Journal of mathematics and computer Science 9 (2014) 46 54

A Model for Selecting an ERP System with Triangular Fuzzy

Numbers and Mamdani Inference
J. Vahidi
Department of Applied Mathematics, Iran University of Science and Technology, Behshahr, Iran,
jvahidi@iust.ac.ir
D. Darvishi SalooKolayi
Department of Mathematics, Payeme Noor University, Bandpey branch, Babol, Iran,
drvishidavood@yahoo.com
A. Yavari
Mazandaran University of Science and Technology
yavari@ustmb.ac.ir
Rekam jejak artikel:
Diterima September 2013
Disetujui October 2013
Tersedia Online October 2013

Abstrak
Enterprise resource planning (ERP) adalah sebuah kumpulan program terintegrasi yang
menyediakan tunjangan kepada inti dari sebuah proses bisnis, seperti produksi, input dan
output logistik, keuangan dan akuntansi, penjualan dan pemasaran, dan sumber daya.
Pemilihan sebuah ERP yang mampu menyesuaikan diri terhadapa keperluan perusahaan
adalah sangat penting. Makalah ini memaparkan sebuah metode untuk memilih sistem ERP
yang sesuai berdasarkan logika fuzzy. Model ini memiliki 3 input: fungsionalitas, biaya, dan
tunjangan vendor. Input ini merupakan kriteria dalam memilih ERP yang cocok dengan suatu
organisasi. Kami menggunakan anggota fuzzy berbentuk segitiga untuk setiap kriteria dan
menyusun sebuah sistem keputusan Mamdani.

Kata kunci: Pemilihan ERP, kriteria, logika fuzzy, fungsi keanggotaan segitiga fuzzy.
1. Pendahuluan
Enterprise resource planning (ERP) adalah sebuah kumpulan program terintegrasi yang
menyediakan tunjangan kepada inti dari sebuah proses bisnis, seperti produksi, input dan
output logistik, keuangan dan akuntansi, penjualan dan pemasaran, dan sumber daya[1,2].
Dengan kata lain, sebuah sistem ERP adakah tulang punggung informasi dari sebuah
perusahaan dan melingkupi keseluruhan area bisnis dan mata rantai nilai[3]. Karena ERP
memiliki proses implementasi yang lama dan cukup bermasalah, dan merupakan investasi
yang sangat besar, mengacu pada biaya yang tinggi dan resiko dalam sistem ini. Maka,
pemilihan sistem ERP yang mampu menyesuaikan diri dengan organisasi sangatlah
penting[4, 5]. Pemilihan ERP merupakan proses yang rumit yang memerlukan
pengidentifikasian kriteria dan pemilihan cara pendekatan yang cocok dan terpercaya untuk
menentukan pilihan sebauh bentuk alternatif di tengah-tengah berbagai pilihan. Di sisi lain
kegagalan dalam sebuah proyek ERP dapat mengakibatkan dampak negatif terhadap proses
organisasi dan membawa kerusakan yang fatal bagi sebuah perusahaan [6].
Sebuah proyek ERP yang berhasil melibatkan pengaturan perubahan proses bisnis, pemilihan
sebuah sistem perangkat lunak ERP dan vendor yang ko-operatif, pengimplementasian sistem
tersebut, dan pengujian praktikalitas dari sistem baru tersebut [7]. Berhutang pada
kompleksitas lingkungan bisnis, batasan-batasan dari ketersediaan sumber daya, dan
kemajemukan dari alternatif ERP, pemilihan sistem ERP sangatlah menjemukan dan
memakan waktu yang sangat banyak. Meskipun demikian, dengan mempertimbangkan
investasi finansial dan segala potensi resiko dan keuntungan, kepentingan dari pemilihan
sistem ERP yang tepat tidak dapat lebih ditekankan lagi kepentingannya. Oleh sebab itu,
penyediaan pilihan yang baik mengenai ERP yang paling cocok dengan organisasi adalah
sangat penting [8-10].
Makalah ini menyediakan metode untuk memilih sistem ERP yang cocok dengan
menggunakan logika fuzzy. Model ini melibatkan 3 input dan sebuah output. Kami
menggunakan fungsi segitiga keanggotaan fuzzy untuk setiap kriteria. Tiga kriteria tersebut
adalah fungsionalitas, biaya, dan dukungan vendor untuk mengefaluasi alternatif yang
diberikan.

