APLIKASI METODE FUZZY TSUKAMOTO DALAM PENENTUAN JUMLAH PEMASUKAN BERAS OPTIMUM PADA PERUM BULOG DIVISI REGIONAL SUMATERA UTARA SKRIPSI RANTO MANURUNG 110803019 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015
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 110803019 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2015
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 : 110803019 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. 19610130 198503 1 002 NIP. 19610318 198711 2 001 Diketahui/ Disetujui oleh Departemen Matematika FMIPA USU Ketua, Prof. Dr. Tulus, Vordipl.Math.,Ph.D. NIP.19620901 198803 1 002
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 110803019
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 2014. Semoga damai sejahtera dari Tuhan senantiasa menyertai kita. Medan, Agustus 2015 Ranto Manurung 110803019
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 : 19.400 Ton, Februari 2014 : 19.401 Ton, Maret 2014 : 19.401 Ton, April 2014 : 19.400 Ton, Mei 2014 : 19.401 Ton, Juni 2014 : 19.400 Ton, Juli 2014 : 19.400 Ton, Agustus 2014 : 19.400, September 2014 : 19.401 Ton, Oktober 2014 : 19.400 Ton, November 2014 : 19.415 Ton, dan Desember 2014 : 19.401 Ton. Kata kunci: Sistem Inferensi Fuzzy, Tsukamoto, Manajemen Persediaan
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: 19.400 tons, in February 2014: 19.401 Tons, in March 2014: 19. 401 Tons, April 2014: 19.400 Tons, May 2014: 19.401 Tons, in June 2014: 19.400 Tons, July 2014: 19.400 Tons, August 2014 : 19.400 Tons, September 2014: 19.401 Tons, in October 2014: 19.400 Tons, November 2014: 19.415 Tons, and December 2014: 19.401 Tons. Keyword: Fuzzy Inference System (FIS), Tsukamoto, and Management of supplies
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 1 1.2 Perumusan Masalah 2 1.3 Batasan Masalah 3 1.4 Tujuan Penelitian 3 1.5 Kontribusi Penelitian 3 1.6 Metode Penelitian 3 1.7 Tinjauan Pustaka 4 BAB 2. LANDASAN TEORI 2.1 Pengertian Persediaan 8 2.2 Fungsi Manajemen Persediaan 2.2.1 Peramalan ( forecasting ) 9 2.2.1.1 Peramalan Berdasarkan Sifat Penyusunnya 9 2.2.1.2 Peramalan Berdasarkan Jangka Waktu Ramalan 9 2.2.1.3 Peramalan Berdasarkan Sifat Ramalan 10 2.2.2 Pengendalian Persediaan 13 2.2.3 Pengawasan Persediaan 14 2.3 Logika Fuzzy 15 2.3.1 Definisi Logika Fuzzy 15 2.3.2 Alasan Digunakan Logika Fuzzy 15 2.3.3 Himpunan Fuzzy 16 2.3.4 Fungsi Keanggotaan dan Fuzzifikasi 17 2.3.4.1 Representasi Linier 18 2.3.4.2 Representasi Kurva Segitiga 19 2.3.4.3 Representasi Kurva Trapesium 20 2.3.4.4 Representasi Kurva Bentuk Bahu 21 2.3.5 Operasi-Operasi pada Himpunan Fuzzy 21 2.3.5.1 Operasi and 22 2.3.5.2 Operasi or 22 2.3.5.3 Operasi not 22 2.3.6 Penalaran Monoton 22 2.4 Sistem Inferensi Fuzzy 23
viii 2.4.1 Metode Mamdani 26 2.4.2 Metode Sugeno 26 2.4.3 Metode Tsukamoto 28 BAB 3. PEMBAHASAN 3.1 Data Pemasukan, Pengeluaran dan jumlah stok 31 3.2 Pengolahan Data 32 3.2.1 Penentuan Jumlah Pemasukan Beras 32 3.2.2 Aplikasi Fungsi Implikasi 36 BAB 4. KESIMPULAN DAN SARAN 4.1 Kesimpulan 48 4.2 Saran 49 DAFTAR PUSTAKA 50 LAMPIRAN
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. 31 3.2. Variabel dan semesta pembicaraan 32 3.3. Himpunan fuzzy 32 3.4. Data hasil perhitungan pemasukan dan persediaan beras dengan metode - Tsukamoto dengan satuan Ton 43 3.5 Data Persediaan, Pemasukan, Penyaluran beras dengan Tsukamoto dengan satuan Ton periode Januari 2014 sampai dengan Desember 2014 44
x DAFTAR GAMBAR Nomor Judul Halaman Gambar 2.1 Representasi Linear Naik 18 2.2 Representasi Linear Turun 19 2.3 Representasi Kurva Segitiga 20 2.4 Representasi Kurva Trapesium 21 2.5 Representasi Kurva Bentuk Bahu 22 3.1 Fungsi keanggotaan himpunan fuzzy berkurang dan bertambah dari variabel penyaluran 33 3.2 Fungsi keanggotaan himpunan fuzzy sedikit dan banyak dari variabel persediaan 34 3.3 Fungsi keanggotaan himpunan fuzzy turun dan naik dari variabel pemasukan 35 3.4 Diagram batang perbandingan hasil perhitungan data perusahaan dengan metode Tsukamoto dalam menentukan jumlah pemasukan beras 45 3.5 Diagram batang perbandingan hasil perhitungan data perusahaan dengan metode Tsukamoto dalam menentukan jumlah persediaan beras 46