934)/79007 =0.94

Gambar 3.17 Fungsi Keanggotaan Permintaan Minuman Teh

2. Fungsi Keanggotaan Persediaan

Gambar 3.18 Kurva Persediaan Minuman Teh

1 ; y < 18757

µ psdSedikit [y] = 75194 – y / 56437 ; 18757 ≤ y ≤ 75194 0 ; y > 75194

0 ; y < 18757

µ psdBanyak [y] = y – 18757 / 56437 ; 18757 ≤ y ≤ 75194 1 ; y > 75194

Nilai Keanggotaan untuk nilai persediaan (y) = 50000 µ psdSedikit [50000] = (75194 -50000)/56437 = 0.55 µ psdBanyak [50000] = (50000-18757)/56437 = 0.45

Gambar 3.19 Fungsi Keanggotaan Persediaan Minuman Teh

3. Fungsi Keanggotaan Jumlah Produksi

Gambar 3.20 Kurva Jumlah Produksi Minuman Teh

1 ; z < 86114

αprdBerkurang[z] = 171002 – z / 84888 ; 86114 ≤ z ≤ 171002 0 ; z > 171002

0 ; z < 86114

αprdBertambah[z] = z –86114 / 84888 ; 86114 ≤ z ≤ 171002

1 ; z > 171002

Menghitung nilai predikat dan Z dari setiap aturan

Rule 1

α Predikat 1 = µpmtTurun ∩ µpsdBanyak

= min 0.06 ∩ 0.45

= min 0.06

Dari himpunan produksi minuman Berkurang

Z1 = (171002 – z)/84888 = 0.06

= 165909

Rule 2

α Predikat 2 = µpmtTurun ∩ µpsdSedikit = min 0.06 ∩ 0.55

= min 0.06

Dari himpunan produksi minuman Berkurang

Z2 = (171002 – z)/84888 = 0.06

= 165909

Rule 3

α Predikat 3 = µpmtNaik ∩ µpsdBanyak = min 0.94 ∩ 0.45

= min 0.45

Dari himpunan produksi minuman Bertambah

Z3 = (z – 86114)/84888= 0.45

Rule 4

α Predikat 4 = µpmtNaik ∩ µpsdSedikit

= min 0.94 ∩ 0.55

= min 0.55

Dari himpunan produksi minuman Bertambah

Z4 = (z – 86114) / 84888 = 0.55

= 132802

Menghitung Defuzzifikasi

WA = αPredikat1*Z1 + αPredikat2*Z2 + αPredikat3*Z3 + αPredikat1*Z4

αPredikat1 + αPredikat2 + αPredikat3 + αPredikat4 = 0.06*165909 + 0.06*165909 + 0.45*124313 + 0.55*132802

0.06 + 0.06 + 0.45 + 0.55

= 164122

3.9 Perancangan F orm

Perancangan form dilakukan untuk mempermudah gambaran-gambaran tampilan sistem ketika sistem dijalankan. Perancangan form sistem yang akan dibuat yaitu:

3.9.1 Form Login

Form Login adalah form yang pertama kali muncul pada sistem dijalankan. Pada form login terdapat berupa username dan password untuk masuk menggunakan system. Rancangan form login dapat dilihat pada gambar 3.21

Gambar 3.21 F orm Login

Keterangan Form Login

1. Label : Masukkan data login anda 2. Label : Username

3. Label : Password 4. Text Box : Ketik Username 5. Text Box : Ketik Password

6. Command Button : Login fungsinya untuk masuk ke sistem menu utama jika username dan password diisi benar. Jika salah maka akan ada peringatan username dan password diisi salah

7. Command Button : Cancel fungsinya untuk batal menggunakan sistem

3.9.2 Form Menu Utama

Masukkan data login anda Username

Password

Login Cancel

1

2

3

4

5

Form utama pada sistem yang dibuat terdapat tiga menu yang akan digunakan yaitu menu data, menu proses dan menu laporan. Menu data digunakan untuk menyimpan data minuman tersimpan didalam database. Menu proses digunakan untuk menghitung hasil perhitungan nilai keanggotaan dan defuzzyfikasi. Sedangkan menu laporan digunakan untuk menampilkan hasil akhir dari perhitungan antara metode fuzzy sugeno dan metode fuzzy tsukamoto. Rancangan form utama dapat dilihat pada gambar 3.22.

