IMPLEMENTASI METODE FUZZY TSUKAMOTO DALAM MENENTUKAN SUPPLY BBM PADA PERTASHOP
Abstract
Kebutuhan Bahan Bakar Mesin dari masyarakat terus meningkat, hal ini juga terjadi bagi masyarakat pinggir kota.Untuk memenuhi kebutuhan Bahan Bakar Mesin yang ada dipinggir kota, maka Pertamina memberikan sebuah program bagi masyarakat untuk mendirikan SPBU mini dengan modal yang kecil, program ini dinamakan dengan Pertashop. Pertashop akan melakukan Pasokan satu bulan satu kali ke pihak pertamina. Namun dalam proses seupply proses perhitungan masih sering kurang tepat sehingga membuat pertashop mengalami kekurangan stok. Untuk mengatasi hal tersebut yang dapat dilakukan adalah dengan menentukkan Pasokan yang dibutuhkan pada sebuah SPBU atau Pertashop pada periode selanjutnya. Logika Fuzzy yang dipilih sebagai metode untuk menentukan Pasokan pada Pertashop agar mengurangi terjadinya kehabisan stok. Metode yang dipilih dalam menentukan Pasokan pada pertashop adalah Logika Fuzzy. Logika fuzzy memiliki Sistem Interferensi Fuzzy yang memberikan sebuah aturan dalam logika Fuzzy. Sistem Interferensi Fuzzy terdapat 3 metode yaitu, Tsukamoto, Mamdani, dan Sugeno. Pada penelitian ini menggunakan metode Fuzzy Tsukamoto Hasil penelitian didapatkan bahwa dengan tingkat akurasi metode fuzzy sebesar 87% menggunakan metode MAPE, dapat dinyatakan bahwa metode fuzzy Tsukamoto berhasil dalam menghitung Pasokan yang harus dilakukan pihak pertashop setiap bulannya agar tidak terjadi kekurangan stok.
Downloads
References
[2] A. A. W. K. Ningrat, I. G. B. W. Kusuma, and I. Wayan, “Pengaruh Penggunaan Bahan Bakar Pertalite Terhadap Akselerasi Dan Emisi Gas Buang Pada Sepeda Motor Bertransmisi Otomatis,” Jurnal Mettek, vol. 2, no. 1, pp. 59-67, 2016.
[3] Pertamina, “BBM Retail,” https://www.pertamina.com/id/fuel-retail, diakses tanggal 12 April 2022.
[4] C. Danuputri, “Intensitas Lampu dengan Fuzzy Logic Mamdani Determination Of Wind Fan Speed And Lamp Intensity With Mamdani Fuzzy Logic,”, Jurnal Algoritma, Logika dan Komputasi, vol.3, no. 2, pp. 275–283, 2020.
[5] A. A. Caraka, H. Haryanto, D. P. Kusumaningrum, and S. Astuti, “Logika Fuzzy Menggunakan Metode Tsukamoto untuk Prediksi Perilaku Konsumen Di Toko Bangunan,” Techno.COM, vol. 14, no. 4, pp. 255–265, 2015.
[6] S. Basriati, E. Safitri, and P. Nofridayani, “Penerapan Metode Fuzzy Tsukamoto dalam Menentukan Jumlah Produksi Tahu,” Jurnal Sains, Teknologi dan Industri, vol. 18, no. 1, pp. 120-125, 2021.
[7] C. Ardianto, H. Haryanto, and E. Mulyanto, “Prediksi Tingkat Kerawanan Kebakaran di Daerah Kudus Menggunakan Fuzzy Tsukamoto,” Citect Journal, vol. 4, no. 3, pp. 186-194, 2017.
[8] F. Satria and A. J. P. Sibarani, “Penerapan Metode Fuzzy Tsukamoto untuk Pemilihan Karyawan Terbaik Berbasis Java Desktop,” Jurnal Teknologi Informasi & Komunikasi Digital Zone, vol. 11, no. 1, pp. 130-143, 2020.
[9] L. P. Ayuningtias, M. Irfan, and J. Jumadi, “Analisa Perbandingan Logic Fuzzy Metode Tsukamoto, Sugeno, Dan Mamdani (Studi Kasus : Prediksi Jumlah Pendaftar Mahasiswa Baru Fakultas Sains Dan Teknologi Universitas Islam Negeri Sunan Gunung Djati Bandung),” Jurnal Teknik Informatika, vol. 10, no. 1, pp. 9-16, 2017.
[10] B. C. Kosasih and N. Setiyawati, “Sistem Pendukung Keputusan Penentuan Pemesanan Barang Menggunakan Logika Fuzzy Tsukamoto (Studi Kasus : Studio Foto Kencana),” Jurnal Algoritma, Logika dan Komputasi, vol. 3, no. 1, pp. 215–222, 2020.
[11] N. Khairina, “Analisis Fungsi Keanggotaan Fuzzy Tsukamoto Dalam Menentukan Status Kesehatan Tubuh Seseorang,” SinkrOn: Jurnal & Penelitian Teknik Informatika, vol. 1, no. 1, pp. 19-24, 2016.