Main Article Content

Gusti Ngurah Mega Nata
Putu Pande Yudiastra

Abstract

Pengaturan stok merupakan aktivitas penting dalam bisnis retail. Penentuan jumlah stok harus dilakukan secara sistematis berdasarkan riwayat penjualan dan stok yang masih tersedia. Stok yang tidak stabil akan membuat konsumennya berpindah ke bisnis retail lain yang memiliki stok lebih stabil. Paper ini membahas penentuan stok ideal suatu produk dengan menerapkan algoritma Fuzzy Inference System (FIS) model sugeno dan algoritma fuzzy database model tahani ke dalam sistem manajemen basis data (DBMS). Fungsi keanggotaan untuk fuzzyfikasi menggunakan representasi liner dan representasi segitiga. Metode pembangunan sistem mengguanakan metode waterfall, sedangkan metode pengujian dengan membandingkan hasil rekomendasi sistem dengan fakta penjualan pada bulan berikutnya. Dari 16 item produk yang diteliti 9 item terjual sesuai rekomendasi sistem, 5 item terjual dibawah rekomendasi sistem, dan hanya 2 produk terjual diatas rekomendasi sistem. Pada hasil ini produk yang terjual sesuai rekomendasi adalah suatu perhitungan yang tepat karena stok produk sesuai kebutuhan konsumen dan akan menguntungkan perusahaan retail. Jadi dari hasil pengujian implementasi FIS dan Fuzzy database ketepatan dapat menghitung stok ideal dari suatu produk sekitar 60%.

Article Details

How to Cite
Gusti Ngurah Mega Nata, & Putu Pande Yudiastra. (2022). Fuzzy Inference System dan Fuzzy Database sebagai Kecerdasan Basis Data untuk Kontrol Stok. Jurnal Sistem Dan Informatika (JSI), 16(2), 59-67. https://doi.org/10.30864/jsi.v16i2.312
Section
Articles

References

[1] J. Warmansyah and D. Hilpiah, “Penerapan metode fuzzy sugeno untuk prediksi persediaan bahan baku,” Teknois J. Ilm. Teknol. Inf. dan Sains, vol. 9, no. 2, pp. 12–20, 2019, doi: 10.36350/jbs.v9i2.58.

[2] G. Ngurah, M. Nata, and P. P. Yudiastra, “Knowledge discovery pada email box sebagai penunjang email marketing knowledge discovery in the email box for support email marketing,” J. Sist. dan Inform., pp. 26–37, 2017.

[3] K. Harefa, “Penerapan Fuzzy Inference System untuk Menentukan Jumlah Pembelian Produk Berdasarkan Data Persediaan dan Penjualan,” J. Inform. Univ. Pamulang, vol. 2, no. 4, p. 205, 2017, doi: 10.32493/informatika.v2i4.1487.

[4] O. H. Manda and A. Johar, “Implementasi Fuzzy Query Database Untuk Pengelolaan Data Obat,” J. Rekursif, vol. 4, no. 1, pp. 93–106, 2016.

[5] G. Ngurah and M. Nata, “Deteksi Outlier Transaksi Menggunakan Visualisasi- Olap Pada Data Warehouse Perguruan Tinggi Swasta,” J. Appl. Intell. Syst. UDINUS, vol. 1, no. 2, pp. 77–89, 2016.

[6] S. Rohman, “Implementasi Metode Fuzzy Query Database Model Tahani Sebagai Inference Engine Pemberi Rekomendasi Objek Wisata Di Kabupaten Boyolali,” J. Penelit. dan Pengabdi. Kpd. Masy. UNSIQ, vol. 5, no. 1, pp. 89–97, 2018, doi: 10.32699/ppkm.v5i1.453.

[7] Oktaviani.J, Data Mining Cencepts and Techniques, vol. 51, no. 1. 2012.

[8] S. Sitohang and R. Denson Napitupulu, “Fuzzy Logic Untuk Menentukan Penjualan Rumah Dengan Metode Mamdani (Studi Kasus: Pt Gracia Herald),” J. ISD, vol. 2, no. 2, pp. 91–101, 2017.
Indexed and Journal List Title by: