Fuzzy Logic Untuk Menetukana Tingkat Kwalitas

Prosiding Seminar Nasional Manajemen Teknologi XIProgram Studi MMT-ITS, Surabaya 6 Pebruari 2010

IDENTIFIKASI PENGARUH BAHAN BAKU DAN TENAGAKERJA TERHADAP PRODUKTIVITAS PERUSAHAAN DENGAN

METODE FUZZY LOGIC

Suhartono 1) Achmad Sani 2)1) Jurusan Teknik Informatika Fakultas Sainstek UIN Malang

2) Jurusan Managemen Fakultas Ekonomi UIN MalangEmail: [email protected], [email protected]

ABSTRAK

Setiap organisasi bisnis dituntut untuk dapat meningkatkan kinerja perusahaannyaagar dapat memenangkan persaingan. Salah satu kriteria yang harus diperhatikanadalah mempertahankan produktivitas perusahaan. Setiap perusahaan adakalanyamengalami peningkatan permintaan dari tahun ke tahun, tetapi perusahaanmempunyai keterbatasan ketersediaan bahan baku dan tenaga kerja. AplikasiLogika Fuzzy dapat mengetahui efisiensi dari sumber daya input dalammenghasilkan output dengan melakukan pengukuran produktivitas parsial, sehinggaakan memberikan perspektif baru dengan spektrum yang lebih luas dan realistik.Hasil penelitian diperoleh pengukuran dengan tingkat kesalahan kurang dari 4%dengan faktor-faktor yang mempengaruhi produktivitas parsial tenaga kerja adalahketrampilan, motivasi dan tingkat penghasilan, dan untuk produktivitas parsial bahanbaku dipengaruhi oleh kualitas bahan baku dan supply bahan baku yang meliputipengaturan persediaan, pemanfaatan dan kedatangan bahan baku.

Kata kunci: Produktivitas Parsial, Bahan Baku, Tenaga Kerja, Logika Fuzzy

PENDAHULUAN

Produktivitas menjadi suatu kriteria yang harus diperhatikan dalam lingkunganbisnis yang sangat kompetitif pada saat sekarang ini. Pengukuran produktivitasperusahaan dilakukan dengan membandingkan keluaran yang dihasilkan dengan faktor-faktor produksi yang dimiliki oleh perusahaan. Produktivitas menggambarkan hubunganantara keluaran dengan a;at yang digunakan untuk menghasilkan keluaran tersebut.Keluaran atau hasil produksi diperoleh dari suatu proses kegiatan. Bentuk keluarandapat berupa produk nyata atau produk jasa. Untuk menghasilkan keluaran diperlukanmasukan atau sumber- sumber yang disebut sebagai faktor produksi. Bentuk- bentuksumber utama adalah tenaga kerja, kapital, bahan dan energi.

Perusahaan “XYZ” merupakan perusahaan yang memproduksi berbagai jenisfurniture atau perabot rumah tangga. Produk yang dihasilkan antara lain berupa jendela,pintu, kusen, kamar set, lemari panjang, kitchen set, lemari pakaian, meja makan, mejatulis, meja kursi, dan sebagainya. Semua produk yang dihasilkan berdasarkan padapermintaan dari konsumen. Permintaan terhadap furniture di perusahaan ini mengalamipenigkatan dari tahun ke tahun. Berdasarkan hal tersebut perlu dikaji sebagaimaapeningkatan tersebut berdampak pada produktivitas perusahaan.

Dari output yang dihasilkan dan input yang dimanfaatkan nantinya akan dillihatapakah dengan permintaan yang tinggi, produktivitas perusahaan mengalamipeningkatan atau tidak. Tinggi rendahnya suatu produktivitas berkaitan erat deganefisiensi dari sumber-sumber daya (input) dalam menghasilkan suatu produk atau jasa.


ISBN : 978-979-99735-9-7C-2-2

Selama ini, perusaahn belum perah mellakukan pengukuran terhadap tingkatproduktivitas. Untuk itu perlul dilakukan penelitian dalam hal pengukuranproduktivitas, sehingga dapat diketahui pada tingkat produktivitas berapa perusahaanberada pada saat ini dan dapat mengetahui faktor-faktor yang dapat mempengaruhiproduktivitas tersebut. Selanjutnya perusahaan akan dapat merencanakan targetproduktivitas di masa yang akan datang.

