Prosiding Seminar Nasional Industrial Services (SNIS) III “Peningkatan Daya Saing Industri Nasional Melalui Integrasi Industri Baja Berkelanjutan Menuju ASEAN Economic Community 2015” Cilegon, 8 Oktober 2013

201

Implementasi Fuzzy Mamdani untuk Penentuan Pengadaan Kartu Operator pada Distributor Kartu Perdana PT. XYZ

Rizky Pahlevi1, Wahyu Oktri Widyarto2, Tb. Ai Munandar3

Program Studi Teknik Industri 12Fakultas Teknik Universitas Serang Raya

Program Studi Teknik Informatika 3Fakultas Teknologi Informasi Universitas Serang Raya

rizkypahlevi66@yahoo.co.id1, woktri_ok@yahoo.co.id2, tebe_aja@yahoo.com3

Abstrak

PT. XYZ adalah perusahaan sebagai distributor kartu perdana salah satu provider di Indonesia. Sistem Persediaan itu dianggap sebagai yang paling sesuai dengan kondisi perusahaan dan juga dipercaya mampu meningkatkan kinerja perusahaan. Maka sebagai penunjang sistem persediaan, peramalan pun perlu dilakukan. Peramalan diperlukan untuk menunjang sistem persediaan dan kelancaran perencanaan pengadaanbarangdari distributor kepada provider pusat untuk memenuhi permintaan konsumen. Variabel yang digunakan yaitu data persediaan, data permintaan dan jumlah pengadaan sebagai output yang akan diramalkan. Metode yang digunakan adalah metode fuzzy logic dengan mesin inferesnsi Mamdani. Penelitian ini menggunakan aplikasi MATLAB sebagai alat bantu analisis, terutama menggunakan Fuzzy Inference Sysem Editor yang ada di dalamnya. Berdasarkan analisis yang dilakukan, hasil yang didapatkan adalah Jumlah Pengadaan yang harus diminta kepada provider pusat adalah sebanyak 12.600 Pcs perdana. Kata Kunci:Persedian, permintaan, pengiriman, Fuzzy logic, Inferensi Mamdani, MATLAB.

1. PENDAHULUAN Menentukan kebutuhan suatu barang dalam usaha

jual beli adalah hal yang sulit karena berbagai alasan. Kelebihan dan kurangnya penentuan kebutuhan akan menimbulkan masalah baru dikemudian hari, baik dari segi financial maupun kepuasan pelanggan. PT. XYZ sebagai salah satu distributor kartu perdana, sering kali menghadapi permasalahan yang sama dalam menentukan jumlah kebutuhan kartu perdana yang akan di minta kepada provider pusat. Banyak kasus terjadi karena kelebihan permintaan pengiriman, kartu malah menumpuk dan tidak terdistribusikan dengan maksimal. Tidak hanya itu saja, kekurangan permintaan, justru malah membuat distributor tidak bisa memenuhi permintaan pasar yang terus meningkat.

Penentuan kebutuhan permintaan kartu perdana memang bukan masalah yang mudah. Pada penelitian ini akan dilakukan analisis prediksi penentuan permintaan pengiriman kartu perdana oleh distributor kepada provider pusat. Variabel data yang digunakan antara lain

adalah jumlah permintaan dari agen, persediaan kartu perdana di distributor dan jumlah permintaan pengiriman kartu perdana.

Banyak metode yang bisa digunakan untuk proses peramalan permintaan, salah satunya menggunakan metode fuzzy logik dengan Mamdani sebagai mesin inferensinya. Mamdani sendiri banyak digunakan untuk peramalan dan perencanaan yang berkaitan dengan proses produksi atau pengadaan barang. Beberapa diantaranya adalah, Mamdani digunakan dalam proses perencanaan jumlah produksi meja alumunium dan mampu meramalkan minimalisasi total biaya produksi (Muisa, 2010), optimasi dan penentuan jumlah produksi barang (Fajar, 2011), (Fatimatuzzuhroh, 2007).

