Perancangan Dan Implementasi Fuzzy Time Series Untuk Memprediksi Beban Pabrikasi (Studi Kasus PT. XXX Textile Manufacture, Rancaekek

Menentukan beban pabrikasi adalah salah satu wilayah pekerjaan di bagian manajemen ekonomi yang bertujuan untuk menjumlahkan semua pengeluaran produksi selain bahan baku dan biaya tenaga kerja langsung. Pada PT. XXX Textile Manufacturer, penentuan beban pabrikasi biasanya dilakukan manual dengan melihat pengeluaran beban pabrikasi pada periode sebelumnya. Sedangkan Fuzzy Time Series merupakan salah satu algoritma kecerdasan buatan yang dapat digunakan untuk memprediksi data runtun waktu dan dapat digunakan secara luas pada data real. Dalam penelitian ini digunakan data beban pabrikasi sebuah pabrik tekstil yang bergerak di bidang pemintalan, penenunan dan pembuatan tekstur kain untuk diaplikasikan dengan algoritma Fuzzy Time Series. Penelitian yang dilakukan adalah mengolah data beban pabrikasi sebelumnya untuk memprediksi jumlah beban pabrikasi yang akan datang dan setelah dilakukan percobaan dengan menggunakan interval 4, 8 dan 12 diperoleh nilai Mean Absolute Percentage Error (MAPE) sebesar 21% pada fuzzy set dengan 4 interval, 15% pada fuzzy set 8 interval dan 14% pada fuzzy set 12 interval. Maka metode fuzzy time series dengan 12 interval merupakan metode terbaik dengan nilai MAPE terkecil, sekaligus menjadi interval yang digunakan untuk pengujian peramalan. Dari hasil pengujian fuzzy time series dengan 12 interval untuk meramal data beban pabrikasi bulan juli tahun 2014 sampai bulan maret tahun 2015 didapatkan MAPE sebesar 7% yang menandakan hasil peramalan sudah baik.

Determining the burden of manufacturing is one of the areas of work on the part of economic management that aims to add up all the production expenses in addition to raw materials and direct labor costs. At the PT. XXX Textile Manufacturer, determination factory overhead is usually done manually by looking at factory overhead expenses in the previous period. While Fuzzy Time Series is one of the artificial intelligence algorithms that can be used to predict the time series data and can be widely used on real data.This study used the data load of manufacturing a textile factory engaged in spinning, weaving and the manufacture of fabric texture to be applied to the algorithm of Fuzzy Time Series. The research is a data processing factory overhead before to predict the number of factory overhead forthcoming and after the experiment using intervals of 4, 8 and 12 values obtained Mean Absolute Percentage Error (MAPE) of 21% on fuzzy sets with 4 interval, 15% the fuzzy set interval 8 and 14% on a fuzzy set 12 intervals. Then the method of fuzzy time series with 12 intervals is the best method with the smallest MAPE value, as well as a testing interval used for forecasting. From the test results of fuzzy time series with 12 intervals to predict the load data fabrication in July 2014 until March 2015 by 7% MAPE obtained indicating forecasting results have been good.