Logika fuzzy merupaka ilmu-ilmu lama yang sudah banyak diaplikasikan dalamberbagai bidang, mulai dari ilmu kedokteran dan biologi, manajemen dan pengambilankeputusan, ekonomi, psikologi, ilmu-ilmu sosial, ilmu lingkungan, teknik dansebagainya. Logika fuzzy banyak digunakan karea logika fuzzy fleksibel dan mudahdimengerti. Marzuki menyatakan bahwa: logika fuzzy mampu merepresentasikanbahasa alami yang samar, memperkaya tapi bukan menggantikan himpunancrisp(himpunan konvensional/non fuzzy), memungkinkan design engineering menjadifleksibel, memperbaiki model pekerjaan, mudah diterapkan dan telah banyakdiaplikasikan dalam berbagai jenis pekerjaan (Nasution, 2003).

Aplikasi teori fuzzy dalam pengukuran produktivitas akan memberikanperspektif baru dengan spektrum yang lebih luas serta lebih realistis, sehingga mampumemberikan hasil yang lebih memuaskan dibandingkan dengan pendekatan yangselama ini digunakan. Tujuan menggunakan pendekatan fuzzy adalah dorongan untukmerepresentasikan seluruh kandungan bahasa manusia(human language), tetapi masihmemungkinkan dilakukannya pengolahan data menggunakan metode yang tersedia yangdapat diterima secara intelektual dan ilmiah.

Produktivitas

Sejak awal perkembangannya sampai sekarang, banyak definisi produktivitasyang telah dikembangkan. David J. Sumanth (1984) menyatakan beberapa definisiproduktivitas antara lain:a) Perkataan produktivitas muncul pertama kali pada tahun 1766 dalam makalah

Quesney. Pada saat itu makna produktivitas adalah keinginan dan upayamanusia untuk selalu meningkatkan kualitas dan penghidupan di segala bidang.

b) Pada tahun 1883, Littre mendefenisikan produktivitas sebagai ”kemampuanmenghasilkan (faculty to produce)”. Defenisi ini masih tetap berlaku hinggaawal abad ke-20, sehingga kemudian muncul pengertian yang lebih spesifikyang menyatakan bahwa produktivitas merupakan hubungan antara keluaran(output) dan sumber daya (input) yang digunakan untuk menghasilkan keluaran(produk) itu sendiri.

c) Pada tahun 1950, Organization For European Economic Coorperation (OEEC)mendefenisikan produktivitas sebagai hasil bagi yang diperoleh denganmembagi keluaran dengan salah satu dari faktor-faktor produksi. Denganmemperhatikan faktor-faktor produksi inilah, kemudian dikenal adanyapengertian produktivitas kapital, produktivitas tenaga kerja, produktivitas bahan danlain sebagainya.

d) Pada tahun 1965, Kendrick dan Creamer mengemukakan bahwa produktivitasmerupakan defenisi fungsional untuk produktivitas parsial, produktivitas totaldan produktivitas total faktor.

e) Pada tahun 1976, Siegel mengemukakan pendapatnya bahwa produktivitas berkenaandengan sekumpulan perbandingan antara output dengan input.

Dari uraian diatas maka dapat ditarik suatu pengertian produktivitas yaitumerupakan ukuran seberapa besar sumber daya yang digunakan serta seberapa


ISBN : 978-979-99735-9-7C-2-3

besar manfaatnya dalam menyumbangkan hasil (keluaran). Atau dapat jugadidefenisikan, produktivitas menyatakan tingkat usaha yang dikeluarkan dalamrangka meraih hasil produksi yang paling tinggi dengan sumber daya yang minimal.

Pendefenisian produktivitas dapat bermacam-macam tergantung pada konteksapa yang dibicarakan, apakah ahli ekonomi, manajer, akuntan, politikus atau ahliteknik industri. Dengan memperhatikan jumlah serta jenis masukan dan keluaran yangdilibatkan, David J. Sumanth (1984) mengelompokkan produktivitas menjadi tigajenis dasar produktivitas yaitu:

1) Produktivitas ParsialProduktivitas parsial merupakan rasio dari output terhadap salah satufaktor input. Sebagai contoh produktivitas tenaga kerja menunjukkan rasioantara output terhadap input tenaga kerja.

2) Produktivitas Total FaktorProduktivitas total faktor merupakan hasil bagi dari keluaran bersih denganmasukan tenaga kerja dan nilai kapital. Keluaran bersih adalah keluaran totaldikurangi dengan jumlah nilai barang dan jasa yang telah dibeli. Jadi masukanyang dilibatkan dalam tipe ini hanyalah faktor tenaga kerja dan kapital.