Lebih jauh lagi, Mamdani tidak hanya digunakan untuk kebutuhan peramalan dan perencanaan produksi, akan tetapi banyak pula digunakan untuk menyelesaikan permasalahan yang lain, dibidang pendidikan misalnya digunakan untuk penentuan pemilihan jurusan siswa sekolah menengah atas (Sumiati et.al, 2012), analisis

Prosiding Seminar Nasional Industrial Services (SNIS) III “Peningkatan Daya Saing Industri Nasional Melalui Integrasi Industri Baja Berkelanjutan Menuju ASEAN Economic Community 2015” Cilegon, 8 Oktober 2013

202

estimasi kualitas sinyal perangkat jaringan wireless (Maheshwari et.al, 2012), penentuan kualitas air tanah (Saberi et.al, 2012) dan bahkan digunakan untuk sistem kontrol otomatis maksimalisasi penggunaan fungsi auto zoom pada kamera digital (Elamvazuthiet.al, 2009).

Alasan-alasan inilah yang membuat penulis menggunakan model Fuzzy Mamdani sebagai salah satu teknik inferensi dalam penentuan pengadaan kartu perdana dalam penelitian ini.

Penelitian ini terbagi ke dalam beberapa bagian, pertama pendahuluan yang merupakan latar belakang dantujuan penelitian serta tinjauan penelitian sebelumnya yang berkaitan dengan topik penelitian yang penulis angkat. Kedua dasar teori yang berkaitan dengan teori Fuzzy Mamdani, ketiga metodologi penelitian yang memuat sumber data dan langkah penelitian. Bagian keempat membuat diskusi hasil dan pembahasan dari permasalahan yang dijadikan topik penelitian saat ini, dan bagian kelima, merupakan penutup yang berisi kesimpulandan saran.

2. FUZZY MAMDANI

Fuzzy logic merupakan salah satu pendekatan yang digunakan untuk memetakan masalah dari suatu input ke output menggunakan beberapa tahapan tertentu. Beberapa model fuzzy logic banyak diterapkan dalam menyelesaikan berbagai permasalahan, salah satunya adalah Fuzzy Mamdani. Metode ini memiliki empat tahapan penting dalam memetakan input ke dalam output permasalahan. Pertama, pembentukan himpunan fuzzy yang akan membagi variabel input maupun output ke dalam satu atau lebih himpunan fuzzy (fuzzyfikasi). Kedua, penerapan fungsi implikasi yang menggunakan fungsi Min, ketiga adalah komposisi aturan dan keempat adalah proses defuzzyfikasi (Kusumadewiet al.2010).

Pada tahap defuzzyfikasi akan dihasilkan nilai tegas kembali yang berasal dari komposisi aturan-aturan fuzzy berdasarkan input yang ada (lihat gambar 1). Ada banyak metode defuzzyfikasi yang biasa digunakan, seperti metode centroid (composite moment) yaitu dengan cara mengambil titik pusat daerah fuzzy, bisektor dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan pada daerah fuzzy, Mean of Maximum (MOM) dengan cara mengambil rata-rata nilai domain yang memiliki nilai keanggotaan maksimum, Largest of Maximum (LOM) yaitu dengan cara mengambil nilai terbesar dari domain yang memiliki nilai keanggotaan maksimum , terakhir adalah Smalest of Maximum (SOM) yang mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan maksimum.

Gambar 1. Proses Defuzzyfikasi

3. METODOLOGI PENELITIAN Penelitian ini diawali dengan dengan pengumpulan

data, yaitu data jumlah persediaan min – max tahun 2012, jumlah permintaan min – max tahun 2012 dan jumalah produksi min – max tahun 2012. Data tersebut kemudian akan di olah dengan menggunakan fuzzy logic inferensi Mamdani untuk menentukan jumlah pengadaan kartu perdana kepada provider pusat untuk masa akan datang. Analisis data dilakukan dengan menggunakan aplikasi MATLAB. 4. HASIL DAN PEMBAHASAN

Pada kasus ini, akan dilakukan analisis pendukung keputusan untuk penentuan prediksi pendistribusian kartu perdana sebuah provider XYZ. Sebagai data penelitian saat ini perusahaan memiliki permintaan sebanyak 33.302 Pcs sementara persediaan yang tersedia sebanyak 31.130 pcs.

