PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY – MAMDANI

Much. Djunaidi
Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: joned72@yahoo.com
Eko Setiawan
Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta email: eko_setiawan04@yahoo.com
Fajar Whedi Andista
Jurusan Teknik Industri Universitas Muhammadiyah Surakarta Jl. Ahmad Yani Tromol Pos 1 Pabelan Surakarta
ABSTRAK
Permasalahan yang timbul di dunia ini seringkali mengandung ketidakpastian, logika fuzzy merupakan salah satu metode untuk melakukan analisis sistem yang mengandung ketidakpastian. Pada penelitian ini digunakan metode mamdani atau sering juga dikenal dengan metode Min – Max. Perancangan sistem untuk mendapatkan output dilakukan dalam tahap – tahap (a) pembentukan himpunan fuzzy, (b) Aplikasi fungsi implikasi, (c) membentuk aturan – aturan, (d) penegasan (defuzzifikasi). Pada penelitian ini defuzzifikasi dilakukan dengan menggunakan metode centroid. Pada metode ini nilai defuzzyfikasi bergerak secara halus, sehingga perubahan pada himpunan fuzzy juga akan bergerak dengan halus. Dari hasil penelitian yang telah dilakukan, dengan memasukkan variabel input pada bulan juli 2005, yaitu jumlah permintaan sebesar 21.945 unit dan jumlah persediaan sebesar 1.824 unit menghasilkan output jumlah produksi sebesar 20.300 unit. Kata Kunci : Ketidakpastian, Jumlah produksi, Logika fuzzy.
Pendahuluan
Pada saat ini hampir semua perusahaan yang bergerak dibidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini mengharuskan perusahaan untuk merencanakan atau menentukan jumlah produksi, agar dapat memenuhi permintaan pasar dengan tepat waktu dan dengan jumlah yang sesuai. Sehingga diharapkan keuntungan perusahaan akan meningkat.
Pada dasarnya penentuan jumlah produksi ini direncanakan untuk memenuhi tingkat produksi guna memenuhi tingkat penjualan yang direncanakan atau tingkat permintaan pasar.
Logika fuzzy (logika samar) itu sendiri merupakan logika yang berhadapan dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat di ekspresikan dalam istilah binary (0 atau 1). Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1. Berbagai teori didalam perkembangan logika fuzzy menunjukkan bahwa pada dasarnya logika fuzzy dapat digunakan untuk memodelkan berbagai sistem.
Logika fuzzy dianggap mampu untuk memetakan suatu input kedalam suatu output tanpa mengabaikan faktor–faktor yang ada. Logika fuzzy diyakini dapat sangat fleksibel dan memiliki toleransi terhadap data-data yang ada. Dengan berdasarkan logika fuzzy, akan dihasilkan suatu model dari suatu sistem yang mampu memperkirakan jumlah produksi. Faktor–faktor yang mempengaruhi dalam menentukan jumlah produksi dengan logika fuzzy antara lain jumlah permintaan dan jumlah persediaan. Rumusan Masalah
Berdasarkan uraian dari latar belakang, dapat dirumuskan permasalahan dari penelitian yang akan dilakukan yaitu: memperkirakan jumlah produksi berdasarkan logika fuzzy dengan memperhatikan faktor jumlah permintaan dan jumlah persediaan.
Adapun batasan masalah dalam penelitian ini adalah:
1 Produk yang diteliti adalah kloset jongkok.
2 Faktor–faktor yang mempengaruhi penentuan jumlah produksi adalah jumlah permintaan dan jumlah persediaan.
3 Penalaran fuzzy menggunakan metode mamdani
4 Penegasan (defuzzyfikasi) dengan metode centroid.
5 Pengolahan data menggunakan bantuan software matlab 6.1
6 Data lain tidak diteliti atau dianggap tetap.

Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah memperkirakan berapa jumlah produksi bulan juli 2005 berdasarkan logika fuzzy dengan memperhatikan variabel jumlah permintaan dan jumlah persediaan. Manfaat Penelitian
Diharapkan dengan melakukan penelitian ini dapat diambil beberapa manfaat sebagai berikut :
1 Sebagai masukan atau informasi yang bermanfaat bagi perusahaan dalam menentukan atau mempertimbangkan jumlah produksi.
2 Diharapkan mampu sebagai alat ukur proses perencanaan produksi.
3 Menambah khasanah ilmu pengetahuan dalam penerapan konsep logika fuzzy terhadap bidang–bidang industri

Dasar Teori Logika Fuzzy
Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada diluar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang menjadi konsep dasar munculnya konsep logika fuzzy.
Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh (1965) dari California University. Pada prinsipnya himpunan fuzzy adalah perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu kedalam dua kategori, yaitu anggota dan bukan anggota.
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µ A [x], memiliki 2 kemungkinan, yaitu ( Kusumadewi, 2003: 156 ) :
Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan.
Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau 1. Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1.

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif ( Kusumadewi, 2003: 159 ) .
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy (Kusumadewi, 2001: 12 ).
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data kedalam nilai keanggotaan yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan diantaranya :
1 representasi linear
2 representasi segitiga
3 representasi trapesium
4 representasi kurva bentuk bahu
5 representasi kurva S
6 representasi bentuk lonceng