Gambar 3.22 F orm Menu Utama

Keterangan :

1. Menu Strip : Menu Data didalamnya terdapat untuk menyimpan data minuman

2. Menu Strip : Menu Proses didalamnya terdapat perhitungan fuzzy Sugeno dan fuzzy Tsukamoto

3. Menu Strip : Menu Laporan didalamnya terdapat hasil laporan produksi

Picture

Oleh : Nurul Zakya Haque

Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara

2015

Data Proses Laporan

1 2 3

4

minuman

4. Picture Box : Gambar Daun Teh

5. Label : Keterangan pembuat sistem

3.9.3 Form Menu Data

Form menu data pada sistem yang akan digunakan terdapat didalamnya database untuk menyimpan data minuman. Rancangan form utama dapat dilihat pada gambar 3.23.

INPUT DATA MINUMAN

NAMA MINUMAN BULAN PRODUKSI TAHUN PRODUKSI PERMINTAAN PERSEDIAAN JUMLAH PRODUKSI Baru REFRESH HAPUS SIMPAN KELUAR ID |NAMA|BULAN|TAHUN|PERMINTAAN|PERSEDIAAN|JLH_PRODUKSI

Gambar 3.23 F orm Menu Data Keterangan :

1. Label : Input data minuman

2. Label : Nama Minuman

3. Label : Bulan Produksi

4. Label : Tahun Produksi 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

5. Label : Permintaan

6. Label : Persediaan

7. Label : Jumlah Produksi

8. Text Box : Input nama minuman

9. Text Box : Input bulan produksi

10.Text Box : Input tahun produksi

11.Text Box : Input permintaan

12.Text Box : Input persediaan

13.Text Box : Input jumlah produksi

14.Command Button : Baru fungsinya untuk menambahkan data minuman

15.Command Button : Simpan fungsinya untuk menyimpan data minuman

16.Command Button : Refresh fungsinya untuk perbaharui data minuman

17.Command Button : Hapus fungsinya untuk menghapus data minuman

18.Command Button : Keluar fungsinya untuk keluar dari menu data dan akan kembali ke menu utama

19.Data grid view : Tampilan tabel minuman

3.9.4. Form Menu Proses

Form menu proses digunakan untuk menghitung nilai keanggotaan dari setiap variabel dan menghitung nilai akhir disebut dengan defuzzyfikasi, rancangan form dapat dilihat pada gambar 3.24. Dalam rancangan form proses terdapat juga didalamnya button sugeno, button tsukamoto dan button sekaligus. Jika diklik button sugeno maka akan muncul tampilan perhitungan fuzzy sugeno, rancangannya dapat dilihat pada gambar 3.25. Dan

sebaliknya jika diklik button tsukamoto akan muncul tampilan perhitungan fuzzy tsukamoto dapat dilihat rancangannya pada gambar 3.26. Didalam menu proses terdapat juga tombol simpan ke laporan fungsinya untuk memproses perhitungan dua metode tersebut dapat dilihat pada gambar 3.27.

Command Button

Gambar 3.24 Rancangan F orm Proses

Keterangan :

1. Label : Hitung jumlah minuman

2. Label : Input nilai

3. Label : Proses fuzzy

4. Label : Bulan, Tahun

5. Label : Permintaan

6. Label : Persediaan

7. Text Box : Tampilan bulan dan tahun secara otomatis

HITUNG JUMLAH PRODUKSI MINUMAN

INPUT NILAI PROSES FUZZY

BULAN, TAHUN PERMINTAAN PERSEDIAAN

TSUKAMOTO SUGENO

Simpan ke Laporan

KEMBALI 1 2 3 5 4 6 7 9 8 12 11 10 13

8. Text Box : Input nilai permintaan

9. Text Box : Input nilai persediaan

10.Command Button : Jika diklik maka akan muncul tampilan perhitungan fuzzy Sugeno