Berdasarkan data-data yang diperoleh dari perusahaan dapat dibuat grafik fungsi keanggotaan masing masing variabel sebagai berikut: 1. Grafik Fungsi Keanggotaan Persediaan

Gambar 2. Grafik Fungsi keanggotaan Persediaan Persamaan derajat keanggotaan yang digunakan

sebagai berikut:

휇 [푧] =1

(−(푥 − 50.273))/(23.484)0

푧 < 26.789 26.789 ≤ 푧 ≤ 50.273

푧 > 50.273 (1)

Prosiding Seminar Nasional Industrial Services (SNIS) III “Peningkatan Daya Saing Industri Nasional Melalui Integrasi Industri Baja Berkelanjutan Menuju ASEAN Economic Community 2015” Cilegon, 8 Oktober 2013

203

휇 [푧] =1

(푥 − 26.789)/(23.484)0

푧 > 50.273 26.789 ≤ 푧 ≤ 50.273

푧 < 26.789 (2)

2. Grafik Fungsi Keanggotaan Permintaan

Gambar 3. Grafik Fungsi Keanggotaan Permintaan

Persamaan derajat keanggotaan yang digunakan adalah sebagai berikut :

휇 [푧] =1

(−(푥 − 54.672))/(31.210)0

푧 < 23.462 23.462 ≤ 푧 ≤ 54.672

푧 > 54.672 (3)

휇 [푧] =1

(푥 − 23.462)/(31.210)0

푧 < 23.462 23.462 ≤ 푧 ≤ 54.672

푧 > 54.672 (4)

3. Grafik Fungsi Keanggotaan Jumlah Produksi Kartu.

Gambar 4. Grafik Fungsi Keanggotaan Output Jumlah Produksi

Persamaan derajat keanggotaan yang digunakan adalah sebagai berikut :

휇 [푧] =1

(−(푥 − 18.021))/(15.849)0

푧 < 2.172 2.172 ≤ 푧 ≤ 18.021

푧 > 18.021 (5)

휇 [푧] =1

(푥 − 2.172)/(15.849)0

푧 < 2.172 2.172 ≤ 푧 ≤ 18.021

푧 > 18.021 (6)

Sementara untuk aturan fuzzy yang digunakan adalah sebagai berikut : 1. IFPermintaan=SEDIKIT ANDPersediaan=SEDIKIT

THEN Jumlah Pengiriman=BANYAK 2. IF Permintaan=SEDIKIT

ANDPersediaan=BANYAK THEN Jumlah Pengiriman=SEDIKIT

3. IF Permintaan=BANYAK ANDPersediaan=SEDIKIT THEN Jumlah Pengiriman=BANYAK

4. IF Permintaan=Banyak AND Persediaan=BANYAK Then Jumlah Pengiriman=SEDIKIT

Pada kasus ini digunakan model fuzzy mamdani sebagai model inferensinya. Aplikasi MATLAB digunakan sebagai alat untuk menganalisa data-data yang ada. Tahap fuzzyfikasi menghasilkan beberapa nilai derajat keanggotaan yang selanjutnya dilakukan tahap evaluasi aturan dan pengelompokkan hasil evaluasi aturan untuk dilakukan tahap defuzzyfikasi. Metode defuzzyfikasi pada penelitian ini menggunakan centroid.

Langkah awal analisa menggunakan MATLAB adalah dengan mendefinisikan masing-masing variabel ke dalam bentuk fungsi yang akan digunakan (pada kasus ini digunakan fungsi trapezoid, lihat gambar 5).

Gambar 5. Pendefinisian masalah Setiap variabel kemudian ditentukan batas nilainya

masing-masing. Langkah selanjutnya adalah dengan memasukan fuzzy rule yang nanti akan digunakan (lihat gambar 6).

Gambar 6. Definisi Aturan Fuzzy Langkah berikutnya adalah melakukan proses

perhitungan melalui jendela rule viewer untuk menentukan nilai crisp akhir peramalan. Pada kasus ini, proses defuzzyfikasi, evaluasi aturan, agregasi aturan dan defuzzyfikasi dilakukan pada rule viewer aplikasi MATLAB.Dengan memasukan data saat ini, yakni

Prosiding Seminar Nasional Industrial Services (SNIS) III “Peningkatan Daya Saing Industri Nasional Melalui Integrasi Industri Baja Berkelanjutan Menuju ASEAN Economic Community 2015” Cilegon, 8 Oktober 2013

204

permintaan sebanyak 33.302 Pcs sementara persediaan yang tersedia sebanyak 31.130 pcs, diperoleh Jumlah Produksi kartu yang harus dilakukan adalah sebanyak 12.600 (lihat gambar 7).

