EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali Analisis Persediaan Jumlah Stok Ayam Pada Penjualan Ayam Goreng Drakor Menggunakan Fuzzy Tsukamoto Bunga Lestari1.
Siti Mariam2 Program Studi : Sistem Informasi.
Universitas Darwan Ali Email : bungalest068@gmail.
com1 , sm9246947@gmail.
ABSTRACTAi Inventory is one of the key aspects in the world of business and supply chain management.
It is very important for companies or organizations to know and manage the right amount of inventory to face dynamic marketing challenges.
Determining the optimal amount of inventory is an important step in achieving the goals of efficiency, good operational performance and customer satisfaction.
In business, too much or too little inventory can be detrimental.
Excess inventory can tie up a company's capital and increase inventory costs, while inventory shortages can lead to lost sales and customer Therefore, determining the right amount of inventory is a challenge that must be solved wisely.
The author uses the Tsukamoto fuzzy method to determine the number of sales of Drakor fried chicken from data obtained in June, by obtaining a stock amount of 66.
This sales data was taken from interviews with Drakor fried chicken sellers.
Keywords: Tsukamoto, stock,fried chicken.
ABSTRAKAi Persediaan adalah salah satu aspek kunci dalam dunia bisnis dan manajemen rantai pasokan.
Sangat penting bagi perusahaan atau organisasi untuk mengetahui dan mengelola jumlah inventaris yang tepat untuk menghadapi tantangan pemasaran yang dinamis.
Menentukan jumlah persediaan yang optimal merupakan langkah penting dalam mencapai tujuan efisiensi, kinerja operasional yang baik dan kepuasan pelanggan.
Dalam bisnis, persediaan yang terlalu banyak atau terlalu sedikit dapat merugikan.
Kelebihan persediaan dapat mengikat modal perusahaan dan meningkatkan biaya persediaan, sedangkan kekurangan persediaan dapat menyebabkan hilangnya penjualan dan kekecewaan pelanggan.
Oleh karena itu, menentukan jumlah persediaan yang tepat merupakan tantangan yang harus diselesaikan dengan bijaksana.
Penulis menggunakan metode fuzzy Tsukamoto untuk menentukan jumlah penjualan ayam goreng drakor dari data yang didapatkan pada bulan Juni, dengan memperoleh jumlah stok sebanyak 66,96.
Data pada penjualan ini diambil dari hasil wawancara dengan penjual ayam goreng drakor.
Kata kunciAiTsukamoto, stok, ayam goreng.
PENDAHULUAN
Bisnis kuliner, khususnya penjualan makanan siap saji, telah mengalami perkembangan yang pesat pada era modern saat ini.
Ayam goreng adalah salah satu makanan yang paling populer di kalangan masyarakat, terutama di pasar ayam goreng drakor, yang merupakan singkatan dari "drama Korea".
Tren ini berkembang di berbagai negara, menggabungkan rasa khas Korea dengan makanan yang disukai oleh banyak orang di seluruh dunia.
Untuk bisnis penjualan ayam goreng drakor, mengelola stok persediaan dengan baik adalah salah satu tantangan utama.
Memiliki stok yang tepat dapat memastikan bahwa pelanggan selalu dapat mendapatkan hidangan yang mereka inginkan tanpa harus menunggu terlalu lama atau kekecewaan karena kehabisan.
Sebaliknya, memiliki stok yang berlebihan dapat menyebabkan pemborosan dan biaya yang tidak perlu.
Maka, pada penelitian ini ditujukan untuk menentukan jumlah persediaan pada ayam drakor.
Data yang digunakan pada penelitin ini diperoleh hasil dari wawancara yang dilakukan oleh penulis kepada karyawan ayam goreng drakor.
Pengambilan data dilakukan pada bulan juli 2022.
Penelitian ini akan menggunakan metode fuzzy Tsukamoto untuk mengatasi ketidakpastian dalam pengambilan keputusan dan membantu menentukan jumlah stok persediaan ayam pada penjualan ayam goreng Sistem ini akan memberikan rekomendasi jumlah stok yang ideal berdasarkan permintaan pelanggan, waktu produksi, dan biaya penyimpanan.