3) Produktivitas TotalProduktivitas total merupakan hasil bagi keluaran dengan seluruh faktormasukan. Seluruh faktor masukan akan dilihat pengaruhnya terhadap keluaran.Secara tradisional, ahli ekonomi, insinyur, para eksekutif dan manajer

sudah bersandar pada pengukuran produktivitas parsial. Yang paling umum digunakanadalah produktivitas parsial tenaga kerja yang dinyatakan sebagai output (keluaran) perjam kerja atau keluaran per tenaga kerja. Output dapat dinyatakan dalam satuan uangatau dalam satuan fisik.

LOGIKA FUZZY

Professor Zadeh (Universitas California) diakui sebagai ilmuwanpemrakarsa konsep himpunan fuzzy pada tahun 1965 yang telah menjabarkanperhitungan matematik untuk menggambarkan ketidakjelasan atau kesamaran dalambentuk variabel linguistik. Ide tersebut dapat diartikan sebagai generalisasi dari teorihimpunan klasik yang menggabungkan pendekatan kualitatif dengan kuantitatif.Ada beberapa alasan mengapa orang menggunakan logika fuzzy (Kusumadewi,2004)antara lain:

1) Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasaripenalaran fuzzy sangat sederhana dan mudah dimengerti.

2) Logika fuzzy sangat fleksibel.3) Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.4) Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.5) Logika fuzzy dapat dibangun dan diaplikasikan berdasarkan pengalaman-

pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.6) Logika fuzzy dapat digunakan pada sistem kendali secara konvensional.7) Logika fuzzy didasarkan pada bahasa alami.

Teknik logika fuzzy dapat diimplementasikan dalam bidang kontrol,pengenalan pola, pemrosesan citra, analisis kualitatif dan penelitian di bidangsosial, penarikan kesimpulan seperti pada Expert System (ES), perencanaan,prediksi, pemrosesan bahasa, kepintaran buatan, robot pintar, teknik pembuatansoftware dan lain-lain (Kusumadewi,2002).


ISBN : 978-979-99735-9-7C-2-4

Telah terjadi pertumbuhan yang cepat dalam penggunaan logika fuzzypada beraneka macam produk konsumen dan sistem industri, seperti:1) Dalam kehidupan sehari-hari di bidang elektronika, camcorder, air conditioner

(AC), serta mesin cuci fuzzy yang menggabungkan sensor dengan logika fuzzy.Pada mesin cuci sensor akan mendeteksi warna, jenis pakaian dan jumlah pakaian,dan logika fuzzy yang terdapat di dalam mikroprosesor akan memilihkombinasi paling cocok untuk suhu air, jumlah/banyaknya deterjen dan waktuyang diperlukan untuk proses mencuci.

2) Pengganti pilot pada pesawat terbang dan kendali 4 roda pada mobil.3) Kontrol peluru kendali dan pendeteksi sasaran.4) Kontrol penunjuk jalan pada robot.5) Dalam bidang sistem tenaga listrik: sebagai perencana sistem, kontrol

governor, kontrol Power System Stabilizer (PSS) dan lain-lain.6) Pada bidang ekonomi, ilmu-ilmu sosial, ilmu kesehatan dan politik. Logika

fuzzy memiliki banyak peluang untuk dapat diaplikasikan.

Fungsi keanggotaan (membership functions) adalah suatu kurva yangmenunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (seringjuga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1.Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalahmelalui pendekatan fungsi. Ada beberapa fungsi yang bisa digunakan, salah satunyaadalah:

Representasi Kurva Segitiga (Triangular)

Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear)seperti terlihat pada gambar berikut : (Kusumadewi, 2004)

Gambar 1 Fungsi Keanggotaan Triangular

Fungsi keanggotaan:0 ; x<a atau a>c

µ[x] = (x-a)/(b-a) ; a x b(c-x)/(c-b) ; b x c

METODOLOGI PENELITIAN

Pada penelitian ini implementasi logika fuzzy dalam pengukuran nilaiproduktivitas parsial dilakukan secara manual dan menggunakan software matlab.Sebelum pengukuran dilakukan, terlebih dahulu diidentifikasi faktor-faktor yangmempengaruhi nilai produktivitas parsial perusahaan dengan menggunakankuisioner. Kuisioner terbuka dibagikan kepada 12 orang tenaga kerja yang ada diperusahaan untuk mengetahui faktor-faktor apa saja yang mempengaruhi


ISBN : 978-979-99735-9-7C-2-5

produktivitas parsial bahan baku dan tenaga kerja. Sedangkan dengan penyebarankuisioner tertutup akan menghasilkan total nilai dari tiap-tiap faktor yangmempengaruhi produktivitas parsial. Adapun data-data yang diperlukan untukpengukuran produktivitas parsial perusahaan dengan menggunakan logika fuzzy antaralain:

1) Nilai produktivitas perusahaan.2) Jumlah produksi selama 3 tahun terakhir.3) Peralatan yang digunakan untuk pembuatan furniture.