Makalah ini disusun sebagai berikut: pada bagian 2 kami menyajikan ulasan mengenai
beberapa karya yang berkaitan mengenai kriteria dan metode pemilihan ERP. Pada bagian 3
kami memperkenalkan sebuah pendekatan yang diajukan dalam memilih ERP. Pada bagian 4
kami memberikan kesimpulan dan ulasan karya yang mendatang.
2. Karya yang Terkait
Belakangan ini banyak diajukan karya mengenai pemilihan ERP, beberapa di anataranya
menyajikan sebuah set faktor-faktor penting dalam pemilihan ERP dan sedikit di antaranya
yang menyajikan metode dalam pendekatan matematis, logika fuzzy, dan AHP. Dalam bagian
ini kami memperkenalkan beberapa karya ini.
Dalam [11] diperkenalkan tujuh kriteria dalam pemilihan ERP. Beberapa di antaranya
(reabiltas dan fungsionalitas) didasarkan pada mtrik kualitas dari perangkat lunak dan btang
lainnya berkaitan dengan organisasi tersebut, seperti: biaya, kemudahan dalam pemakaian,
kemudahan dalam penyesuaian, kemudahan dalam implementasi, dan reupasi vendor sebagai
kriteria bagi vendor.
Pada [12, 13] dikenalkan 13 faktor bagi pemilian ERP. Funsionalitas, reabilitas, kecocokan
dengan proses bisnis suatu organisasi, biaya, tingkat dari penyesuaian, dukungan vendor,
kompatibilitas, ketersediaan, reputasi vendor, teknologi, integrasi modul, kecocokan dengan
sistem organisasi induk. Makalah ini tidak memiliki pendekatan terhadap pemilihan ERP,
hanya memperkenalkan kriteria yang penting dari pemilihan ERP.
Pada [14] diajukan sebuah pendekatan terhadap pemilihan ERP berdasakan AHP. Dalam
metode ini mereka memberikan bobot pada setiap kriteria, dan pada akhirnya mereka
memilih perangkat lunak ERP berdasarkan hirarki yang telah terbentuk. Mereka
mengindentifikasikan 9 atribut: biaya, watu pengimplementasian, fungsionalitas,kerahaman
terhadap pengguna, fleksibilitas, reputasi vendor, kapabilitas teknis vendor, layanan vendor.
Setiap atribut dapat dipecah menjadi beberapa item penilaian. Mereka menggunakan hirarki
analitis untuk memperkirakan bobot dari setiap kriteria.
[15] menggunakan proses analisa jaringan dan bilangan fuzzy untuk menentukan ERP yang
cocok bagi sebuah perusahaan. Kriteria yang mereka gunakan antara lain: biaya lisensi,
dukungan vendor, biaya pemeliharaan, biaya infrastruktur, reputasi vendor, performa
konsultasi vendor, kapabilitas R&D, kapabilitas dukungan teknis, performa pelatihan,

kemampuan pembaharuan, kemudahan dalam intergrasi, kemudahan pengembangan dalam

perusahaan, kelengkapan modul, kecocokan fungsi, tingkat keamanan, kemampuan
pernaikan, kemudahan pengoperasian, kemudahan pembelajaran, standardisasi, integrasi dari
sistem sebelumnya, kemudahan pemeliharaan.
Dalam [16] diajukan sebuah pendekatan logika fuzzy dalam pemilihan ERP. Dalam metode
ini mereka menggunakan 27 kriteria antara lain: kemungkinan penerapan solusi industri,
kredibilitas sistem, kapasitas untuk mengintegrasikan ERP dengan arus IS / IT, kepercayaan
dalam sistem ERP, modularitas, adaptasi dari ERP dengan kebutuhan sistem saat ini,
kemampuan sistem ERP untuk menawarkan informasi tepat waktu, intuitif dari sistem ERP,
biaya perangkat lunak, biaya konsultasi, biaya pemeliharaan, persyaratan hardware,
persyaratan tim spesialis, rata-rata waktu pelaksanaan yang tinggi, parameter kompleksitas,
perencanaan proyek, kemungkinan obyektif mendefinisikan konsep, karyawan melanjutkan
pendidikan, usia rata-rata personil, melanjutkan pendidikan dari pengambilan keputusan
kelompok, saran / rekomendasi yang dibuat oleh pengguna, budaya organisasi tradisional,
kompleksitas struktur organisasi, kinerja tinggi, jumlah karyawan / ukuran perusahaan,
strategi organisasi tradisional, kompleksitas proses organisasi.
Dalam [17] digunakan analisisa pengembangan data dalam menilai set ERP tingkat
menengah. Mereka memanfaatkan studi panjang mengenai fitur yang tersedia, fungsi, dan
kinerja berbagai set tingkat menengah dalam bidang fitur dan fungsi. Mengenai analisisa,
kriteria berikut digunakan: layanan dan dukungan, pelatihan, skalabilitas, fleksibilitas
implementasi, integrasi, proses manufaktur, keuangan inti, pembelian dan penjualan, proses
sumber daya manusia, dukungan pajak internasional, biaya rata-rata paket, biaya dukungan,
pelatihan Biaya dan rata-rata pelaksanaan.
Dalam [18] digunakan model analisa proses hirarki dalam pemilihan ERP. Mereka
menggunakan 4 kriteria: fungsi dan teknologi, kebugaran strategis, kemampuan vendor dan
reputasi vendor.
Dalam [19] digunakan logika fuzzy untuk seleksi ERP. Dalam metode ini, paket ERP
direkomendasikan dan vendor dibandingkan dengan sistem AHP Fuzzy.
3. Pendekatan yang Diajukan
Pertama tama, kami mengulas beberapa definisi dasar dari paket-paket fuzzy.

