4

BAB II

TINJAUAN PUSTAKA DAN LANDASAN TEORI

Tinjauan Pustaka 2.1.

Penelitian yang berjudul “Penentuan Persediaan Bahan Baku dan

Membantu Target Marketing Industri dengan Metode Fuzzy Inference

System Tsukamoto”. Pada penelitian ini penulis melakukan perancangan sistem

untuk menentukan prediksi jumlah produksi yang digunakan untuk menghitung

bahan baku menggunakan Fuzzy Inference System (FIS) dengan metode

Tsukamoto. Hasil dari penelitian ini adalah perbedaan variabel yang digunakan

sistem berpengaruh terhadap hasil prediksi jumlah produksi yang berpengaruh

terhadap nilai MAPE (The Mean Abosolute Percentage Error) yang berbeda.

Untuk skenario pengujian 1 yaitu menggunakan variabel permintaan dan

persediaan menghasilkan tingkat kebenaran 71%, pada skenario pengujian 2

menggunakan variabel permintaan, persediaan dan biaya produksi menghasilkan

tingkat kebenaran 73%, serta pada skenario pengujian 3 menggunakan variabel

biaya plastik cup 240ml, biaya karton, biaya sedotan dan biaya layer

menghasilkan tingkat kebenaran 77% (Muzayyanah, Mahmudy, & Cholissodin,

2014).

Penelitian yang berjudul “Penerapan Metode EOQ dan ROP Studi

Kasus PD. Baru”. Dalam sistem pendukung keputusan ini diharapkan dapat

membantu perusahaan dalam melakukan pencatatan transaksi penjualan,

pembelian, inventory, dan mengelola persediaan barang. Tujuannya supaya dapat

memperkirakan kebutuhan barang supaya tidak kehabisan stok dan membantu

perusahaan dalam melakukan pembelian secara ekonomis (Lukmana & Trivena,

2015).

Penelitian yang berjudul “Pendukung Keputusan Penentuan Jumlah

Order Menggunakan Fuzzy Mamdani”. Penelitian ini penulisan membuat

perancangan sistem untuk menentukan jumlah order karena ketidakpastian jumlah

permintaan dan persediaan menggunakan fuzzy mamdani. Dari sistem pendukung

keputusan ini diperoleh nilai ROP (Reorder Point) dan rekomendasi jumlah order

5

disertai total harga pembelian untuk setiap bahan mentah. Sistem ini membantu

manajer pembelian dalam menentukan jumlah order yang cepat dan tepat dengan

mempertimbangkan kerugian (Sonalitha, Ratih A, David M, & Andarwati, 2017).

Landasan Teori 2.2.

2.2.1. Persediaan

Persediaan meliputi segala macam barang yang menjadi objek pokok

aktivitas perusahaan yang tersedia untuk diolah dalam proses produksi atau dijual

(Syakur, 2015).

Persediaan diartikan sebagai berikut :

Persediaan adalah aset :

a. Tersedia untuk dijual dalam kegiatan usaha biasa.

b. Dalam proses produksi untuk penjualan tersebut.

c. Dalam bentuk bahan atau perlengkapan untuk digunakan dalam proses

produksi atau pemberian jasa (Ikatan Akuntan Indonesia, 2015).

Pengertian persediaan adalah “Inventory are asset items held for sale in

the ordinary course of business or goods that will be used or consumed in the

production of goods to be sold.”

Penjelasan kutipan di atas adalah “Persediaan adalah pos-pos aktiva yang

dimiliki oleh perusahaan untuk dijual dalam operasi bisnis normal, atau barang

yang akan digunakan atau dikonsumsi dalam membuat barang yang akan di jual”

(Kieso, Weygandt, & Warfield, 2016).

2.2.2. Pengendalian Persediaan

Pengendalian persediaan adalah suatu kegiatan untuk menentukan

tingkat dan komposisi dari suatu persediaan, suku cadang, barang baku, dan

barang hasil atau produksi, sehingga perusahaan dapat melindungi kelancaran

produksi dan penjualan serta kebutuhan pembelanjaan perusahaan dengan efektif

dan efisien (Assauri, 2016).

