Penerapan Fuzzy Tsukamoto untuk Sistem Prediksi Jumlah Produksi Roti Berbasis Web
Article Sidebar
Main Article Content
Abstract
Penelitian ini bertujuan untuk membuat system yang akan memberikan informasi mengenai prediksi jumlah produksi untuk membantu pihak terkait dalam menentukan jumlah produksi, selain itu untuk melihat keakuratan dari penggunaan metode dalam memprediksi jumlah produksi. Kegiatan produksi merupakan serangkaian kegiatan yang dilakukan untuk menjadikan bahan mentah menjadi produk yang dapat dipasarkan dan dijual. Salah satu yang terlibat dari proses ini adalah jumlah bahan mentah yang akan di buat menjadi produk jadi. Diperlukan suatu proses perhitungan untuk meprediksi jumlah produk yang akan diproduksi untuk meminimalkan biaya produksi. Metode yang digunakan untuk proses Prediksi adalah metode Fuzzy Tsukamoto, dimana metode ini mengatasi ketidakpastian dan kompleksitas dalam pengambilan keputusan. Perhitungan kesalahan dalam meprediksi digunakan mean absolute percentage error (MAPE), dan untuk perancangan system digunakan pendekatan objek dengan menggunakan tools Unified Modeling Language (UML). Hasil dari penelitian menyatakan bahwa pengujian system bernilai 92 % artinya sistem sudah dapat digunakan sesuai dengan kebutuhan, dan untuk metode yang digunakan mendapatkan nilai error 10,62 % sehingga metode Fuzzy Tsukamoto dapat digunakan prediksi jumlah produksi.
Article Details
Section
Penulis yang menerbitkan dengan jurnal ini setuju pada persyaratan berikut ini:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama, dengan pekerjaan 6 bulan setelah penerbitan secara simultan dengan lisensi di bawah: Creative Commons Attribution License yang memudahkan yang lain untuk berbagi karya dengan pengakuan penerbitan awal dan kepenulisan karya di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non-ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
How to Cite
References
S. Nurhayati and A. Syafiq, “Sistem Prediksi Jumlah Produksi Baju Menggunakan Weighted Moving Average,” J. Manaj. Inform., vol. 12, no. 1, pp. 14–24, 2022, doi: 10.34010/jamika.v12i1.6680.
S. Nurhayati, R. Lubis, and M. Fajar Wicaksono, “Application of the Machine Learning Method for Predicting International Tourists in West Java Indonesia Using the Averege-Based Fuzzy Time Series Model,” J. Ilm. Tek. Elektro Komput. dan Inform., vol. 9, no. 1, pp. 1–11, 2023, doi: 10.26555/jiteki.v9i1.25475.
R. Lubis and S. Nurhayati, “Implementation of fuzzy tsukamoto in production planning decision support systems,” J. Eng. Sci. Technol., vol. 16, no. 2, 2021.
R. Siregar, M. Zarlis, and Z. Situmorang, “Tsukamoto’s Fuzzy Logic Development Analysis to Predict Caesarean or Normal Delivery,” in 2020 3rd International Conference on Mechanical, Electronics, Computer, and Industrial Technology (MECnIT), 2020, pp. 152–157. doi: 10.1109/MECnIT48290.2020.9166594.
L. Costaner, W. Syafitri, and G. Guntoro, “Optimasi Jumlah Produksi Roti Ud Prima Sari Menggunakan Metode Logika Fuzzy,” Sistemasi, vol. 8, no. 3, p. 424, 2019, doi: 10.32520/stmsi.v8i3.537.
Muhammad Afdhal, Dhio Saputra, and Wifra Safitri, “Sistem Informasi Prediksi Angka Produksi Pada Nila Cake Berbasis Web Metoda Fuzzy,” J. Teknoif Tek. Inform. Inst. Teknol. Padang, vol. 9, no. 1, pp. 9–16, 2021, doi: 10.21063/jtif.2021.v9.1.9-16.
C.-M. Fuzzytakagi-sugeno and R. Mashuda, “Prediksi Jumlah Produksi Roti Holland Boga Bakery Akibat Penyebaran,” EJECTS E-Journal Comput. Technol. Informations Syst., vol. 2, no. 2, pp. 40–48, 2023.
Suharjito, Diana, Yulyanto, and A. Nugroho, “Mobile Expert System Using Fuzzy Tsukamoto for Diagnosing Cattle Disease,” Procedia Comput. Sci., vol. 116, no. Iccsci, pp. 27–36, 2017, doi: 10.1016/j.procs.2017.10.005.
L. S. Ivanova, D. A. Sokolov, and O. A. Zmeev, “UML Representation of Object-Oriented Design Antipatterns,” 2021 Int. Conf. Inf. Technol. ICIT 2021 - Proc., pp. 98–103, 2021, doi: 10.1109/ICIT52682.2021.9491660.
R. Fauzan, D. Siahaan, S. Rochimah, and E. Triandini, “A Different Approach on Automated Use Case Diagram Semantic Assessment,” Int. J. Intell. Eng. Syst., vol. 14, no. 1, pp. 496–505, 2021, doi: 10.22266/IJIES2021.0228.46.
G. P. Suri and N. Y. Arifin, “Pengembangan Dan Implementasi Aplikasi Perpustakaan Berbasis Web,” Eng. Technol., vol. 2, no. 1, pp. 21–28, 2020.
N. K. Rai, D. Saravanan, L. Kumar, P. Shukla, and R. N. Shaw, “RMSE and MAPE analysis for short-term solar irradiance, solar energy, and load forecasting using a Recurrent Artificial Neural Network,” in Applications of AI and IOT in Renewable Energy, 2022. doi: 10.1016/B978-0-323-91699-8.00010-3.
A. de Myttenaere, B. Golden, B. Le Grand, and F. Rossi, “Mean Absolute Percentage Error for regression models,” Neurocomputing, vol. 192, 2016, doi: 10.1016/j.neucom.2015.12.114.
I. Komargodski, M. Naor, and E. Yogev, “White-Box vs. Black-Box Complexity of Search Problems,” J. ACM, vol. 66, no. 5, pp. 1–28, 2019, doi: 10.1145/3341106.
V. Febrian, M. R. Ramadhan, M. Faisal, and A. Saifudin, “Pengujian pada Aplikasi Penggajian Pegawai dengan menggunakan Metode Blackbox,” J. Inform. Univ. Pamulang, vol. 5, no. 1, p. 61, 2020, doi: 10.32493/informatika.v5i1.4340.