Sebuah paket fuzzy dalam semesta diskursus X dilambangkan dengan sebuah fungsi
anggota () yang mana berkaitan dengan setiap elemen x pada bilangan nyata X dalam
interval [0, 1]. Fungsi nilai dari () dugunakan sebagai tingkatan keanggotaan x pada .
Gambar1 menggmabarkan bilangan fuzzy [20]
Definisi1. Sebuah paket fuzzy dari semesta diskursus X adalah terpencar jika dan hanya
jika setiap x1, x2 terdapat dalam X, [21]
(1+(1) 2) ( (1) + (2),
Di mana [0,1].
Definisi2. Sebuah paket fuzzy dari semesta diskursus X dikatakan normal jika paket fuzzy
berimplikasi pada [22]
,() = 1

Sebuah bilangan fuzzy adalah sebuah subset di dalam semesta diskursus X di mana fungsi
keanggotaannya adalah terpusat dan normal. [23]
Sebuah bilangan fuzzy segitiga dapat didefinisikan sebagai triplet (1, 2, 3) ysng terlihat
pada Figure 2, di mana fungsi keanggotaan () didefinisikan sebagai

Dalam makalah ini kami menggunakan fungsi segitiga keanggotaan fuzzy pada setiap
kriteria. Tiga kriteria: fungsionalitas, biaya, dan dukungan vendor ntuk mengevaluai alternatif
yang dikejar. [24, 25].
Figure 3 menunjukkan model yang diajukan untuk pemilihan ERP berdasarkan logika fuzzy.
Model ini memiliki 3 input dan sebuah output. Inputnya antara lain fungsionalitas, biaya, dan
dukungan vendor. Model fuzzy ini disusun dari 4 modul. Proses pertama adalah mengubah
modul dalam bentuk fuzzy, hal ini merupakan langkah pertama dalam mengerjakan setiap
model fuzzy, yang mana mengubah input mentah menjadi nilai fuzzy. Pada langkah kedua,
nilai-nilai ini diproses pada domain fuzzy dengan menginteraksikan berdasarkan aturan
produksi (dasar pengetahuan) yang disediakan oleh domain ahli. Selama tahap kedua,
diaplikasikan operatoe fuzzy. Pada tahap ketiga, proses implikasi dikenakan dan semua
output akan dikumpulkan. Pada langkah keempat dan juga langkah akhir, output terproses
dari domain fuzzy diubahkan menjadi domain awal dengan modul defuzziciation.

Dalam makalah ini, input (fungsionalitas, biaya) diambil dari skala 0 samapai 1 dan fungsi
keanggotaan dari 2 input (fungsionalitas dan dukungan bendor) sebagaimana, Nil, Loe,
Medium, dan high adalah fungsi segitiga keanggotaan fuzzy setiap kriteria. Tabel 1
menunjukkan variabel linguistik dan bilangan segitiga fuzzy. Tabel ini memiliki 4 baris.
Setiap baris menunjukkan fungsi keanggotaan dan rentang dari setiap fungsi keanggotaan.