Tujuan utama dari penelitian ini adalah untuk meningkatkan efisiensi pengelolaan stok persediaan ayam goreng drakor sehingga bisnis dapat mengurangi biaya penyimpanan yang tidak perlu sambil tetap memenuhi kebutuhan pelanggan.
Selain itu, kami akan mengevaluasi kinerja sistem Fuzzy Tsukamoto dalam memprediksi kebutuhan stok persediaan berdasarkan data historis Dari beberapa penelitian terdahulu tentang permasalahan jumlah stok penjualan ayam potong di Rumah Makan Boyolali.
, dapat diambil sebagai referensi untuk menentukan jumlah persediaan yang akan dihitung oleh penulis pada penelitian kali ini.
Kami berharap penelitian ini dapat membantu pemilik bisnis, manajer operasional, dan peneliti dalam mengoptimalkan pengelolaan stok persediaan dalam industri makanan siap saji yang terus berkembang pesat ini dengan menggabungkan konsep logika fuzzy dan Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali pendekatan Tsukamoto dalam konteks bisnis kuliner yang inovatif ini.
Dalam lingkungan operasi yang semakin penuh tekanan, strategi penjualan yang efektif dan mudah beradaptasi penting bagi perusahaan.
Menganalisis data penjualan, riset pasar, dan memahami perilaku konsumen sangat berharga dalam membuat keputusan strategis dan nyata untuk meningkatkan penjualan.
Pendekatan baru seperti adopsi teknologi digital, analitik data lanjutan, dan penggunaan kecerdasan buatan juga telah membantu mengubah cara perusahaan melakukan penjualan, menciptakan pengalaman pelanggan yang lebih personal dan bermanfaat.
Dalam pengantar ini, kita akan mengeksplorasi berbagai aspek penjualan seperti strategi penjualan yang efektif,.
peran teknologi dalam penjualan modern, manajemen hubungan pelanggan, dan bagaimana bisnis dapat beradaptasi dengan perubahan tren dan dinamika pasar untuk berhasil dalam usaha diproses menggunakan aturan fuzzy yang telah ditentukan untuk menghasilkan nilai keluaran fuzzy.
Proses ini meliputi penalaran dan inferensi fuzzy yang bekerja untuk menginterpretasikan data input dan menghasilkan solusi atau keputusan fuzzy.
Etika penelitian Etika penelitian dalam konteks logika fuzzy Tsukamoto mengacu pada prinsip dan standar yang harus diikuti peneliti ketika melakukan penelitian berdasarkan logika fuzzy ini.
Etika penelitian menyangkut integritas, kejujuran, dan tanggung jawab peneliti dalam melakukan Jenis Penelitian Interprestasi data primer II.
METODOLOGI PENELITIAN
Metode penelitian adalah langkah-langkah terencana dan sistematis yang digunakan untuk melakukan penelitian dengan baik dan mencapai tujuan penelitian.
Pemilihan metode penelitian yang tepat akan mempengaruhi hasil dan reliabilitas penelitian itu sendiri.
Berikut rincian metode penelitian yang digunakan dalam penelitian Fuzzy Tsukamoto ini:
Jenis penelitian Fuzzy Tsukamoto adalah jenis penelitian yang menggunakan pendekatan logika fuzzy untuk mengatasi ketidakpastian atau ambiguitas dalam suatu sistem.
Metode ini sangat berguna dalam situasi di mana sulit untuk secara akurat mengukur variabel yang terlibat atau ketika banyak faktor berinteraksi dan mempengaruhi hasil Interprestasi data primer dalam penelitian Fuzzy Tsukamoto Data primer adalah data yang dikumpulkan secara khusus untuk tujuan penelitian tertentu.
Dalam konteks penelitian fuzzy Tsukamoto, data primer merupakan data masukan dan data keluaran diperoleh dari sumber yang relevan dan cocok dengan sistem yang diteliti.
Dukungan pencarian Dukungan pencarian fuzzy Tsukamoto adalah salah satu konsep penting dalam pengembangan model atau sistem berbasis logika fuzzy.
Penerapan aturan fuzzy yang telah ditentukan sebelumnya untuk membantu membuat keputusan solusi untuk masalah yang terkait dengan sistem yang diteliti.
Aturan fuzzy ini berisi informasi tentang hubungan antara variabel masukan dan keluaran berupa kondisi dan tindakan.
