Post on 21-Oct-2020
4
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
2.1 Tinjauan Pustaka
Penelitian dengan judul “PERANCANGAN SISTEM INFORMASI
MANAJEMEN PERSEDIAAN BARANG ELECTROLUX AUTHORIZED
SERVICE CV. MOMENTUM TEKNIK”. Penelitian ini membahas tentang
permasalahan sistem inventory yang dimiliki “Electrolux Authorized Service CV.
Momentum Teknik” yang menggunakan pendokumentasian data barang masuk dan
barang keluar secara manual sehingga membuat lambatnya kinerja perusahaan. Data-
data tersebut tidak terintegrasi dan tidak terkonsolidasi. Karena itu dibuat perancangan
sistem informasi manajemen persediaan barang secara komputerisasi dan terintegrasi
agar mempercepat kinerja perusahaan. Guna menerapkan perancangan tersebut,
maka digunakan metode System Development Life Cycle (SDLC) mulai dari
perencanaan sistem hingga tahap perancangan sistem yang rinci, mencakup
perancangan database, perancangan kontrol, perancangan input output, hingga
teknologinya (Sawitri, 2013)
Penelitian dengan judul “PERANCANGAN SISTEM INFORMASI UNTUK
PENGENDALIAN STOK SECARA SIMULTAN DAN REAL TIME BERBASIS
MOBILE AGENT PADA SUPPLY CHAIN”. Persaingan global yang semakin
kompetitif menyebabkan siklus hidup produk menjadi lebih pendek dan kecenderungan
penurunan harga dalam waktu yang relatif singkat. Perusahaan manufaktur sebagai
produsen harus melakukan pengendalian produksi sesuai dengan permintaan kustomer
di masing-masing distributor. Penjualan di tiap distributor mengalami perubahan setiap
saat sehingga diperlukan monitoring perubahan stok dan penjualan secara simultan dan
real time. Untuk menjawab permasalahan di atas diperlukan perancangan sistem
informasi berbasis objek untuk pengendalian stok dan penjualan yang meliputi
monitoring, updating dan prediksi. Proses monitoring dan updating stok dan penjualan
dilakukan oleh mobile agent yang dapat berpindah dalam jaringan web, sedangkan
5
prediksi posisi stok dan laju penjualan digunakan untuk membantu manajemen dalam
menentukan produksi. Penelitian ini mencoba untuk mengembangkan sistem informasi
untuk pengendalian stok dan penjualan dan pembangunan prototipe sistem yang akan
diimplementasikan dengan Java dan Aglets sebagai agent server, sedangkan transaksi
yang terjadi di masing-masing distributor diimplementasikan dengan script PHP yang
berjalan pada server Apache dengan basis data MySQL. Verifikasi model dilakukan
dengan pengujian prototipe untuk mensimulasikan kondisi yang terjadi dalam sistem
sesungguhnya. Dari hasil simulasi, sistem yang dikembangkan mampu menjalankan
fungsi pengendalian yang meliputi monitoring, updating dan prediksi stok dan
penjualan di masing-masing distributor secara simultan dan real time (Ali, 2004).
Penelitian dengan judul “SISTEM PENDUKUNG KEPUTUSAN
PENENTUAN JUMLAH PENGADAAN BARANG PADA CV. RODA BAJA
MANDIRI SEMARANG DENGAN METODE MAMDANI”. Kebutuhan akan
informasi yang cepat, tepat dan akurat merupakan suatu hal yang mutlak pada
era yang serba cepat seperti ini. Suatu sistem yang baik harus mampu memberikan
informasi pada waktunya, dengan data-data yang akurat dan tepat dalam proses
pengolahannya. Salah satu faktor yang terjadi pada CV. Roda Baja Mandiri adalah
Kelebihan stok besi digudang bisa mengakibatkan besi berkarat, sehingga secara
kualitas sudah mengalami penyusutan. Jika konsumen mengetahui hal ini maka ketika
menyerahkan suatu pesanan kontruksi akan meminta besi dengan kualitas terbaru.