11.Command Button : Jika diklik maka akan muncul tampilan perhitungan fuzzy Tsukamoto

12.Command Button : Hitung Simpan kelaporan maka akan muncul tampilan perhitungan fuzzy Sugeno dan fuzzy Tsukamoto

13.Command Button : Tombol kembali, jika diklik maka akan kembali kemenu utama

Gambar 3.25 Tampilan Perhitungan F uzzy Sugeno

Keterangan :

FUZZY SUGENO

PERMINTAAN PERSEDIAAN DATA

Menurun

Menaik

Sedikit

Banyak

Besar Kecil Permintaan

Persediaan Produksi

Nama Minuman

Defuzzyfikasi _Kembali

1 2 3

13

14 27

19 22

20 23

21 24

26 25 8 9 7 6 18 17 15 4 5 16 7 10

1. Label : Permintaan

2. Label : Persediaan

3. Label : Data

4. Label : Menurun

5. Label : Menaik

6. Label : Sedikit

7. Label : Banyak

8. Label : Permintaan

9. Label : Persediaan

10.Label : Produksi

11.Label : Besar

12.Label : Kecil

13.Label : Nama minuman

14.Label : Defuzzyfikasi

15.Text Box : Hasil nilai permintaan menurun

16.Text Box : Hasil nilai permintaan menaik

17.Text Box : Hasil nilai persediaan sedikit

18.Text Box : Hasil nilai persediaan banyak

19.Text Box : Data permintaan terbesar

20.Text Box : Data persediaan terbesar

22.Text Box : Data permintaan terkecil

23.Text Box : Data persediaan terkecil

24.Text Box : Data produksi terkecil

25.Text Box : Nama minuman diproduksi

26.Text Box : Hasil perhitungan defuzzyfikasi

27.Command Button : Kembali, jika diklik akan kembali kemenu proses

Gambar 3.26 Tampilan Perhitungan F uzzy Tsukamoto

Keterangan :

1. Label : Permintaan

2. Label : Persediaan

3. Label : Data

FUZZY TSUKAMOTO

PERMINTAAN PERSEDIAAN DATA

Menurun

Menaik

Sedikit

Banyak

Besar Kecil Permintaan

Persediaan Produksi

Nama Minuman

Defuzzyfikasi _Kembali

1 2 3

13

14 27

19 22

20 23

21 24

26 25 8 9 7 6 18 17 15 4 5 16 7 10

4. Label : Menurun

5. Label : Menaik

6. Label : Sedikit

7. Label : Banyak

8. Label : Permintaan

9. Label : Persediaan

10.Label : Produksi

11.Label : Besar

12.Label : Kecil

13.Label : Nama minuman

14.Label : Defuzzyfikasi

15.Text Box : Hasil nilai permintaan menurun

16.Text Box : Hasil nilai permintaan menaik

17.Text Box : Hasil nilai persediaan sedikit

18.Text Box : Hasil nilai persediaan banyak

19.Text Box : Data permintaan terbesar

20.Text Box : Data persediaan terbesar

21.Text Box : Data produksi terbesar

22.Text Box : Data permintaan terkecil

23.Text Box : Data persediaan terkecil

25.Text Box : Nama minuman diproduksi

26.Text Box : Hasil perhitungan defuzzyfikasi

27.Command Button : Kembali, jika diklik akan kembali kemenu proses

Gambar 3.27 Tampilan Form Simpan Ke Laporan

Keterangan :