Analisis data Analisis data fuzzy Tsukamoto merupakan langkah penting dalam menggunakan model berdasarkan logika fuzzy Tsukamoto.
Pada titik ini, data masukan telah diubah menjadi variabel fuzzy yang dievaluasi dan Dukungan pencarian Analisis data Etika Penelitian Gambar 1.
Diagram alur
LOGIKA FUZZY
Salah satu pendekatan logika fuzzy yang diperkenalkan oleh Lotfi A.
Zadeh pada tahun 1975.
adalah logika fuzzy Tsukamoto.
Namun.
Anda mungkin juga sedang merujuk pada pendekatan logika fuzzy Tsukamoto sendiri, yang mirip dengan pendekatan logika fuzzy yang lebih umum.
Logika fuzzy adalah metode matematika yang digunakan untuk menghadapi ketidakpastian dan ambiguitas dalam pengambilan keputusan.
Metode ini diperkenalkan oleh Lotfi A.
Zadeh pada tahun 1965 sebagai alternatif logika biner .
yang digunakan dalam logika klasik.
Logika fuzzy memungkinkan kita bekerja dengan nilai yang tidak terbatas pada 0 atau 1, tetapi juga mengambil nilai di antaranya .
isalnya 0,3, 0,7, 0,.
Pendekatan logika fuzzy didasarkan pada gagasan bahwa orang sering membuat penilaian atau keputusan berdasarkan derajat keanggotaan suatu elemen dalam Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali suatu himpunan fuzzy .
tau disebut juga himpunan Himpunan fuzzy adalah generalisasi dari himpunan beraturan dan didefinisikan oleh fungsi keanggotaan yang menentukan tingkat keanggotaan dari setiap elemen himpunan.
Fungsi keanggotaan ini dapat berupa segitiga, trapesium, atau bentuk lengkung lainnya.
Misalnya, jika kita ingin mendeskripsikan suhu "dingin" dengan himpunan fuzzy, kita dapat menggunakan fungsi keanggotaan yang menentukan derajat keanggotaan dari nilai himpunan "dingin" berdasarkan kriteria tertentu.
Fungsi keanggotaan ini mungkin mengatakan: "Semakin dekat suhu ke 0 derajat Celcius, semakin tinggi keanggotaan himpunan 'dingin'.
Logika fuzzy juga mencakup operasi matematika khusus seperti komposisi fungsi, penalaran fuzzy, dan penalaran fuzzy.
Komposisi fungsi: Proses menggabungkan dua atau lebih fungsi anggota untuk membuat fungsi baru.
Penalaran Fuzzy: Proses pengambilan keputusan berdasarkan aturan fuzzy .
isalnya JIKAA THEN.
), yang berisi himpunan fuzzy dan operasi fuzzy tertentu.
De-fuzzifikasi : Mengubah hasil inferensi fuzzy .
ang berupa himpunan fuzz.
menjadi nilai tetap atau tajam yang dapat digunakan untuk operasi Kelebihan logika fuzzy adalah dapat menangani ketidakpastian dan kompleksitas pengambilan keputusan di dunia nyata, dimana banyak variabel dapat memiliki nilai yang berbeda dan tidak dapat diukur secara unik.
Logika fuzzy telah diterapkan di banyak bidang, termasuk kontrol sistem, pengambilan keputusan, pemrosesan gambar, kecerdasan buatan, dll.
Namun, logika fuzzy juga memiliki kritik tersendiri terhadap pendekatan ini.
Beberapa kritikus berpendapat bahwa penggunaan logika fuzzy dapat menimbulkan kesulitan dalam menginterpretasikan dan menganalisis hasil dan kebingungan dalam menentukan fungsi keanggotaan yang benar.
Selain itu, terdapat pendekatan lain yang dapat digunakan untuk menghadapi ketidakpastian, seperti teori probabilitas dan ekuilibrium.
Metode logika fuzzy Tsukamoto menggambarkan proses pengambilan keputusan dengan mengubah input numerik .
uzzy atau cris.
menjadi output numerik juga.
