ANALISIS KUALITAS AIR BERSIH

PADA LOGAM CADMIUM

MENGGUNAKAN LOGIKA FUZZY METODE SUGENO
(Studi Kasus Pada Kecamatan Klari, Karawang, Jawa Barat)

Achmad Febrianto

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
JAKARTA
2008 M / 1429 H

ANALISIS KUALITAS AIR BERSIH

PADA LOGAM CADMIUM
MENGGUNAKAN LOGIKA FUZZY METODE SUGENO
(Studi Kasus Pada Kecamatan Klari, Karawang, Jawa Barat)

Skripsi
Sebagai Salah Satu Syarat Untuk Memperoleh
Gelar Sarjana Sains
Fakultas Sains dan Teknologi
Universitas Islam Negeri Syarif Hidayatullah Jakarta

Oleh :

Achmad Febrianto
102094026455

PROGRAM STUDI MATEMATIKA

FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS ISLAM NEGERI
SYARIF HIDAYATULLAH
JAKARTA
2008 M / 1429 H

ii

PENGESAHAN UJIAN
Skripsi berjudul Analisis Kualitas Air Bersih Pada Logam Cadmium
Menggunakan Logika Fuzzy Metode Sugeno (Studi Kasus Pada Kecamatan
Klari, Karawang, Jawa Barat) yang ditulis oleh Achmad Febrianto, NIM
102094026455 telah diuji dan dinyatakan lulus dalam sidang Munaqosyah
Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah
Jakarta pada tanggal 9 Oktober 2008. Skripsi ini telah diterima sebagai salah satu
syarat untuk memperoleh gelar sarjana strata satu (S1) Program Studi Matematika.

Menyetujui,

Penguji 1,

Penguji 2,

Taufik Edy Sutanto, M.ScTech

NIP 150 377 447

Hermawan Setiawan, M.Si

NIP 250 000 505

Pembimbing 1,

Pembimbing 2,

Nina Fitriyati, M.Kom

NIP. 150 377 448

Nur Inayah, M.Si

NIP. 150 326 911

Mengetahui,
Dekan Fakultas Sains dan Teknologi,

Ketua Program Studi Matematika,

DR. Syopiansyah Jaya Putra, M.Sis

NIP. 150 317 956

Nur Inayah, M.Si

NIP. 150 326 911

iii

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENARBENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN
SEBAGAI SKRIPSI PADA PERGURUAN TINGGI ATAU LEMBAGA
MANAPUN.

Jakarta, 9 Oktober 2008

Achmad Febrianto
102094026455

iv

PERSEMBAHAN

Dan apabila dikatakan berdirilah kamu!, maka berdirilah,

niscaya Allah akan meninggikan orang-orang beriman diantara kamu
dan orang-orang yang diberi ilmu pengetahuan beberapa derajat.
Dan Allah Maha Mengetahui apa yang kamu kerjakan.
(Al Mujaadilah : 11)

Sebagai buah harapan, teruntuk

Kedua orang tua, Bapak-Ibu tercinta
Serta kedua adikku, Abu Umar dan El - Hauro

ABSTRAK
Limbah merupakan salah satu hasil dari industri yang tidak lagi dapat
digunakan berupa kotoran dan bahan sisa yang dibuang ke lingkungan. Tentu saja
ini menjadi ancaman serius bagi keseimbangan lingkungan, kesehatan masyarakat
di sekitarnya dan kualitas air bersih. Salah satu daerah yang terancam adalah
Kecamatan Klari, Kabupaten Karawang Propinsi Jawa Barat. Daerah tersebut
memiliki beberapa perusahaan industri yang menghasilkan limbah logam berat,
salah satunya adalah cadmium.
Dalam penelitian ini penulis meneliti analisis antara daerah sumber
pencemaran yang memiliki kandungan kadar cadmium pada musim kemarau dan
musim hujan dengan jarak rumah penduduk dengan menggunakan logika fuzzy
metode Sugeno orde-nol. Langkah-langkah dalam sistem fuzzy seperti
fuzzyfikasi, penalaran dan defuzzyfikasi dapat memecahkan masalah tersebut
dengan menghasilkan output berupa jarak aman antara sumber pencemaran
dengan tempat tinggal. Hasil dari beberapa pengujian yaitu, bila musim kemarau
kadar Cd = 60 dag/L, dan musim hujan kadar Cd = 135, maka jarak rumah aman
yang dihasilkan = 65 m. Bila musim kemarau kadar Cd = 53 dag/L, dan musim
hujan kadar Cd = 137, maka jarak rumah aman yang dihasilkan = 82,1 m. Bila
musim kemarau kadar Cd = 48 dag/L, dan musim hujan kadar Cd = 132, maka
jarak rumah aman yang dihasilkan = 103,5 m. Sehingga diharapkan masyarakat
dapat memanfaatkan air secara maksimal di daerah tempat tinggalnya.
Kata kunci : Sistem Fuzzy, Fuzzyfikasi, Defuzzyfikasi, Sugeno orde-nol.

vi

ABSTRACT
Cesspools are waste and residue that can not be used that that are thrown
to environment. It could be serious threats for balance environment, the public
healt, and bord water quality. One of the place that affected by this problem is
Klari subdistric, Karawang District, West Java Province. This area have some
factories that produce heavy metal, like cadmium (Cd).
In this paper, we analyze between Cd pollutan are in dry and rainy seasons
and people houses distance using fuzzy logic zero-orde Sugeno method.
Fuzzyfication, logical, and defuzzyfication can solve those problems by resulting
that produce safe distance between resources pollution and houses. Result of some
experiment are, if dry seasons Cd pollutan = 60 dag/L and rainy seasons = 135
dag/L, then produce safe distance between resources pollution and houses = 65 m.
if dry seasons Cd pollutan = 53 dag/L and rainy seasons = 137 dag/L, then
produce safe distance between resources pollution and houses = 82,1 m. If dry
seasons Cd pollutan = 48 dag/L and rainy seasons = 132 dag/L, then produce safe
distance between resources pollution and houses = 103,5 m. Result of research
people could use their pure water maximumly.
Keywords : fuzzy system, fuzzyfication, defuzzyfication, zero-orde Sugeno
method.