Sehingga besi yang mengalami penumpukan di gudang tidak akan dipakai. Sisa
besi yang tertumpuk di gudang tidak bisa dikembalikan ke suplier karena dari awal
transaksi suplai besi ke gudang dengan melakukan pembayaran cash. Pada intinya
faktor utama yang harus diperhatikan adalah mengenai pengadaan stok barang.
Distributor atau pedagang harus mampu menyesuaikan antara permintaan konsumen
dengan stok barang yang harus tersedia di gudang. Diperlukan sebuah sistem
pendukung keputusan yang mampu memberikan bantuan dalam menentukan secara
otomatis jumlah pengadaan barang berdasarkan analisa data pada kurun waktu
tertentu. Pembuatan laporan análisis pembelian barang masih disusun secara
6
manual, dengan mengumpulkan data-data transaksi yang terjadi pada periode
tertentu, sehingga banyak kesalahan data pada laporan yang dihasilkan, selainitu
memerlukan waktu yang cukup lama. Metode yang digunakan adalah metode
mamdani, metodeini berguna menentukan pengadaan yang sesuai untuk setiap
barangnya. Hasil dari pemakaian metode mamdani adalah pengadaan yang
dilakukan sesuai dengan realita barang yang laku untuk periode tertentu (Saputro,
2010).
Penelitian dengan judul “SISTEM PERSEDIAAN KAYU JATI DENGAN
FUZZY TSUKAMOTO”. Indonesia merupakan negara agraris dengan hutan sebagai
mata pencaharian sebagian warga, baik untuk digunakan sebagai komoditas dalam
negeri maupun komoditas ekspor. Salah satu komoditas yang dilakukan beberapa
masyarakat Indonesia adalah pembuatan kerajinan rumah tangga dengan
menggunakan kayu jati. Penggunaan kayu jati sudah dikenal sejak zaman dahulu,
karena kayu jati mempunyai tekstur yang kuat sehingga dapat bertahan lama.Namun
dengan penggunaan stok persediaan kayu yang baik, dapat berdampak pada efisiensi
kerja dan beban biaya pengusaha. Dalam penelitian ini akan diteliti pembelian dan
penjualan terhadap stok persediaan dengan menggunakan metode fuzzy Tsukamoto.
Dengan diketahui stok yang ada, maka akan didapatkan jawaban apakah stok
kurang atau sebaliknya. Sehingga pengusaha akan dapat melakukan kebijakan
terhadap persediaan yang ada (Hayadi, 2015).
Penelitian dengan judul “RANCANG BANGUN APLIKASI SISTEM
INFORMASI PENJUALAN DAN STOK BARANG DI TOKO WIDARI GARUT’
Sistem adalah Suatu jaringan kerja dari prosedur-prosedur yang saling
berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan atau untuk
menyelesaikan suatu sasaran yang tertentu. Informasi merupakan data yang telah
diolah menjadi suatu bentuk yang lebih berguna dan lebih berarti bagi yang
menerimanya. sistem Informasi merupakan Suatu sistem didalam suatu organisasi
yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi,
bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan
7
pihak luar tertentu dengan laporan-laporan yang diperlukan. Toko Widari Garut
merupakan salah satu toko pakaian bordir yang berada di kabupaten Garut yang
bergerak pada bidang penjualan baju muslim penjualan yang dilakukan secara
tunai. Kegiatan pengolahan pencatatan barang masuk, barang keluar dan penjualan
menjadi sesuatu yang sangat penting untuk kemajuan toko tersebut. Hampir di setiap
harinya, kegiatan pencatatan barang masuk, barang keluar dan penjualan ini
dilakukan. namun dalam kegiatan pemrosesan masih ditemukan banyak permasalahan
yang timbul. pekerjaan yang dilakukan selama ini hanya menggunakan manual yang
dimana penjualan, pencatatan barang masuk, barang keluar masih menggunakan
pencatatan dalam sebuah buku, sehingga penumpukan berkas/catatan menjadi hal yang
sangat tidak efisien. Dalam mendukung kegiatan sistem penjualan, barang masuk dan
barang keluar , dibutuhkan suatu sistem yang lebih terkomputerisasi agar dapat
memperlancar serta mempermudah proses penjualan, pencatatan barang masuk dan
barang keluar. Metode perancangan sistem yang digunakan dalam Laporan Tugas
Akhir ini adalah menggunakan metodologi sekuensial linier pendekatan waterfall,
Model ini mengusulkan sebuah pendekatan kepada perkembangan software.