1. Label : Proses Defuzzyfikasi

2. Label : Permintaan

3. Label : Persediaan

4. Label : Data

5. Label : Sugeno

6. Label : Tsukamoto

7. Label : Turun

PROSES DEFUZZYFIKASI

PERMINTAAN PERSEDIAAN DATA Sugeno Tsukamoto

Turun Naik

Sugeno Tsukamoto Sedikit

Banyak

Besar Kecil Permintaan

Persediaan Produksi

Nama Minuman Teh Botol Sosro Sugeno Tsukamoto

Defuzzyfikasi Running Time

Kembali Simpan

1 3

2 4

5 6

7 8 9 10 13 14

18 19

11 12 15 16 17 20 21 22 23 24 25 28 26

27 ₂₉

30 31 32 33 35 34 36 37 38 39

40 41

42

8. Label : Naik

9. Label : Sugeno

10.Label : Tsukamoto

11.Label : Sedikit

12.Label : Banyak

13.Label : Besar

14.Label : Kecil

15.Label : Permintaan

16.Label : Persediaan

17.Label : Produksi

18.Label : Nama minuman

19.Label : Teh botol sosro

20.Label : Defuzzyfikasi

21.Label : Running time

22.Text Box : Hasil nilai permintaan turun fuzzy Sugeno 23.Text Box : Hasil nilai permintaan naik fuzzy Sugeno 24.Text Box : Hasil nilai permintaan turun fuzzy Tsukamoto 25.Text Box : Hasil nilai permintaan naik fuzzy Tsukamoto 26.Text Box : Hasil nilai persediaan turun fuzzy Sugeno 27.Text Box : Hasil nilai persediaan naik fuzzy Sugeno 28.Text Box : Hasil nilai persediaan turun fuzzy Tsukamoto

29.Text Box : Hasil nilai persediaan naik fuzzy Tsukamoto 30.Text Box : Data permintaan terbesar

31.Text Box : Data persediaan terbesar

32.Text Box : Data produksi terbesar

33.Text Box : Data permintaan terkecil

34.Text Box : Data persediaan terkecil

35.Text Box : Data produksi terkecil

36.Text Box : Hasil defuzzyfikasi Sugeno

37.Text Box : Hasil running time Sugeno 38.Text Box : Hasil defuzzyfikasi Tsukamoto

39.Text Box : Hasil running time Tsukamoto 40.Label : Sugeno

41.Label : Tsukamoto

42.Command button : Simpan, jika diklik akan menyimpan ke menu laporan produksi

43.Command button : Kembali ke menu utama

3.9.5. Form Laporan

Form laporan pada sistem yang akan dibangun akan menampilkan hasil nilai akhir pada perhitungan jumlah produksi antara metode fuzzy sugeno dan metode fuzzy tsukamoto dan perhitungan running time. Rancangan form laporan dapat dilihat pada gambar 3.28.

Gambar 3.28 Tampilan F orm Laporan

Keterangan :

1. Label : Laporan produksi minuman teh PT.Sinar Sosro Tanjung Morawa

2. Data grid view : Tampilan tabel laporan produksi minuman

3. Command Button : Kembali, jika diklik maka akan kembali ke menu utama

LAPORAN PRODUKSI MINUMAN TEH PT SINAR SOSRO TANJUNG MORAWA

Bulan Tahun Pmt Prsd Jumlah Produksi Running Time Sugeno Tsukamoto Sugeno Tsukamoto

Kembali

1

2

Pada bab ini akan dijelaskan implementasi dan pengujian sistem telah selesai dibangun dari hasil perancangan pada bab 3. Tahap ini memperlihatkan apakah setiap proses yang ada dapat berjalan dengan baik dan mampu memberikan hasil yang diharapkan.

4.1 Implementasi Sistem

Setelah melalui tahap analisis dan perancangan, tahap selanjutnya untuk mengembangkan suatu perangkat lunak adalah tahap implementasi. Seluruh proses perancangan diimplementasikan dengan menggunakan Microsoft Visual Basic 2013. Data yang dipergunakan dalam aplikasi disimpan dan diolah di dalam database management system dengan menggunakan Microsoft Access 2013.

