Aplikasi Metode Fuzzy – Tsukamoto Dalam Penentuan Jumlah Pemasukan Beras Optimum Pada Perum Bulog Divisi Regional Sumatera Utara
APLIKASI METODE FUZZY – TSUKAMOTO DALAM
PENENTUAN JUMLAH PEMASUKAN BERAS
OPTIMUM PADA PERUM BULOG DIVISI
REGIONAL SUMATERA UTARA
SKRIPSI
RANTO MANURUNG
110803019
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
APLIKASI METODE FUZZY – TSUKAMOTO DALAM
PENENTUAN JUMLAH PEMASUKAN BERAS
OPTIMUM PADA PERUM BULOG DIVISI
REGIONAL SUMATERA UTARA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Sains
RANTO MANURUNG
110803019
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
ii
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Departemen
Fakultas
: APLIKASI METODE FUZZY – TSUKAMOTO
DALAM
PENENTUAN
JUMLAH
PEMASUKAN BERAS OPTIMUM PADA
PERUM
BULOG
DIVISI
REGIONAL
SUMATERA UTARA
: SKRIPSI
: RANTO MANURUNG
: 110803019
: SARJANA (S1) MATEMATIKA
: MATEMATIKA
: MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA
UTARA
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Parapat Gultom, MSIE
NIP. 19610130 198503 1 002
Dr. Esther S M Nababan, M.Sc
NIP. 19610318 198711 2 001
Diketahui/ Disetujui oleh
Departemen Matematika FMIPA USU
Ketua,
Prof. Dr. Tulus, Vordipl.Math.,Ph.D.
NIP.19620901 198803 1 002
iii
PERNYATAAN
APLIKASI METODE FUZZY – TSUKAMOTO DALAM PENENTUAN
JUMLAH PEMASUKAN BERAS OPTIMUM PADA PERUM
BULOG DIVISI REGIONAL SUMATERA UTARA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri. Kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan,
Agustus 2015
RANTO MANURUNG
110803019
iv
PENGHARGAAN
Segala pujian dan ucapan syukur kepada Tuhan Yesus Kristus atas kasih-Nya, setiap
pertolongan dan penyertaanNya yang dirasakan oleh penulis dalam proses pengerjaan
skripsi ini.
Penulis juga mengucapkan terimakasih kepada pihak-pihak yang turut
mendukung dalam penulisan skripsi ini:
1. Ibu Dr. Esther S M Nababan, M.Sc dan bapak Dr. Parapat Gultom, MSIE, sebagai
dosen pembimbing yang telah banyak memberikan arahan, nasehat, dan motivasi
yang diberikan kepada penulis dalam mengerjakan skripsi ini.
2. Ibu Dra. Normalina Napitupulu, M.Sc dan bapak Drs. Marihat Situmorang,
M.Kom sebagai dosen pembanding yang banyak memberikan saran dan masukan
dalam penyelesaian skripsi ini.
3. Bapak Prof. Dr. Tulus, M.Si. sebagai ketua departemen matematika dan ibu Dr.
Mardiningsih, M.Si. selaku sekretaris departemen matematika FMIPA USU.
4. Bapak Dr. Sutarman, M.Sc. sebagai dekan fakultas matematika dan ilmu
pengetahuan alam Universitas Sumatera Utara.
5. Semua dosen di departemen matematika FMIPA USU atas segala ilmu dan
bimbingan yang diberikan kepada penulis selama perkuliahan, serta seluruh Staf
Administrasi yang ada di departemen matematika FMIPA USU.
6. Bapak pimpinan perum BULOG Divisi Regional Sumatera Utara yang telah
membantu penulis memberikan data yang diperlukan dalam penulisan skripsi ini.
7. Teristimewa kepada kedua orang tua penulis bapak L.Manurung dan ibu
M.Tampubolon atas doa, nasehat, bimbingan, dan dukungan moril dan materil,
yang menjadi sumber motivasi bagi penulis untuk tetap semangat dalam
perkuliahan dan penulisan skripsi ini.
8. Abang dan adik – adik penulis, Rambo Manurung, Rido Manurung dan Lestari
Manurung atas doa dan dukungannya.
9. Rekan-rekan di matematika 2011, Dika, Wahyu, Jhonly, Desmon, Devis, Joseph
dan lain – lain . Dan juga dukungan dari senior-senior dan adik-adik stambuk
2012, 2013, dan 2014.