Dimodelkan setelah siklus rekayasa konvensional, model sekuensial linier
melingkupi aktivitas-aktivitas. Berdasarkan hasil penelitian Tugas Akhir ini,
diharapkan dengan adanya Sistem Informasi penjualan, pencatatan barang masuk
dan barang ini dapat membantu Toko Widari Garut dalam melakukantransaksi
penjualan, pencatatan barang masuk dan barang keluar yang lebih
terkomputerisasi, efisien dan akurat (Maulana, 2015)
Penelitian dengan judul “SISTEM INFORMASI PENGHITUNGAN STOK
BARANG PADA TOKO SEPATU MEDLEY MENGGUNAKAN METODE
ECONOMIC ORDER QUANTITY (EOQ)” Sistem stok barang merupakan kegiatan
dalam proses mengelola data transaksi dan persediaan dalam gudang, sistem stok
barang biasanya terdiri dari sistem penerimaan barang, sistem pembelian barang dan
sistem gudang. Sistem pendataan stok barang di Toko Sepatu Medley Palembang
masih dilakukan dengan bantuan aplikasi perkantoran yaitu belum terkomputerisasi,
8
dengan aplikasi ini pendataan dilakukan secara berulang-ulang, sering kali terjadi
duplikasi data dan hasil pengetikan disimpan dalam map-map berupa arsip kertas.
Solusi dari permasalahan diatas, dengan memanfaatkan suatu teknologi informasi
untuk mengetahui stok barang dalam mencari data dan pembuatan laporan untuk
pimpinan (Tanjung, 2015)
Penelitian ini fokus untuk menentukan informasi stok barang dengan
mengunakan fuzzy tsukamoto dengan mengunakan beberapa variabel persedian dan
permintaan. Sistem ini ditunjukan untuk membantu menentukan informasi stok barang.
Optimasi jumlah pengadaan barang dilakukan dengan menggunakan dua variabel,
yaitu persediaan dan permintaan. Variabel persediaan terdiri dari dua himpunan fuzzy,
yaitu : turun dan naik, variabel permintaan terdiri dari dua himpunan fuzzy, yaitu :
sedikit dan banyak. Dengan mengkombinasikan semua himpunan fuzzy tersebut,
diperoleh empat aturan fuzzy, yang selanjutnya digunakan dalam setiap inferensi.
Analisa dengan menggunakan metode Tsukamoto ini memperlihatkan kondisi rill
yang harus dijalankan pihak penjual barang di Toko Ud Rezeki Barokah dalam
melakukan proses pengadaan barang supaya lebih tepat sasaran.
2.2 Landasan Teori
2.2.1 Stok Barang
Stok Barang persediaan dapat diartikan sebagai barang-barang yang
disimpan untuk digunakan atau dijual pada masa atau periode yang akan datang.
Persediaan terdiri dari persediaan bahan baku, persediaan bahan setengah jadi dan
persediaan barang jadi. Persediaan bahan baku dan bahan setengah jadi disimpan
sebelum digunakan atau dimasukkan ke dalam proses produksi, sedangkan
persediaan barang jadi atau barang dagangan disimpan sebelum dijual atau
dipasarkan. Dengan demikian setiap toko yang melakukan kegiatan usaha
umumnya memiliki persediaan. Persediaan merupakan suatu model yang umum
digunakan untuk menyelesaikan masalah yang terkait dengan usaha pengendalian
bahan baku maupun barang jadi dalam suatu aktifitas toko. Maka dapat diambil
kesimpulan bahwa pengertian pengendalian persediaan merupakan suatu usaha
9
memonitor dan menentukan tingkat komposisi bahan yang optimal dalam
menunjang kelancaran dan efektifitas serta efisiensi dalam kegiatan toko (Jheon,
2017)
2.2.2 Definisi Stok Barang
Stok barang ialah sebagai suatu aktivitas lancar yang meliputi barang-
barang yang merupakan milik perusahaan dengan sebuah maksud supaya dijual
dalam suatu periode usaha normal ataupun persediaan barang-barang yang masih
dalam pekerjaan sebuah proses produksi maupun persediaan bahan baku yang juga
menunggu penggunaannya di dalam suatu proses produksi (Assauri, 2016).