4.2 Pengujian

Tahap pengujian merupakan tahapan yang dilakukan untuk menunjukkan bahwa setiap proses yang telah diimplemetasikan ke dalam aplikasi sistem pendukung keputusan ini dapat berjalan dengan baik dan mampu memberikan hasil yang diinginkan. Tujuan dari pengujian ini adalah untuk memperbaiki kinerja dari aplikasi yang tidak bersesuaian dengan kebutuhan fungsional yang telah direncanakan sebelumnya.

4.2.1 Tampilan F orm Login

Tampilan form login adalah tampilan yang pertama kali muncul pada saat sistem dijalankan. Pengguna sistem harus mengisi username dan password untuk masuk kedalam aplikasi ini. form login dapat dilihat pada gambar 4.1.

Gambar 4.1 Tampilan F orm Login

Pada gambar 4.1 bisa dilihat username dan login diisi oleh pengguna, jika diklik tombol login maka akan masuk ke sistem menu utama dan jika klik tombol cancel maka pengguna batal untuk menggunakan sistem ini.

4.2.2 Tampilan F orm Utama

Tampilan form utama pada sistem yang dibuat terdapat tiga menu yang akan digunakan yaitu menu data, menu proses dan menu laporan dapat dilihat pada gambar 4.2.

Gambar 4.2 Tampilan F orm Menu Utama

Penjelasan ada gambar 4.2 merupakan tampilan form utama. Menu data fungsinya untuk menyimpan data – data minuman sesuai dengan varibel. Menu proses fungsinya untuk menghitung hasil jumlah produksi minuman sesuai dengan variabel data minuman menggunakan metode fuzzy Sugeno dan fuzzy Tsukamoto. Menu Laporan fungsinya untuk mengetahui laporan produksi setiap bulan berikutnya.

4.2.3 Tampilan F orm Menu Data

Pada tampilan form menu data fungsinya untuk menyimpan tabel data – data minuman dapat dilihat pada gambar 4.3.

Gambar 4.3 Tampilan F orm Menu Data

Penjelasan pada gambar 4.3, terdapat tabel data minuman yang sudah tersimpan di database. Tombol baru fungsinya untuk menambahkan data yang baru. Tombol simpan untuk menyimpan data di database. Tombol hapus fungsinya untuk menghapus data yang ada pada tabel minuman. Tombol refresh fungsinya untuk memperbaharui data pada tabel minuman. Tombol keluar fungsinya untuk keluar dari form menu data dan kembali ke menu utama.

4.2.4 Tampilan F orm Menu Proses

Tampilan form menu proses merupakan tampilan untuk menghitung jumlah produksi minuman dapat dilihat pada gambar 4.4.

Gambar 4.4 Tampilan F orm Proses

Penjelasan pada gambar 4.4 untuk input nilai merupakan nilai permintaan dan nilai persediaan untuk bulan mei tahun 2015. Bulan dan tahun secara otomatis tampil karena di dalam database tersimpan dari bulan mei 2014 sampai dengan bulan april 2015. Jadi untuk perhitungan bulan berikutnya, maka tampil bulan mei tahun 2015 yang diketahui misalnya nilai permintaan 150.000 dan nilai persediaan 50.000. Lalu berapakah jumlah produksi minuman untuk bulan mei jika menggunakan fuzzy Sugeno dan fuzzy Tsukamoto. Tombol perhitungan fuzzy Sugeno dapat dilihat tampilannya pada gambar 4.5 dan tombol perhitungan fuzzy Tsukamoto dapat dilihat tampilannya pada gambar 4.6. Dan tombol simpan ke laporan merupakan tampilan perhitungan fuzzy Sugeno dan fuzzy Tsukamoto dapat dilihat pada gambar 4.7

Gambar 4.5 Tampilan Perhitungan F uzzy Sugeno

Pada gambar 4.5 merupakan tampilan hasil perhitungan penentuan jumlah produksi minuman teh menggunakan metode fuzzy Sugeno.

