1 BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan perekonomian yang terjadi saat ini menjadikan persaingan bisnis semakin kompetitif, konsumen semakin kritis dalam memilih produk berkualitas tinggi sehingga menuntut perusahaan untuk mampu meningkatkan kinerjanya. Dalam proses produksi (manufacture), berbagai jenis sumber daya masukan (input) diolah untuk menghasilkan keluaran (output) yang memiliki nilai tambah (value added) dan memberikan keuntungan bagi perusahaan. Untuk mengawasi kelancaran proses produksi dibutuhkan manager operasi guna mengambil keputusan yang berkenaan dengan suatu fungsi operasi dan sistem transformasi yang digunakan. Segala bentuk dan jenis pengambilan keputusan yang berkaitan dengan suatu fungsi operasi sampai barang atau jasa berada di tangan konsumen merupakan definisi manajemen operasi dan produksi secara umum. Kajian mengenai segala bentuk pengambilan keputusan untuk berbagai keputusan di mulai penentuan jumlah barang, teknik operasi yang digunakan untuk menghasilkan barang dan jasa yang dibutuhkan adalah manajemen operasi (Pontas M.Pardede, 2001:5). Ada beberapa fungsi didalam manajemen operasi dan produksi, yakni perencanaan (planning), pengorganisasian (organizing), analisis (analysis), dan pengawasan atau pengendalian (controlling). Dalam menentukan tindakan-tindakan yang harus dilakukan di masa mendatang di butuhkan suatu perencanaan produksi. Karena perencanaan berkaitan dengan masa mendatang maka perencanaan disusun berdasarkan data masa lalu dan dengan beberapa asumsi. Perencanaan juga harus dievaluasi secara berkala agar tetap memberikan hasil yang diharapkan dengan melakukan pengendalian. 1
2 Pengendalian produksi berperan penting dalam kelancaran produksi. Tujuan pengendalian produksi adalah mengkordinasi berbagai kegiatan dalam proses pengolahan bahan baku sehingga menghasilkan barang atau jasa dengan efektif dan efisien. Segala bentuk usaha perencanaan dan pengendalian produksi dimaksudkan untuk mencapai fungsi tujuan perusahaan yakni biaya produksi minimum, jumlah produksi sesuai dengan permintaan pasar, efisien waktu penyerahan dan efektivitas kerja. Menurut Arman H. Nasution dan Yudha (2008:17) tujuan perencanaan dan pengendalian produksi untuk mengkoordinasikan kegiatan dari bagian-bagian yang langsung atau tidak langsung dalam berproduksi, merencanakan, menjadwalkan, dan mengendalikan kegiatan produksi dari mulai tahapan bahan baku, sampai proses menghasilkan output dengan efektif dan efisien. Salah satu kegiatan dalam perencanaan produksi adalah penentuan jumlah barang yang akan diproduksi. Namun informasi yang diperoleh dalam proses pengambilan keputusan yang bersifat subjektif dan linguistik dapat menimbulkan ketidakjelasan (vagueness) dan kerancuan (ambiguity). Hal ini terjadi karena tidak adanya batasan yang tegas (crips) terhadap informasi tersebut. Menurut George J. Klir dan Tina A. Folger (1988:138) vagueness dihubungkan dengan kesulitan bagaimana membuat perbedaan yang tepat atau jelas di dunia. Sedemikian hingga beberapa daerah dari fungsi tujuan tidak terang atau samar, jika hal itu tidak bisa dibatasi dengan batasan-batasan yang jelas. Ambiguity, pada sisi lain, dihubungkan dengan satu kepada banyak hubungan, hal itu merupakan situasi di mana pilihan antara dua atau lebih alternatif yang tidak dapat ditentukan. Masing-masing dari dua bentuk ketidakpastian ini vagueness dan ambiguity, memiliki hubungan dengan himpunan konsep lainnya. Beberapa konsep yang berhubungan dengan ketidakjelasan adalah kesamaran, kekaburan (haziness), cloudiness, tidak jelas (unclearness), ketidakjelasan (indistinctness) dan kurang jelas (sharpless) sedangkan beberapa konsep yang berhubungan dengan kerancuan adalah ketidakspesifikan (nonspecifity), satu hingga banyak hubungan (one-to-many relation), variasi (variety), keadaan umum (generality), keanekaragaman (diversity)