Dari data yang diperoleh maka dilakukan pengukuran produktivitas parsialperusahaan secara manual dengan menggunakan teori himpunan fuzzy denganurutan proses penelitian yang dilakukan yaitu menentukan input dan outputvariabel, pembentukan himpunan fuzzy, fuzzifikasi (fuzzy linguistik dan lambangnya,pembentukan fungsi keanggotaan), Inference Mechanism (Penyusunan Fuzzy RuleBase) dan deffuzzifikasi. Kemudian dilakukan juga perhitungan denganmenggunakan software matlab. Hasil perhitungan secara manual akan dibandingkandengan hasil yang diperoleh dengan menggunakan software matlab.

HASIL DAN PEMBAHASAN

Perhitungan Fuzzy Manual Bahan Baku dan Tenaga Kerja

A. Penentuan Input dan Output VariabelVariabel dalam perhitungan produktivitas parsial bahan baku menggunakan

logika fuzzy adalah jumlah bahan baku, produksi dan nilai produktivitas. Masing-masing variabel diwakili oleh tiga himpunan fuzzy. Sementara semesta pembicaraanadalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabelfuzzy.

Tabel 1 Himpunan Fuzzy

Fungsi Variabel Nama HimpunanFuzzy

SemestaPembicaraan Domain

InputBahan Baku

Sedang15-24

15-19.5Sedikit 17.25-21.75Banyak 19.5-24

ProduksiSedang

47-9047-68.5

Sedikit 57.75-79.25Banyak 68.5-90

Output ProduktivitasParsial

Turun1.71-5.36

1.71-3.54Tetap 57.75-79.25Naik 3.54-5.36

Input

Tenaga KerjaSedang

28-4728-37.5

Sedikit 32.5-42.25Banyak 37.5-47

ProduksiSedang

47-9047-68.5

Sedikit 57.75-79.25Banyak 68.5-90

Output ProduktivitasParsial

Turun5.74-13.94

5.74-9.84Tetap 7.79-11.89Naik 9.84-13.94


ISBN : 978-979-99735-9-7C-2-6

Rule yang digunakan:IF BahanBaku Sedikit AND Produksi Sedikit THEN Produktivitas Parsial TetapIF BahanBaku Sedikit AND Produksi Sedikit THEN Produktivitas Parsial NaikIF BahanBaku Sedikit AND Produksi Sedang THEN Produktivitas Parsial NaikIF BahanBaku Sedikit AND Produksi Banyak THEN Produktivitas Parsial NaikIF BahanBaku Sedang AND Produksi Sedikit THEN Produktivitas Parsial TurunIF BahanBaku Sedang AND Produksi Sedang THEN Produktivitas Parsial TetapIF BahanBaku Sedang AND Produksi Sedikit THEN Produktivitas Parsial NaikIF BahanBaku Sedang AND Produksi Sedikit THEN Produktivitas Parsial NaikIF BahanBaku Banyak AND Produksi Sedikit THEN Produktivitas Parsial TurunIF BahanBaku Banyak AND Produksi Sedang THEN Produktivitas Parsial TurunIF BahanBaku Banyak AND Produksi Banyak THEN Produktivitas Parsial TetapIF BahanBaku Banyak AND Produksi Banyak THEN Produktivitas Parsial Naik

B. FuzzifikasiFuzzifikasi merupakan suatu proses transformasi bilangan riil ke dalam

bilangan fuzzy. Karena fuzzy memiliki dua atribut yaitu linguistik (penamaansuatu grup yang mewakili suatu keadaan tertentu dengan menggunakan bahasa)dan numeris (suatu nilai yang menunjukkan ukuran dari suatu variabel).Fungsi keanggotaan merupakan suatu kurva yang menunjukkan pemetaan titik-titikinput ke dalam nilai keanggotaannya (derajat keanggotaan) yang memiliki intervalantara 0 sampai 1. Fungsi keanggotaan yang digunakan adalah segitiga (triangular).

Gambar 2 Fungsi Keanggotaan Triangular

C. Mekanisme Inferensia (Inference Mechanism)Setelah pembentukan fungsi keanggotaan variabel, maka dilakukan

pembentukan aturan logika fuzzy (fuzzy rule base). Banyaknya rule base bisaditentukan dengan menggunakan matriks. Pengujian dilakukan 5 kali denganmengambil data secara acak. Kemudian dilakukan deffuzzifikasi merupakan suatuproses transformasi himpunan fuzzy ke dalam bilangan riil.


ISBN : 978-979-99735-9-7C-2-7

a. Fungsi Rule Base b. Penalaran Fuzzy

Gambar 3 Perhitungan Fuzzy dengan Aplikasi Matlab Pengukuran Banyaknya Bahan BakuTerhadap Produktivitas

a. Penalaran Fuzzy b. Analisis Surface

Gambar 4 Perhitungan Fuzzy dengan Aplikasi Matlab Pengukuran Banyaknya Tenaga KerjaTerhadap Produktivitas

Proses validasi dilakukan untuk membandingkan apakah nilai produktivitasparsial yang dihitung menggunakan logika fuzzy dapat mencerminkan produktivitasyang sebenarnya.


ISBN : 978-979-99735-9-7C-2-8

Tabel 2 Pengujian Metoda Fuzzy Dibanding Data Aktual Bahan Baku Terhadap ProduktivitasParsial

Bahan Baku ProduksiProduktivitas Parsial

Data Aktual Hasil Inferensi Fuzzy17 53 4 3.9917 65 4.2 4.1217 72 4.5 4.4517 83 4.67 4.4520 53 2.71 2.6220 65 3.95 3.720 72 3.99 3.7720 83 4.21 4.1922 53 2.8 2.6222 65 2.72 2.6222 72 3.45 3.3322 83 4.1 3.99

Percent of error mean 3.3%

Tabel 3 Pengujian Metoda Fuzzy Dibanding Data Aktual Tenaga Kerja Terhadap ProduktivitasParsial

Tenaga Kerja ProduksiProduktivitas Parsial

Data Aktual Hasil Inferensi Fuzzy32 53 11.2 10.932 65 11.45 11.232 72 12.3 11.932 83 12.39 11.937 53 8.67 8.5837 65 10.43 10.237 72 11.12 10.937 83 12.31 11.942 53 7.89 7.7942 65 8.34 8.2242 72 9.49 9.3842 83 11.16 10.9

Percent of error mean 1.93%

Berdasarkan data hasil pengujian didapatkan tingkat rerata kesalahan prosentase dibawah 4%. Dari hasil inferensi metoda fuzzy dalam mengidentifikasi tingkatproduktivitas parsial berdasarkan banyaknya bahan baku dan tenaga kerja. Dari hasilmetode fuzzy tersebut, dapat diperoleh hasil yang diinginkan untuk memaksimalkanproduksi.

KESIMPULAN

1) Produktivitas parsial tenaga kerja dipengaruhi oleh keterampilan yang dimiliki olehmasing-masing pekerja, motivasi dan tingkat penghasilan.

2) Produktivitas parsial bahan baku dipengaruhi oleh kualitas bahan baku dansuplai bahan baku yang meliputi pengaturan persediaan dan pemanfaatan bahanbaku seefisien mungkin serta kedatangan bahan baku yang tepat waktu.

3) Tingkat rata- rata kesalahan dari hasil pengujian dengan sistem fuzzy logic dibawah4%.

4) Dengan menggunakan fungsi keanggotaan yang berbeda kita dapat mengukurnilai produktvitas parsial. Berdasarkan penelitian fungsi keanggotaan yangcenderung menghasilkan nilai terbaik adalah triangular.


ISBN : 978-979-99735-9-7C-2-9

DAFTAR PUSTAKA

Kusumadewi, S., 2002, Analisis dan Desain Sistem Fuzzy: Menggunakan ToolboxMatlab, Graha Ilmu, Yogyakarta.

Kusumadewi, S. dan Purnomo, H., 2004, Aplikasi Logika Fuzzy: UntukPendukung Keputusan, Graha Ilmu, Yogyakarta.

Nasution, A. H., 2003b, Perencanaan dan Pengendalian Produksi, Edisi Pertama, GunaWidya, Surabaya.

Nugroho, S., 2002. Pengukuran Produktivitas Pekerjaan Menggunakan TeoriHimpunan Fuzzy, Studi Pada Pekerjaan Galian Tanah. Tesis. ProgramPasca Sarjana Bidang Ilmu Teknik Program Studi Teknik Sipil. UniversitasIndonesia.

Sinungan, M., 2003, Produktivitas Apa dan Bagaimana, PT. Bumi Aksara, Jakarta.

Syarif, R., 1991, Produktivitas, Angkasa Bandung.

Fuzzy Logic Untuk Menetukana Tingkat Kwalitas

Documents

Transcript of Fuzzy Logic Untuk Menetukana Tingkat Kwalitas