Analisis Kualitas Sarang Burung Walet Menggunakan Metode Fuzzy Tsukamoto

Indonesia menjadi salah satu negara yang menghasilkan dan mengekspor sarang burung walet terbesar di dunia. Sarang burung walet memiliki banyak sekali manfaat, itu sebabnya tren ekspor sarang burung walet meningkat. Kualitas yang baik dapat mempengaruhi daya saing produk, harga jual, manfaat kesehatan yang dihasilkan, serta kepuasan konsumen. Selama ini pembeli masih melakukan klasifikasi kualitas sarang burung walet secara manual berdasarkan perkiraan pembeli sehingga dapat menimbulkan kesalahan pada saat melakukan penyortiran dan menyebabkan kerugian sehingga menurunkan nilai jual. Logika fuzzy digunakan untuk mengantisipasi hal tersebut karena dapat memberikan toleransi terhadap suatu nilai sehingga perubahan kecil pada nilai tidak akan memberikan dampak yang signifikan. Tujuan penelitian ini menerapkan metode fuzzy tsukamoto untuk menganalisis kualitas sarang burung walet. Data yang digunakan sebanyak 100 data sarang burung walet yang diperoleh pada 16 Oktober 2023. Proses penentuan kualitas sarang burung walet berdasarkan 5 variabel kriteria input yaitu warna, bulu, jenis, kondisi, dan kadar air. Output fuzzy terdiri dari 3 kategori kualitas Sangat Bagus, Bagus, dan Tidak Bagus. Hasil perhitungan fuzzy tsukamoto dengan data aktual terdapat 3 data sarang burung walet berbeda dari 100 data sarang burung walet dengan memiliki nilai akurasi sebesar 97%.   Abstract   Indonesia is a leading global producer and exporter of the largest quantity of swallow's nests. Swallow's nest consumption offers numerous advantages, which explains the growing trend of exporting this valuable commodity. The quality of a product can have a significant impact on its competitiveness, selling price, health benefits, and consumer happiness. Currently, buyers continue to manually assess the quality of swallow nests, relying on their estimations. However, this method is prone to errors throughout the sorting process and can result in financial losses that diminish the overall sales value. We employ fuzzy logic for prediction purposes because it allows for tolerance towards a value, thereby minimising the influence of minor fluctuations in the value. The goal of this study is to use the Tsukamoto fuzzy method to evaluate the quality of swallow nests. The dataset consisted of 100 samples of swallow nests collected on October 16, 2023. The evaluation of swallow nests' quality relies on five input criteria variables, specifically colour, feathers, type, condition, and water content. The fuzzy output comprises three quality categories: very good, sound, and not good. The fuzzy Tsukamoto calculation yielded three distinct samples out of a total of 100, with an accuracy rate of 97%.