6

2.2.3. Pengertian Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (DSS) dapat didefinisikan sebagai sebuah

sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial

dalam situasi keputusan semi terstruktur. DSS dimaksudkan untuk menjadi alat

bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka,

namun tidak untuk menggantikan penilaian mereka. DSS ditujuakan untuk

keputusan-keputusan yang memerlukan penilaian atau pada keputusan-keputusan

yang sama sekali tidak dapat didukung oleh algoritma (Turban, 2011).

Sistem Pendukung Keputusan adalah suatu sistem yang dirancang untuk

mengkomunikasikan masalah dan menyelesaikan pemecahan masalah yang

dilakukan manajer bersifat semi struktur yang spesifik untuk mengambil suatu

keputusan (Moore & Chang, 2011).

Dengan pengertian di atas dapat dijelaskan bahwa SPK bukan merupakan alat

pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil

keputusan dengan melengkapi mereka dengan informasi dari data yang telah

diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu

masalah dengan lebih cepat dan akurat. Sehingga sistem ini tidak dimaksudkan

untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan.

2.2.4. PHP

Pemrograman berbasis web berkembang cukup pesat akhir-akhir ini dan

bahasa yang digunakan adalah HTML (HyperTest Markup Language), akan tetapi

bahasa HTML hanya terbatas pada pembuatan website statis (website yang tidak

dapat berinteraksi dengan user). Dalam perkembangannya website statis jarang

dibuat oleh programmer web dikarenakan user lebih tertarik pada website yang

mempunyai interaktifitas tinggi, untuk membuat website yang interaktif para

programmer web menggunakan bahasa pemrograman PHP. Bahasa Pemrograman

PHP (HyperText Preprocessor) merupakan pengembangan dari bahasa

pemrograman ASP, perbedaannya adalah dari segi kompleksitas bagi programmer

web. PHP cenderung lebih mudah untuk dipelajari karena banyak referensi yang

7

tersedia sehingga para programmer dapat mempelajari secara jelas sedangkan

referensi untuk ASP lebih sedikit tersedia. Hal tersebut dikarenakan PHP adalah

bahasa pemrograman open source (gratis) sehingga para programmer banyak

yang mengembangkan dan menggunakannya tanpa perlu mengeluarkan biaya,

sedangkan ASP adalah bahasa pemrograman yang berbayar, sehingga jarang

dikembangkan oleh para programmer (Sidik, 2012).

PHP merupakan bahasa pemrograman yang sangat kompatibel dengan

berbagai macam platform database. Macam-macam platform database yang

komersil maupun non komersil, seperti posgreSQL, SQL, MySQL, Oracle,

Microsoft SQL Server, dan lain-lain. PHP juga merupakan bahasa pemrograman

web yang bersifat server-side HTML=embedded scripting, di mana script-nya

menyatu dengan HTML dan berbeda di server. Artinya adalah sintak dan

perintah-perintah yang diberikan akan sepenuhnya dijalankan di server tetapi

disertakan HTML. PHP sangat didukung oleh web server untuk menjalankannya,

web server ini seperti PWS (Personal Web Server), Apache, IIS, AOLServer,

fhttpd, phttpd dan sebagainya. PHP juga mendukung komunikasi dengan layanan

seperti protocol IMAP, SNMP, NNTP, POP3 dan bahan HTTP (Saputra, 2011).

2.2.5. MySQL

MySQL merupakan program aplikasi untuk membuat suatu DBMS

(Database Management System) yang berbasis SQL (Structured Query

Language). MySQL mempergunakan lisensi GPL (GNU General Public License).

Pada sebuah database yang dibuat oleh MySQL mengandung satu beberapa tabel,

tabel terdiri dari sejumlah baris dan kolom. MySQL mempunyai beberapa

kelebihan dibandingkan dengan yang lainnya misalnya PostgreSQL, Microsoft

SQL Server, dan Oracle. Kelebihan MySQL adalah pada kecepatan akses, biaya,

konfigurasi, tersedia source code karena MySQL berada di bawah Open Source

License (Sidik, 2012).