vii

KATA PENGANTAR

Assalamualaikum Warahmatullahi Wabarakatuh

Segala puji bagi Allah, Rabb semesta alam, berkat taufik serta inayah Nya
skripsi ini dapat terselesaikan. Shalawat serta salam kepada Junjungan kita Nabi
Muhammad SAW..
Karena sesungguhnya sesudah kesulitan ada kemudahan, sesungguhnya
sesudah kesulitan ada kemudahan. Ayat itu menjadi inspirasi dan pendorong
yang tak pernah habis, disamping motivasi dan doa-doa dari orang-orang terbaik
disekitar. Untuk itu, penulis mengucapkan terima kasih kepada :
1. Dr. Syopiansyah Jaya Putra, M. Sis, Dekan Fakultas Sains dan Teknologi
2. Nur Inayah, M. Si Ketua Program Matematika dan Dosen Pembimbing II,
serta Nina Fitriyati, M. Kom, Sekretaris Program Studi Matematika dan Dosen
Pembimbing I.
3. Seluruh dosen pada Program Studi Matematika yang telah memberikan ilmu
dan pendidikan bagi penulis.
4. Bapak dan ibu tercinta, orang tua yang tanpa lelah bertanya, mendorong, dan
memanjatkan doa, serta kepada kedua adik yang terpisah jarak, Abu Umar dan
El - Hauro.
5. Nurchudayati, S. Si dan Achmad Fahri, S. Kom yang banyak membantu
memberikan referensi, materi serta dorongan-dorongan moril.
6. Maulana, Budi, Abdurrahman, dan saudara-saudara seperjuangan dalam Al
Banna Event Organizer.

viii

7. Priyanto, Beni, Van Bothen, Nana, Hafizh, Indri, Alpiyah, Ratna dan segenap
Ikhwan - Akhwat Fillah SMU 85 Jakarta.
8. Ari, Pras, Irwan, Taris, rekan-rekan Komda dan KAMMI yang tidak dapat
disebutkan satu persatu.
9. Teman-teman mahasiswa Matematika angkatan 2002, 2003, dan 2004.
10. Dian Santri, Elin, Indah dan Ningsih, mahasiswi TI-C angkatan 2005
11. Puncak segala puji dan syukur, Allah Subhanahu Wa Taala.
Wassalamualaikum Warahmatullahi Wabarakatuh

Jakarta, 9 Oktober 2008

Penulis

ix

DAFTAR ISI

HALAMAN JUDUL .. i
PENGESAHAN ..

ii

PERNYATAAN . iii
PERSEMBAHAN DAN MOTTO .

iv

ABSTRAK .

ABSTRACT

vi

KATA PENGANTAR vii

DAFTAR ISI .. ix
DAFTAR GAMBAR .. xi
BAB I

PENDAHULUAN 1
1.1. Latar Belakang . 1
1.2. Permasalahan ... 3
1.3. Pembatasan Masalah 3
1.4. Tujuan Penelitian . 4
1.5. Manfaat Penelitian ... 4

BAB II LANDASAN TEORI .. 5

2.1. Kualitas Air . 5
2.2. Pengertian Limbah, Baku Mutu Air dan Logam Berat .

2.3. Pencemaran Air .. 7

2.4. Cadmium ...

2.4.1. Kegunaan Cadmium . 10

2.4.2. Sifat-sifat Logam Cadmium . 10

2.4.3. Dampak Pada Kesehatan .. 11

2.5. Logika Fuzzy .. 12
2.5.1. Himpunan Fuzzy . 12
2.5.2. Fungsi Keanggotaan 15
2.5.3. Operasi Dasar dalam Himpunan Fuzzy . 17
2.5.4. Fungsi Implikasi . 20
2.5.5. Metode Sugeno Orde-Nol .. 20
BAB III METODOLOGI PENELITIAN .. 22
3.1. Waktu dan Tempat Penelitian . 22
3.2. Metode Pengumpulan Data . 22
3.3. Metode Pengolahan Data 23
3.4. Alur Penelitian 25
BAB IV HASIL DAN PEMBAHASAN 26
4.1. Pembentukan Fungsi Keanggotaan . 26
4.2. Pembentukan Aturan Fuzzy 31
4.3. Pengujian 33
BAB V KESIMPULAN DAN SARAN .. 41
5.1 Kesimpulan 41
5.2. Saran .. 42
REFERENSI .. 43
LAMPIRAN ... 45

xi

DAFTAR GAMBAR

Gambar 2.1 : Himpunan Muda, Parobaya, dan Tua 14

Gambar 2.2 : Kurva Segitiga ... 16
Gambar 2.3 : Sistem Fuzzy . 20
Gambar 2.4 : Aturan Dalam Metode Sugeno 21
Gambar 3.1 : Alur Penelitian ... 25
Gambar 4.1 : Fungsi Keanggotaan Kadar Cd pada Musim Kemarau . 27
Gambar 4.2 : Fungsi Keanggotaan Kadar Cd pada Musim Hujan .. 29
Gambar 4.3 : Fungsi Keanggotaan Jarak Rumah 30
Gambar 4.4 : Hubungan Variabel Input dan Output ... 37

xii

BAB I
PENDAHULUAN

1.1.