2.2.3 Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (Decision Support System) adalah sebuah
sistem yang mampu memberikan kemampuan pemecahan masalah maupun
kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur
dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan
dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak
seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Riadi,
2013)
Sistem Pendukung Keputusan beserta komponen, manfaat dan tujuannya
lengkap sistem pendukung keputusan merupakan bagian dari sistem informasi
berbasis komputer (termasuk sistem berbasis pengetahuan (knowledge
management) yang digunakan untuk mendukung pengambilan keputusan dalam
suatu organisasi atau perusahaan.
Hal ini juga dapat dianggap sebagai sistem komputer yang mengolah data
menjadi informasi untuk pengambilan keputusan-isu spesifik semi-terstruktur.
Menurut Moore and Chang, SPK dapat digambarkan sebagai sistem yang dapat
mendukung analisis data, dan pemodelan keputusan, orientasi perencanaan masa
depan berorientasi keputusan, dan digunakan pada waktu yang tidak biasa.
Tahapan SPK :
1. Definisi masalah
http://www.gurupendidikan.com/sistem-pendukung-keputusan-beserta-komponen-manfaat-dan-tujuannya-lengkap/http://www.gurupendidikan.com/sistem-pendukung-keputusan-beserta-komponen-manfaat-dan-tujuannya-lengkap/
10
Pengumpulan data atau elemen informasi yang relevan Pengolahan data
menjadi informasi baik dalam bentuk laporan grafik maupun tulisan.
2. Menentukan alternatif-alternatif solusi (bisa dalam persentase)
3. Tujuan dari SPK:
a. Membantu menyelesaikan masalah semi-terstruktur
b. Mendukung manajer dalam mengambil keputusan suatu masalah
c. Meningkatkan efektifitas bukan efisiensi pengambilan keputusan
d. Dalam pengolahan, DSS bisa menggunakan bantuan sistem lain
seperti Artificial Intelligence, Expert Systems, Fuzzy Logic, dan lain
lain.
4. Manfaat Sistem Pendukung Keputusan SPK dapat memberikan berbagai
manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah :
a. SPK memperluas kemampuan pengambil keputusan dalam
memproses data informasi bagi pemakainya.
b. SPK membantu pengambil keputusan untuk memecahkan masalah,
terutama dalam berbagai isu yang sangat kompleks dan tidak
terstruktur.
c. SPK dapat menghasilkan solusi yang lebih cepat dan hasil yang
lebih dapat diandalkan.
Walaupun suatu SPK mungkin tidak dapat memecahkan masalah yang
dihadapi oleh pengambil keputusan, tapi dia bisa menjadi stimulan bagi para
pengambil keputusan dalam memahami masalah, karena mampu menghadirkan
berbagai solusi alternatif.
Komponen Sistem Pendukung Keputusan secara umum, Sistem Pendukung
Keputusan yang dikembangkan oleh tiga komponen utama, yaitu manajemen
database, Basis Model dan Sistem Software/User Interface. Komponen SPK dapat
digambarkan sebagai berikut.
11
Database Management Adalah subsistem dari data yang terorganisir dalam
database. Data adalah suatu sistem pendukung keputusan dapat berasal dari luar
dan dalam lingkungan.