3 dan penyimpangan (divergence). Sangat mudah melihat bahwa konsep dari suatu himpunan fuzzy yang menyediakan kerangka dasar bidang matematika dalam hubungan dengan kesamaraan. Konsep dari suatu ukuran fuzzy, pada sisi lain juga menyediakan suatu kerangka yang umum dalam hubungan dengan kerancuan. Logika fuzzy merupakan salah satu komponen pembentuk soft computing yang dalam banyak hal digunakan sebagai suatu cara memetakan permasalahan dari input menuju ke output yang diharapkan (Sri. K, 2011:1). Logika fuzzy pertama kali diperkenalkan pada tahun 1965 oleh Profesor Lotfi Asker Zadeh seorang guru besar di University of California, Berkeley, Amerika Serikat yang mempublikasikan karangan ilmiahnya berjudul Fuzzy Sets. Dasar logika fuzzy adalah teori himpunan kabur (fuzzy set). Terobosan baru yang diperkenalkan Zadeh memperluas konsep himpunan klasik (himpunan tegas) menjadi himpunan fuzzy yang berarti himpunan tegas merupakan kejadian khusus dari himpunan fuzzy itu sendiri. Pada teori himpunan tegas, suatu objek dapat ditentukan secara tegas sebagai anggota himpunan itu atau tidak. Dengan demikian, keanggotaan x dalam suatu himpunan A dengan fungsi karakteristik μ A hanya mempunyai dua nilai kemungkinan, yaitu: μ A (x) = 1, 0, jika x A jika x A Dalam memperluas konsep fungsi karakteristik, Zadeh mendefinisikan himpunan fuzzy menggunakan fungsi keanggotaan (membership function) dalam interval [0,1]. Jadi keanggotaan dalam himpunan fuzzy merupakan sesuatu yang berderajat atau bergradasi secara kontinu. Misalkan untuk semesta pembicaraan U, himpunan fuzzy A dipetakan oleh fungsi keanggotaan μ A dalam interval [0,1]. A = {(x, μ A (x)) x A, μ A x 0,1 } di mana A U Teori himpunan fuzzy dapat diaplikasikan dalam bidang ekonomi, sistem pendukung keputusan, teknik dan ilmu pengetahuan (Setiadji, 2009: 1). Salah satu
4 aplikasi logika fuzzy dalam ilmu ekonomi adalah penggunaan Sistem Inferensi Fuzzy atau Fuzzy Inference System yang disingkat menjadi FIS dalam masalah penentuan jumlah produksi barang. Alasan digunakannya logika fuzzy dalam tulisan ini adalah: 1. Konsep logika fuzzy mudah dimengerti. Karena menggunakan dasar teori himpunan dengan konsep penalaran fuzzy yang mempunyai kemiripan dengan penalaran manusia. 2. Logika fuzzy sangat fleksibel, mampu beradaptasi dengan perubahan dan ketidakpastian permasalahan. 3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat. 4. Logika fuzzy menggunakan bahasa sehari-hari. Banyak penelitian-penelitian terdahulu yang berkaitan mengenai penentuan jumlah produksi berdasarkan logika fuzzy, antara lain: Penelitian oleh Afiat Triyuniarta, dkk (2009) diperoleh suatu perangkat lunak aplikasi logika fuzzy dengan 4 himpunan fuzzy untuk sistem pendukung keputusan penentuan keluarga miskin di kota Yogyakarta yang dapat membantu pemerintah dalam mengetahui persentase keluarga miskin berdasarkan tahun pendataan. Penelitian oleh Fajar Silikin (2011) membandingkan jumlah produksi menurut metode Mamdani dan Sugeno menggunakan 3 variabel dengan 2 himpunan fuzzy terhadap data produksi rokok Genta Mas pada Januari 2011. Dari analisis data metode yang paling mendekati nilai kebenaran adalah pengolahan data mengunakan metode Mamdani. Berdasarkan penelitian-penelitian terdahulu, penulis ingin memperluas kajian pustaka dengan menambahkan himpunan fuzzy pada setiap variabel. Metode yang digunakan dalam pengambilan keputusan untuk penentuan jumlah produksi adalah metode FIS Tsukamoto berdasarkan permintaan, persediaan dan jumlah produk pada satu periode tertentu. Data tersebut menjadi variabel-variabel yang akan dikarakteristikkan dengan fungsi keanggotaan.
