Sistem Pendukung Keputusan Untuk Penentuan Jumlah Produksi Nanas Menggunakan Metode Fuzzy Tsukamoto (Studi kasus PT.Great Giant Pineapple)

  Vol. 2, No. 6, Juni 2018, hlm. 2032-2037 http://j-ptiik.ub.ac.id

  

Sistem Pendukung Keputusan Untuk Penentuan Jumlah Produksi Nanas

Menggunakan Metode Fuzzy Tsukamoto

(Studi kasus PT.Great Giant Pineapple)

_{1 2 3} Agus Prayogi , Edy santoso , Sutrisno

  Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Brawijaya _{1 2 3} Email: agusprayogi16@gmail.com, edy144@ub.ac.id, trisno@ub.ac.id

  

Abstrak

  PT. Great Giant Pineapple merupakan salah satu perusahaan agro industri. Perusahaan ini melakukan kegiatan mulai dari budidaya buah nanas hingga proses pengalengan. Permasalahan yang dihadapi oleh PT.Great Giant Pineapple adalah jika terjadi produksi berlebihan maka nanas tersebut akan ditempatkan di gudang penyimpanan sebagai persediaan dan nanas mempunyai masa konsumsi yang tidak bertahan lama dan tidak dapat dikonsumsi karena nanas sudah kadaluarsa dikarenakan penimbunan produksi nanas di gudang penyimpanan yang terlalu lama. Apabila terjadi kekurangan produksi nanas maka pelanggan akan kecewa karena nanas yang ingin dibeli sudah habis. Maka, dengan hal itu perusahaan akan kehilangan pelanggan dan mengalami kerugian. Metode Tsukamoto merupakan perluasan dari penalaran monoton. Pada metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan. Sebagai hasilnya,

  output hasil inferensi dari tiap-

  tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Persediaan bahan baku dan jumlah permintaan digunakan sebagai variabel yang akan direpresentasikan dengan fungsi keanggotaan fuzzy. Selanjutnya metode fuzzy tsukamoto untuk menentukan jumlah produksi diterapkan dalam Sistem Pendukung Keputusan (SPK), kemudian SPK akan mengolah data-data tersebut dengan metode tsukamoto dan akan menampilkan keluaran (output) berupa jumlah barang yang akan diproduksi. Berdasarkan hasil pengujian akurasi diperoleh nilai kesalahan dari hasil peramalan yang kecil yakni 0,0607 %. Hasil yang diberikan oleh metode Fuzzy Tsukamoto memiliki kesesuaian dengan hasil data PT. GGC dengan nilai kesalahan 0,0607 %.

  Kata kunci: SPK(Sistem Pendukung Keputusan), nanas,peramalan, Fuzzy Tsukamoto.

  

Abstract

PT. Great Giant Pineapple is one of the agro industry companies. This company performs activities

ranging from pineapple cultivation to canning process. The problem faced by PT.Great Giant Pineapple

is if there is excessive production then the pineapple will be placed in the storage warehouse as the

supply and the pineapple has a consumption period that does not last long and can not be consumed

because the pineapple has expired due to pineapple production in the storage warehouse too long. If

there is a shortage of pineapple production then customers will be disappointed because the pineapple

you want to buy is up. So, with it the company will lose customers and lose. Tsukamoto's method is an

extension of monotonous reasoning. In the Tsukamoto method, every consequence of the IF-THEN rules

must be represented by a fuzzy set with membership function. As a result, the inference output of each

rule is given explicitly (crisp) based on the

  α-predicate (fire strength). The raw material inventory and

the number of requests are used as variables that will be represented by the fuzzy membership function.

Furthermore, fuzzy Tsukamoto method to determine the amount of production applied in Decision

Support System (SPK), then SPK will process the data with Tsukamoto method and will display the

output (output) in the amount of goods to be produced. Based on the results of accuracy testing obtained

error value of small forecasting results that is 0,0607%. The results given by the Fuzzy Tsukamoto

method are in conformity with the results of the data of PT. GGC with error value 0,0607%..