Latar Belakang
Daerah Tingkat II Kabupaten Karawang yang semula merupakan
daerah pertanian mulai menggalakkan pembangunan di bidang industri.
Perubahan ini dapat menimbulkan dampak positif maupun negatif bagi
masyarakat setempat. Salah satu dampak positifnya adalah bertambahnya
lapangan pekerjaan bagi para penduduk yang bertempat tinggal di sekitar
industri. Sedangkan dampak negatifnya adalah timbulnya perumahan
kumuh di sekitar pabrik dan kemungkinan tercemarnya sumber air bersih
dengan bahan pencemar yang berasal dari buangan pabrik, sehingga dapat
membahayakan kesehatan masyarakat di sekitar industri tersebut.
Buangan industri dapat menimbulkan beberapa penyakit seperti
diare dan penyakit kulit. Menurut [2], penelitian keadaan lingkungan yang
dikaitkan dengan pola penyakit di kawasan Industri Pulau Batam tahun
1992 menunjukkan bahwa proporsi angka penyakit diare menduduki
urutan kedua (8,46%) setelah angka penyakit ISPA (20,32%). Penyakit
kulit merupakan urutan keempat dari sepuluh penyakit terbesar di pulau
Batam. Penyakit kulit dan diare merupakan contoh penyakit karena
lingkungan yang kurang baik. Selain itu juga dilakukan penelitian kejadian
diare dan penyakit kulit yang diderita penduduk di sekitar industri. Hal ini
tentu saja dapat dikurangi atau dicegah dengan memperhatikan lingkungan

tempat tinggalnya, salah satunya adalah membangun rumah dengan jarak

yang tepat dari sumber pencemaran.
Salah satu kandungan dalam limbah yang mencemari lingkungan
adalah cadmium (Cd). Cd merupakan salah satu jenis logam berat
berbahaya karena berisiko tinggi terhadap pembuluh darah. Elemen ini
berpengaruh terhadap manusia dalam jangka waktu panjang dan dapat
terakumulasi pada tubuh khususnya hati dan ginjal. Secara prinsip pada
konsentrasi rendah berpengaruh terhadap gangguan paru-paru, emphysema
dan renal turbular disease kronis [9].
Untuk menanggulangi masalah tersebut diperlukan cara dalam
mengantisipasi pencemaran yang disebabkan limbah Cd. Logika Fuzzy
sebagai cabang dari ilmu matematika memiliki suatu metode yang
mempermudah dalam melakukan perhitungan dan menganalisa jarak
rumah yang aman dan tepat sesuai dengan kadar kualitas air bersih yang
disebabkan oleh limbah

industri. Dalam

penelitian ini,

penulis

menggunakan Metode Sugeno Orde-Nol dengan representasi kurva

segitiga dalam menghitung jarak rumah yang aman dengan sumber
pencemaran. Untuk mempermudah penghitungan, penulis menggunakan
software matlab.

1.2.

Permasalahan
Permasalahan yang di bahas dalam penelitian ini adalah :
1. Bagaimana pembentukan fungsi keanggotaan yang mempunyai input
kadar Cd pada musim kemarau, musim hujan, dan jarak rumah yang
aman sebagai output ?
2. Bagaimana fungsi implikasi pada setiap aturan fuzzy yang telah
ditentukan ?
3. Berapa nilai output dari beberapa pengujian ?

1.3.

Pembatasan Masalah
Dalam penelitian ini, masalah-masalah di atas dibatasi oleh :
1. Fungsi keanggotaan yang digunakan untuk input dan output
menggunakan representasi kurva segitiga.
2. Proses mendapatkan solusi berupa fuzzyfikasi,

penalaran dan

defuzzyfikasi.
3. Dicantumkan hasil pemeriksaan kualitas air bersih yang mengandung
Cd, tembaga (Cu), timbal (Pb) dan cromium (Cr), karena logam-logam
berat tersebut banyak terdapat dalam air buangan industri. Namun dari
keempat logam berat tersebut, data yang digunakan untuk nilai kualitas
air adalah kadar logam berat Cd yang diukur pada musim kemarau dan
musim hujan, serta data jarak rumah dengan sumber pencemaran.

1.4.

Tujuan Penelitian
Tujuan dari penelitian ini adalah :
1. Mengetahui pembentukan fungsi keanggotaan yang mempunyai input
kadar Cd pada musim kemarau dan musim hujan dan jarak rumah yang
aman sebagai output.
2. Menginterpretasi fungsi implikasi pada setiap aturan fuzzy yang telah
ditentukan.
3. Mendapatkan output dari beberapa pengujian.

1.5.

Manfaat Penelitian
Diharapkan dari hasil penelitian ini dapat lebih memudahkan
Departemen Pusat Penelitian dan Pengembangan dalam memberikan
penyuluhan dan himbauan terhadap warga Kecamatan Klari untuk lebih
memperhatikan lingkungan rumahnya yang rentan terhadap pencemaran.
Sedangkan bagi masyarakat setempat, dapat mengetahui jarak aman rumah
mereka terhadap sumber pencemaran.

BAB II
LANDASAN TEORI

2.1.

Kualitas Air
Menurut [8], kualitas air adalah karakteristik mutu yang
dibutuhkan untuk pemanfaatan tertentu dari sumber-sumber air. Kriteria
mutu air merupakan satu dasar baku mutu air, di samping faktor-faktor
lain.
Manusia memerlukan air tidak hanya dari segi kuantitasnya saja,
tetapi juga kualitasnya. Kualitas air ditentukan oleh konsentrasi bahan
kimia yang terlarut di dalam air. Permasalahan kualitas air dapat di
timbulkan oleh proses alamiah maupun ulah manusia
Ada beberapa parameter kualitas air bersih seperti kaitannya
dengan pengaruh terhadap erosi, sedimentasi, suhu air, kimia, dan biologi.
jika kualitas air tidak dipenuhi maka, air dapat menjadi penyebab
timbulnya penyakit. Air yang kotor sangat berbahaya bagi tubuh manusia.
Bila air sudah tercemar dengan bahan kimia, maka hampir dapat
dipastikan berbagai jenis organisme penyebab penyakit dapat ditentukan
dalam air tersebut.

2.2.

Pengertian Limbah, Baku Mutu Air dan Logam Berat

Limbah adalah buangan yang dihasilkan dari suatu proses produksi
baik industri maupun domestik (rumah tangga, yang lebih dikenal sebagai
sampah), yang kehadirannya pada suatu saat dan tempat tertentu tidak
dikehendaki lingkungan karena tidak memiliki nilai ekonomis. Bila
ditinjau secara kimiawi, limbah ini terdiri dari bahan kimia organik dan
anorganik. Dengan konsentrasi dan kuantitas tertentu, kehadiran limbah
dapat berdampak negatif terhadap lingkungan terutama bagi kesehatan
manusia, sehingga perlu dilakukan penanganan terhadap limbah. Tingkat
bahaya keracunan yang ditimbulkan oleh limbah tergantung pada jenis dan
karakteristik limbah [5].
Baku mutu air adalah batas atau kadar mahluk hidup, zat, energi,
atau komponen lain yang ada atau harus ada dan atau unsur pencemaran
yang ditenggang adanya dalam air pada sumber air tertentu sesuai dengan
peruntukkannya . (Pasal 1, Angka 4) [12].
Menurut [7], istilah logam berat menunjuk pada logam yang
mempunyai berat jenis lebih tinggi dari 5 atau 6 g/cm3. Namun pada
kenyataannya dalam pengertian logam berat ini, dimasukkan pula unsurunsur metaloid yang mempunyai sifat berbahaya seperti logam berat
sehingga jumlah seluruhnya mencapai lebih kurang 40 jenis. Beberapa
logam berat yang beracun tersebut adalah As, Cd. Cr, Cu, Pb, Hg, Ni, dan
Zn.

Logam berat berbahaya karena pada umumnya logam ini memiliki

rapat massa yang tinggi dan sejumlah konsentrasi kecil dapat bersifat
racun dan berbahaya [4].

2.3.

Pencemaran Air
Air

dapat dikatakan

tercemar

apabila

air

tersebut

telah

menyimpang dari keadaan normalnya. Keadaan normal air tergantung

pada faktor penentu yaitu, kegunaan air itu sendiri dan asal sumber air.
Peraturan Pemerintah Nomor 20 Tahun 1990 tentang Pengendalian
Pencemaran Air pasal 1, angka 2 mendefinisikan pencemaran air sebagai :
pencemaran air adalah masuknya atau dimasukkannya mahluk hidup, zat,
energi dan atau komponen lain ke dalam air oleh kegiatan manusia
sehingga kualitas air turun sampai ke tingkat tertentu yang menyebabkan
air tidak berfungsi lagi sesuai dengan peruntukkannya [12].
Definisi lain dikatakan, pencemaran air adalah suatu perubahan
keadaan di suatu tempat penampungan air seperti danau, sungai, lautan
dan air tanah akibat aktivitas manusia. Walaupun fenomena alam seperti
gunung berapi, badai, gempa bumi dll juga mengakibatkan perubahan
yang besar terhadap kualitas air, hal ini tidak dianggap sebagai
pencemaran. Pencemaran air dapat disebabkan oleh berbagai hal dan
memiliki karakteristik yang berbeda-beda. Meningkatnya kandungan
nutrien dapat mengarah pada eutrofikasi. Sampah organik seperti air
comberan (sewage) menyebabkan peningkatan kebutuhan oksigen pada air

yang menerimanya yang mengarah pada berkurangnya oksigen yang dapat

berdampak parah terhadap seluruh ekosistem. Industri membuang berbagai
macam polutan ke dalam air limbahnya seperti logam berat, toksin
organik, minyak, nutrien dan padatan. Air limbah tersebut memiliki efek
termal, terutama yang dikeluarkan oleh pembangkit listrik, yang dapat juga
mengurangi oksigen dalam air [5].
Indikator Pencemaran Air
Menurut [5], indikasi pencemaran air dapat diketahui baik secara
visual maupun pengujian.
1. Perubahan pH (tingkat keasaman/konsentrasi ion hidrogen). Air
normal yang memenuhi syarat untuk suatu kehidupan memiliki pH
netral dengan kisaran nilai 6.5 7.5. Air limbah industri yang belum
terolah dan memiliki pH diluar nilai pH netral, akan mengubah pH
air sungai dan dapat mengganggu kehidupan organisme didalamnya.

2. Perubahan warna, bau dan rasa. Air normal dan air bersih tidak akan
berwarna, sehingga tampak bening/jernih. Bila kondisi air warnanya
berubah maka hal tersebut merupakan salah satu indikasi bahwa air
telah tercemar. Timbulnya bau pada air lingkungan merupakan
indikasi kuat bahwa air telah tercemar.

3. Timbulnya endapan, koloid dan bahan terlarut endapan, koloid dan

bahan terlarut berasal dari adanya limbah industri yang berbentuk
padat.

2.4.

Cadmium
Cadmium (latin cadmia) adalah suatu unsur kimia dalam tabel
periodik yang memiliki lambang Cd dan nomor atom 48. Cadmium
ditemukan di Jerman 1817 oleh Friedrich Strohmeyer. Cadmium
merupakan bahan alami yang terdapat dalam kerak bumi. Cadmium murni
berupa logam berwarna putih perak dan lunak, namun bentuk ini tak lazim
ditemukan di lingkungan. Umumnya cadmium terdapat dalam kombinasi
dengan elemen lain seperti Oxigen (Cadmium Oxide), Clorine (Cadmium
Chloride) atau belerang (Cadmium Sulfide). Kebanyakan Cadmium (Cd)
merupakan produk samping dari pengecoran seng, timah atau tembaga
cadmium yang banyak digunakan berbagai industri, terutama plating
logam, pigmen, baterai dan plastik.
Umumnya terdapat bersama-sama dengan Zn dalam bijinya,
sehingga Cd diperoleh sebagai hasil sampingan produksi seng. Karena titik
didihnya rendah, Cd dapat dipisahkan dari seng melalui penyulingan
bertahap. Zn dan Pb diperoleh kembali secara serentak dengan cara tungku
pemanas letupan. Cd suatu hasil sampingan yang tidak banyak ragamnya
dan biasanya dipisahkan

dari Zn dengan destilasi atau dengan

pengendapan dari larutan sulfat dengan debu Zn.

