BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORIeprints.mercubuana-yogya.ac.id/5343/3/BAB II.pdf ·...
Transcript of BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORIeprints.mercubuana-yogya.ac.id/5343/3/BAB II.pdf ·...
4
BAB II
TINJAUAN PUSTAKA DAN LANDASAN TEORI
Tinjauan Pustaka 2.1.
Penelitian yang berjudul “Penentuan Persediaan Bahan Baku dan
Membantu Target Marketing Industri dengan Metode Fuzzy Inference
System Tsukamoto”. Pada penelitian ini penulis melakukan perancangan sistem
untuk menentukan prediksi jumlah produksi yang digunakan untuk menghitung
bahan baku menggunakan Fuzzy Inference System (FIS) dengan metode
Tsukamoto. Hasil dari penelitian ini adalah perbedaan variabel yang digunakan
sistem berpengaruh terhadap hasil prediksi jumlah produksi yang berpengaruh
terhadap nilai MAPE (The Mean Abosolute Percentage Error) yang berbeda.
Untuk skenario pengujian 1 yaitu menggunakan variabel permintaan dan
persediaan menghasilkan tingkat kebenaran 71%, pada skenario pengujian 2
menggunakan variabel permintaan, persediaan dan biaya produksi menghasilkan
tingkat kebenaran 73%, serta pada skenario pengujian 3 menggunakan variabel
biaya plastik cup 240ml, biaya karton, biaya sedotan dan biaya layer
menghasilkan tingkat kebenaran 77% (Muzayyanah, Mahmudy, & Cholissodin,
2014).
Penelitian yang berjudul “Penerapan Metode EOQ dan ROP Studi
Kasus PD. Baru”. Dalam sistem pendukung keputusan ini diharapkan dapat
membantu perusahaan dalam melakukan pencatatan transaksi penjualan,
pembelian, inventory, dan mengelola persediaan barang. Tujuannya supaya dapat
memperkirakan kebutuhan barang supaya tidak kehabisan stok dan membantu
perusahaan dalam melakukan pembelian secara ekonomis (Lukmana & Trivena,
2015).
Penelitian yang berjudul “Pendukung Keputusan Penentuan Jumlah
Order Menggunakan Fuzzy Mamdani”. Penelitian ini penulisan membuat
perancangan sistem untuk menentukan jumlah order karena ketidakpastian jumlah
permintaan dan persediaan menggunakan fuzzy mamdani. Dari sistem pendukung
keputusan ini diperoleh nilai ROP (Reorder Point) dan rekomendasi jumlah order
5
disertai total harga pembelian untuk setiap bahan mentah. Sistem ini membantu
manajer pembelian dalam menentukan jumlah order yang cepat dan tepat dengan
mempertimbangkan kerugian (Sonalitha, Ratih A, David M, & Andarwati, 2017).
Landasan Teori 2.2.
2.2.1. Persediaan
Persediaan meliputi segala macam barang yang menjadi objek pokok
aktivitas perusahaan yang tersedia untuk diolah dalam proses produksi atau dijual
(Syakur, 2015).
Persediaan diartikan sebagai berikut :
Persediaan adalah aset :
a. Tersedia untuk dijual dalam kegiatan usaha biasa.
b. Dalam proses produksi untuk penjualan tersebut.
c. Dalam bentuk bahan atau perlengkapan untuk digunakan dalam proses
produksi atau pemberian jasa (Ikatan Akuntan Indonesia, 2015).
Pengertian persediaan adalah “Inventory are asset items held for sale in
the ordinary course of business or goods that will be used or consumed in the
production of goods to be sold.”
Penjelasan kutipan di atas adalah “Persediaan adalah pos-pos aktiva yang
dimiliki oleh perusahaan untuk dijual dalam operasi bisnis normal, atau barang
yang akan digunakan atau dikonsumsi dalam membuat barang yang akan di jual”
(Kieso, Weygandt, & Warfield, 2016).
2.2.2. Pengendalian Persediaan
Pengendalian persediaan adalah suatu kegiatan untuk menentukan
tingkat dan komposisi dari suatu persediaan, suku cadang, barang baku, dan
barang hasil atau produksi, sehingga perusahaan dapat melindungi kelancaran
produksi dan penjualan serta kebutuhan pembelanjaan perusahaan dengan efektif
dan efisien (Assauri, 2016).