Metode ini memiliki kelebihan dalam kemudahan METODE FUZZY TSUKAMOTO Pada Metode Tsukamoto, setiap aturan memiliki implikasi "Sebab-Akibat" atau implikasi "Input-Output", di mana ada hubungan antara anteseden dan konsekuen.
Setiap aturan diwakili oleh himpunan fuzzy dengan fungsi keanggotaan monoton.
Selanjutnya, rumus penegasan .
digunakan untuk menentukan hasil Crisp Solution yang Rumus ini dikenal sebagai "Metode rata-rata terpusat" atau "Metode defuzifikasi rata-rata terpusat (Center Average Deffuzzyfie.
Fuzzy Tsukamoto, atau sering disebut sistem fuzzy Tsukamoto, adalah metode logika fuzzy.
yang digunakan untuk membuat sistem keputusan berbasis aturan "JIKA.
MAKA.
" .
yang beroperasi dalam sistem fuzzy.
nilai-nilai Metode Takagi-Sugeno-Kang (Tsukamot.
diperkenalkan pada tahun 1985 oleh Kazuo Tsukamoto, yang kemudian dianggap sebagai pengembangan dari sistem Takagi-Sugeno.
Fuzzy Tsukamoto bekerja dengan menggabungkan beberapa aturan fuzzy ahli .
tau pengetahuan manusi.
untuk membuat sistem keputusan.
Aturan-aturan tersebut berbentuk AuIF .
THEN .
Ay.
dan dinyatakan dalam bahasa alami atau terminologi yang mudah dipahami manusia.
Proses kerja sistem fuzzy Tsukamoto dapat digambarkan sebagai berikut:
Fuzzy: Proses ini mengubah input tajam .
ilai keta.
menjadi nilai fuzzy dengan menghubungkannya dengan fungsi keanggotaan.
Setiap variabel input diubah menjadi himpunan fuzzy dengan fungsi keanggotaan yang sesuai.
Evaluasi aturan: Aturan yang telah ditentukan oleh para ahli dievaluasi dengan memasukkan nilai langkah pertama .
Setiap aturan menghasilkan nilai samar yang mencerminkan tingkat penerapan atau kebenaran kondisi aturan tersebut.
Agregasi:
Nilai-nilai yang diperoleh dari evaluasi aturan digabungkan menjadi satu nilai fuzzy yang mewakili hasil dari keseluruhan sistem.
Operasi agregasi seperti maksimum atau rata-rata tertimbang biasanya De-fuzzifikasi: Proses ini mengubah hasil agregasi menjadi nilai yang jelas yang dapat digunakan untuk tindakan atau keputusan lebih lanjut.
Metode defuzzifikasi yang berbeda dapat digunakan, seperti metode centroid, metode rata-rata tertimbang, dll.
Keuntungan dari sistem fuzzy Tsukamoto adalah kemampuannya untuk menangani ketidakpastian dan kompleksitas yang terkait dengan banyak situasi pengambilan keputusan.
Sistem ini juga mampu .
tau kebijaksanaan ahl.
ke dalam sistem komputer.
Oleh karena itu, fuzzy Tsukamoto sering digunakan dalam berbagai aplikasi seperti sistem kontrol, pengambilan keputusan, peramalan dan peramalan.
Namun, seperti metode fuzzy lainnya, menafsirkan dan mengonfigurasi aturan bisa jadi sulit.
Selain itu, sistem fuzzy Tsukamoto mungkin juga memerlukan data yang cukup lengkap dan akurat untuk mendapatkan hasil yang relevan dan dapat diandalkan.
Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali i.
HASIL DAN PEMBAHASAN
Didalam penelitian ini penulis melakukan pengujian dengan menggunakan data pada penjualan ayam drakor pada bulan Juni untuk menentukan jumlah persediaan pada ayam drakor dengan menggunakan fuzzy Tsukamoto.
Rendah = 130 / 130 Rendah = 1 Untuk Penjualan Bulanan Sedang:
Sedang = (X - .
/ .
- .
Sedang = .
- .
/ .
- .
Sedang = 211 / 350 Sedang = 0,603 Tabel 1.
Data Penjualan Untuk Penjualan Bulanan Tinggi:
Tinggi = (X - .
/ .
0 - .
Tinggi = .
- .
/ .
0 - .