Pada gambar 4.6 merupakan tampilan hasil perhitungan penentuan jumlah produksi minuman teh menggunakan metode fuzzy Tsukamoto. Hasil perhitungan fuzzy Sugeno berbeda dengan hasil perhitungan fuzzy Tsukamoto dapat dilihat pada gambar 4.7.

Gambar 4.7 Tampilan F orm Simpan Ke Laporan

Pada gambar 4.7 terdapat tombol simpan fungsinya untuk menyimpan hasil perhitungan di menu laporan produksi dan untuk tombol kembali jika diklik akan kembali ke menu proses.

4.2.5 Tampilan F orm Laporan

Tampilan form laporan merupakan tampilan hasil perhitungan penentuan jumlah produksi minuman menggunakan fuzzy Sugeno dan fuzzy Tsukamoto dapat dilihat pada gambar 4.8.

5.1 Kesimpulan

Berdasarkan teori dan pembahasan pada bab sebelumnya, maka dapat ditarik kesimpulan sebagai berikut :

1. Telah diperoleh suatu sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan metode fuzzy Sugeno dan metode fuzzy Tsukamoto di perusahaan PT. Sinar Sosro Tanjung Morawa.

2. Defuzzyfikasi didapat dari perhitungan nilai keanggotaan pada himpunan fuzzy sesuai dengan operator yang digunakan dalam penentuan jumlah produksi minuman teh untuk bulan berikutnya.

3. Sistem pendukung keputusan pada perusahaan PT. Sinar Sosro dapat menentukan jumlah produksi minuman teh untuk disetiap bulan berikutnya.

4. Pada hasil penelitian penulis, sistem yang digunakan lebih baik daripada sistem manual yang digunakan perusahaan karena perhitungan jumlah produksi minuman teh menghasilkan jumlah yang optimum berbeda dengan sistem manual dari perusahaan yang mengakibatkan lebih dan kurangnya minuman yang diproduksi. 5.2 Saran

Untuk pengembangan selanjutnya penulis menyarankan beberapa hal sebagai berikut:

1. Pada penelitian selanjutnya dapat disarankan untuk mengembangkan aplikasi menggunakan sistem inferensi fuzzy dengan metode selain metode fuzzy sugeno dan fuzzy tsukamoto.

2. Pada penelitian selanjutnya dapat disarankan untuk membandingkan aplikasi dalam sistem inferensi fuzzy dengan metode sistem pendukung keputusan lainnya.

3. Pada penelitian selanjutnya dapat disarankan untuk mengembangkan aplikasi tersebut dengan menambahkan variabel maupun himpunan fuzzy lainnya.

4. Pada penelitian selanjutnya dapat disarankan untuk dibuat suatu aplikasi untuk menghitung lebih dari satu produk di perusahaan PT.Sinar Sosro dengan menambahkan lebih dari satu database untuk menyimpan data minuman lalu diproses perhitungannya disistem.

DAFTAR PUSTAKA

Kristanto, Andri. 2008. Perancangan Sistem Informasi. Gava Media. Yogyakarta.

Kusumadewi, Sri& Purnomo, Hari. 2004. Aplikasi Logika Fuzzy Untuk Pendukung

Keputusan.Yogyakarta.Graha Ilmu.

Oetomo, Budi Sutedjo Dharma. 2002. E-education : Konsep Tegnologi dan Aplikasi Internet Pendidikan. Yogyakarta. Andi

Raymond McLeod, Jr. 1998. Management Information Systems. Michigan. Universitas Michigan.

S.Scoot Morton, Michael.1998. Decision Support Systems. Universitas Michigan

Thomas, Saaty L. 2008. Decision Making With The Analytic Hierarchy Process, International Journal Of Services Sciences.

Simon. 2002. Decision Support Systems. University Of Chicago.

Suwandi.2011. Aplikasi Sistem Inferensi Fuzzy Metode Sugeno Dalam Memperkirakan

Produksi Air Mineral Dalam Kemasan.Skripsi.Universitas Negeri Yogyakarta.