2.4.1. Kegunaan Cadmium

Kegunaan cadmiun diantaranya adalah :
a. Digunakan dalam penyepuhan kayu, CdO.
b. Digunakan dalam baterai.
c. Sebagai katalis.
d. Sebagai nematosida.
e. Sebagai fotokonduktor dalam fotokopi, CdS.
f. Sebagai material pigmen.
g. Sebagai Sel volta baku (sel weston), CdSO4.
h. Digunakan dalam fotografi, CdI2.

2.4.2. Sifat-Sifat Logam Cadmium

Beberapa sifak fisik logam cadmium yaitu :
a. Logam berwarna putih keperakan.
b. Mengkilat.
c. Lunak/Mudah ditempa dan ditarik.
d. Titik lebur rendah.
Sedangkan beberapa sifat kimia logam cadmium yaitu :
a. Cd tidak larut dalam basa.
b. Larut dalam H2SO4 encer dan HCl encer.
Cd + H2SO4 CdSO4 + H2
c. Cd tidak menunjukkan sifat amfoter.
d. Bereaksi dengan halogen dan nonlogam seperti S, Se, P.

10

e. Cd adalah logam yang cukup aktif .

f. Dalam udara terbuka, jika dipanaskan akan membentuk asap
coklat CdO.
g. Memiliki ketahanan korosi yang tinggi.
h. CdI2 larut dalam alkohol.

2.4.3. Dampak Pada Kesehatan

Cadmium merupakan salah satu jenis logam berat yang
berbahaya karena elemen ini beresiko tinggi terhadap pembuluh
darah. Apabila Cd masuk ke dalam tubuh maka sebagian besar
akan terkumpul di dalam ginjal, hati dan sebagian yang
dikeluarkan

lewat

saluran

pencernaan. Cadmium

dapat

mempengaruhi otot polos pembuluh darah secara langsung maupun

tidak langsung lewat ginjal, sebagai akibatnya terjadi kenaikan
tekanan darah.
Cadmium (Cd) adalah salah satu logam berat yang
keberadaanya patut mendapat perhatian khusus karena secara luas
terdapat dilingkungan baik sebagai pencemar atau sebagai
komponen dalam rokok yang dikonsumsi oleh masyarakat luas.
Salah satu sistem organ yang yang merupakan target dari Cd
adalah sistem reproduksi, khususnya pada individu jantan.
Beberapa efek yang ditimbulkan akibat pemajanan Cd
adalah adanya kerusakan ginjal, liver, testes, sistem imunitas,

11

sistem susunan saraf dan darah. Berbahayanya unsur ini

sebenarnya bila manusia mengkonsumsi (baik itu dihirup atau
dimakan) dalam jumlah yang cukup besar. Karena pada
kenyataanya, cadmium itu tidaklah mudah untuk keluar di dalam
tubuh. Logam ini akan terakumulasi terus didalam tubuh. Dan bila
sudah mencapai kadar tinggi, akan menyerang organ tubuh
terutama ginjal dan paru-paru

2.5.

Logika Fuzzy
2.5.1 Himpunan Fuzzy
Teori himpunan fuzzy pertama kali dikembangkan oleh
Prof. Lotfi Zadeh pada tahun 1965. Dalam teori himpunan tegas
(crisp), nilai keanggotaan suatu item x dalam himpunan A[x]
memiliki objek yang terdefinisi dengan jelas yaitu memiliki nilai
keanggotaan antara 0 atau 1. Dengan nol (0) berarti suatu item
tidak menjadi anggota dalam suatu himpunan, sedangkan satu (1)
berarti suatu item menjadi anggota dalam suatu himpunan.
Contoh 2.1
S = {1,2,3,4,5,6} adalah semesta pembicaraan
A = {1,2,3}
B = {3,4,5}
Dapat dikatakan bahwa :
i. Nilai keanggotaan 1 pada himpunan A, A [1] = 1, karena 1 A.

12

ii. Nilai keanggotaan 3 pada himpunan A, A [3] = 1, karena 3 A.

iii. Nilai keanggotaan 5 pada himpunan A, A [5] = 0, karena 5 A.
iv. Nilai keanggotaan 4 pada himpunan B, B [4] = 1, karena 4 A.
v. Nilai keanggotaan 2 pada himpunan B, B [2] = 0, karena 2 B.
vi. Nilai keanggotaan 3 pada himpunan B, B [3] = 1, karena 3 B.
Sedangkan himpunan fuzzy memiliki nilai keanggotaan
yang berada antara 0 sampai dengan 1.
Menurut [11], himpunan Fuzzy mempunyai dua atribut :
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu
keadaan atau kondisi tertentu dengan menggunakan bahasa
alami, seperti : DINGIN, SEJUK, NORMAL, HANGAT,
PANAS.
b. Numerik, yaitu suatu nilai (angka) yang menunjukkan ukuran
dari suatu variabel seperti : 40, 25, 50, dsb.
Ada beberapa hal yang perlu diketahui dalam memahami
sistem fuzzy, yaitu :
1. Variabel fuzzy
Variabel fuzzy adalah variabel yang hendak dibahas dalam
suatu sistem fuzzy.
2. Himpunan Fuzzy
Himpunan Fuzzy merupakan suatu grup yang mewakili suatu
kondisi tertentu dalam suatu variabel fuzzy.

13

3. Semesta Pembicaraan
Semesta

Pembicaraan

adalah

keseluruhan

nilai

yang

diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.

4. Domain
Domain merupakan keseluruhan nilai yang dizinkan dalam
semesta pembicaraan dan boleh dioperasikan dalam himpunan
fuzzy.
Contoh 2.2

Parobaya

Muda
1

Tua

[x]

[x]
0

35

[x]
0

35

55

55

Gambar 2.1 Himpunan MUDA, PAROBAYA, dan TUA

Pada gambar 2.1, variabel yang hendak dibahas adalah variabel
umur yang memiliki himpunan fuzzy terdiri dari muda, parobaya,
tua. Sedangkan semesta pembicaraan untuk variabel tersebut
[0 +].
Misalkan variabel umur dibagi menjadi 3 kategori, yaitu :
MUDA

umur < 35 tahun

PAROBAYA

35 umur 55 tahun

TUA

umur > 55 tahun

Maka, domain muda [0, 35], domain parobaya [35, 55] dan
domain tua [55, +].

