Implementasi Logika Fuzzy Dalam Optimasi Jumlah Produksi Barang Menggunakan Metode Tsukamoto (Studi Kasus : Toko XYZ Situbondo)
Abstract
Optimasi jumlah produksi barang dilakukan dengan menggunakan tiga variabel, yaitu permintaan, persediaan dan produksi. Variabel penjualan terdiri dari dua himpunan fuzzy, yaitu : turun dan naik, variabel persediaan terdiri dari dua himpunan fuzzy, yaitu : sedikit dan banyak, sedangkan variabel pengadaan terdiri dari dua himpunan fuzzy, yaitu berkurang dan bertambah. Dengan mengkombinasikan semua himpunan fuzzy tersebut, diperoleh empat aturan fuzzy, yang selanjutnya digunakan dalam setiap inferensi. Pada tahap inferensi, dicari nilai keanggotaan anteseden (α) dan nilai optimasi perkiraan pengadaan (z) dari setiap aturan. Optimasi pengadaan barang (z) dicari dengan metode defuzzifikasi rata-rata terpusat. Analisa dengan menggunakan metode Tsukamoto menghasilkan jumlah produksi yang harus di produksi yaitu sekitar 2370 dengan kondisi permintaan sebanyak 2500 dan persediaan di Gudang sebesar 100 botol. Analisa dengan menggunakan metode Tsukamoto ini memperlihatkan kondisi rill yang harus dijalankan pihak penjual barang di Toko XYZ Situbondo dalam melakukan proses produksi barang supaya lebih tepat sasaran.
Full Text:
PDFReferences
Akhir Maulana, Y., & Nurhadiyono, B. (2017). Implementasi Fuzzy Tsukamoto Dalam Mendiagnosa. Ilmu Komputer(KLIK), 04(02), 233–246. Retrieved from maulanayanmas@gmail.com
Kanani, N., & Thakker, M. (n.d.). Low Cost Data Acquisition System Using LABVIEW, III(I).
Kaswidjanti, W. (2014). Implementasi Fuzzy Inference System Metode Tsukamoto Pada Pengambilan Keputusan Pemberian Kredit Pemilikan Rumah. Telematika, 10(2). https://doi.org/10.31315/telematika.v10i2.281
Nasibu, I. Z. (2009). Penerapan Metode AHP Dalam Sistem Pendukung Keputusan Penempatan Karyawan Menggunakan Aplikasi Expert Choice.
Riyadi Yudha Wiguna, Hanny Haryanto, S.Kom, M. . (2015). Sistem berbasis aturan menggunakan logika fuzzy tsukamoto untuk prediksi jumlah produksi roti pada cv. gendis bakery. Program Studi Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro.
Sari, N. R., & Mahmudy, W. F. (2015). Fuzzy Inference System Tsukamoto Untuk Menentukan Kelayakan Calon Pegawai. Seminar Nasional Sistem Informasi Indonesia, (November), 2–3.
Sejati W.P., Y., Kristanto, H., & Karel T, J. (n.d.). Implementasi Fuzzy Set Dan Fuzzy Infekence System, (1).
Ula, M. (2014). Implementasi Logika Fuzzy Dalam Optimasi Jumlah Pengadaan Barang Menggunakan Metode Tsukamoto (Studi Kasus: Toko Kain My Text). Jurnal ECOTIPE, 1(2), 36–46.
W, D. A., Mt, I. P., Bambang, I., Mt, S., & Haryono, J. M. T. (2013). APLIKASI PENGENDALI SUHU RUANGAN DENGAN KONTROLER LOGIKA FUZZY BERBASIS MIKROKONTROLER AVR-ATMEGA 328. Universitas Brawijaya, 1(3), 1–5.
Wijaya, Y. P. (2016). Simulasi Pengendalian Volume Tangki menggunakan LabVIEW dan Arduino UNO. Jurnal Sains Dan Teknologi Industri, 13(1), 79–82. Retrieved from http://ejournal.uin-suska.ac.id/index.php/sitekin/article/view/1293
Scribd (2015, 14 Januari). Contoh Soal Fuzzy Metode Tsukamoto.Dikutip 16 Desember 2019 : https://www.scribd.com/doc/252591115/Contoh-Soal-Fuzzy-Metode-Tsukamoto
DOI: http://dx.doi.org/10.31000/jt.v9i2.3610
Article Metrics
Abstract - 4078 PDF - 1981Refbacks
- There are currently no refbacks.
License URL: https://scholar.google.co.id/citations?user=RJRfBN0AAAAJ&hl=id&authuser=2