Table 2 menunjukkan rentangan dari fungsi keanggotaan NIL, VeryLow, Low, Medium, High
dan VeyHigh dari variabel input dukungan vendor dan variabel output (ERPSel) siperkirakan
sebagai 0.0-0.0, 0.0-0.23, 0.2-0.43, 0.4-0.63, 0.6-0.83 and 0.8-1.00 respectively. Figure 5
menunjukkan fungsi keanggotaannya.

Untuk mengukur tingkatan dari ERP yang dipilih (ERPSel), yang merupakan tujuan utama
dari model kami, ada tiga anggota fungsi, biaya dan dukungan vendor memberikan kontribusi
dalam pemilihan alternatif lain. Sebagai solusi dari masalah ini, kami telah menggunakan
logika fuzzy dan telah merancang 96 aturan fuzzy (4 fungsi keanggotaan fungsi
fungsionalitas * 4 keanggotaan fungsi biaya * 6 keanggotaan fungsi dukungan vendor). Di
sini, metode mamdani untuk mendefinisikan aturan fuzzy yang digunakan, yang digunakan
untuk persamaan nonlinear. Aturan-aturan ini dirancang atas dasar pengalaman dan
pengetahuan keahlian bidang itu sebabnya aturan ini juga ini juga dikenakan sebagai basis
pengetahuan. Untuk sampel, beberapa aturan yang tercantum dalam tabel 3. Kolom pertama

berlabel # merupakan nomor aturan, kolom kedua adalah untuk variabel input linguistik,
anggota fungsi, biaya dan penjual dukungan dan kolom ketiga adalah untuk output linguistik
variabel ERPSel.

Sebagai sebuah contoh, jika fungsionalitas =0.573, biaya =0.596 and dukungan vendor =0.5
adalah nilai inputan maka nilai output yang dihasilkan adalah 0.692,yang mana cukup tinggi
untuk nilai output. Berikut disertakan figure 6 sebagai pembanding hasil.

Pandangan permukaan tiga dimensional dari aturan ini juga diperlihatkan dalam figure 7.

4. Konklusi dan Karya Masa Mendatang

Enterprise resource planning (ERP) adalah sebuah kumpulan program terintegrasi yang
menyediakan tunjangan kepada inti dari sebuah proses bisnis, seperti produksi, input dan
output logistik, keuangan dan akuntansi, penjualan dan pemasaran, dan sumber daya.
Pemilihan sebuah ERP yang mampu menyesuaikan diri terhadapa keperluan perusahaan
adalah sangat penting. Makalah ini memaparkan sebuah metode untuk memilih sistem ERP
yang sesuai berdasarkan logika fuzzy. Model ini memiliki 3 input: fungsionalitas, biaya, dan
tunjangan vendor. Input ini merupakan kriteria dalam memilih ERP yang cocok dengan suatu
organisasi. Kami menggunakan anggota fuzzy berbentuk segitiga untuk setiap kriteria yang
menyusunnya. Ketiga kriteria ini dugnakan untuk melakukan penilaian/evaluasi.
Pada karya masa mendatang, kami ingin mengajukan sebuah metode berdasarkan AdaptiveNetwork-based Fuzzy Inference Systems (ANFIS) untuk memilih ERP. ANFIS menggunakan
algoritma pembelajaran hybrid untuk mengidentifikasi parameter dari sistem pengambilan
keputusan fuzzy tipe Sugeno. Algoritma ini menggunakan kombinasi dari metode kuadrat
terkecil dan metode gradien propragasi turunan terbalik untuk menguji parameter fungsi
keanggotaan fuzzy inference system (FIS) untuk menyaingi set data yang diberikan. ANFIS
juga diharapkan dapat digunakan sebagai validasi model dengan menggunakan argumen
opsional. Tipe dari validasi yang digunakan dengan opsi ini adalah dengan melakukan
pemantauan sebuah model setelah dilakukan pencocokkan, dan argumennya adalah sebuah