Gambar 7. Proses Inferensi Mamdani

5. KESIMPULAN Hasil penelitian ini telah berhasil menganalisa

prediksi pengadaan kartu perdana menggunakan model fuzzy mamdani. Hasil perhitungan menunjukan bahwa jumlah kartu perdana yang harus diminta ke provider pusat sebanyak 12.600 Pcs. Penelitian ini tentunya bisa dikembangkan lebih lanjut untuk menganalisis proses pendistribusian agar kartu perdana dapat terdistribusi dengan optimal kesetiap agen, misalnya dengan menggunakan metode fuzzy transportation. DAFTAR PUSTAKA

Elamvazuthi I., P. Vasant and J Webb. (2009) The Application of Mamdani Fuzzy Model For Auto Zoom Function of a Digital Camera. International Journal of Computer Science and Information Security (IJCSIS). Vol. 6. No. 3, 244 – 249.

Fajar Solikhin. (2011) Aplikasi Logika Fuzzy Dalam Optimasi Produksi Barang Menggunakan Metode Mamdani dan Sugeno. Skripsi Jurusan Pendidikan Matematika, Fakultas MIPA Universitas Negeri Yogyakarta.

Fatimatuzzuhroh. (2007) Penerapan Metode Fuzzy Mamdani Dalam Menentukan Jumlah Produksi. Skripsi Teknik Industri Fakultas Teknik Universitas Muhammadiyah Malang.

Kusumadewi, Sri dan Hadi Purnomo. (2010) Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Edisi Kedua, GRAHA ILMU : Yogyakarta.

Maheshwari Niranjan and Amit Sinhal. (2012) Fuzzy Modeling for Quality Estimation of Fading Chanel. International Journal of Computer Application (IJCA). Vol. 51. No. 18, 11 – 16.

Muisa Octavia. (2010) Perencanaan Jumlah Produksi Alumunium Untuk Meminimalkan Biaya Produksi Dengan Metode Fuzzy Mamdani Di UD Meubel Alumunium, Mojokerto. Skripsi Teknik Industri, Fakultas Teknologi Industri, Universitas Pembangunan Nasional "Veteran" Jawa Timur.

Saberi Nasr A, M. Rezaei and M. Dashti Barmaki. (2012) Analisys of Groundwater Quality Using Mamdani Fuzzy Inference System (MFIS) In Yazd Province, Iran. International Journal of Computer Application (IJCA). Vol. 59. No. 7, 45 – 53.

Sumiati, Suherman, Sanmakhrozal Haqiqi dan Tb. Ai Munandar. (2012) Analisa Penentuan dan Pemilihan Jurusan Untuk Siswa Sekolah Menengah Atas Menggunakan Metode Fuzzy Logic. Prosiding Seminar Nasional TEKNOIN 2012, 167 – 173.

BIOGRAFI PENULIS

Rizky Pahlevi adalah mahasiswa Program Studi Teknik Industri Fakultas Teknik Universitas Serang Raya. Beliau telah menyelesaikan program Sarjana (S1) untuk program studi Teknik Industri, tertarik dengan bidang penelitian optimasi dan perencanaan produksi dibidang industri. Bidang penelitian tugas akhir berkaitan dengan teknik forecasting menggunakan fuzzy logic. Beliau dapat dihubungi melalui rizkypahlevi66@yahoo.co.id Wahyu Oktri Widyarto adalah dosen di Jurusan Teknik Industri, Fakultas Teknik, Universitas Serang Raya, Indonesia. Beliau mendapatkan gelar Magister Teknik dari Teknik Industri, Universitas Islam Indonesia Yogyakarta. Fokus pengajaran dan penelitiannya adalah riset operasi, perencanaandanpengendalianproduksi, danmanajemen kualitas. Untuk informasi lebih lanjut, beliau dapat dihubungi melalui woktri_ok@yahoo.co.id Tb. Ai Munandar adalah dosen di Jurusan Teknik Informatika Fakultas Teknologi Informasi Universitas Serang Raya. Beliau mendapatkan gelar Magister dari Teknik Informatika Universitas Atma Jaya Yogyakarta. Bidang pengajaran dan penelitiannya adalah kecerdasan buatan, data mining, fuzzy logic, sistem pakar dan teknik softcomputing. Beliau dapat dihubungi melalui tebe_aja@yahoo.com.