APLIKASI METODE FUZZY TSUKAMOTO DALAM PENENTUAN JUMLAH PEMASUKAN BERAS OPTIMUM PADA PERUM BULOG DIVISI REGIONAL SUMATERA UTARA SKRIPSI

Transkripsi

1 APLIKASI METODE FUZZY TSUKAMOTO DALAM PENENTUAN JUMLAH PEMASUKAN BERAS OPTIMUM PADA PERUM BULOG DIVISI REGIONAL SUMATERA UTARA SKRIPSI RANTO MANURUNG DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015

2 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 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015

3 ii PERSETUJUAN Judul : APLIKASI METODE FUZZY TSUKAMOTO DALAM PENENTUAN JUMLAH PEMASUKAN BERAS OPTIMUM PADA PERUM BULOG DIVISI REGIONAL SUMATERA UTARA Kategori : SKRIPSI Nama : RANTO MANURUNG Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) MATEMATIKA Departemen Fakultas Komisi Pembimbing : : MATEMATIKA : MATEMATIKA DAN ILMU PENGETAHUAN ALAM (FMIPA) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Agustus 2015 Pembimbing 2 Pembimbing 1 Dr. Parapat Gultom, MSIE Dr. Esther S M Nababan, M.Sc NIP NIP Diketahui/ Disetujui oleh Departemen Matematika FMIPA USU Ketua, Prof. Dr. Tulus, Vordipl.Math.,Ph.D. NIP

4 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

5 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 Semoga damai sejahtera dari Tuhan senantiasa menyertai kita. Medan, Agustus 2015 Ranto Manurung

6 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 : Ton, Februari 2014 : Ton, Maret 2014 : Ton, April 2014 : Ton, Mei 2014 : Ton, Juni 2014 : Ton, Juli 2014 : Ton, Agustus 2014 : , September 2014 : Ton, Oktober 2014 : Ton, November 2014 : Ton, dan Desember 2014 : Ton. Kata kunci: Sistem Inferensi Fuzzy, Tsukamoto, Manajemen Persediaan

7 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: tons, in February 2014: Tons, in March 2014: Tons, April 2014: Tons, May 2014: Tons, in June 2014: Tons, July 2014: Tons, August 2014 : Tons, September 2014: Tons, in October 2014: Tons, November 2014: Tons, and December 2014: Tons. Keyword: Fuzzy Inference System (FIS), Tsukamoto, and Management of supplies

8 vii DAFTAR ISI PERSETUJUAN PERNYATAAN PENGHARGAAN ABSTRAK ABSTRACK DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR Halaman ii iii iv v vi vii ix x BAB 1. PENDAHULUAN 1.1 Latar Belakang Perumusan Masalah Batasan Masalah Tujuan Penelitian Kontribusi Penelitian Metode Penelitian Tinjauan Pustaka 4 BAB 2. LANDASAN TEORI 2.1 Pengertian Persediaan Fungsi Manajemen Persediaan Peramalan ( forecasting ) Peramalan Berdasarkan Sifat Penyusunnya Peramalan Berdasarkan Jangka Waktu Ramalan Peramalan Berdasarkan Sifat Ramalan Pengendalian Persediaan Pengawasan Persediaan Logika Fuzzy Definisi Logika Fuzzy Alasan Digunakan Logika Fuzzy Himpunan Fuzzy Fungsi Keanggotaan dan Fuzzifikasi Representasi Linier Representasi Kurva Segitiga Representasi Kurva Trapesium Representasi Kurva Bentuk Bahu Operasi-Operasi pada Himpunan Fuzzy Operasi and Operasi or Operasi not Penalaran Monoton Sistem Inferensi Fuzzy 23

9 viii Metode Mamdani Metode Sugeno Metode Tsukamoto 28 BAB 3. PEMBAHASAN 3.1 Data Pemasukan, Pengeluaran dan jumlah stok Pengolahan Data Penentuan Jumlah Pemasukan Beras Aplikasi Fungsi Implikasi 36 BAB 4. KESIMPULAN DAN SARAN 4.1 Kesimpulan Saran 49 DAFTAR PUSTAKA 50 LAMPIRAN

10 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 Variabel dan semesta pembicaraan Himpunan fuzzy Data hasil perhitungan pemasukan dan persediaan beras dengan metode - Tsukamoto dengan satuan Ton Data Persediaan, Pemasukan, Penyaluran beras dengan Tsukamoto dengan satuan Ton periode Januari 2014 sampai dengan Desember

11 x DAFTAR GAMBAR Nomor Judul Halaman Gambar 2.1 Representasi Linear Naik Representasi Linear Turun Representasi Kurva Segitiga Representasi Kurva Trapesium Representasi Kurva Bentuk Bahu Fungsi keanggotaan himpunan fuzzy berkurang dan bertambah dari variabel penyaluran Fungsi keanggotaan himpunan fuzzy sedikit dan banyak dari variabel persediaan Fungsi keanggotaan himpunan fuzzy turun dan naik dari variabel pemasukan Diagram batang perbandingan hasil perhitungan data perusahaan dengan metode Tsukamoto dalam menentukan jumlah pemasukan beras Diagram batang perbandingan hasil perhitungan data perusahaan dengan metode Tsukamoto dalam menentukan jumlah persediaan beras 46