  Keywords: Decision Support Systems, pineapple, prediction, Fuzzy Tsukamoto.

  Fakultas Ilmu Komputer Universitas Brawijaya

2032

1. PENDAHULUAN

  PT. Great Giant Pineapple memiliki beberapa bagian departemen, salah satunya yaitu bagian operasional proses pengalengan nanas. Bagian proses pengalengan nanas merupakan akhir dari seluruh rangkaian produksi yang ada di PT. Great Giant Pineapple. PT. Great Giant Pineapple merupakan perkebunan nanas di Indonesia yang produksi olahan nanasnya diekspor pada pasar luar negeri dan mengirim hasil produksinya sebanyak 99,8 % ke berbagai belahan dunia antara lain Eropa 47,6 %, Amerika 4,6 %, Asia (Jepang, Korea, Taiwan) 3,1 %, dan sisanya Timur Tengah, Kanada dan Autralia. Sedangkan untuk konsumsi dalam negeri hanya sekitar 0,2 %. PT. Great Giant Pineapple merupakan penyuplai olahan nanas terbesar ketiga di dunia karena dapat memenuhi 10 % dari 12 % yang menjadi kebutuhan nanas olahan dunia. Permasalahan yang dihadapi oleh PT Great Giant Pineapple adalah jika terjadi produksi berlebihan maka nanas tersebut akan ditempatkan di gudang penyimpanan sebagai persediaan dan nanas mempunyai masa konsumsi yang tidak bertahan lama. Sehingga pelanggan yang membeli nanas tersebut akan komplain karena setelah membeli nanas tersebut keesokan harinya tidak dapat dikonsumsi karena nanas sudah kadaluarsa dikarenakan penimbunan produksi nanas di gudang penyimpanan yang terlalu lama. Apabila terjadi kekurangan produksi nanas maka pelanggan akan kecewa karena nanas yang ingin dibeli sudah habis. Maka, dengan hal itu perusahaan akan kehilangan pelanggan dan mengalami kerugian. Berdasarkan uraian di atas, maka peneliti ingin mengangkat permasalahan yang dihadapi oleh PT.Great Giant Pineapple dengan membuat sebuah aplikasi sistem pendukung keputusan untuk penentuan jumlah produksi nanas sehingga dapat memenuhi jumlah permintaan pelanggan dan tidak menambah penimbunan nanas di gudang penyimpanan secara berlebihan.

  Sistem pendukung keputusan menunjukkan sebagai sebuah sistem yang mendukung para pengambil keputusan untuk memperluas kapabilitas mereka, namun tidak untuk menggantikan penilaian mereka. Sistem pendukung keputusan merupakan sistem informasi interaktif yang menyediakan informasi, pemodelan dan memanipulasi data. Sistem itu digunakan untuk membantu pengambilan keputusan dalam situasi yang semiterstruktural dan situasi yang tidak terstruktur, dimana tak seorang pun tahu secara pasti bagaimana keputusan seharusnya dibuat.

  Metode Tsukamoto merupakan perluasan dari penalaran monoton. 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

  diberi kan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot, (Kusumadewi, 2002)

  Persediaan bahan baku dan jumlah permintaan digunakan sebagai variabel yang akan direpresentasikan dengan fungsi keanggotaan fuzzy. Selanjutnya metode fuzzy

  tsukamoto untuk menentukan jumlah produksi

  diterapkan dalam Sistem Pendukung Keputusan (SPK), kemudian SPK akan mengolah data-data tersebut dengan metode tsukamoto dan akan menampilkan keluaran (output) berupa jumlah barang yang akan diproduksi.

  Metode fuzzy tsukamoto digunakan untuk menghasilkan sebuah sistem pendukung keputusan yang dapat membantu dan menyelesaikan permasalahan dari PT Great Giant Pineapple dalam penentuan produksi nanas setiap waktunya dan mengurangi adanya penimbunan nanas di gudang penyimpanan.

