INTEGRASI FORECASTING DAN FUZZY MAMDANI UNTUK MENENTUKAN PRODUKSI OPTIMAL PT INOVASI IKAN NUSANTARA

Authors

  • Yugi Yulinar Manajemen Industri, Sekolah Vokasi, IPB University
  • Kayla Nabila Putri Manajemen Industri, Sekolah Vokasi, IPB University
  • Michelle Jasmine Firdaus Manajemen Industri, Sekolah Vokasi, IPB University
  • Muhammad Febri Giri Wandana Manajemen Industri, Sekolah Vokasi, IPB University
  • Muhammad Arfi Nurali Manajemen Industri, Sekolah Vokasi, IPB University
  • Muhammad Marvin Mahardika Manajemen Industri, Sekolah Vokasi, IPB University
  • Suhendi Irawan Manajemen Industri, Sekolah Vokasi, IPB University

Keywords:

Fuzzy Mamdani, Forecasting, Produksi

Abstract

Penelitian ini dilatarbelakangi oleh tingginya ketidakpastian pada permintaan dan pasokan bahan baku yang dihadapi PT Inovasi Ikan Nusantara, sehingga dapat mengganggu stabilitas dan efektivitas proses produksi. Tujuan penelitian ini adalah mengembangkan model integrasi metode forecasting dan Fuzzy Mamdani untuk menghasilkan keputusan produksi yang lebih akurat, adaptif, dan mampu meminimalkan risiko mismatch antara kebutuhan pasar dan ketersediaan bahan baku. Penelitian menggunakan pendekatan kuantitatif deskriptif dengan data primer berupa hasil wawancara dan observasi, serta data sekunder berupa histori permintaan dan pasokan bahan baku. Tiga metode forecasting diterapkan, yaitu Naïve Method, Simple Moving Average, dan Exponential Smoothing, kemudian dievaluasi menggunakan MAE, MAPE, MSE, dan MAD untuk menentukan metode paling akurat. Hasil analisis menunjukkan bahwa Exponential Smoothing (α=0,05) merupakan metode terbaik dalam memprediksi permintaan dengan nilai forecast sebesar 1.308,78 kg, sementara Naïve Method memberikan hasil paling akurat untuk memproyeksikan pasokan dengan nilai forecast sebesar 3.500 kg. Nilai hasil ramalan tersebut kemudian dijadikan input pada sistem Fuzzy Mamdani yang memproses data melalui tahap fuzzifikasi, inferensi, dan defuzzifikasi. Model integrasi fuzzy–forecasting menghasilkan rekomendasi jumlah produksi optimal sebesar 2.630 kg pada periode November. Temuan ini menunjukkan bahwa integrasi forecasting dan fuzzy logic mampu memberikan keputusan produksi yang lebih fleksibel, realistis, dan efektif dalam menghadapi ketidakpastian operasional perusahaan

References

Almaliki, M. F., & Satyadharma, M. (2024). Perbandingan Metode Exponential Smoothing dan Moving Average pada Arus Barang Bongkar Comparison of Exponential Smoothing and Moving Average Methods on Unloading Goods Flow. 14, 125–134.

Biri, R., Langi, Y. A. R., & Paendong, M. S. (2013). PENGGUNAAN METODE SMOOTHING EKSPONENSIAL DALAM MERAMAL THE USING OF EXPONENTIAL SMOOTHING METHOD TO PREDICT INFLATION MOVEMENT FROM PALU CITY.

Litha, N., & Hasanuddin, T. (2020). Analisis Performa Metode Moving Average Model untuk Prediksi Jumlah Penderita Covid-19. 1(3), 87–95.

Mubarok, A. S. (2025). Analisis Peramalan dalam Manajemen Operasi.

Pendahuluan, I. (2023). Penerapan Metode Logika Fuzzy dalam Menentukan Harga Gabah pada Petani. 7, 1355–1366.

Sejarah, D. P. (2020). Jurnal Artefak Vol.7 No.1 April 2020 https://jurnal.unigal.ac.id/index.php/artefak. 7(1), 13–20.

Sholihah, B., Safitri, N., & Fitri, S. (2019). Perbandingan Metode Moving Average dan Metode Naïve Dalam Peramalan Data Kemiskinan. 3(1), 65–73.

Yogyakarta, U. N. (2023). PENERAPAN FUZZY LOGIC MAMDANI UNTUK MENENTUKAN PRESTASI BELAJAR MATEMATIKA SISWA SMP. 4(September), 202–215.

Yudhistira, G., Widiastuti, P. A., & Hastono, T. (2024). Menerapkan Konsep Logika Fuzzy Dalam Meningkatkan Efisiensi Persediaan Barang Dengan Menggunakan Metode Mamdani. 3(1).

Downloads

Published

2025-12-01