14

Pada gambar di atas dapat dijelaskan pula bahwa :

1.

Bila seseorang berusia 34 tahun, maka ia dikatakan MUDA

( MUDA[34]=1).

2.

Bila seseorang berusia 35 tahun, maka ia dikatakan TIDAK

MUDA

3.

(MUDA[35]=0).

Bila seseorang berusia 35 tahun kurang 1 hari, maka ia

dikatakan TIDAK MUDA (MUDA [35 th-1 hr]=0).

4.

Bila seseorang berusia 35 tahun, maka ia dikatakan

PAROBAYA (PAROB AYA [35]=1).

5.

Bila seseorang berusia 34 tahun, maka ia dikatakan TIDAK

PAROBAYA (PAROB AYA[34]=0).

6.

Bila seseorang berusia 55 tahun, maka ia dikatakan

PAROBAYA (PAROB AYA [55]=1).

7.

Bila seseorang berusia 35 tahun kurang 1 hari, maka ia

dikatakan TIDAK PAROBAYA (PAROB AYA [35 th-1 hr]=0).

2.5.2 Fungsi Keanggotaan

Menurut [1], fungsi keanggotaan adalah kurva yang
mendefinisikan bagaimana masing-masing titik dalam ruang input
dipetakan ke dalam nilai keanggotaan (sering juga disebut dengan
derajat keanggotaan, fire strength atau -predikat) antara 0 dan 1.
Fungsi keanggotaan memetakan elemen x dari himpunan semesta

15

x ke sebuah bilangan (x), yang menentukan derajat keanggotaan

dari elemen ke dalam himpunan fuzzy A :
A = {(x, A (x))| x X }

(2.1)

Cara yang dapat digunakan untuk mendapatkan nilai

keanggotaan adalah dengan melalui pendekatan fungsi. Ada
beberapa fungsi yang dapat digunakan antara lain representasi
kurva segitiga, kurva trapesium, dan lain-lain. Namun dalam
penelitian ini, penulis hanya menggunakan representasi kurva
segitiga karena lebih sederhana dan lebih mudah. Kurva segitiga
pada dasarnya merupakan gabungan antara dua garis (linear) yang
ditunjukkan oleh gambar berikut.

1
derajat
keanggotaan
[x]

domain

Gambar 2.2 Kurva Segitiga

Fungsi keanggotaan:

[x] =

x a atau x c
0

x a) /(b a); a x b
(
(c x) /(c b); b x c

(2.2)

16

2.5.3. Operasi Dasar Dalam Himpunan Fuzzy

Ada tiga macam operasi dasar dalam himpunan fuzzy, yaitu
intersection

(irisan),

union

(gabungan),

dan

complement

(komplemen). Dari ketiga operasi tersebut akan diperoleh fungsi

keanggotaan untuk menghasilkan -predikat sebagai hasil dari
operasi dua himpunan.
Fungsi keanggotaan himpunan fuzzy baru yang dihasilkan
dari operasi-operasi tersebut diberikan dalam tabel berikut:
Tabel 2.1 Operasi-operasi dasar dalam himpunan fuzzy [1].
Operasi

Operator

-predikat

Fungsi Keanggotaan

Mengurangkan
Complement

NOT

nilai

A ' = 1 A ( x)

keanggotaan
dari 1
Nilai

Intersection

AND

keanggotaan

AB = min( A[x], B [ y])

terkecil
Nilai
Union

OR

keanggotaan

AB = max( A [x], B [ y])

terbesar

Dengan A dan B adalah himpunan fuzzy, x X .

17

Contoh 2.3
Operasi Komplemen
Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah
0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan
parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka -predikat
untuk usia TIDAK MUDA adalah:

MUDA [27] = 1- MUDA[27]

= 1- 0,6 = 0,4
Atau TIDAK PAROBAYA adalah :

PAROBAYA [40] = 1- PAROBAYA [40]

= 1- 0,4 = 0,6
Contoh 2.4
Operasi Irisan
Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah
0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan
parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka -predikat
untuk usia MUDA dan usia PAROBAYA adalah :

MUDA PAROB AYA = min ( MUDA[27], PAROBAYA [40])

= min (0,6 ; 0,8) = 0,6
Contoh 2.5
Operasi Gabungan
Misalkan nilai keanggotaan 27 tahun pada himpunan muda adalah
0,6 ( MUDA[27] = 0,6) dan nilai keanggotaan 40 pada himpunan

18

parobaya adalah 0,4 ( PAROBAYA [40] = 0,4), maka -predikat

untuk usia MUDA dan usia PAROBAYA adalah :

MUDA PAROBAYA = max ( MUDA[27], PAROBAYA [40])

= max (0,6 ; 0,8) = 0,8
Dalam logika fuzzy untuk mendapatkan solusi, ada tiga
langkah umum yang dapat dilakukan, yaitu :
1. Fuzzyfikasi
Fuzzyfikasi adalah fase pertama dari perhitungan fuzzy untuk
mengubah nilai tegas dan menentukan derajat dengan nilai-nilai
tersebut menjadi anggota dari setiap himpunan fuzzy yang
sesuai.
2. Penalaran
Penalaran adalah prosedur inferensi yang digunakan untuk
menarik kesimpulan dari himpunan aturan IF-THEN dari satu
atau lebih kondisi.
3. Defuzzyfikasi
Defuzzyfikasi adalah pengubahan nilai fuzzyfikasi ke dalam
nilai tegas.
Ketiga langkah tersebut dapat disebut pembangunan sistem
fuzzy, yang dapat diilustrasikan dengan gambar di bawah ini.

19

Fuzzyfikasi

Defuzzyfikasi

Penalaran

Input

Output

Gambar 2. 3 Sistem Fuzzy

2.5.4. Fungsi Implikasi
Menurut [11], setiap aturan (proposisi) pada pengetahuan
fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum
dari aturan yang digunakan dalam fungsi implikasi adalah :
IF x is A THEN y is B

(2.3)

dengan x dan y adalah skalar, A dan B adalah himpunan fuzzy.

Aturan yang mengikuti IF disebut sebagai anteseden, sedangkan
yang mengikuti THEN disebut konsekuen.

2.5.5. Metode Sugeno Orde-Nol

Penalaran dengan

Metode

Sugeno

memiliki output

(konsekuen) berupa konstanta atau persamaan linear. Metode ini

diperkenalkan oleh Takagi-Sugeno-Kang pada tahun 1985. Dalam
penelitian ini penulis menggunakan model Fuzzy Orde-Nol.

20

Secara umum fungsi implikasi Metode Sugeno Orde-Nol adalah :

IF [(x1 is A1) (x2 is A2) (x3 is A3) ... (xN is AN)]
THEN Z = k.

(2.4)

dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, k adalah

suatu konstanta (tegas) sebagai konsekuen, sedangkan adalah
operator (AND atau OR).

Gambar 2.4 Aturan Metode Sugeno

Dalam Metode Sugeno, deffuzyfikasi dilakukan dengan

cara mencari nilai rata-rata.
N

Z=

zi

i =1

(2.5)

i =1

Dengan

Z = nilai rata-rata

= - predikat
z = konsekuen

21

BAB III
METODOLOGI PENELITIAN

3.1.

Waktu dan Tempat Penelitian

Data-data yang digunakan merupakan data sekunder yang berasal
dari Pusat Penelitian dan Pengembangan Ekologi Departemen Kesehatan
Republik Indonesia (Puslitbang Depkes RI). Penelitian dilakukan pada
bulan Agustus sampai Desember 2005 di Kecamatan Klari, Kabuaten
Karawang Propinsi Jawa Barat.

3.2.

Metode Pengumpulan Data

Dari hasil pengumpulan data, didapatkan beberapa data berikut :
1.

Letak geografis Kecamatan Klari

2. Lokasi dan peta industri Kecanatan Klari

Berisi peta industri Kecamatan Klari beserta lokasi industri
menengah. Kecamatan Klari memiliki 65 buah industri.
3. Laporan kependudukan kecamatan Klari
Jumlah seluruh penduduk Klari yaitu 102.942 orang. Terdiri dari
51.917 penduduk laki-laki dan 51.025 penduduk perempuan.
4. Jarak rumah penduduk dengan sumber pencemaran.
Di bagian ini disebutkan nomor rumah beserta jarak rumah yang
telah didata.
Data jarak rumah penduduk dengan sumber pencemaran dapat
dilihat pada lampiran 1.

22

5. Data nilai kualitas air

Berisi nilai kualitas air dari hasil logam berat seperti cadmium
(Cd), timbal (Pb), tembaga (Cu), dan cromium (Cr) yang terdiri dari
30 pasang data.
Kualitas air pada musim hujan memang cukup membahayakan.
Seharusnya pada musim hujan kadar Cd menurun karena intensitas air
hujan meningkat, tetapi ternyata pada musim hujan kadarnya justru
meningkat seperti yang terlihat dalam data.
Kualitas air diwakili oleh kadar Cd pada musim kemarau dan
musim hujan.
Adapun nilai kualitas air dapat dilihat pada lampiran 2.
Dari kelima data di atas, penelitian ini hanya menggunakan
data jarak rumah penduduk dengan sumber pencemaran, dan data nilai
kualitas air.

3.3.

Metode Pengolahan Data

Data yang sudah didapat, diolah dengan menentukan fungsi
keanggotaan input dan output. Input terdiri dari dua fungsi keanggotaan
yaitu data kualitas air penduduk Kecamatan Klari, Karawang pada musim
hujan dan pada musim kemarau. Sedangkan fungsi keanggotaan output
adalah jarak rumah penduduk dengan sumber pencemaran.
Setiap fungsi keanggotaan memiliki variabel linguistik.Kedua
input memiliki variabel linguistik TIDAK BAHAYA, BAHAYA, dan

23

SANGAT

BAHAYA.

Variabel

linguistik

untuk

output

adalah

TERCEMAR, CUKUP AMAN, dan AMAN.

Pengolahan data yang digunakan adalah Metode Sugeno OrdeNol, pada tahap pengujian input, pembentukan kombinasi aturan fuzzy
harus disesuaikan dengan data output dengan menyertakan semua variabel
dimana pada metode ini anteseden direpresentasikan dengan aturan dalam
himpunan fuzzy, sedangkan konsekuen direpresentasikan dengan sebuah
konstanta.
Selanjutnya,

dilakukan

pengujian

dengan

mencari

derajat

keanggotaan nilai tiap variabel dari salah satu data. Kemudian mencari predikat

untuk

setiap

aturan

kombinasi

aturan

fuzzy.

Dengan

menggunakan metode defuzzy weighted average, hasil -predikat yang

tidak nol digunakan untuk mencari nilai rata-rata yang juga merupakan
defuzzyfikasi.

24

3.4.

Alur Penelitian
Penelitian ini dilakukan melalui beberapa tahap yaitu:

Pengumpulan data

Pembentukan fungsi
keanggotaan

Pembentukan aturan
fuzzy

Penghitungan derajat
keanggotaan setiap aturan
fuzzy

Penghitungan
-predikat

Defuzzy weighted
average

Gambar 3.1. Alur Penelitian

25

BAB IV
HASIL DAN PEMBAHASAN

4. 1.