Model Base Adalah model yang mewakili masalah dalam format kuantitatif
(model matematika sebagai contoh) sebagai dasar simulasi atau pengambilan
keputusan, termasuk tujuan permaslahan (tujuan), komponen terkait, keterbatasan
yang ada (kendala), dan hal-hal terkait lainnya (Kurniawan, 2016).
2.2.4 Logika Fuzzy
Kosep tentang logika fuzzy diperkenalkan oleh Prof. Lotfi Astor Zedah
pada tahun 1962. Fuzzy adalah metodelogi sistem control pemecah masalah, yang
cocok untuk di implementasikan pada sistem, mulai dari sistem yang sederhana,
sistem kecil, embedded system, jaringan PC, multi-chanel atau workstation
berbasis akuisisi data, dan sistem kontrol. Metodelogi ini dapat diterapkan pada
perangkat keras, perangkat lunak atau kombinasi pada keduanya. Dalam logika
klasik klasik dinyatakan bahwa segalanya sesuatu bersifat biner, yang artinya
adalah hanya mempunyai dua kemungkinan, “Ya” atau “Tidak”, “Benar” atau
“Salah”, “Baik” atau “Buruk” dan lain-lain, oleh karna itu, semua ini dapat
mempunyai nilai keanggotaan 0 atau 1. Akan tetapi, dalam logika fuzzy
memungkinkan nilai keanggotaan berada diantara 0 dan 1. Artinya, bisa saja suatu
keadaan mempunyai dua nilai “Ya dan Tidak”, “Benar dan Salah”, “Baik dan
Buruk” secara bersamaan, namun besar nilainya tergantung pada bobot
keanggotaan yang dimiliki. Logika fuzzy dapat digunakan di berbagai bidang,
seperti pada sistem diagnosa penyakit (dalam bidang kedokteran); pemodelan
sistem pemasaran, riset operasi (dalam bidang ekonomi); kendali kualitas air,
predeksi adanya gempa bumi, klasifikasi dan pencocokan pola (dalam bidang
tehnik).
Kontroler logika fuzzy dikategorikan dalam kontrol cerdas (intellegent
control). Unit logika fuzzy memiliki kemampuan menyelesaikan masalah perilaku
12
sistem yang kompleks, yang tidak dimiliki oleh kontroler konvensional Secara
umum kontroler logika fuzzy memiliki kemampuan sebagai berikut :
Beroperasi tanpa campur tangan manusia secara langsung tetapi memiliki
efektivitas yang sama dengan kontroler manusia.
1. Mampu menangani sistem-sistem yang kompleks non-linier dan tidak
tetap.
2. Memenuhi spesifikasi operasional dan kriteria kinerja.
3. Struktur sederhana, kokoh dan beroperasi real time.
Ada 4 tahapan dalam fuzzy logic, yaitu : fuzzifikasi, penalaran/ Inferensia
(untuk penetapan Rule Base), aturan dasar dan defuzzifikasi, seperti diperlihatkan
dalam blok diagram Gambar 2.1.
Fuzzy Sistem
Gambar 2. 1 Sistem fuzzy
Berdasarkan gambar Gambar 2.1, dalam sistem logika fuzzy terdapat
beberapa tahapan operasional yang meliputi :
1. Fuzzifikasi adalah suatu proses pengubahan nilai tegas yang ada ke dalam
fungsi keanggotaan.
2. penalaran adalah proses implikasi dalam menalar nilai masukan guna
penentuan nilai keluaran sebagai bentuk pengambilan keputusan. Salah
satu model penalaran yang banyak dipakai adalah penalaran max-min.
Dalam penalaran ini, proses pertama yang dilakukan adalah melakukan
operasi min sinyal keluaran lapisan fuzzifikasi, yang diteruskan dengan
13
operasi max untuk mencari nilai keluaran yang selanjutnya akan
didefuzzifikasikan sebagai bentuk keluaran.
Aturan dasar (rule based) pada control logika fuzzy merupakan suatu
bentuk aturan relasi “Jika-Maka” atau “if-then” seperti berikut ini: if x is A then y
is B dimana A dan B adalah linguistic values yang didefinisikan dalam rentang
variabel X dan Y. Pernyataan “x is A” disebut antecedent atau premis. Pernyataan
“y is B” disebut consequent atau kesimpulan.