2.2.6. Logika Fuzzy

8

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang

input ke dalam suatu ruang output. Sebagai contoh : penumpang taksi berkata

pada sopir taksi seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan

mengatur pijakan gas taksinya. Sistem fuzzy merupakan sistem yang berdasarkan

aturan-aturan (pengetahuan). Sistem dibangun oleh koleksi aturan IF-THEN.

Contoh: IF mesin panas THEN putar kipas lebih cepat (Kusumadewi & Purnomo,

2010).

2.2.7. Fungsi Keanggotaan

Fungsi keanggotaan fuzzy adalah suatu kurva yang menunjukkan

pemetaan titik-titk input data ke dalam derajat keanggotaannya yang nilainya

berkisar antara 0 hingga 1. Beberapa fungsi keanggotaan fuzzy, yaitu

(Kusumadewi, 2010).

1. Representasi Linear

Representasi Linear adalah pemetaan input ke derajat keanggotaannya

digambarkan sebagai suatu garis lurus. Pada representasi linear terdapat dua

kemungkinan, yaitu:

a. Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat

keanggotaan nol (0) bergerak ke arah kanan menuju nilai domain yang

memiliki derajat keanggotaan lebih tinggi.

Gambar 2.1 Representasi Kurva Linear

Fungsi keanggotaan:

[ ] {

……..(2.1)

9

b. Penurunan himpunan dimulai dari nilai domain dengan derajat keanggotaan

tertinggi pada sisi kiri, kemuadian bergerak menurun ke nilai domain yang

memiliki derajat keanggotaan lebih rendah.

Gambar 2.2 Representasi Kurva Linear Turun

Fungsi keanggotaan:

[ ] {

……..(2.2)

2. Representasi Kurva Segitiga

Kurva segitiga pada dasarnya terbentuk dari gabungan antara 2 garis

(linear).

Gambar 2.3 Representasi Kurva Linear Segitiga

Fungsi keanggotaan:

[ ] {

……..(2.3)

3. Representasi Kurva Bahu

10

Daerah yang terbentuk di tengah-tengah suatu variabel yang

direpresentasikan dalam bentuk kurva segitiga, pada sisi kanan dan kirinya akan

naik turun. Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami

perubahan. Himpunan fuzzy “bahu”, digunakan untuk mengakhiri variabel suatu

daerah fuzzy.

Gambar 2.4 Representasi Kurva Linear Bahu

Fungsi keanggotaan:

[ ]

{

……..(2.4)

2.2.8. Fuzzy Tsukamoto

Pada metode fuzzy Tsukamoto, setiap aturan direpresentasikan

menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang

monoton. Untuk menentukan nilai output crisp/hasil yang tegas 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 defuzzyfikasi (penegasan). Metode defuzzyfikasi yang

digunakan dalam metode fuzzy Tsukamoto adalah metode defuzzyfikasi rata-rata

terpusat (Kusumadewi & Purnomo, 2010).

11

Gambar 2.5 Representasi Kurva Linear Bahu

2.2.9. Metode Average Forecasting Error Rate (AFER)

Metode error Average Forecasting Error Rate (AFER) digunakan untuk

mengetahui besarnya kesalahan yang terjadi pada data hasil Peramalan terhadap

data aktual. Berikut merupakan persamaan tentang cara perhitungan AFER (Jilani,

Burney, & Ardil, 2011).

AFER = (Ai – Fi / Ai) / n x 100% ……..(2.5)

Pada perhitungan AFER Ai merupakan nilai data aktual pada data ke-i

dan Fi merupakan nilai hasil Peramalan untuk data ke-i. Adapun n merupakan

banyaknya dari suatu data dan bilangan 100% merupakan nilai untuk

mendapatkan hasil persentase. Nilai AFER adalah nilai yang menyatakan

persentase selisih antara data prediksi dengan data aktual. Dengan nilai error yang

semakin kecil maka tingkat keakurasian dapat dikatakan semakin baik

(Rahmadiani & Anggraeni, 2012).

Dengan menggunakan error AFER ini jika didapatkan nilai error

mendekati 0% yang artinya tingkat akurasi terhadap data asli semakin mendekati

kebenaran meskipun sebenarnya jarang sekali kasus prediksi yang nilai AFER

benar-benar 0% (Stevenson, 2015).