6
2.2.3. Pengertian Sistem Pendukung Keputusan
Sistem Pendukung Keputusan (DSS) dapat didefinisikan sebagai sebuah
sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial
dalam situasi keputusan semi terstruktur. DSS dimaksudkan untuk menjadi alat
bantu bagi para pengambil keputusan untuk memperluas kapabilitas mereka,
namun tidak untuk menggantikan penilaian mereka. DSS ditujuakan untuk
keputusan-keputusan yang memerlukan penilaian atau pada keputusan-keputusan
yang sama sekali tidak dapat didukung oleh algoritma (Turban, 2011).
Sistem Pendukung Keputusan adalah suatu sistem yang dirancang untuk
mengkomunikasikan masalah dan menyelesaikan pemecahan masalah yang
dilakukan manajer bersifat semi struktur yang spesifik untuk mengambil suatu
keputusan (Moore & Chang, 2011).
Dengan pengertian di atas dapat dijelaskan bahwa SPK bukan merupakan alat
pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil
keputusan dengan melengkapi mereka dengan informasi dari data yang telah
diolah dengan relevan dan diperlukan untuk membuat keputusan tentang suatu
masalah dengan lebih cepat dan akurat. Sehingga sistem ini tidak dimaksudkan
untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan.
2.2.4. PHP
Pemrograman berbasis web berkembang cukup pesat akhir-akhir ini dan
bahasa yang digunakan adalah HTML (HyperTest Markup Language), akan tetapi
bahasa HTML hanya terbatas pada pembuatan website statis (website yang tidak
dapat berinteraksi dengan user). Dalam perkembangannya website statis jarang
dibuat oleh programmer web dikarenakan user lebih tertarik pada website yang
mempunyai interaktifitas tinggi, untuk membuat website yang interaktif para
programmer web menggunakan bahasa pemrograman PHP. Bahasa Pemrograman
PHP (HyperText Preprocessor) merupakan pengembangan dari bahasa
pemrograman ASP, perbedaannya adalah dari segi kompleksitas bagi programmer
web. PHP cenderung lebih mudah untuk dipelajari karena banyak referensi yang
7
tersedia sehingga para programmer dapat mempelajari secara jelas sedangkan
referensi untuk ASP lebih sedikit tersedia. Hal tersebut dikarenakan PHP adalah
bahasa pemrograman open source (gratis) sehingga para programmer banyak
yang mengembangkan dan menggunakannya tanpa perlu mengeluarkan biaya,
sedangkan ASP adalah bahasa pemrograman yang berbayar, sehingga jarang
dikembangkan oleh para programmer (Sidik, 2012).
PHP merupakan bahasa pemrograman yang sangat kompatibel dengan
berbagai macam platform database. Macam-macam platform database yang
komersil maupun non komersil, seperti posgreSQL, SQL, MySQL, Oracle,
Microsoft SQL Server, dan lain-lain. PHP juga merupakan bahasa pemrograman
web yang bersifat server-side HTML=embedded scripting, di mana script-nya
menyatu dengan HTML dan berbeda di server. Artinya adalah sintak dan
perintah-perintah yang diberikan akan sepenuhnya dijalankan di server tetapi
disertakan HTML. PHP sangat didukung oleh web server untuk menjalankannya,
web server ini seperti PWS (Personal Web Server), Apache, IIS, AOLServer,
fhttpd, phttpd dan sebagainya. PHP juga mendukung komunikasi dengan layanan
seperti protocol IMAP, SNMP, NNTP, POP3 dan bahan HTTP (Saputra, 2011).
2.2.5. MySQL
MySQL merupakan program aplikasi untuk membuat suatu DBMS
(Database Management System) yang berbasis SQL (Structured Query
Language). MySQL mempergunakan lisensi GPL (GNU General Public License).
Pada sebuah database yang dibuat oleh MySQL mengandung satu beberapa tabel,
tabel terdiri dari sejumlah baris dan kolom. MySQL mempunyai beberapa
kelebihan dibandingkan dengan yang lainnya misalnya PostgreSQL, Microsoft
SQL Server, dan Oracle. Kelebihan MySQL adalah pada kecepatan akses, biaya,
konfigurasi, tersedia source code karena MySQL berada di bawah Open Source
License (Sidik, 2012).
