Studi Penentuan Jumlah Produksi Botol Kemasan Minuman Yang Optimal Dengan Fuzzy Time Series Markov Chain Dan Fuzzy Inference System

Adhie Tri Wahyudi; Ida Giyanti; Bernadhetta Vivi Kritiana

doi:10.24853/jisi.10.2.11-21

Studi Penentuan Jumlah Produksi Botol Kemasan Minuman Yang Optimal Dengan Fuzzy Time Series Markov Chain Dan Fuzzy Inference System

Adhie Tri Wahyudi, Ida Giyanti, Bernadhetta Vivi Kritiana

Abstract

Perusahaan perlu berhati-hati saat menentukan jumlah produksi botol minuman kemasan. Jumlah persediaan bahan baku dan permintaan menjadi faktor penting dalam menentukan jumlah produksi. Ketidakpastian jumlah permintaan produk minuman mengakibatkan jumlah produksi botol kemasan minuman kurang selaras dengan jumlah persediaan bahan baku minuman dan jumlah permintaan produksi botol kemasan. Adanya faktor ketidakpastian jumlah permintaan menjadikan pentingnya pemilihan metode peramalan yang tepat untuk memprediksi jumlah permintaan berdasarkan data historis. Penelitian ini bertujuan melakukan studi penentuan jumlah produksi botol kemasan minuman yang optimal dengan mempertimbangkan faktor ketidakpastian. Metode Fuzzy Time Series Markov Chain (FTSMC) adalah satu salah metode peramalan berbasis time series dan dapat diterapkan pada permasalahan ketidakpastian peramalan yang terjadi. Hasil peramalan, setelah melalui uji verifikasi menjadi input metode Fuzzy Inference System (FIS) untuk menentukan jumlah produksi botol minuman agar bersesuaian dengan jumlah permintaan dan jumlah bahan baku. Model FIS yang dibangun pada penelitian ini adalah Fuzzy Sugeno dan Fuzzy Mamdani. Untuk mengetahui metode yang memberikan hasil yang optimal pada permasalahan ini, kedua model yang dibangun tersebut dianalisis dengan membandingkan nilai Mean Absolute Percentage Error (MAPE). Hasil penelitian menunjukkan bahwa kedua model, yatu model FTSMC Fuzzy Mamdani dan model FTSMC Fuzzy Sugeno mampu memberikan solusi optimal.

Keywords

peramalan permintaan metode Fuzzy Time Series Markov Chain, penentuan jumlah produksi Fuzzy Inference System

Full Text:

PDF

References

Abanat, V. N. O. (2021) ‘Perbandingan Metode Tsukamoto, Metode Mamdani, dan Metode Sugeno dalam Menentukan Jumlah Produksi VCO (Studi Kasus: CV. Super Noah)’. Skripsi. Universitas Nusa Cendana. Available at: http://skripsi.undana.ac.id/index.php?p=show_detail&id=1555&keywords=.

Adewuyi, P. A. (2013) ‘Performance Evaluation of Mamdani-type and Sugeno-type Fuzzy Inference System Based Controllers for Computer Fan’, International Journal of Information Technology and Computer Science, 1(3), pp. 26–36. doi: 10.5815/ijitcs.2013.01.03.

Bintang, A. S., Huang, W. C. and Asmara, R. (2019) ‘Forecasting of Indonesia Seaweed Export: A Comparison of Fuzzy Time Series with and without Markov Chain’, Agricultural Social Economic Journal, 19(3), pp. 155–164. doi: 10.21776/ub.agrise.2019.019.3.

Chang, P., Wang, Y. and Liu, C. (2007) ‘The Development of a Weighted Evolving Fuzzy Neural Network for PCB Sales Forecasting’, Expert Systems with Applications, 32(1), pp. 86–96. doi: 10.1016/j.eswa.2005.11.021.

Ginting, R. (2007) Sistem Produksi. 1st edn. Yogyakarta: Graha Ilmu.

Gunawan, J. (2015) Analisis Penerapan Metode Fuzzy Tsukamoto dan Fuzzy Mamdani dalam Menentukan Jumlah Produksi Pada Industri Roti (Studi Kasus Pada PO. MUNGIL). Universitas Setia Budi.

Hartini, S. (2011) Teknik Mencapai Produksi Optimal. Bandung: CV Lubuk Agung.

Hidayati, T. Y. (2018) Perencanaan Produksi Petis Ikan Tuna Menggunakan Metode Fuzzy Mamdani dan Sugeno (Studi kasus: CV Hj. Diya Food Sampang-Madura). Tugas Akhir. Universitas Brawijaya. Available at: http://repository.ub.ac.id/id/eprint/11374.