  2. STUDI PUSTAKA 2.1. PT. Great Giant Pineapple

  PT Great Giant Pineapple merupakan salah satu perusahaan agro industri yang dibangun di Kabupaten Lampung Tengah, Provinsi lampung .PT Great Giant Pineapple memiliki beberapa bagian departemen, salah satunya yaitu bagian operasional proses pengalengan nanas. Bagian proses pengalengan nanas merupakan akhir dari seluruh rangkaian produksi yang ada di PT. Great Giant Pineapple, mulai dari pengadaan bibit hingga pemanenan. Kegiatan budidaya nanas yang ada di PT Great Giant Pineapple yang memiliki lahan 32.000 hektar berakhir pada lokasi proses pengalengan yang luasnya kurang dari 10 hektar. Bagian ini merupakan bagian vital dari PT. Great Giant Pineapple karena

  bagian ini merupakan tempat diproduksinya nanas kaleng dengan berbagai macam kualitas yang nantinya akan dipasarkan ke luar negeri.

  2.2. Sistem Pendukung Keputusan (SPK)

  defuzzifikasi (penegasan). Metode defuzzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzzifikasi rata-rata terpusat (Center Average Defuzzyfier).

  3.2. Pengumpulan Data

  Tahap yang dijalankan meliputi studi literatur, pengumpulan data, analisis kebutuhan, perancangan, implementasi dan analisis hasil dan pengujian, kesimpulan.

  Gambar 1. Metodologi Penelitian

  Tahapan yang dilakukan pada penelitian ini dijelaskan pada Gambar 1.

  METODOLOGI PENELITIAN 3.1. Tahap Penelitian

  (1) 3.

  ∑ α i n i=1

  z = ∑ α i z i n i=1

  pada persamaan berikut ini (Muzayyanah, I., Mahmudy, W.F., Cholissodin, I., 2014):

  (Center Average Defuzzyfier) yang dirumuskan

  Untuk memperoleh nilai output nilai tegas Z (crisp), dicari dengan cara mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada domain himpunan fuzzy tersebut. Cara ini disebut dengan metode defuzifikasi(penegasan). Metode defuzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzifikasi rata-rata terpusat

  2.5. Defussifikasi

  fuzzy tersebut. Cara ini disebut dengan metode

  Sistem pendukung keputusan (SPK) biasanya dibangun untuk mendukung solusi atas suatu masalah atau untuk suatu peluang. Aplikasi Sistem pendukung keputusan (SPK) digunakan dalam pengambilan keputusan. Aplikasi Sistem pendukung keputusan (SPK) menggunakan CBIS (Computer Based

  mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy) menjadi suatu bilangan pada domain himpunan

  crisp /hasil yang tegas (Z) dicari dengan cara

  Pada metode Tsukamoto, setiap aturan direpresentasikan menggunakan himpunan- himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Untuk menentukan nilai output

  2.4. Metode Tsukamoto

  4. Logika fuzzy menyediakan suatu cara untuk merubah pernyataan linguistik menjadi suatu numerik.

  3. Logika fuzzy adalah logika yang digunakan untuk menjelaskan keambiguan, dimana logika fuzzy adalah cabang teori dari himpunan fuzzy , himpunan yang menyelesaikan keambiguan.

  2. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output, mempunyai nilai kontinu dan logika fuzzy dinyatakan dalam derajat dari suatu keanggotaan dan derajat dari kebenaran.

  1. Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan antara hitam dan putih, dalam bentuk linguistik, konsep tidak pasti seperti “ sedikit”,”lumayan” dan “ sangat”.

  cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lofti A. Zadeh pada tahun 1965 (Kusumadewi, 2002). Ada beberapa definisi tentang logika fuzzy, diantaranya :

  2.3. Logika Fuzzy Logika fuzzy (logika samar) adalah suatu

  dan dapat di adaptasi, yang dikembangkan untuk mendukung solusi atas masalah managemen spesifik yang tidak terstruktur.

