PENERAPAN LOGIKA FUZZY DALAM PREDIKSI JUMLAH PRODUKSI DI PT. INOCYCLE TECHNOLOGY TBK CABANG BENGKULU
DOI:
https://doi.org/10.54314/jssr.v7i4.2186Abstrak
PT. Inocycle Technology Tbk Cabang Bengkulu merupakan salah Perusahaan yang bergerak dalam produksi Recycled Polyester Staple Fiber (“Re-PSFâ€) dengan mengolah plastik daur ulang tanpa limbah Cabang Bengkulu Re-PSF adalah bahan baku dari banyak produk Perseroan, mulai dari manufaktur non-woven untuk otomotif, konstruksi, pertanian, infrastruktur, dan pakaian dan furniture. Pillow Dream Scope dan Bolster Dream Score merupakan jenis produk yang diproduksi oleh PT. Inocycle Technology Tbk Cabang Bengkulu. Penerapan logika fuzzy dalam prediksi jumlah produksi di PT. Inocycle Technology Tbk Cabang Bengkulu dapat membantu dalam menentukan jumlah produksi Pillow Dream Scope dan Bolster Dream Score setiap bulannya serta dapat membantu memanajemen persediaan produk Pillow Dream Scope dan Bolster Dream Score di PT. Inocycle Technology Tbk Cabang Bengkulu. Berdasarkan data uji yang diperoleh dari PT. Inocycle Technology Tbk Cabang Bengkulu penerapan metode logika fuzzy model tsukamoto, diperoleh hasil prediksi jumlah produksi produk Pillow Dream Scope sebanyak 337pcs untuk Bulan Januari Tahun 2024. Berdasarkan pengujian sistem yang telah dilakukan, dapat disimpulkan bahwa fungsional dari aplikasi penerapan logika fuzzy dalam prediksi jumlah produksi di PT. Inocycle Technology Tbk Cabang Bengkulu telah berjalan dengan baik dan mampu menampilkan hasil prediksi jumlah produksi produk sesuai dengan tahapan dari logika fuzzy model Tsukamoto.Unduhan
Referensi
Blazing, A., 2018. Pemrograman Windows Dengan Visual Basic .Net : Praktikum Pemrograman VB.Net. s.l.:Google Book.
Firman, A., 2019. Analisis dan Perancangan Sistem Informasi. Surabaya: Penerbit Qiara Media.
Huda, A. S., 2020. Prediksi Penerimaan Pegawai Baru Metode Naive Bayes. Bandung: Kreatif Industri Nusantara.
Kadarsih & Pujianto, D., 2022. Step By Step Belajar Database MySQL Untuk Pemula. Tangerang Selatan: Pascal Books.
Muhandhis, I., Ritonga, A. S. & Murdani, M., 2021. Implementasi Metode Inferensi Fuzzy Tsukamoto Untuk Memprediksi Curah Hujan Dasarian Di Sumenep. Jurnal Ilmiah Edutic, Volume Vol.8 No.1 e-ISSN:2528-7303.
Nugroho, F., Yusup, A. A. F. P., Awul, M. F. & Babys, R. A., 2023. Penerapan Metode Fuzzy Tsukamoto Untuk Memprediksi Kebutuhan Praproduksi Pengolahan Tempe. Building of Informatics, Techonology dan Science (BITS), Volume Vol.4 No.4 e-ISSN:2685-3310.
Plaza, M. A. J., 2021. Desain Basis Data. Yogyakarta: Deepublisher ISBN:978-623-02-2338-9.
Riyanto, S. & Rahman, P. A., 2022. Metode Riset Penelitian Kesehatan dan Sains. Yogyakarta: Deepublish Pubsliher.
Suprapto, U., 2021. Pemodelan Perangkat Lunak (C3) Kompentesi Keahlian : Rekayasa Perangkat Lunak Untuk SMK/MAK Kelas XI. Jakarta: Grasindo.
Supuwiningsih, N. N., Kusuma, A. S., Pratiwi, E. L. & Pratami, N. w. C. A., 2022. Statistik Forecasting Dalam Sistem informasi Geografis. Bandung Jawa Barat: Penerbit Media Sains Indonesia.
Trigunawan, A., Rahayu, W. I. & Andarsyah, R., 2020. Regresi Linear Untuk Prediksi Jumlah Penjualan Terhadap Jumlah Permintaan. Bandung: Informatics Research Center.
Wardani, A. R., Nasution, Y. N. & Amijaya, F. D. T., 2017. Aplikasi Logika Fuzzy Dalam Mengoptimalkan Produksi Minyak Kelapa Sawit di PT. Waru Kaltim Plantation Menggunakan Metode Mamdani. Jurnal Informatika Mulawarman, Volume Vol.12 No.2 e-ISSN.2597-4963.
Yendrianof, D. et al., 2022. Analisis dan Perancangan Sistem Informasi. Medan: Yayasan Kita Menulis.