set data yang dikenal sebagai checking data set. Jadi, kami ingin mengembangan sebuah
sistem yang didasarkan pada ANFIS sebagai metode pemilihan ERP.
5. Referensi
[1] Aladwani, Adel M. "Change management strategies for successful ERP implementation."
Business Process management journal 7.3 (2001): 266-275.
[2] Wier, Benson, James Hunton, and Hassan R. HassabElnaby. "Enterprise resource planning
systems and non-financial performance incentives: The joint impact on corporate
performance." International Journal of Accounting Information Systems 8.3 (2007):
165-190.
[3] Kallunki, Juha-Pekka, Erkki K. Laitinen, and Hanna Silvola. "Impact of enterprise
resource planning systems on management control systems and firm performance."
International Journal of Accounting Information Systems 12.1 (2011): 20-39.
[4] Bernroider, Edward, and Stefan Koch. "ERP selection process in midsize and large
organizations." Business Process Management Journal 7.3 (2001): 251-257. J. Vahidi,
D. Darvishi SalooKolayi, A. Yavari / J. Math. Computer Sci. 9 (2014) 46 - 54
[5] Yazgan, Harun Resit, Semra Boran, and Kerim Goztepe. "An ERP software selection
process with using artificial neural network based on analytic network process
approach." Expert Systems with Applications 36.5 (2009): 9214-9222.
[6] Falkenstein, M., et al. "Effects of crossmodal divided attention on late ERP components.
II. Error processing in choice reaction tasks." Electroencephalography and clinical
neurophysiology 78.6 (1991): 447-455.
[7] Deep, Aman, et al. "Investigating factors affecting ERP selection in made-to-order SME
sector." Journal of Manufacturing Technology Management 19.4 (2008): 430-446.
[8] Moon, Young B. "Enterprise resource planning (ERP): a review of the literature."
International Journal of Management and Enterprise Development 4.3 (2007): 235264.
[9] Singla, Ashim Raj. "Enterprise resource planning systems implementation: a literature
analysis." International Journal of Business and Systems Research 3.2 (2009): 170185.
[10] Al-Mashari, Majed, Abdullah Al-Mudimigh, and Mohamed Zairi. "Enterprise resource
planning: a taxonomy of critical factors." European journal of operational research
146.2 (2003): 352-364.

[11] Keil, Mark, and Amrit Tiwana. "Relative importance of evaluation criteria for enterprise
systems: a conjoint study." Information Systems Journal 16.3 (2006): 237-262.
[12] Kumar, Vinod, B. Maheshwari, and U. Kumar. "Enterprise resource planning systems
adoption process: a survey of Canadian organizations." International Journal of
Production Research 40.3 (2002): 509-523.
[13] Kumar, Vinod, Bharat Maheshwari, and Uma Kumar. "An investigation of critical
management issues in ERP implementation: emperical evidence from Canadian
organizations." Technovation 23.10 (2003): 793-807.
[14] Wei, Chun-Chin, Chen-Fu Chien, and Mao-Jiun J. Wang. "An AHP-based approach to
ERP system selection." International journal of production economics 96.1 (2005):
47-62.
[15] Aya, Z., and R. G. zdemir. "An intelligent approach to ERP software selection through
fuzzy ANP." International Journal of Production Research 45.10 (2007): 2169-2194.
[16] Bueno, Salvador, and Jose L. Salmeron. "Fuzzy modeling enterprise resource planning
tool selection." Computer Standards & Interfaces 30.3 (2008): 137-147.
[17] Wang, Ying-Ming, and Kwai-Sang Chin. "A new approach for the selection of advanced
manufacturing technologies: DEA with double frontiers." International Journal of
Production Research 47.23 (2009): 6663-6679.
[18] Liao, Xiuwu, Yuan Li, and Bing Lu. "A model for selecting an ERP system based on
linguistic information processing." Information Systems 32.7 (2007): 1005-1017.
[19] Cebeci, Ufuk. "Fuzzy AHP-based decision support system for selecting ERP systems in
textile industry by using balanced scorecard." Expert Systems with Applications 36.5
(2009): 8900-8909.
[20] Zadeh, Lotfi A. "Fuzzy sets." Information and control 8.3 (1965): 338-353.
[21] Zadeh, Lotfi A. "Toward a theory of fuzzy information granulation and its centrality in
human reasoning and fuzzy logic." Fuzzy sets and systems 90.2 (1997): 111-127.
[22] Klir, George J., and Bo Yuan. Fuzzy sets and fuzzy logic. New Jersey: Prentice Hall,
1995.
[23] Kaufmann, Arnold, Madan M. Gupta, and A. Kaufmann. Introduction to fuzzy
arithmetic: theory and applications. New York: Van Nostrand Reinhold Company,
1985.
[24] Kosko, Bart. Fuzzy thinking: The new science of fuzzy logic. New York: Hyperion,
1993.

[25] Lee, Chuen-Chien. "Fuzzy logic in control systems: fuzzy logic controller. I." Systems,
Man and Cybernetics, IEEE Transactions on 20.2 (1990): 404-418.