Jatipaningrum, M. T. (2016) ‘Peramalan Data Produk Domestik Bruto dengan Fuzzy Time Series Markov Chain’, Jurnal Teknologi, 9(1), pp. 31–38. Available at: https://ejournal.akprind.ac.id/index.php/jurtek/article/view/1137.

Kusumadewi, S. and Purnomo, H. (2013) Aplikasi Logika Fuzzy untuk Pendukung Keputusan. 2nd edn. Yogyakarta: Graha Ilmu.

Murnawan, M., Virgana, R. A. E. and Lestari, S. (2021) ‘Comparison of Sugeno and Tsukamoto Fuzzy Inference System Method for Determining Estimated Production Amount’, Turkish Journal of Computer and Mathematics Education, 12(8), pp. 1467–1476. doi: 10.17762/turcomat.v12i8.3181.

Naba, A. (2009) Belajar Cepat Fuzzy Logic Menggunakan MATLAB. 1st edn. Edited by F. S. Suryantoro. Yogyakarta: ANDI.

Naibaho, L. K. L. (2020) Analisis Perbandingan Kinerja Metode Fuzzy Mamdani dan Metode Fuzzy-Sugeno dalam Menentukan Jumlah Produksi. Skripsi. Universitas Sumatera Utara. Available at: https://repositori.usu.ac.id/handle/123456789/28939.

Nelson, L. S. (1984) ‘The Shewhart Control Chart — Tests for Special Causes’, Journal of Quality Technology, 16(4), pp. 237–239. doi: 10.1080/00224065.1984.11978921

Noviani, N. (2020) Perbandingan Metode Fuzzy Time Series Markov Chain dan Fuzzy Time Series Cheng (Studi Kasus: Rata-Rata Harga Beras). Universitas Islam Negeri Maulana Malik Ibrahim. Available at: http://etheses.uin-malang.ac.id/25692/1/15610035.pdf.

Pinem, N. S. and Utomo, D. P. (2020) ‘Implementasi Fuzzy Logic dengan Infrensi Tsukamoto untuk Prediksi Jumlah Kemasan Produksi (Studi Kasus : PT. Sinar Sosro Medan)’, Pelita Informatika : Informasi dan Informatika, 9(1), pp. 56–60. Available at: https://ejurnal.stmik-budidarma.ac.id/index.php/pelita/article/download/2739/1848.

Pramitarini, Y., Saputra, P. Y. and Putri, A. K. (2021) ‘Information System for Predicting Warehouse Stock and Utilities (Case Study: PT Keramik XYZ)’, Jurnal IPTEK, 25(1), pp. 1–6. doi: 10.31284/j.iptek.2021.v25i1.

Puspitasari, D. I. and Afianto, M. A. (2017) ‘Implementasi Fuzzy Time Series Markov Chain Model (FTSMCM) dalam Prediksi Jumlah Produksi Ayam Potong’, Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM), 2(2), pp. 45–50. doi: 10.20527/jtiulm.v2i2.19.

Putriyani, K., Wahyuningrum, T. and Prasetyo, Y. D. (2021) ‘Prediksi Jumlah Produksi Akibat Penyebaran Covid-19 Menggunakan Metode Fuzzy Takagi-Sugeno’, Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(2), pp. 220–230. doi: 10.29207/resti.v5i2.2973.

Sitio, S. L. M. (2018) ‘Penerapan Fuzzy Inference System Sugeno untuk Menentukan Jumlah Pembelian Obat (Studi Kasus: Garuda Sentra Medika)’, Jurnal Informatika Universitas Pamulang, 3(2), pp. 104–109. doi: 10.32493/informatika.v3i2.1522.

Tsaur, R. C. (2012) ‘A Fuzzy Time Series-Markov Chain Model with An Application to Forecast the Exchange Rate Between the Taiwan and US Dollar’, International Journal of Innovative Computing, Information and Control, 8(7(B)), pp. 4931–4942. Available at: http://www.ijicic.org/ijicic-11-04029.pdf.

Tundo, T. and Sela, E. I. (2018) ‘Application of the Fuzzy Inference System Method to Predict the Number of Weaving Fabric Production’, International Journal on Informatics for Development (IJID), 7(1), pp. 1–9. doi: doi.org/10.14421/ijid.2018.07105.

DOI: https://doi.org/10.24853/jisi.10.2.11-21