Tinggi = 213 / 500 Tinggi = 0,426 Bulan Menu Penjualan Juni Chick pop Juni Drum stick Juni Nobon Hitung nilai bobot untuk setiap aturan fuzzy:
Juni Winger Aturan 1 (IF Penjualan Bulanan Rendah.
THEN Tingkat Stok Banya.
Bobot1 = Rendah = 1 Tabel 1.
Menunjukan data penjualan ayam drakor pada bulan Juni.
Dari tabel 1 diatas informasi penjualan yang variabelnya akan digunakan dalam penghitungan yaitu variabel penjualan Tentukan variabel masukan dan keluaran:
Variabel masukan:
Penjualan Bulanan Ayam Goreng : Rentang nilai 0-1000 .
atuan penjuala.
Variabel keluaran:Tingkat Stok Ayam : Rentang nilai 0100 .
atuan sto.
Tetapkan himpunan fuzzy untuk setiap variabel masukan dan keluaran:
Himpunan fuzzy Penjualan Bulanan (X):
Rendah: rentang nilai 0-350 Sedang: rentang nilai 250-600 Tinggi: rentang nilai 500-1000 Himpunan fuzzy Tingkat Stok (Y):
Sedikit: rentang nilai 0-30 Cukup: rentang nilai 20-70 Banyak: rentang nilai 60-100 Tentukan aturan-aturan fuzzy:
Berikut adalah beberapa aturan fuzzy yang dapat IF Penjualan Bulanan Rendah, maka Tingkat Stok Banyak.
IF Penjualan Bulanan Sedang, maka Tingkat Stok Cukup.
IF Penjualan Bulanan Tinggi, maka Tingkat Stok Sedikit.
Hitung nilai keanggotaan .
egree of membershi.
untuk setiap variabel masukan:
Misalkan, penjualan tertinggi pada 1 bulan adalah 713, penjualan sedang adalah 461, dan penjualan terendah A Untuk Penjualan Bulanan Rendah:
Rendah = .
- X) / .
- .
Rendah = .
- .
/ .
- .
Aturan 2 (IF Penjualan Bulanan Sedang.
THEN Tingkat Stok Cuku.
Bobot2 = Sedang = 0,603 Aturan 3 (Jika Penjualan Bulanan Tinggi, maka Tingkat Stok Sediki.
Bobot3 = Tinggi = 0,426 Hitung nilai z untuk setiap aturan fuzzy:
Aturan 1:
Jika Rendah = 1, maka Tingkat Stok = 100 z1 = 100 Aturan 2:
IF Sedang = 0,603.
THEN Tingkat Stok = .
- .
* Sedang 20 z2 = .
- .
* 0,603 20 z2 = 50,18 Aturan 3:
IF Tinggi = 0,426.
THEN Tingkat Stok = .
- .
* Tinggi 0 z3 = .
- .
* 0,426 0 z3 = 12,78 Hitung nilai rata-rata dari z:
Z_total = .
obot * .
/ bobot Z_total = .
* 100 0,603 * 50,18 0,426 * 12,.
/ .
0,603 0,.
Z_total = .
30,26 5,.
/ 2,029 Z_total = 135,7 / 2,029 Z_total = 66,96 Hasil akhir dari perhitungan adalah 66,96.
Oleh karena itu, tingkat stok yang diusulkan untuk memenuhi permintaan dari penjualan tertinggi, sedang, dan terendah dalam 1 bulan adalah sekitar 67 satuan stok.
Perlu diingat Lembaga Penelitian dan Pengabdian Kepada Masyarakat Universitas Darwan Ali EJECTS : E-Journal Computer.
Technology and Informations System Vol.
3 No.
2 Maret 2024.
P-ISSN : 2988-5477 E-ISSN : 2988-4446 LPPM Universitas Darwan Ali bahwa angka ini merupakan hasil perkiraan dan harus dievaluasi secara berkala berdasarkan kondisi bisnis dan permintaan pelanggan aktual.
Gambar 2.
Kurva Penjualan Juni Juni Chick pop Drum stick Juni Nobon Juni Winger Category 1 Category 2 Category 3 Category 4 Gambar 2.
Menunjukan kurva penjual an pada bulan Juni Kurva penjualan adalah representasi grafis dari hubungan antara volume penjualan suatu produk atau layanan dan faktor-faktor yang mempengaruhinya.
