Penerapan Metode Fuzzy Inference System Tsukamoto dalam Penentuan Prediksi Persediaan Barang

  • Sintha Istikomah Universitas Safin Pati
Abstract views: 74 , pdf downloads: 68
Keywords: Fuzzy Inference System Tsukamoto, prediksi, persediaan barang, website

Abstract

Pengolahan data barang pada BKSDA masih menggunakan pembukuan tertulis untuk melakukan pencatatan data keluar masuknya barang sehingga pegawai mengalami kesulitan dalam penentuan jumlah persediaan barang. Penentuan prediksi bukanlah hal yang mudah, jika terdapat kesalahan dalam menentukan jumlah yang akan diambil maka akan mengakibatkan kekosongan persediaan suatu barang digudang. Tujuan dari sistem prediksi persediaan barang untuk memudahkan pegawai bagian perlengkapan dalam penentuan jumlah barang persediaan dan dapat mengelola transaksi barang yang ada di instansi tersebut. Untuk mengatasi masalah tersebut maka dibuat sistem yang dapat melakukan pencatatan terhadap jumlah barang yang masuk dan keluar dari gudang, sistem ini dilengkapi dengan perhitungan prediksi jumlah persediaan barang menggunakan menggunakan metode FIS (Fuzzy Inference System) Tsukamoto sehingga jumlah persediaan dalam gudang bisa tetap stabil. Variabel yang digunakan dalam menentukan prediksi barang berdasarkan jumlah persediaan barang yang tersisa, data pembelian dan jumlah barang keluar. Dengan mengkombinasikan semua himpunan fuzzy tersebut, diperoleh empat aturan fuzzy yang selanjutnya digunakan dalam tahap inferensi. Pada tahap inferensi, dicari nilai keanggotaan anteseden (α) dan nilai perkiraan jumlah produksi (z) dari setiap aturan. Jumlah barang yang akan diproduksi (Z) dicari dengan metode defuzzifikasi rata-rata terpusat. Sistem informasi ini akan menampilkan informasi barang yang keluar dari gudang, informasi persediaan barang, informasi prediksi persediaan dan informasi-informasi pendukung lainya. Semua informasi yang dihasilkan dalam sistem ini akan ditampilkan dalam bentuk website.

References

[1] Kusumadewi, S. and Purnomo, H. (2010), Aplikasi Logika Fuzzy untuk Pendukung Keputusan Edisi 2, Yogyakarta: Graha Ilmu.
[2] Kuncahyo, B.T., Ginardi, H. and Arieshanti, I. (2012), Penerapan Metode Adaptive Neuro - Fuzzy Inference System Untuk Memprediksi Nilai Post Test Mahasiswa Pada Jurusan Teknik Informatika FTIF ITS, Makalah Seminar Tugas Akhir Periode Januari, pp. 1–9.
[3] Prahasta, E. (2002), Konsep-konsep Dasar Sistem Informasi Geografis, Bandung: Informatika.
[4] Waljiyanto (2003), Sistem Basis Data: Analisis dan Pemodelan Data, Yogyakarta: Graha Ilmu.
[5] Rosa, S. (2013), Rekayasa Perangkat Lunak Terstruktur Dan Berorientasi Objek, Bandung: Informatika.
[6] Jogiyanto, H.M. (2006), Analisis dan Desain Sistem Informasi: Pendekatan Terstruktur Teori dan Praktek Aplikasi Bisnis, Yogyakarta: ANDI Publisher.
[7] Utami, F.H. and Asnawati (2015), Rekayasa Perangkat Lunak, Yogyakarta: Deepublish.
[8] Nugroho, B. (2013), Dasar Pemograman Web PHP – MySQL dengan Dreamweaver, Yogyakarta: Gava Media.

PlumX Metrics

Published
2024-06-27