Semoga damai sejahtera dari Tuhan senantiasa menyertai kita.
Medan, Agustus 2015
Ranto Manurung
110803019
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
vii
DAFTAR ISI
PERSETUJUAN
PERNYATAAN
PENGHARGAAN
ABSTRAK
ABSTRACK
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
BAB 1. PENDAHULUAN
1.1 Latar Belakang
1.2 Perumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Kontribusi Penelitian
1.6 Metode Penelitian
1.7 Tinjauan Pustaka
BAB 2. LANDASAN TEORI
2.1 Pengertian Persediaan
2.2 Fungsi Manajemen Persediaan
2.2.1 Peramalan ( forecasting )
2.2.1.1 Peramalan Berdasarkan Sifat Penyusunnya
2.2.1.2 Peramalan Berdasarkan Jangka Waktu Ramalan
2.2.1.3 Peramalan Berdasarkan Sifat Ramalan
2.2.2 Pengendalian Persediaan
2.2.3 Pengawasan Persediaan
2.3 Logika Fuzzy
2.3.1 Definisi Logika Fuzzy
2.3.2 Alasan Digunakan Logika Fuzzy
2.3.3 Himpunan Fuzzy
2.3.4 Fungsi Keanggotaan dan Fuzzifikasi
2.3.4.1 Representasi Linier
2.3.4.2 Representasi Kurva Segitiga
2.3.4.3 Representasi Kurva Trapesium
2.3.4.4 Representasi Kurva Bentuk Bahu
2.3.5 Operasi-Operasi pada Himpunan Fuzzy
2.3.5.1 Operasi and
2.3.5.2 Operasi or
2.3.5.3 Operasi not
2.3.6 Penalaran Monoton
2.4 Sistem Inferensi Fuzzy
Halaman
ii
iii
iv
v
vi
vii
ix
x
1
2
3
3
3
3
4
8
9
9
9
10
13
14
15
15
15
16
17
18
19
20
21
21
22
22
22
22
23
viii
2.4.1 Metode Mamdani
2.4.2 Metode Sugeno
2.4.3 Metode Tsukamoto
26
26
28
BAB 3. PEMBAHASAN
3.1 Data Pemasukan, Pengeluaran dan jumlah stok
3.2 Pengolahan Data
3.2.1
Penentuan Jumlah Pemasukan Beras
3.2.2
Aplikasi Fungsi Implikasi
31
32
32
36
BAB 4. KESIMPULAN DAN SARAN
4.1 Kesimpulan
4.2 Saran
48
49
DAFTAR PUSTAKA
LAMPIRAN
50
ix
DAFTAR TABEL
Nomor
Judul
Halaman
Tabel
3.1.
Data persediaan , pemasukan, dan penyaluran beras periode
Januari 2014 sampai dengan Desember 2014 dengan satuan Ton.
31
3.2.
Variabel dan semesta pembicaraan
32
3.3.
Himpunan fuzzy
32
3.4.
Data hasil perhitungan pemasukan dan persediaan beras dengan
metode - Tsukamoto dengan satuan Ton
3.5
43
Data Persediaan , Pemasukan, Penyaluran beras dengan Tsukamoto
dengan satuan Ton periode Januari 2014 sampai dengan
Desember 2014
44
x
DAFTAR GAMBAR
Nomor
Judul
Halaman
Gambar
2.1
Representasi Linear Naik
18
2.2
Representasi Linear Turun
19
2.3
Representasi Kurva Segitiga
20
2.4
Representasi Kurva Trapesium
21
2.5
Representasi Kurva Bentuk Bahu
22
3.1
Fungsi keanggotaan himpunan fuzzy berkurang dan
bertambah dari variabel penyaluran
3.2
Fungsi keanggotaan himpunan fuzzy sedikit dan banyak
dari variabel persediaan
3.3
34
Fungsi keanggotaan himpunan fuzzy turun dan naik
dari variabel pemasukan
3.4
33
35
Diagram batang perbandingan hasil perhitungan data
perusahaan dengan metode Tsukamoto dalam menentukan
jumlah pemasukan beras
3.5
45
Diagram batang perbandingan hasil perhitungan data
perusahaan dengan metode Tsukamoto dalam menentukan
jumlah persediaan beras
46
PENENTUAN JUMLAH PEMASUKAN BERAS
OPTIMUM PADA PERUM BULOG DIVISI
REGIONAL SUMATERA UTARA
SKRIPSI
RANTO MANURUNG
110803019
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
APLIKASI METODE FUZZY – TSUKAMOTO DALAM
PENENTUAN JUMLAH PEMASUKAN BERAS
OPTIMUM PADA PERUM BULOG DIVISI