2.2.6. Logika Fuzzy
8
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang
input ke dalam suatu ruang output. Sebagai contoh : penumpang taksi berkata
pada sopir taksi seberapa cepat laju kendaraan yang diinginkan, sopir taksi akan
mengatur pijakan gas taksinya. Sistem fuzzy merupakan sistem yang berdasarkan
aturan-aturan (pengetahuan). Sistem dibangun oleh koleksi aturan IF-THEN.
Contoh: IF mesin panas THEN putar kipas lebih cepat (Kusumadewi & Purnomo,
2010).
2.2.7. Fungsi Keanggotaan
Fungsi keanggotaan fuzzy adalah suatu kurva yang menunjukkan
pemetaan titik-titk input data ke dalam derajat keanggotaannya yang nilainya
berkisar antara 0 hingga 1. Beberapa fungsi keanggotaan fuzzy, yaitu
(Kusumadewi, 2010).
1. Representasi Linear
Representasi Linear adalah pemetaan input ke derajat keanggotaannya
digambarkan sebagai suatu garis lurus. Pada representasi linear terdapat dua
kemungkinan, yaitu:
a. Kenaikan himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan nol (0) bergerak ke arah kanan menuju nilai domain yang
memiliki derajat keanggotaan lebih tinggi.
Gambar 2.1 Representasi Kurva Linear
Fungsi keanggotaan:
[ ] {
……..(2.1)
9
b. Penurunan himpunan dimulai dari nilai domain dengan derajat keanggotaan
tertinggi pada sisi kiri, kemuadian bergerak menurun ke nilai domain yang
memiliki derajat keanggotaan lebih rendah.
Gambar 2.2 Representasi Kurva Linear Turun
Fungsi keanggotaan:
[ ] {
……..(2.2)
2. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya terbentuk dari gabungan antara 2 garis
(linear).
Gambar 2.3 Representasi Kurva Linear Segitiga
Fungsi keanggotaan:
[ ] {
……..(2.3)
3. Representasi Kurva Bahu
10
Daerah yang terbentuk di tengah-tengah suatu variabel yang
direpresentasikan dalam bentuk kurva segitiga, pada sisi kanan dan kirinya akan
naik turun. Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami
perubahan. Himpunan fuzzy “bahu”, digunakan untuk mengakhiri variabel suatu
daerah fuzzy.
Gambar 2.4 Representasi Kurva Linear Bahu
Fungsi keanggotaan:
[ ]
{
……..(2.4)
2.2.8. Fuzzy Tsukamoto
Pada metode fuzzy Tsukamoto, setiap aturan direpresentasikan
menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang
monoton. Untuk menentukan nilai output crisp/hasil yang tegas dicari dengan cara
mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan-
aturan fuzzy) menjadi suatu bilangan pada domain himpunan fuzzy tersebut. Cara
ini disebut dengan metode defuzzyfikasi (penegasan). Metode defuzzyfikasi yang
digunakan dalam metode fuzzy Tsukamoto adalah metode defuzzyfikasi rata-rata
terpusat (Kusumadewi & Purnomo, 2010).
11
Gambar 2.5 Representasi Kurva Linear Bahu
2.2.9. Metode Average Forecasting Error Rate (AFER)
Metode error Average Forecasting Error Rate (AFER) digunakan untuk
mengetahui besarnya kesalahan yang terjadi pada data hasil Peramalan terhadap
data aktual. Berikut merupakan persamaan tentang cara perhitungan AFER (Jilani,
Burney, & Ardil, 2011).
AFER = (Ai – Fi / Ai) / n x 100% ……..(2.5)
Pada perhitungan AFER Ai merupakan nilai data aktual pada data ke-i
dan Fi merupakan nilai hasil Peramalan untuk data ke-i. Adapun n merupakan
banyaknya dari suatu data dan bilangan 100% merupakan nilai untuk
mendapatkan hasil persentase. Nilai AFER adalah nilai yang menyatakan
persentase selisih antara data prediksi dengan data aktual. Dengan nilai error yang
semakin kecil maka tingkat keakurasian dapat dikatakan semakin baik
(Rahmadiani & Anggraeni, 2012).
Dengan menggunakan error AFER ini jika didapatkan nilai error
mendekati 0% yang artinya tingkat akurasi terhadap data asli semakin mendekati
kebenaran meskipun sebenarnya jarang sekali kasus prediksi yang nilai AFER
benar-benar 0% (Stevenson, 2015).