Defuzzifikasi Input dari proses defuzzifikasi adalah suatu himpunan fuzzy
yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang
dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut.
Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus
dapat diambil suatu nilai crisp tertentu.
Kelebihan dan kekurangan logika fuzzy Kelebihan dari logika fuzzy dapat
disimpulkan sebagi berikut :
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 non linear 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.
Selain kelebihan yang telah dijelaskan di atas, ternyata Fuzzy Logic juga
memiliki kekurangan. Dalam mendesain fuzzy logic, sering ditemukan kesulitan
14
dalam menentukan preferensi atau parameter agar output yang dihasilkan akurat,
yaitu (nocuproject, 2016)
1. Fuzzy logic lebih cocok untuk masalah intuitive dan untuk permasalahan
yang menangani control.
2. Jumlah Nilai Linguistik untuk setiap variabel, harus merubah nilai crisp
menjadi nilai linguisik. Jumlah dari nilai linguistik yang digunakan harus
sesuai dengan permasalahan yang akan kita selesaikan.
1. Batas-batas nilai linguistik akan sangat berpengaruh pada akurasi fuzzy
logic.
2. Fungsi keanggotaan segitiga dan trapesium.
2.2.4.1 Himpunan Fuzzy
Pada himpunan tegas (crisp), nilai keanggotaan suatu objek x dalam suatu
himpunan A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan yaitu sebagai
berikut:
a. Satu (1), yang berarti bahwa suatu objek menjadi anggota dalam suatu
himpunan, atau
b. Nol (0), yang berarti bahwa suatu objek tidak menjadi anggota dalam suatu
himpunan (Kusumadewi, 2004).
Misalkan variabel umur dibagi 3 kategori sebagai berikut :
MUDA : umur < 35 tahun
PAROBAYA : 35 ≤ umur ≤ 55 tahun
TUA : umur > 55 tahun
Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA (µMUDA
[34thn] = 1). Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan
TIDAK MUDA (µMUDA [35thn -1hr]=0).
Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan
kategori yang cukup signifikan. Himpunan fuzzy digunakan untuk mengantisipasi hal
tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan
PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Seberapa besar eksistensinya
15
dalam himpunan tersebut dapat dilihat berdasarkan nilai keanggotaannya. Himpunan
fuzzy memiliki 2 atribut yakni sebagai berikut:
1. Linguistik adalah penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami. Suatu variabel linguistik
adalah sebuah variabel yang memiliki nilai berupa kata-kata dalam bahasa
alamiah. Setiap variabel linguistik berkaitan dengan sebuah fungsi
keanggotaan (Kusumadewi, 2004). Seperti : MUDA, PAROBAYA, TUA.
2. Numeris adalah suatu nilai (angka) yang menunjukkan ukuran dari suatu
variabel seperti : 35, 55, dan sebagainya.
Dalarn membangun sistem fuzzy, ada hal - hal yang terdapat dalam sistem
fuzzy tersebut yaitu sebagai berikut :
1. Variabel fuzzy merupakan variabel yang dibahas dalam suatu sistem fuzzy
seperti umur, temperatur, permintaan dan sebagainya.
2. Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy. Contoh : variabel umur, terbagi
atas 3 himpunan fuzzy, yaitu : MUDA, PAROBAYA, TUA.
3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraaan merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton
dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif
maupun negatif. Adakalanya nilai semesta pembicaraan tidak dibatasi batas
atasnya. Contoh : Semesta pembicaraan untuk variabel umur : [O +∞].
4. Domain adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan
dan boleh dioperasikan dalam himpunan fuzzy.