REGIONAL SUMATERA UTARA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar
Sarjana Sains
RANTO MANURUNG
110803019
DEPARTEMEN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS SUMATERA UTARA
MEDAN
2015
ii
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Departemen
Fakultas
: APLIKASI METODE FUZZY – TSUKAMOTO
DALAM
PENENTUAN
JUMLAH
PEMASUKAN BERAS OPTIMUM PADA
PERUM
BULOG
DIVISI
REGIONAL
SUMATERA UTARA
: SKRIPSI
: RANTO MANURUNG
: 110803019
: SARJANA (S1) MATEMATIKA
: MATEMATIKA
: MATEMATIKA DAN ILMU PENGETAHUAN
ALAM (FMIPA) UNIVERSITAS SUMATERA
UTARA
Diluluskan di
Medan, Agustus 2015
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Parapat Gultom, MSIE
NIP. 19610130 198503 1 002
Dr. Esther S M Nababan, M.Sc
NIP. 19610318 198711 2 001
Diketahui/ Disetujui oleh
Departemen Matematika FMIPA USU
Ketua,
Prof. Dr. Tulus, Vordipl.Math.,Ph.D.
NIP.19620901 198803 1 002
iii
PERNYATAAN
APLIKASI METODE FUZZY – TSUKAMOTO DALAM PENENTUAN
JUMLAH PEMASUKAN BERAS OPTIMUM PADA PERUM
BULOG DIVISI REGIONAL SUMATERA UTARA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri. Kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan,
Agustus 2015
RANTO MANURUNG
110803019
iv
PENGHARGAAN
Segala pujian dan ucapan syukur kepada Tuhan Yesus Kristus atas kasih-Nya, setiap
pertolongan dan penyertaanNya yang dirasakan oleh penulis dalam proses pengerjaan
skripsi ini.
Penulis juga mengucapkan terimakasih kepada pihak-pihak yang turut
mendukung dalam penulisan skripsi ini:
1. Ibu Dr. Esther S M Nababan, M.Sc dan bapak Dr. Parapat Gultom, MSIE, sebagai
dosen pembimbing yang telah banyak memberikan arahan, nasehat, dan motivasi
yang diberikan kepada penulis dalam mengerjakan skripsi ini.
2. Ibu Dra. Normalina Napitupulu, M.Sc dan bapak Drs. Marihat Situmorang,
M.Kom sebagai dosen pembanding yang banyak memberikan saran dan masukan
dalam penyelesaian skripsi ini.
3. Bapak Prof. Dr. Tulus, M.Si. sebagai ketua departemen matematika dan ibu Dr.
Mardiningsih, M.Si. selaku sekretaris departemen matematika FMIPA USU.
4. Bapak Dr. Sutarman, M.Sc. sebagai dekan fakultas matematika dan ilmu
pengetahuan alam Universitas Sumatera Utara.
5. Semua dosen di departemen matematika FMIPA USU atas segala ilmu dan
bimbingan yang diberikan kepada penulis selama perkuliahan, serta seluruh Staf
Administrasi yang ada di departemen matematika FMIPA USU.
6. Bapak pimpinan perum BULOG Divisi Regional Sumatera Utara yang telah
membantu penulis memberikan data yang diperlukan dalam penulisan skripsi ini.
7. Teristimewa kepada kedua orang tua penulis bapak L.Manurung dan ibu
M.Tampubolon atas doa, nasehat, bimbingan, dan dukungan moril dan materil,
yang menjadi sumber motivasi bagi penulis untuk tetap semangat dalam
perkuliahan dan penulisan skripsi ini.
8. Abang dan adik – adik penulis, Rambo Manurung, Rido Manurung dan Lestari
Manurung atas doa dan dukungannya.
9. Rekan-rekan di matematika 2011, Dika, Wahyu, Jhonly, Desmon, Devis, Joseph
dan lain – lain . Dan juga dukungan dari senior-senior dan adik-adik stambuk
2012, 2013, dan 2014.
Semoga damai sejahtera dari Tuhan senantiasa menyertai kita.
