Analisa Pola Pendistribusian Produk Dengan Algoritma C5.0 (Bidang Studi : Teh Botol Sosro)

 (*)Tatang Haryawan Mail (Universitas Budi Darma, Medan, Indonesia)

(*) Corresponding Author

Abstract

PT. Sinar Sosro sering mengalami kekurangan jumlah kemasan saat memproduksi produk minuman. Seharusnya jumlah kemasan minuman yang diproduksi oleh PT. Sinar Sosro harus sesuai dengan jumlah produk yang akan di produksi agar tidak terjadi kekurangan kemasan ataupun kelebihan kemasan. Untuk itu diperlukan perkiraan atau prediksi jumlah kemasan yang akan diproduksi. Fuzzy Inference System (FIS) Tsukammoto dikembangkan untuk menentukan jumlah produksi berdasarkan data permintaan dan persediaan. Terdapat tiga variabel yang dimodelkan, yaitu permintaan persediaan dan jumlah. Kemudia mengubah himpunan fuzzy menjadi nilai tegas yakni jumlah produksi menggunakan rumus rata-rata terpusat. Diagram table perbandingan antara jumlah produksi perusahaan dengan jumlah produksi metode Tsukamoto menunjukan terjadi peningkatan efesien jumlah produksi dengan menggunakan logika fuzzy yakni metode Tsukamoto. Setelah diprediksi maka akan mendapatkan hasil yang nanti dapat digunakan ke depannya sehingga membantu pihak PT. Sinar Sosro Medan khususnya dalam persedian  jumlah kemasan produksi.

Kata Kunci : Sistem Infrensi fuzzy, Tsukamoto, Kemasan Produksi.

Full Text:

PDF


Article Metrics

Abstract view : 390 times
PDF - 385 times

References

E. J. Theresiia Devi Indriasari, Kusworo Anindito, “Analisis Dan Perancangan Pengumpulan Data Bencana Alam,” vol. 6, p. 1, 2014.

F. J. Kaunang, “Penerapan Algoritma J48 Decision Tree Untuk Analisis Tingkat Kemiskinan di Indonesia Application of J48 Decision Tree Algorithm For Analyzing Poverty Level in Indonesia,” vol. 4, no. 2, pp. 348–357, 2018.

Fajar Astuti Hermawati, Data mining. Yogyakarta: CV. Andi Offset, 2013.

E.Prasetyo, Mengolah Data Dan Informasi Menggunakan Matlab. Yogyakarta: CV. Andi Offset, 2013.

F. S. dan D. Juju, Data mining Meramalkan Bisnis Perusahaan. 2013.

Efori Buulolo, “Implementasi Algoritma Apriori Pada Sistem Persediaan Obat,” vol. 4, no. 72,74, 2013.

E. T. L. Kusrini, Algoritma Data mining. Yogyakarta: CV.Andi Offset, 2009.

N. A. S. saucha Diwandari, “Perbandingan Algoritma J48 Dan Nbtree Untuk Klasifikasi Diagnosa Penyakit Pada Soybean,” no. 2089–9815, p. 205, 2015.

E. J. Theresiia Devi Indriasari, Kusworo Anindito, “Analisis Dan Perancangan Sistem Pengumpulan Data Bencana Alam,” vol. 6, p. 73, 2014.

E. Sutanta, Pengantar Teknologi Informasi. 2005.

D.M.Hoftman, Startup RapidMiner. .

A. Daenta, Excel Untuk Akuntansi Dan Manajemen Keuangan Studi Kasus Dan Penyelesaian. Yogyakarta: CV. Andi Offset, 2006.

D. P. Utomo, P. Sirait, and R. Yunis, “Reduksi Atribut Pada Dataset Penyakit Jantung dan Klasifikasi Menggunakan Algoritma C5. 0,” J. MEDIA Inform. BUDIDARMA, vol. 4, no. 4, pp. 994–1006, 2020.

B. S. Pranata and D. P. Utomo, “Penerapan Data Mining Algoritma FP-Growth Untuk Persediaan Sparepart Pada Bengkel Motor (Study Kasus Bengkel Sinar Service),” Bull. Inf. Technol., vol. 1, no. 2, pp. 83–91, 2020.

D. P. Utomo and Mesran, “Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung,” J. MEDIA Inform. BUDIDARMA, vol. 4, no. 2, pp. 437–444, 2020.

R. Amelia and D. P. Utomo, “ANALISA POLA PEMESANAN PRODUK MODERN TRADE INDEPENDENT DENGAN MENEREPAKAN ALGORITMA FP. GROWTH (STUDI KASUS: PT. ADAM DANI LESTARI),” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 416–423, 2019.

D. P. Utomo and B. Purba, “Penerapan Datamining pada Data Gempa Bumi Terhadap Potensi Tsunami di Indonesia,” Pros. Semin. Nas. Ris. Inf. Sci., vol. 1, no. 1, pp. 846–853, 2019.

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Pelita Informatika: Informasi dan Informatika




Jurnal PELITA INFORMATIKA: INFORMASI DAN INFORMATIKA
Published by STMIK Budi Darma
Email: pelitainformatika.stmikbd@gmail.com
Journal is licensed under a Creative Commons Attribution 4.0 International License