2.2.4.2 Fungsi Keanggotaan
Fungsi keanggotaan (membership function) adalah kurva yang mendefinisikan
bagaimana masing–masing titik dalam ruang input dipetakan ke dalam nilai
keanggotaan (derajat keanggotaan) antara 0 dan 1. Fungsi keanggotaan µ memetakan
elemen x dari himpunan semesta X, ke sebuah bilangan µ[x], yang menentukan derajat
16
keanggotaan dari elemen dalam himpunan fuzzy A, Persamaan himpunannya dapat
dilihat pada Persamaan 2.1.
A= {(x, µ[x]) Ix EX} Persamaan 2. 1
Kisaran nilai fungsi keanggotaan yang paling umum digunakan adalah interval
[0,1]. Dalam hal ini, masing – masing fungsi keanggotaan memetakan elemen – elemen
dari himpunan semesta x yang diberikan, merupakan suatu himpunan tegas ke dalam
bilangan nyata dalam interval [O, 1] (arharni, 2005). Ada beberapa fungsi yang
digunakan yaitu sebagai berikut :
a. Representasi Kurva Trapesium
Kurva trapesium pada dasamya seperti bentuk segitiga, hanya saja ada beberapa titik
yang memiliki nilai keanggotaan 1 (kusumadewi, 2004). Untuk Kurva trapesium
dapat dilihat pada Gambar 2.2 dan untuk Fungsi Keanggotaan dapat dilihat pada
Persamaan 2.2.
𝜇(𝑥) =
{
0; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑑 𝑥 − 𝑎
𝑏 − 𝑎 𝑎 ≤ 𝑥 ≤ 𝑏
1; 𝑏 ≤ 𝑥 ≤ 𝑐𝑑 − 𝑥
𝑑 − 𝑐 𝑐 ≤ 𝑥 ≤ 𝑑
Persamaan 2.2
Gambar 2. 2 Kurva Travesium
17
b. Representai Kurva Bahu
Daerah yang terletak di tengah - tengah suatu variable yang direpresentasikan dalam
bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun. Himpunan fuzzy bahu,
bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri
bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar
(kusumadewi, 2004). Representasi Kurva Bahu dapat dilihat pada Gambar 2.3.
Gambar 2. 3 Kurva Bahu
2.2.4.3 Operasi Himpunan Fuzzy
Seperti halnya himpunan konvensional, ada beberapa operasi yang
didefinisikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan
fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan yang dikenal dengan
nama fire strength atau a- predikat.
Ada tiga operasi dasar dalam himpunan fuzzy yaitu complement, irisan
(intersection) dan gabungan (union) (Arharni, 2005). Untuk Tabel himpunan Fuzzy
dapat dilihat pada Tabel 2.1
Tabel 2. 1 Himpunan Fuzzy
Operasi Fungsi Keanggotaansi Keanggotaan
18
Complenent µA’[x]=1-µA[x]
Intersection µ𝐴∩𝐵 = min(µ𝐴(𝑥), µ𝐵(𝑦)) Union µ𝐴∩𝐵 = max(µ𝐴(𝑥), µ𝐵(𝑦))
2.2.4.5 Sistem Inferensi Fuzzy
Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada
teori himpunan fuzzy, aturan fuzzy berbentuk IF - THEN, dan penalaran fuzzy
(Kusumadewi, 2004)
2.2.5 Tsukamotto
Metode Tsukamoto merupakan perluasan dari penalaran menonton, Pada
Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus
direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang
menoton (Gambar 2.1). 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 (Kusumadewi, 2013).
Gambar 2.3 Metode Tsukamoto
Rata-rata terbobot :
Z = 𝛼1𝑧1+ 𝛼2𝑧2
𝛼1𝛼2 Persamaan 2.3
1
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI2.1 Tinjauan Pustaka2.2 Landasan Teori2.2.1 Stok Barang2.2.2 Definisi Stok Barang2.2.3 Sistem Pendukung Keputusan2.2.4 Logika Fuzzy2.2.4.1 Himpunan Fuzzy2.2.4.2 Fungsi Keanggotaan2.2.4.3 Operasi Himpunan Fuzzy2.2.4.5 Sistem Inferensi Fuzzy
2.2.5 Tsukamotto