Medan, Agustus 2015
Ranto Manurung
110803019
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
vii
DAFTAR ISI
PERSETUJUAN
PERNYATAAN
PENGHARGAAN
ABSTRAK
ABSTRACK
DAFTAR ISI
DAFTAR TABEL
DAFTAR GAMBAR
BAB 1. PENDAHULUAN
1.1 Latar Belakang
1.2 Perumusan Masalah
1.3 Batasan Masalah
1.4 Tujuan Penelitian
1.5 Kontribusi Penelitian
1.6 Metode Penelitian
1.7 Tinjauan Pustaka
BAB 2. LANDASAN TEORI
2.1 Pengertian Persediaan
2.2 Fungsi Manajemen Persediaan
2.2.1 Peramalan ( forecasting )
2.2.1.1 Peramalan Berdasarkan Sifat Penyusunnya
2.2.1.2 Peramalan Berdasarkan Jangka Waktu Ramalan
2.2.1.3 Peramalan Berdasarkan Sifat Ramalan
2.2.2 Pengendalian Persediaan
2.2.3 Pengawasan Persediaan
2.3 Logika Fuzzy
2.3.1 Definisi Logika Fuzzy
2.3.2 Alasan Digunakan Logika Fuzzy
2.3.3 Himpunan Fuzzy
2.3.4 Fungsi Keanggotaan dan Fuzzifikasi
2.3.4.1 Representasi Linier
2.3.4.2 Representasi Kurva Segitiga
2.3.4.3 Representasi Kurva Trapesium
2.3.4.4 Representasi Kurva Bentuk Bahu
2.3.5 Operasi-Operasi pada Himpunan Fuzzy
2.3.5.1 Operasi and
2.3.5.2 Operasi or
2.3.5.3 Operasi not
2.3.6 Penalaran Monoton
2.4 Sistem Inferensi Fuzzy
Halaman
ii
iii
iv
v
vi
vii
ix
x
1
2
3
3
3
3
4
8
9
9
9
10
13
14
15
15
15
16
17
18
19
20
21
21
22
22
22
22
23
viii
2.4.1 Metode Mamdani
2.4.2 Metode Sugeno
2.4.3 Metode Tsukamoto
26
26
28
BAB 3. PEMBAHASAN
3.1 Data Pemasukan, Pengeluaran dan jumlah stok
3.2 Pengolahan Data
3.2.1
Penentuan Jumlah Pemasukan Beras
3.2.2
Aplikasi Fungsi Implikasi
31
32
32
36
BAB 4. KESIMPULAN DAN SARAN
4.1 Kesimpulan
4.2 Saran
48
49
DAFTAR PUSTAKA
LAMPIRAN
50
ix
DAFTAR TABEL
Nomor
Judul
Halaman
Tabel
3.1.
Data persediaan , pemasukan, dan penyaluran beras periode
Januari 2014 sampai dengan Desember 2014 dengan satuan Ton.
31
3.2.
Variabel dan semesta pembicaraan
32
3.3.
Himpunan fuzzy
32
3.4.
Data hasil perhitungan pemasukan dan persediaan beras dengan
metode - Tsukamoto dengan satuan Ton
3.5
43
Data Persediaan , Pemasukan, Penyaluran beras dengan Tsukamoto
dengan satuan Ton periode Januari 2014 sampai dengan
Desember 2014
44
x
DAFTAR GAMBAR
Nomor
Judul
Halaman
Gambar
2.1
Representasi Linear Naik
18
2.2
Representasi Linear Turun
19
2.3
Representasi Kurva Segitiga
20
2.4
Representasi Kurva Trapesium
21
2.5
Representasi Kurva Bentuk Bahu
22
3.1
Fungsi keanggotaan himpunan fuzzy berkurang dan
bertambah dari variabel penyaluran
3.2
Fungsi keanggotaan himpunan fuzzy sedikit dan banyak
dari variabel persediaan
3.3
34
Fungsi keanggotaan himpunan fuzzy turun dan naik
dari variabel pemasukan
3.4
33
35
Diagram batang perbandingan hasil perhitungan data
perusahaan dengan metode Tsukamoto dalam menentukan
jumlah pemasukan beras
3.5
45
Diagram batang perbandingan hasil perhitungan data
perusahaan dengan metode Tsukamoto dalam menentukan
jumlah persediaan beras
46