Article Sidebar

Submitted
Dec 7, 2023
Published
Mar 31, 2024
Download
PDF
Statistic
Read Counter : 0 Download : 0

Main Article Content

Abstract

Perencanaan persedian dalam suatu industri manufaktur tentunya menjadi bagian yang cukup penting. Hal ini dikarenakan jika bahan baku tidak ada maka artinya proses produksi pada industri manufaktur akan terhambat atau mengalami kendala. Sedangkan jika jumlah ketersediaan bahan baku terlalu berlebihan maka akan menimbulkan biaya tambahan. Sehingga untuk dapat melakukan perencanaan persediaan yang sesuai kebutuhan khususnya pada industri manufaktur yang berupa industri furnitur yang bahan baku utamanya berupa kayu. Penelitian ini berusahan melakukan perencanaan persediaan yang optimal dengan menggunakan pendekatan Logika Fuzzy. Pendekatan Fuzzy yang diadopsi atau yang dimplementasikan dalam penelitian ini adalah berupa Metode Fuzzy Mamdani. Alasan dalam penelitian ini menggunakan Metode Fuzzy Mamdani untuk melakukan proses prediksi persediaan kayu pada industri furnitur karena memiliki struktur yang sederhana dan fleksibel. Dalam mekanisme proses perhitungan Metode Fuzzy Mamdani pada umumnya menggunakan konsep operasi yang berupa mekanismer perhitungan min-max ataupun dapat menggunakan mekanisme max-product  dengan menggunakan serangkaian aturan yang telah ditentukan berdasarkan variabel yang digunakan. Data yang digunakan pada penelitian ini adalah tahun 2019, 2020, 2021, dan 2022. Dalam proses penyelesaian masalah yang berupa penentuan jumlah persediaan yang optimal adalah dengan menggunakan proses penyelesaian Metode Fuzzy Mamdani. Dari hasil perhitungan menggunakan metode Fuzzy Mamdani. Dengan menggunakan data pada bulan Januari 2022 yang berupa data permintaan yang mempunyai nilai 1711 kubik dan data produksi yang mempunyai nilai 1469 kubik, maka didapatkan hasil pengolahan data dengan Metode Fuzzy Mamdani untuk jumlah persediaan pada periode bulan Januari 2022 adalah senilai 208 kubik.

Keywords

Fuzzy Mamdani. Permintaan, Produksi, dan Persediaan.

Article Details

References

  1. [1] Nya DN, Nyakam D, Samir N, Hassane H, Nya DN. ScienceDirect Control in in Supply Supply Chain : in Supply Chain : Control in Supply Chain : Approach. IFAC Pap [Internet]. 2022;55(10):2755–60.
  2. [2] Berling P, Johansson L, Marklund J. Controlling inventories in omni / multi-channel distribution systems with variable customer order-sizes R. Omega [Internet]. 2023;114:102745.
  3. [3] Teunter RH, Kuipers S. Inventory control with demand substitution : new insights from a two-product Economic Order Quantity analysis R. Omega [Internet]. 2022;113:102712.
  4. [4] Foreest ND Van, Kilic OA. An intuitive approach to inventory control with optimal stopping. Eur J Oper Res [Internet]. 2023;311(3):921–4.
  5. [5] Yaqot M, Menezes BC, Kelly JD. Real-time coordination of multiple shuttle-conveyor-belts for inventory control of multi-quality stockpiles. Comput Chem Eng [Internet]. 2023;178(July):108388.
  6. [6] Theodorou E, Spiliotis E, Assimakopoulos V. EURO Journal on Transportation and Logistics Optimizing inventory control through a data-driven and model-independent framework. EURO J Transp Logist [Internet]. 2023;12(March 2022):100103.
  7. [7] Marchionni M, Usman M, Chai L, Tassou SA. Inventory control assessment for small scale sCO 2 heat to power conversion systems. Energy [Internet]. 2023;267(November 2022):126537.
  8. [8] Ferreira L, Sigurd B, Ferreira L. ScienceDirect Control with with Optimal units units units units. IFAC Pap [Internet]. 2023;56(2):2665–70.
  9. [9] Saravanan S, Manoharan JS, N VKM, Surenderanath S. ScienceDirect ScienceDirect A Dynamic Dynamic Fuzzy Fuzzy Engine Engine for for Adaptive Adaptive Control Control towards towards improvement of Network Performance in Big Data Environment improvement of Network Performance in Big Data Environment. Procedia Comput Sci [Internet]. 2022;215:24–32.
  10. [11] Kumar S, Maithani R, Kumar A. Optimal design parameter selection for performance of alumina nano-material particles and turbulence promotors in heat exchanger: An ahp-topsis technique. Mater Today Proc [Internet]. 2021;43:3152–5.
  11. [12] Kumar D, Singh J, Pal O. A fuzzy logic based decision support system for evaluation of suppliers in supply chain management practices. Math Comput Model [Internet]. 2013;57(11–12):2945–60.
  12. [13] Memmedova K. ScienceDirect ScienceDirect Fuzzy logic modelling of the impact of using technology on anxiety and aggression levels of students. Procedia Comput Sci [Internet]. 2018;120:495–501.
  13. [14] Chattopadhyay S. ORIGINAL ARTICLE A neuro-fuzzy approach for the diagnosis of depression. Appl Comput Informatics [Internet]. 2017;13(1):10–8.
  14. [15] Han H. Heliyon Fuzzy clustering algorithm for university students ’ psychological fitness and performance detection. Heliyon [Internet]. 2023;9(8):e18550.
  15. [16] Dombi J, Hussain A. A new approach to fuzzy control using the distending function. 2020;86:16–29.
  16. [17] Badola S, Narayan V, Parkash S, Pandey M. Rule-based fuzzy inference system for landslide susceptibility mapping along national highway 7 in Garhwal Himalayas , India. Quat Sci Adv [Internet]. 2023;11(January):100093.
  17. [18] Luukka P, Stoklasa J. Journal of Computational and Applied Mathematics Possibilistic mean based defuzzification for fuzzy expert systems and fuzzy control — LSD for general fuzzy sets. J Comput Appl Math [Internet]. 2024;441(October 2023):115663.