  Information System) yang fleksibel, interaktif

  Metode pengumpulan data dilakukan dengan observasi langsung pada PT.Great Giant Pineapple. Data yang dikumpulkan oleh peneliti ini yang nantinya akan digunakan dalam proses fuzzifikasi metode tsukamoto untuk menentukan keputusan jumlah produksi nanas pada periode selanjutnya.

3.3. Metode yang Digunakan

  Metode yang digunakan pada penelitian ini adalah metode fuzzy tsukamoto. metode ini menggunakan data persediaan bahan baku dan jumlah permintaan digunakan sebagai variabel yang akan direpresentasikan dengan fungsi keanggotaan fuzzy. Selanjutnya metode fuzzy

  dilakukan melalui dua tahapan (strategi) yaitu pengujian validasi dan pengujian akurasi. Pengujian validasi dilakukan untuk mengetahui apakah sistem yang dibangun sudah menyediakan fungsi-fungsi yang sesuai dengan yang dibutuhkan. Pengujian akurasi dilakukan untuk mengetahui performa dari sistem pendukung keputusan penentuan jumlah produksi nanas menggunakan metode fuzzy Tsukamoto .

  2. Sistem melakukan pemeriksaan data ke dalam database 3. Jika username dan password benar maka aktor akan masuk ke menu utama Valid

  Sistem melakukan pemeriksaan karakter username dan password

  1 Login sah 1.

  Tabel 1. Pengujian Validasi No Nama Hasil yang diharapkan Status Validitas

  Pengujian validasi digunakan untuk mengetahui apakah sistem yang dibangun sudah benar sesuai dengan yang dibutuhkan. Item-item yang telah dirumuskan dalam daftar kebutuhan akan menjadi acuan untuk melakukan pengujian validasi. Pengujian validasi menggunakan metode pengujian Black Box, karena tidak difokuskan terhadap alur jalannya algoritme program namun lebih ditekankan untuk menemukan kesesuaian antara kinerja sistem dengan daftar kebutuhan. Pada setiap kebutuhan dilakukan proses pengujian dengan kasus uji masing-masing untuk mengetahui kesesuaian antara kebutuhan dengan kinerja sistem. Hasil Pengujian Validasi diperlihatkan pada Tabel 1.

  5.1. Pengujian Validasi

  output perangkat lunak. Proses pengujian

  tsukamoto

  dua tahapan yaitu pengujian validasi dan pengujian akurasi. Pada pengujian validasi akan digunakan teknik pengujian Black-Box (Black- Box Testing). Pengujian akurasi digunakan untuk menguji tingkat akurasi antara perhitungan Fuzzy Tsukamoto secara manual dengan perhitungan Fuzzy Tsukamoto yang telah diimplementasikan menjadi Sistem Pendukung Keputusan. Pengujian akurasi Sistem Pendukung Keputusan juga dilakukan dengan menyesuaikan antara data kasus uji dengan

  Tsukamoto . Proses pengujian dilakukan melalui

  Tahapan pengujian dan analisis sistem pendukung keputusan penentuan jumlah produksi nanas menggunakan metode fuzzy

   PENGUJIAN DAN ANALISIS

  Gambar 2. Perancangan 5.

  Mengambil data _{Persediaan dan jumlah permintaan} END ^{Database Proses Fuzzifikasi Aturan IF-THEN Proses Defuzzifikasi Jum lah Produksi}

  Bagian perancangan sistem pendukung keputusan penentuan jumlah produksi nanas menggunakan metode fuzzy tsukamoto . Tahapnya dapat dilihat pada Gambar 2 _START

  akan menampilkan keluaran (output) berupa jumlah barang yang akan diproduksi.

