Electronic Theses and Dissertation

Ud. unbee adalah usaha yang bergerak di bidang flower shop and gifts yang memfokuskan bisnisnya pada spesialis bunga segar. penelitian ini menerapkan logika fuzzy tahani dan metode weight aggregated sum product assessment (waspas) untuk membantu ud. unbee dalam menentukan rekomendasi pemesanan ulang bunga segar agar memiliki strategi bisnis yang lebih efektif. kombinasi kedua metode ini memberikan sistem pengambilan keputusan yang efisien terhadap ketidakpastian baik dari sisi input linguistik maupun sisi pemrosesan matematis. data yang digunakan pada penelitian ini adalah data primer yang diperoleh dari hasil wawancara. penelitian ini melibatkan 2 software yaitu matlab dan microsoft excel. penentuan rekomendasi dimulai dari metode fuzzy tahani dengan tahapan fuzzifikasi, menentukan fungsi keanggotaan, menghitung derajat keanggotaan, penyusunan kriteria dan terakhir penentuan rekomendasi berdasarkan nilai fire strength. selanjutnya penentuan rekomendasi dengan metode waspas, dimulai dengan penentuan bobot kriteria, menentukan matriks keputusan, normalisasi matriks, menghitung nilai kepentingan relatif 〖(q〗_i), merangkingkan nilai kepentingan relatif dan terakhir penentuan rekomendasi berdasarkan nilai q_i tertinggi pada perangkingan. hasil output rekomendasi terbaik kedua metode adalah mawar sehingga bunga mawar merupakan pilihan utama rekomendasi restock bunga segar. kata kunci: bunga segar, rekomendasi, fuzzy tahani, derajat keanggotaan, fire strength, waspas, normalisasi matriks, kepentingan relatif.

UD. UnBee is a business engaged in flower shop and gifts that focuses its business on fresh flower specialists. This study applies Tahani fuzzy logic and the Weight Aggregated Sum Product Assessment (WASPAS) method to help UD. UnBee in determining fresh flower reorder recommendations in order to have a more effective business strategy. The combination of these two methods provides an efficient decision-making system against uncertainty both from the linguistic input side and the mathematical processing side. The data used in this study are primary data obtained from interviews. This study involves 2 software namely Matlab and Microsoft Excel. Determination of recommendations starts from the Tahani fuzzy method with fuzzification stages, determining membership functions, calculating membership degrees, compiling criteria and finally determining recommendations based on fire strength values. Furthermore, determining recommendations with the WASPAS method, starts with determining criteria weights, determining decision matrices, matrix normalization, calculating relative importance values 〖(Q〗_i), ranking relative importance values and finally determining recommendations based on the highest Q_i value in the ranking. The best recommendation output results from both methods are roses so that roses are the main choice for fresh flower restock recommendations. Keywords: Fresh Flowers, Recommendation, Fuzzy Tahani, Degree of Membership, Fire Strength, WASPAS, Matrix Normalization, Relative Importance.