5 Untuk membantu pengambil keputusan untuk pemecahan masalah penentuan jumlah produksi yang kompleks maka salah satu cara yang dapat digunakan adalah metode FIS Tsukamoto dalam menentukan jumlah produksi. Data yang dibutuhkan manajer operasi adalah data variabel input, yaitu: permintaan maksimum dan minimum, persediaan maksimum dan minimum, jumlah produksi maksimum dan minimum dalam satu periode tertentu, serta persediaan dan permintaan produk saat ini. Kemudian data tersebut akan diolah dengan metode FIS Tsukamoto dan kemudian menghasilkan output berupa jumlah barang yang akan diproduksi. Berdasarkan latar belakang di atas, maka judul dari tulisan ini adalah APLIKASI LOGIKA FUZZY DALAM PERENCANAAN PRODUKSI. 1.2 Perumusan Masalah Berdasarkan latar belakang yang diuraikan di atas, maka perumusan masalah tulisan ini adalah bagaimana tingkat pengaruh dari aplikasi logika fuzzy yakni penggunaan metode FIS Tsukamoto dalam perencanaan produksi yakni pada penentuan jumlah produksi barang berdasarkan data persediaan, permintaan dan jumlah produksi pada satu periode tertentu terhadap data perusahaan. 1.3 Batasan Masalah Agar permasalahan tidak terlalu luas, maka dibutuhkan batasan masalah: 1. Metode yang digunakan untuk menentukan jumlah produksi adalah metode FIS Tsukamoto. 2. Variabel yang digunakan dalam pengambilan keputusan jumlah produksi adalah data persediaan, permintaan dan jumlah produksi pada satu periode tertentu serta data persediaan dan permintaan saat ini.
6 3. Masing masing variabel mempunyai 3 nilai linguistik, yaitu: persediaan sedikit, sedang dan banyak, permintaan turun, tetap dan naik, jumlah produksi berkurang, tetap dan bertambah. 4. Data yang diolah berupa data sekunder yang bersumber dari PT. HUTAHAEAN PABRIK TAPIOKA, Pintu Bosi. 1.5 Tujuan Penelitian Adapun tujuan dari penelitian ini adalah: 1. Mengembangkan suatu penyelesaian dalam masalah perencanaan produksi dengan menggunakan metode FIS Tsukamoto yang sesuai dengan data perusahaan. 2. Mengkaji pengaruh aplikasi logika fuzzy dalam perencanaan produksi pada penentuan jumlah produksi. 1.6 Kontribusi Penelitian Penelitian ini diharapkan dapat bermanfaat: 1. Memberikan wawasan baru dalam penentuan jumlah produksi barang pada suatu perusahaan dengan sistem yang berdasarkan pada logika fuzzy yaitu dengan metode FIS Tsukamoto. 2. Masukan bagi para pengambil keputusan perusahaan dalam masalah pengoptimalan jumlah produksi berdasarkan data persediaan produk serta permintaan. 3. Menambah referensi bahan studi perbandingan dan pengembangan lebih lanjut mengenai metode FIS Tsukamoto.
7 1.7 Metodologi Penelitian Penelitian yang dilakukan bersifat literatur yang disusun berdasarkan rujukan pustaka dan mengambil sampel data sebagai sebuah contoh kasus. Adapun langkah-langkah penelitian adalah sebagai berikut: 1. Mengumpulkan data Meliputi data persediaan, permintaan dan jumlah produksi pada satu periode tertentu sebagai variabel masukan. 2. Mengidentifikasi data Identifikasi data dilakukan untuk menentukan semesta pembicaraan setiap variabel yang diperlukan dalam melakukan perhitungan dan analisis masalah. 3. Mengolah data Pengolahan data dilakukan secara manual dengan melakukan langkahlangkah sebagai berikut: 3.1 Pemodelan variabel fuzzy (Unit fuzzifikasi) 3.2 Aplikasi fungsi implikasi 3.3 Penentuan komposisi aturan (Inferensi) 3.4 Penentuan output crisp (Deffuzzyfikasi) 4. Menarik kesimpulan