4. PERANCANGAN

  2 Login tidak sah

  =0,029744098/49 = 0,000607

   Pengujian Akurasi dan Hasil Analisis

  Pengujian akurasi dilakukan untuk mengetahui performa dari sistem pendukung keputusan penentuan jumlah produksi nanas menggunakan metode fuzzy Tsukamoto. Pada pengujian akurasi dilakukan proses perbandingan antar hasil dari perhitungan program dengan nilai asli yang sudah tersimpan dalam database. Prosedur pengujiannya adalah memasukkan data permintaan pada barang tertentu ke dalam sistem, kemudian sistem akan otomatis menghitung sesuai dengan metode

  Fuzzy Tsukamoto sehingga akan menghasilkan

  rekomendasi jumlah produksi. Hasil rekomendasi yang diperoleh dari perhitungan di Sistem Pendukung Keputusan, dicocokkan dengan nilai asli yang didapatkan dari PT. Great Giant Pineapple (GGP).

  Hasil Perhitungan akan menghasilkan nilai kesalahan dalam peramalan atau MAPE, MAPE dari hasil SPK dapat dihitung sebagai berikut : MAPE = (Total E)/(jml data)

7 Edit akun 3.

  6. KESIMPULAN

  Jadi, dapat disimpulkan bahwa akurasi Sistem Pendukung Keputusan berdasarkan 49 data yang diuji memiliki nilai kesalahan sebesar 0,000607, jika dalam nilai persen dapat dituliskan dengan angka 0,0607 %, hal tersebut menunjukkan bahwa sistem pendukung keputusan penentuan jumlah produksi nanas menggunakan metode fuzzy Tsukamoto.

  Sistem keluar dari menu utama sesuai level yang diakses pengguna.

  Berdasarkan hasil pengujian, terdapat beberapa kesimpulan pada penelitian sistem pendukung keputusan penentuan jumlah produksi nanas menggunakan metode fuzzy

  Tsukamoto , maka didapatkan kesimpulan

  sebagai berikut:

  1. Aplikasi Sistem Pendukung Keputusan dengan metode fuzzy Tsukamoto telah dibuat sesuai perancangan dan dapat digunakan dalam merekomendasikan penentuan jumlah produksi nanas untuk mengambil keputusan.

  2. Sistem pendukung keputusan penentuan jumlah produksi nanas menggunakan metode fuzzy Tsukamoto memiliki kinerja

  Valid Sistem mengalihkan ke Halaman Utama Sistem 5.2.

  11 Akses Data Laporan Sistem menampilkan laporan penerima beasiswa sesuai data yang dipilih oleh User Valid

  1. Sistem melakukan pemeriksaan karakter username dan password

  Sistem melakukan pemeriksaan karakter 2. Sistem melakukan pemeriksaan data di database 1. Jika username sudah ada di database maka muncul peringatan.

  2. Sistem melakukan pemeriksaan data ke dalam database

  3. Jika username dan password tidak valid maka aktor tidak bisa masuk ke menu utama dan sistem menampilkan peringatan

  Valid

  5 Tambah Data Akun sah

  1. Sistem melakukan pemeriksaan karakter 2. Sistem melakukan pemeriksaan data di database 1. Jika username belum ada di database maka data akan ditambahkan ke database dan menampilkan data tersebut ke tabel Valid

  6 Tambah akun tidak sah 1.

  Valid

  Valid

  Sistem akan mengedit data dan menyimpan data yang diganti tersebut ke database dan menampilkan kembali ke tabel Valid

  8 Hapus akun

  3. Sistem akan menghapus data dari database dan menghapus data dari tabel

  Valid

  9 Edit Barang Sistem akan mengedit data dan menyimpan data yang diganti tersebut ke database dan menampilkan kembali ke table

  Valid

  10 Hapus Barang Sistem akan menghapus data dari database dan menghapus data dari table

12 Logout 1.

  sistem yang mampu berjalan sesuai dengan pp.1-10 kebutuhan fungsional. Hal ini dibuktikan dengan hasil pengujian Black Box yang Dicky Nofriansyah, S.Kom., M.Kom. 2014. memberikan nilai presentase sebesar 100%. Konsep Data Mining Vs Sistem

  Pendukung Keputusan.Yogyakarta

  3. Berdasarkan hasil pengujian akurasi diperoleh nilai kesalahan dari hasil Kusumadewi,S dan H Purnomo, 2004. Aplikasi peramalan yang kecil yakni 0,0607 %.

