Penerapan Metode Fuzzy Tsukamoto untuk Prediksi Jumlah Produksi PT Wings Padaharja

Muchamad Aries Firmansyah; Aang Alim Murtopo; Nurul Fadilah

doi:10.31004/riggs.v4i3.2173

Authors

Muchamad Aries Firmansyah STMIK YMI TEGAL
Aang Alim Murtopo
Nurul Fadilah

DOI:

https://doi.org/10.31004/riggs.v4i3.2173

Keywords:

Defuzzifikasi, Fuzzy Tsukamoto, Peramalan Produksi, Sistem Pendukung Keputusan, Variabel Produksi

Abstract

Penerapan sistem prediksi produksi berbasis kecerdasan buatan menjadi solusi penting dalam menjawab tantangan ketidakpastian pada sektor manufaktur, khususnya di lingkungan usaha mikro seperti PT Wings Padaharja. Penelitian ini bertujuan untuk membangun model prediksi jumlah produksi harian dengan memanfaatkan metode Fuzzy Tsukamoto guna meningkatkan efisiensi pengambilan keputusan operasional. Penelitian ini menggunakan pendekatan kuantitatif terapan dengan metode eksperimen, di mana data historis produksi tahun 2024 yang mencakup empat variabel utama—penjualan, permintaan, persediaan, dan retur—dianalisis melalui tahapan fuzzyfikasi, penetapan aturan IF–THEN, inferensi fuzzy, dan defuzzifikasi menggunakan metode rata-rata tertimbang. Hasil penelitian menunjukkan bahwa model prediksi yang dikembangkan mampu menghasilkan estimasi produksi dengan tingkat kesalahan yang masih dalam batas wajar, ditunjukkan oleh nilai MAE sebesar 65,21, MSE sebesar 15.698,8, dan RMSE sebesar 92,02. Temuan ini menunjukkan bahwa metode Fuzzy Tsukamoto efektif dalam menangani ketidakpastian dan kompleksitas data produksi, serta dapat diimplementasikan sebagai sistem pendukung keputusan bagi pelaku industri skala kecil hingga menengah; selanjutnya, pengembangan model lanjutan dapat diarahkan pada integrasi variabel eksternal dan penggunaan algoritma yang lebih kompleks seperti ANFIS untuk peningkatan akurasi prediktif

Downloads

Download data is not yet available.

References

M. M. F. Alokshe, M. W. Adedokun, and K. Iyiola, “Advanced manufacturing technologies, strategic agility, business network and sustained competitive performance: an empirical evidence from an emerging economy,” Humanit Soc Sci Commun, vol. 12, no. 1, Dec. 2025, doi: 10.1057/s41599-025-04671-9.

C. Chen, T. Lee Kong, and W. Kan, “Identifying the promising production planning and scheduling method for manufacturing in Industry 4.0: a literature review,” Prod Manuf Res, vol. 11, no. 1, 2023, doi: 10.1080/21693277.2023.2279329.

Furizal, A. Ma’arif, S. A. Wijaya, Murni, and I. Suwarno, “Analysis and Performance Comparison of Fuzzy Inference Systems in Handling Uncertainty: A Review,” Journal of Robotics and Control (JRC), vol. 5, no. 4, pp. 1203–1215, 2024, doi: 10.18196/jrc.v5i4.22123.

H. H. Tang and N. S. Ahmad, “Fuzzy logic approach for controlling uncertain and nonlinear systems: a comprehensive review of applications and advances,” 2024, Taylor and Francis Ltd. doi: 10.1080/21642583.2024.2394429.

Y. P. Mahendra and R. F. Siahaan, “Penerapan Metode Fuzzy Tsukamoto dalam Menentukan Jumlah Produksi Opak pada Home Industri Tegar Jaya,” 2024.

Y. A. Adoe, K. Letelay, and E. S. Y. Pandie, “PENERAPAN METODE FUZZY TSUKAMOTO DALAM PENENTUAN JUMLAH PRODUKSI ROTI (STUDI KASUS: DWI JAYA BAKERY KUPANG),” Jurnal Diferensial, vol. 04, 2022.

K. Muflihunna, “Penerapan Metode Fuzzy Mamdani dan Metode Fuzzy Sugeno dalam Penentuan Jumlah Produksi,” 2022. [Online]. Available: http://journal.unnes.ac.id/sju/index.php/ujm

L. Sapura, A. Sinaga, and F. Siahaan, “Penerapan Sistem Fuzzy Tsukamoto Dalam Memperkirakan Hasil Produksi Padi,” BRAHMANA: Jurnal Penerapan Kecerdasan Buatan, vol. 1, no. 2, pp. 126–130, 2020.

A. P. Sari, Deswanti. Karina Indah, and Nurahman, “ANALISIS JUMLAH PRODUKSI TAHU WAWAN MENGGUNAKAN METODE FUZZY TSUKAMOTO,” JURSISTEKNI (Jurnal Sistem Informasi dan Teknologi Informasi), vol. 5, no. 2, May 2023, doi: 10.52005/jursistekni.v5i2.194.

X. Wang, Y. Chen, J. Jin, and B. Zhang, “Fuzzy-clustering and fuzzy network based interpretable fuzzy model for prediction,” Sci Rep, vol. 12, no. 1, Dec. 2022, doi: 10.1038/s41598-022-20015-y.

I. Muhandhis, A. S. Ritonga, and D. M. H. Murdani, “Implementasi Metode Inferensi Fuzzy Tsukamoto Untuk Memprediksi Curah Hujan Dasarian Di Sumenep,” 2021.

R. N. Silalahi and M. Muljono, “Perbandingan Kinerja Metode Linear Regression, LSTM dan GRU Untuk Prediksi Harga Penutupan Saham Coco-Cola,” Komputika : Jurnal Sistem Komputer, vol. 13, no. 2, pp. 201–211, Oct. 2024, doi: 10.34010/komputika.v13i2.12265.

I. Amansyah, J. Indra, E. Nurlaelasari, and A. R. Juwita, “Prediksi Penjualan Kendaraan Menggunakan Regresi Linear Studi Kasus pada Industri Otomotif di Indonesia,” Innovative : Journal of Social Science Research, vol. 4, no. 4, 2024, doi: 10.31004/innovative.v4i4.12735.

M. F. Almaliki, I. Isnawaty, M. Satyadharma, and H. Hado, “Perbandingan Metode Exponential Smoothing dan Moving Average pada Arus Barang Bongkar,” Jurnal Manajemen Informatika (JAMIKA), vol. 14, no. 2, pp. 125–134, Jun. 2024, doi: 10.34010/jamika.v14i2.12828.

A. N. Afiati and F. Frazna Az-Zahra, “IMPLEMENTASI ALGORITMA REGRESI LINEAR DALAM PREDIKSI PERSEDIAAN VOUCHER DI RAFFA CELL SUKABUMI,” Jurnal Mahasiswa Teknik Informatika, vol. 8, no. 5, 2024, doi: 10.36040/jati.v8i5.11146.