LISTING PROGRAM 1. Form Login

Imports System.Data.OleDb Imports System.IO

Public Class frmLogin

Dim strConn = "Provider=Microsoft.ACE.OLEDB.12.0;Data Source=C:\Database\Contacts.accdb;Persist Security Info=False;" Dim con As New OleDbConnection

Dim cmd As New OleDbCommand Dim da As New OleDbDataAdapter Dim dt As New DataTable

Dim save_tag As String

Private Sub cmdLogin_Click(sender As Object, e As EventArgs)

End Sub

Private Sub frmLogin_Deactivate(sender As Object, e As EventArgs) Handles Me.Deactivate

End Sub

Private Sub frmLogin_Load(sender As Object, e As EventArgs) Handles MyBase.Load 'frmMenu.Show()

'Me.GroupBox1.Anchor = AnchorStyles.Top Or AnchorStyles.Bottom Or AnchorStyles.Left Or AnchorStyles.Right

' Me.Parent = frmMenu Dim conString As String

conString = "Microsoft.ACE.OLEDB.12.0;Data

Source=|DataDirectory|\dbMinuman.accdb;Jet OLEDB:Database Password=nurul"

End Sub

Private Sub cmdCancel_Click(sender As Object, e As EventArgs) Close()

End Sub

Private Sub txtPassword_KeyDown(sender As Object, e As KeyEventArgs)

End Sub

Private Sub txtPassword_TextChanged(sender As Object, e As EventArgs)

End Class

5. Form Sugeno

Public Class frmSugeno

Private Sub frmSugeno_Load(sender As Object, e As EventArgs) Handles MyBase.Load If psediaan <= 0 Or pminta <= 0 Then

MsgBox("Silahkan mengisi data terlebih dahulu") Close()

frmProses.Show() Else

lblumt.Text = Math.Round(s_pmtT, 2) lblumn.Text = Math.Round(s_pmtN, 2) lblust.Text = Math.Round(s_smB, 2) lblusn.Text = Math.Round(s_smS, 2) lblNama.Text = "Teh Botol Sosro"

lblDefuz.Text = Math.Round(s_defuzzy, 2)

lblMintaMax.Text = minta_max lblMintaMin.Text = minta_min lblSediaMAx.Text = sedia_max lblSediaMin.Text = sedia_min lblProMax.Text = prod_max lblProMin.Text = prod_min End If

End Sub

Private Sub btnKembali_Click(sender As Object, e As EventArgs) Handles btnKembali.Click

Close()

frmProses.Show() End Sub

End Class

Public Class frmTsukamoto

Private Sub frmTsukamoto_Load(sender As Object, e As EventArgs) Handles MyBase.Load

If psediaan <= 0 Or pminta <= 0 Then

MsgBox("Silahkan mengisi data terlebih dahulu") Close()

frmProses.Show() Else

lblumt.Text = Math.Round(t_pmtT, 2) lblumn.Text = Math.Round(t_pmtN, 2) lblust.Text = Math.Round(t_smB, 2) lblusn.Text = Math.Round(t_smS, 2)

lblNama.Text = "Teh Botol Sosro"

lblDefuz.Text = Math.Round(t_defuzzy, 2) lblMintaMax.Text = minta_max

lblMintaMin.Text = minta_min lblSediaMAx.Text = sedia_max lblSediaMin.Text = sedia_min lblProMax.Text = prod_max lblProMin.Text = prod_min End If

End Sub

Private Sub btnKembali_Click(sender As Object, e As EventArgs) Handles btnKembali.Click

Me.Dispose() Close()

frmProses.Show() End Sub

End Class

7. Form Laporan

Public Class frmLaporan

Private Sub LoginForm1_Load(sender As Object, e As EventArgs) Handles MyBase.Load dt2.Rows.Clear()

DataGridView1.Rows.Clear() Fill_Grid(DataGridView1) With DataGridView1

.RowHeadersVisible = False .Columns(0).Visible = False

.Columns(1).HeaderText = "Bulan" .Columns(2).HeaderText = "Tahun" .Columns(3).HeaderText = "Permintaan" .Columns(4).HeaderText = "Persediaan" .Columns(5).HeaderText = "Ranking Sugeno" .Columns(6).HeaderText = "Ranking Tsukamoto" .Columns(7).HeaderText = "Runnin Time Sugeno" .Columns(8).HeaderText = "Running Time Tsukamoto" End With

lblTanggal.Text = Date.Now End Sub

Sub Fill_Grid(grid As Windows.Forms.DataGridView) Dim x As Integer

'# Refreshes the grid.