  Logika Fuzzy untuk Pendukung

  4. Hasil yang diberikan oleh metode Fuzzy Keputusan. Graha Ilmu, Yogyakarta.

  Tsukamoto memiliki kesesuaian dengan

  hasil data PT. GGC dengan nilai kesalahan Kusumadewi ,Sri. 2002. 0,0607 %.

  Analisis & Desain Sistem Fuzzy menggunakan Tool Box Matlab. Graha Penelitian selanjutnya dapat pengembangan Ilmu, Yogyakarta. metode agar dihasilkan metode lebih baik, metode Fuzzy Tsukamoto dapat dicoba

  Kusumadewi ,Sri. 2002. Analisis & Desain digabungkan dengan metode Sistem Pendukung Sistem Fuzzy menggunakan Tool Box

  Keputusan lain yang berbasiskan kecerdasan Matlab. buatan.

  Graha Ilmu, Yogyakarta.

DAFTAR PUSTAKA

  Makridakis, S., Wheelwright, S.C., dan McGee, Abdurrahman, Ginanjar. 2011.

  V.E. 1999. Metode dan Aplikasi

  Penerapan Metode Tsukamoto (Logika Peramalan . Edisi kedua. Jakarta: Bina Fuzzy)Dalam Sistem Pendukung Rupa Aksara. Keputusan Untuk Menentukan Jumlah Produksi Barang Berdasarkan Data

  Setiadji. 2009. Himpunan & Logika Samar Persediaan Dan Jumlah Permintaan.

  serta Aplikasinya . Yogyakarta: Graha

  Program Studi MatematikaJurusan Ilmu. Pendidikan MatematikaFakultas Matematika Dan Ilmu Pengetahuan

  Sofyan, Assauri.1984.Teknikdan Metode AlamUniversitas Negeri Yogyakarta.

  Peramalan .Jakarta: Penerbit Fakultas Ekonomi Universitas Indonesia.

  Aji Supriyanto. 2005. Pengantar Teknologi Informasi. Jakarta: Salemba Infotek.

  Synaptic, 2006. Fuzzy Math, Part I, The Theory. Andika kandi,angga.,2015.

  

  ’’pemodelan sistem pendukung keputusan menentukan komposisi pengadaan alat kontrasepsi menggunakan metode fuzzy

  Tedy Rismawan et al.2008.

  tsukamoto -analitical hierarchy proses Sistem Pendukung Keputusan Berbasis

  (AHP). Universitas brawijaya. Malang

  Pocket PC Sebagai Penentu Status Gizi Menggunakan Metode KNN (K-Nearest

  Assauri,Sofjan. 1993. Manajemen Produksi dan Neighbor).

  Operasi . Jakarta : Lembaga Penerbit /jurnal- Fakultas Ekonomi Universitas Indonesia. teknoin/article/viewFile/ 793/711 . Tanggal akses: 8 Februari 2011.

  Bahtiar, Nurdin dkk (Ed.).2012.

  ”Sistem Pendukung Keputusan, Komputasi Vrusias B. L, 2005. Fuzzy. dan Simulasi”. Graha Ilmu:Yogyakarta

   Cholissodin, I., 2014.

  Penentuan Persediaan Bahan Baku dan Membantu Target Marketing Industri

  Zadeh L. A, 1965. Fuzzy set. Information and Dengan Metode Fuzzy Inference System Control 8 338-353 .

  Tsukamoto . DORO: Repository Jurnal Mahasiswa PTIIK Universitas Brawijaya ,