Aplikasi Metode Fuzzy – Tsukamoto Dalam Penentuan Jumlah Pemasukan Beras Optimum Pada Perum Bulog Divisi Regional Sumatera Utara
vi
ABSTRAK
Permasalahan yang sering dialami Perum BULOG dalam menentukan jumlah pemasukan beras
adalah ketidakpastian pemasukan beras. Fuzzy Inference System (FIS) Tsukamoto dikembangkan
untuk menentukan jumlah pemasukan berdasarkan data persediaan dan penyaluran. Terdapat tiga
variabel yang dimodelkan, yaitu: pemasukan, penyaluran dan jumlah persediaan. Variabel
pemasukan terdiri dari dua himpunan fuzzy, yaitu: turun dan naik, variabel penyaluran terdiri dari
dua himpunan fuzzy, yaitu: berkurang dan bertambah, sedangkan variabel persediaan terdiri dari
dua himpunan fuzzy yaitu: sedikit dan banyak. Setelah dikombinasikan maka diperoleh 8 aturan
fuzzy aturan untuk menentukan nilai keanggotaan. Kemudian mengubah himpunan fuzzy menjadi
nilai tegas yakni jumlah pemasukan menggunakan rumus rata-rata terpusat. Diagram tabel
perbandingan antara jumlah pemasukan Perum BULOG dengan jumlah pemasukan metode
Tsukamoto menunjukkan terjadi peningkatan efisiensi jumlah pemasukan dengan mengunakan
logika fuzzy yakni metode Tsukamoto. Jumlah pemasukan optimum beras pada bulan Januari
2014 : 19.400 Ton, Februari 2014 : 19.401 Ton, Maret 2014 : 19.401 Ton, April 2014 : 19.400
Ton, Mei 2014 : 19.401 Ton, Juni 2014 : 19.400 Ton, Juli 2014 : 19.400 Ton, Agustus 2014 :
19.400, September 2014 : 19.401 Ton, Oktober 2014 : 19.400 Ton, November 2014 : 19.415
Ton, dan Desember 2014 : 19.401 Ton.
Kata kunci: Sistem Inferensi Fuzzy, Tsukamoto, Manajemen Persediaan
vi
ABSTRACT
Problems that are often experienced by Perum Bulog rice in determining the amount of income is
income uncertainty rice. Fuzzy Inference System (FIS) Tsukamoto developed to determine the
amount of revenue based on data inventory and distribution. There are three variables that are
modeled, namely: revenue, distribution and inventory number. Variable income consists of two
fuzzy sets, namely: down and up, the variable distribution consisting of two fuzzy sets, namely:
reduced and increased, while the variable inventory consists of two fuzzy sets, namely: a little
and a lot. Once combined, the obtained eight fuzzy rules to determine the value of the
membership rules. Then change the fuzzy set into a firm value using a formula which is the
amount of income the average centralized. Diagram comparison table between the amount of
revenue BULOG with the amount of Tsukamoto method showed an increase in the efficiency of
the amount of income by using the fuzzy logic Tsukamoto method. The optimum amount of rice
importation in January 2014: 19.400 tons, in February 2014: 19.401 Tons, in March 2014: 19.
401 Tons, April 2014: 19.400 Tons, May 2014: 19.401 Tons, in June 2014: 19.400 Tons, July
2014: 19.400 Tons, August 2014 : 19.400 Tons, September 2014: 19.401 Tons, in October 2014:
19.400 Tons, November 2014: 19.415 Tons, and December 2014: 19.401 Tons.
Keyword: Fuzzy Inference System (FIS), Tsukamoto, and Management of supplies
ABSTRAK
Permasalahan yang sering dialami Perum BULOG dalam menentukan jumlah pemasukan beras
adalah ketidakpastian pemasukan beras. Fuzzy Inference System (FIS) Tsukamoto dikembangkan
untuk menentukan jumlah pemasukan berdasarkan data persediaan dan penyaluran. Terdapat tiga
variabel yang dimodelkan, yaitu: pemasukan, penyaluran dan jumlah persediaan. Variabel
pemasukan terdiri dari dua himpunan fuzzy, yaitu: turun dan naik, variabel penyaluran terdiri dari
dua himpunan fuzzy, yaitu: berkurang dan bertambah, sedangkan variabel persediaan terdiri dari
dua himpunan fuzzy yaitu: sedikit dan banyak. Setelah dikombinasikan maka diperoleh 8 aturan
fuzzy aturan untuk menentukan nilai keanggotaan. Kemudian mengubah himpunan fuzzy menjadi
nilai tegas yakni jumlah pemasukan menggunakan rumus rata-rata terpusat. Diagram tabel
perbandingan antara jumlah pemasukan Perum BULOG dengan jumlah pemasukan metode
Tsukamoto menunjukkan terjadi peningkatan efisiensi jumlah pemasukan dengan mengunakan
logika fuzzy yakni metode Tsukamoto. Jumlah pemasukan optimum beras pada bulan Januari
2014 : 19.400 Ton, Februari 2014 : 19.401 Ton, Maret 2014 : 19.401 Ton, April 2014 : 19.400
Ton, Mei 2014 : 19.401 Ton, Juni 2014 : 19.400 Ton, Juli 2014 : 19.400 Ton, Agustus 2014 :
19.400, September 2014 : 19.401 Ton, Oktober 2014 : 19.400 Ton, November 2014 : 19.415
Ton, dan Desember 2014 : 19.401 Ton.
Kata kunci: Sistem Inferensi Fuzzy, Tsukamoto, Manajemen Persediaan
vi
ABSTRACT
Problems that are often experienced by Perum Bulog rice in determining the amount of income is
income uncertainty rice. Fuzzy Inference System (FIS) Tsukamoto developed to determine the
amount of revenue based on data inventory and distribution. There are three variables that are
modeled, namely: revenue, distribution and inventory number. Variable income consists of two
fuzzy sets, namely: down and up, the variable distribution consisting of two fuzzy sets, namely:
reduced and increased, while the variable inventory consists of two fuzzy sets, namely: a little
and a lot. Once combined, the obtained eight fuzzy rules to determine the value of the
membership rules. Then change the fuzzy set into a firm value using a formula which is the
amount of income the average centralized. Diagram comparison table between the amount of
revenue BULOG with the amount of Tsukamoto method showed an increase in the efficiency of
the amount of income by using the fuzzy logic Tsukamoto method. The optimum amount of rice
importation in January 2014: 19.400 tons, in February 2014: 19.401 Tons, in March 2014: 19.
401 Tons, April 2014: 19.400 Tons, May 2014: 19.401 Tons, in June 2014: 19.400 Tons, July
2014: 19.400 Tons, August 2014 : 19.400 Tons, September 2014: 19.401 Tons, in October 2014:
19.400 Tons, November 2014: 19.415 Tons, and December 2014: 19.401 Tons.
Keyword: Fuzzy Inference System (FIS), Tsukamoto, and Management of supplies