Kurva ini menunjukkan bagaimana permintaan atau penjualan berubah ketika harga, waktu atau faktor terkait lainnya Analisis kurva penjualan penting dalam strategi pemasaran dan perencanaan bisnis karena membantu pemasar memahami permintaan pasar dan menentukan harga dan strategi penjualan yang tepat.
Beberapa jenis kurva penjualan yang umum digunakan, antara lain:
Kurva Penjualan Berbasis Harga Kurva ini menunjukkan hubungan antara harga produk dan volume penjualan.
Biasanya ketika harga turun, volume penjualan naik dan sebaliknya.
Namun, perubahan harga juga dapat memengaruhi reputasi produk dan margin keuntungan.
Kurva penjualan dari waktu ke waktu Kurva ini menunjukkan bagaimana penjualan telah berubah dari waktu ke waktu.
Penjualan beberapa produk atau layanan mungkin awalnya meningkat .
uga dikenal sebagai efek peluncura.
dan kemudian menurun seiring waktu, sedangkan penjualan produk atau layanan lain mungkin menjadi datar atau bahkan meningkat seiring berjalannya Kurva penjualan berdasarkan promosi penjualan Kurva ini menjelaskan pengaruh promosi penjualan atau aktivitas promosi terhadap penjualan.
Biasanya, setelah kampanye atau iklan, penjualan dapat meningkat sementara atau dalam jangka waktu tertentu, bergantung pada keefektifan kampanye.
Kurva penjualan musiman Pola penjualan beberapa produk atau layanan terkait dengan musim atau peristiwa tertentu.
Kurva ini menunjukkan fluktuasi permintaan musiman.
Kurva penjualan berdasarkan faktor ekonomi Penjualan juga dapat dipengaruhi oleh faktor pengangguran, atau pertumbuhan ekonomi.
Kurva ini menunjukkan bagaimana penjualan berubah ketika faktor ekonomi ini berubah.
Analisis kurva penjualan dapat memberi perusahaan informasi berharga untuk mengembangkan strategi penjualan dan pemasaran yang efektif.
Dengan memahami pola permintaan pasar, perusahaan dapat menyesuaikan harga, promosi, dan strategi lainnya untuk memenuhi tujuan penjualan dan mencapai kesuksesan Kurva penjualan juga dapat membantu memprediksi permintaan di masa mendatang, mengidentifikasi tren pasar, dan mengantisipasi perubahan dalam lingkungan bisnis.
IV.
KESIMPULAN
Saat menjual ayam goreng drakor, penting untuk memastikan stok ayam selalu siap agar tidak kehabisan Dalam konteks ini, pendekatan fuzzy Tsukamoto dapat digunakan untuk membantu pengambilan keputusan mengenai jumlah stok ayam.
Dengan menggunakan logika fuzzy, model Tsukamoto mampu mengatasi ketidakpastian dalam menentukan jumlah persediaan.
Aturan fuzzy yang telah dirancang dengan pengetahuan domain pakar atau data empiris dapat diterapkan untuk mengolah input data pada tingkat permintaan, tingkat penjualan historis, dan faktor terkait lainnya.
Hasil analisis data fuzzy Tsukamoto memberikan nilai flock sebagai nilai fuzzy yang kemudian dikonversi menjadi nilai bersih melalui defuzzifikasi.
Stok ayam yang dihasilkan dari model ini dapat memberikan panduan dalam menentukan berapa banyak ayam yang harus disiapkan setiap harinya.
Dengan Tsukamoto, dapat meningkatkan efisiensi dan efektivitas manajemen persediaan ayam goreng, meningkatkan kepuasan pelanggan, dan mengoptimalkan pengelolaan sumber daya yang tersedia.
Selain itu, model ini juga dapat menjadi alat yang berguna untuk membuat keputusan bisnis yang lebih baik secara keseluruhan.
Dari penelitian yang telah dilakukan penulis dalam Menentukan Jumlah Stok Persediaan Ayam Pada Penjualan Ayam Goreng Drakor Menggunakan Fuzzy Tsukamoto menghasilkan jumlah stok sebanyak 66,96 dari data penjualan pada bulan Juni.
REFERENSI