'# this method is useful when you want to reload the grid with new values after saving entries

If grid.Rows.Count > 0 Then While x < grid.Rows.Count grid.Rows.RemoveAt(x) End While

End If

'# Setting how the grid behaves or looks like when filled/loaded

'# you may add more properties here if necessary e.g alternating row background colors With grid

.AutoSizeColumnsMode = DataGridViewAutoSizeColumnsMode.Fill .RowHeadersVisible = False

.SelectionMode = DataGridViewSelectionMode.FullRowSelect End With

'# Setting and opening a connection to the database via connection string con2.ConnectionString = strConn

con2.Open()

'# Represents an SQL statement or stored procedure to execute against a data source. With cmd2

.Connection = con2

.CommandType = CommandType.Text .CommandText = "Select * from fuzzy" End With

da2.SelectCommand = cmd2 grid.DataSource = dt2 da2.Fill(dt2)

'# hide some of the unwanted columns 'For i As Integer = 6 To 17

'grid.Columns(i).Visible = False 'Next

'grid.Columns(0).Visible = False

'#closing the connection con2.Dispose()

con2.Close() End Sub

Private Sub btnKembali_Click(sender As Object, e As EventArgs) Handles btnKembali.Click

Close()

frmMenu.Show() End Sub

End Class

8. Module

Imports System.Data.OleDb Module Module1

End Module Module Moduleku

Public strConn = "Provider=Microsoft.ACE.OLEDB.12.0;Data Source=c:/database\dbMinuman.accdb;Persist Security Info=false;" Public con As New OleDbConnection

Public cmd As New OleDbCommand Public da As New OleDbDataAdapter

Public dt As New DataTable

Public con2 As New OleDbConnection Public cmd2 As New OleDbCommand Public da2 As New OleDbDataAdapter Public dt2 As New DataTable

Public save_tag As String Public nm As String Public ids As String

'Variabel berawalan s_ menyatakan variabel yang menampung nilai2 proses Algoritma Sugeno

'variabel inputan

Public minta_max As Double Public minta_min As Double Public sedia_max As Double Public sedia_min As Double Public prod_max As Double Public prod_min As Double 'variabel proses

Public pminta As Double Public psediaan As Double Public produksi As Double

Public s_pmtT As Double 'himpunan fuzy Turun Public s_pmtN As Double 'himpunan fuzzy Naik Public s_smS As Double 'himpunan fuzzy : sedikit Public s_smB As Double 'himpunan fuzzy : banyak Public s_defuzzy As Double

Public s_runtime As Double

'Variabel berawalan t_ menyatakan variabel yang menampung nilai2 proses Algoritma Tsukamoto

Public t_pmtT As Double 'himpunan fuzy Turun Public t_pmtN As Double 'himpunan fuzzy Naik Public t_smS As Double 'himpunan fuzzy : sedikit Public t_smB As Double 'himpunan fuzzy : banyak Public t_pmt As Double

Public t_pmn As Double

Public t_defuzzy As Double Public t_runtime As Double

Public stBulan As Integer Public stTahun As Integer

' Public isFilled As Boolean = False 'Public session As Boolean = False Public dateUpdate As Boolean

Sub inputValidasi(E As KeyPressEventArgs) 'hanya memperbolehkan angka saja

If Asc(E.KeyChar) <> 13 AndAlso Asc(E.KeyChar) <> 8 AndAlso Not IsNumeric(E.KeyChar) Then

'Tidak melakukan aksi apapun E.Handled = True

End If End Sub