PERENCANAAN PERSEDIAAN SUSU UHT ULTRAMILK DENGAN METODE ALGORITMA GENETIKA BERBASIS LOGIKA FUZZY UNTUK MEMINIMASI BIAYA PERSEDIAAN (Studi Kasus di Betta Swalayan, Kotagede, Yogyakarta)

Pratama, Fatur Suryo (2022) PERENCANAAN PERSEDIAAN SUSU UHT ULTRAMILK DENGAN METODE ALGORITMA GENETIKA BERBASIS LOGIKA FUZZY UNTUK MEMINIMASI BIAYA PERSEDIAAN (Studi Kasus di Betta Swalayan, Kotagede, Yogyakarta). Other thesis, UPN 'Veteran" Yogyakarta.

	Text ABSTRAK Tugas Akhir II - Fatur Suryo Pratama.pdf Download (50kB)
	Text COVER Tugas Akhir II - Fatur Suryo Pratama.pdf Download (91kB)
	Text DAFTAR ISI Tugas Akhir II - Fatur Suryo Pratama.pdf Download (54kB)
	Text DAFTAR PUSTAKA Tugas Akhir II - Fatur Suryo Pratama.pdf Download (24kB)
	Text LEMBAR PENGESAHAN Fatur Suryo Pratama.pdf Download (647kB)
	Text SKRIPSI FULL Fatur Suryo Pratama.pdf Restricted to Repository staff only Download (3MB)

Abstract

xiv
ABSTRAK
Manajemen persediaan merupakan hal penting yang harus diperhatikan di dalam
usaha ritel. Tingkat profesional sebuah usaha ritel dapat dilihat dari sistem pengelolaan stok
atau persediaan barang dagangannya, terlebih jika produk yang dijual adalah produk yang
mudah rusak (perishable product). Pada gudang barang untuk Produk Susu UHT Ultramilk
di Betta Swalayan masih terjadi penumpukan dan kehabisan stok dikarenakan jumlah
kuantitas pemesanan yang terlalu besar dan keterlambatan pemesanan. Perlu adanya
perbaikan dalam menentukan jumlah pemesanan dan waktu untuk memesan bahan baku
kembali.
Beberapa metode yang dapat mengatasi permasalahan persediaan tersebut adalah
metode model EOQ dan metode model inventory dengan integrasi algoritma genetika
berbasis logika fuzzy. Dalam metode model inventory dengan integrasi algoritma genetika
berbasis logika fuzzy akan terbagi menjadi dua, yaitu berdasarkan Customer Service Level
(CSL) perusahaan dan optimal biaya perusahaan. Masukkan yang digunakan untuk dengan
integrasi algortima genetika berbasis logika fuzzy adalah fuzzy permintaan selama lead
time, biaya persediaan, dan CSL perusahaan. Metode defuzzifikasi yang digunakan adalah
metode Graded Mean Integration Based k Preference dan h-level untuk fungsi
keanggotaan trapesium. Kedua metode ini akan dibandingkan untuk menentukan hasil
mana yang paling optimal bagi perusahaan dengan biaya persediaan yang minimal. Di satu
sisi metode model inventory yang terintegrasi algoritma genetika berbasis logika fuzzy akan
menemukan jumlah pemesanan yang lebih optimal dan titik waktu kapan akan memesan
kembali, dikarenakan pada metode model EOQ biasa belum memperhitungkan permintaan
dari pelanggan yang sifatnya probabilistik.
Dari hasil perhitungan kedua metode diperoleh bahwa dengan menerapkan metode
model inventory dengan integrasi algoritma genetika berbasis logika fuzzy maka akan
menghasilkan biaya persediaan yang paling minimal bagi perusahaan. Metode inventory
dengan integrasi algoritma genetika berbasis logika fuzzy dinilai lebih baik dari metode
model EOQ. Penurunan biaya persediaan dapat dilihat pada kesembilan belas produk,
dimana biaya yang dikeluarkan lebih minimal dari metode model EOQ.
Kata kunci: manajemen, persediaan, kuantitas pemesanan, algoritma genetika, logika fuzzy,
Customer Service Level, EOQ
xv
ABSTRACT
Inventory management is an important thing that must be considered in the retail
business. The professional level of a retail business can be seen from the stock management
system or merchandise inventory, especially if the product being sold is a perishable
product. In the warehouse of goods for UHT Ultramilk Dairy Products in Betta Swalayan
there is still a buildup and out of stock due to the quantity of orders that are too large and
delays in ordering. There needs to be an improvement in determining the number of orders
and the time to order raw materials again.
Some methods that can resolve these inventory problems are the EOQ model
method and the inventory model method with the integration of genetic algorithms based
on fuzzy logic. In the inventory model method with the integration of genetic algorithms
based on fuzzy logic will be divided into two types of method, namely based on the
company's Customer Service Level (CSL) and optimal company costs. The input used for
the integration of genetic algorithms based on fuzzy logic is fuzzy demand during lead time,
inventory costs, and corporate CSL. The defuzzification method used is the Graded Mean
Integration Based k Preference method and h-level for the trapezoid membership function.
These two methods will be compared to determine which results are the most optimal for
the company with minimal inventory costs. On the one hand the integrated inventory model
method of genetic algorithms based on fuzzy logic will find a more optimal order number
and the point of time when it will be ordered back, because the usual EOQ model method
does not take into account requests from probabilistic customers.
From the results of the calculation of the two methods, it is obtained that by
applying the integrated inventory model method of genetic algorithms based on fuzzy logic,
it will produce the most minimal inventory costs for companies. The inventory method by
applying the integrated inventory model method of genetic algorithms based on fuzzy logic
is considered better than the EOQ model method. Reduction in inventory costs can be seen
in nineteen products, where costs are less than the EOQ model method.
Keywords: management, inventory, order quantity, genetic algorithm, fuzzy logic,
Customer Service Level, EOQ

Item Type:	Thesis (Other)
Uncontrolled Keywords:	manajemen, persediaan, kuantitas pemesanan, algoritma genetika, logika fuzzy, Customer Service Level, EOQ
Subjek:	Z Bibliography. Library Science. Information Resources > ZA Information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	x. Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	01 Jul 2022 02:55
Last Modified:	01 Jul 2022 02:55
URI:	http://eprints.upnyk.ac.id/id/eprint/30206

Actions (login required)

View Item