Pembentukan Fungsi Keanggotaan

Proses pertama yang harus dilakukan adalah menentukan fungsi
keanggotaan. Dari seluruh data yang ada, didapatkan beberapa fungsi
keanggotaan, yaitu fungsi keanggotaan input musim kemarau, fungsi
keanggotaan input musim hujan, dan fungsi keanggotaan output jarak
rumah.
Pada lampiran satu, ada sebanyak 30 pasang data pada musim
hujan dan musim kemarau, yaitu Cd, Pb, Cr dan Cu dengan satuan mg/L.
Karena diantara keempat logam tersebut, cadmium memiliki tingkat
pencemaran paling tinggi, maka penulis hanya mengambil Cd sebagai
objek penelitian. Kemudian untuk mempermudah penghitungan, penulis
mengonversi satuan mg/L menjadi dag/L, sehingga 0.0060 mg/L = 60
dag/L.
Klasifikasi data pada kadar Cd di musim kemarau yaitu antara 35
sampai dengan 75 dengan tiga himpunan fuzzy, yaitu TIDAK BAHAYA,
BAHAYA, dan SANGAT BAHAYA.
Himpunan fuzzy TIDAK BAHAYA memiliki domain [35,
55] dengan derajat keanggotaan TIDAK BAHAYA tertinggi (=1) terletak
pada nilai 45.

26

Himpunan fuzzy BAHAYA memiliki domain [45, 65] dengan

derajat keanggotaan BAHAYA tertinggi (=1) terletak pada nilai 55.
Himpunan fuzzy SANGAT BAHAYA memiliki domain [55, 75]
dengan derajat keanggotaan SANGAT BAHAYA tertinggi (=1) terletak
pada nilai 65.
Keterangan-keterangan di atas dapat dirangkum pada gambar di
bawah ini.
TB

SB

45

55

65

[k]

0
35

75

Musim Kemarau

Gambar 4. 1 Fungsi keanggotaan kadar Cd pada musim kemarau

Dengan menggunakan representasi kurva segitiga, maka input
musim kemarau :

0
, k 35 atau k 55

k 35
, 35 k 45
TB (k) =
10
55 k
= 10 , 45 k 55

(4.1)

27


0
, k 45 atau k 65

k 45
, 45 k 55
B (k) =
10
65 k
= 10 ,55 k 65

0
, k 55 atau k 75

k 55
, 55 k 65
SB (k) =
10
75 k
, 65 k 75
=
10

(4.2)

(4.3)

dengan TB = Tidak Bahaya

B = Bahaya
SB = Sangat Bahaya
k = kadar Cd pada musim kemarau
Sedangkan klasifikasi data pada kadar Cd di musim hujan
yaitu antara 110 sampai dengan 150 dengan tiga himpunan fuzzy, yaitu
TIDAK BAHAYA, BAHAYA, dan SANGAT BAHAYA.
Himpunan fuzzy TIDAK

BAHAYA memiliki domain

[110,130] dengan derajat keanggotaan TIDAK BAHAYA tertinggi (=1)

terletak pada nilai 120.
Himpunan fuzzy BAHAYA memiliki domain [120,140] dengan
derajat keanggotaan BAHAYA tertinggi (=1) terletak pada nilai 130.
Himpunan fuzzy

SANGAT BAHAYA memiliki domain [130,150 ]

dengan derajat keanggotaan

SANGAT BAHAYA tertinggi (=1) terletak

pada nilai 140.

28

Keterangan-keterangan di atas dapat dilihat pada gambar di bawah

ini.

TB

SB

120

130

140

[h]

0
110

150

Musim Hujan

Gambar 4.2 Fungsi keanggotaan kadar Cd pada musim hujan

Dengan menggunakan representasi kurva segitiga, maka input
musim hujan :

0
, h 110 atau h 130

h 110
, 110 h 120
TB (h) =
10
130 h
, 120 h 130
=
10

0
, h 120 atau h 140

h 120
, 120 h 130
B (h) =
10
140 h
, 130 h 140
=
10

0
, h 130 atau h 150

h 130
, 130 h 140
SB (h) =
10

150 h
= 10 , 140 h 150

(4.4)

(4.5)

(4.6)

29

dengan TB = Tidak Bahaya

B = Bahaya
SB = Sangat Bahaya
h = kadar Cd pada musim hujan
Pada klasifikasi data jarak rumah dari sumber pencemaran yaitu
antara 50 sampai dengan 245 dengan tiga himpunan fuzzy, yaitu
TERCEMAR, CUKUP AMAN, dan AMAN.
Himpunan fuzzy TERCEMAR memiliki domain [5, 125] dengan
derajat keanggotaan TERCEMAR tertinggi (=1) terletak pada nilai 65.
Himpunan fuzzy CUKUP AMAN memiliki domain [65, 185]
dengan derajat keanggotaan CUKUP AMAN tertinggi (=1) terletak pada
nilai 125. Dan himpunan fuzzy AMAN memiliki domain [125, 245]
dengan derajat keanggotaan AMAN tertinggi (=1) terletak pada nilai 185.
Keterangan-keterangan di atas dapat dilihat pada gambar di bawah
ini.
TC

CA

65

125

185

[j]

245

Jarak Rumah

Gambar 4.3 Fungsi keanggotaan pada jarak rumah.

30

Dengan menggunakan representasi kurva segitiga, maka output

jarak rumah :

0
, j 5 atau j 125

j 5
, 5 j 65
TC(j) =
60
125 j
, 65 j 125

60

0
, j 65 atau j 185

j 65
, 65 j 125
CA (j) =
60
185 j
,125 j 165

60

0
, j 125 atau j 245

j 125
, 125 j 185
A (j) =
60

245 j
60 ,185 j 245

(4.7)

(4.8)

(4.9)

dengan TC = Tercemar
CA = Cukup Aman
A

= Aman

j = Jarak rumah

4. 2.

Pembentukan Aturan Fuzzy

Setelah membentuk fungsi keanggotaan, langkah selanjutnya
adalah membuat aturan fuzzy. Karena ada dua fungsi keanggotaan input,

31

maka aturan fuzzy yang dihasilkan ada 9 aturan dengan menyertakan

semua variabel.
Metode inferensi yang digunakan adalah Metode Sugeno OrdeNol. Pada metode ini, anteseden direpresentasikan dengan proposisi dalam
himpunan fuzzy, sedangkan konsekuen direpresentasikan dengan sebuah
konstanta.
Berikut ini tabel pembentukan aturan fuzzy
Tabel 4.1 Pembentukan aturan fuzzy
h

TB

SB

TB

CA

CA

CA

Tc

Tc

SB

CA

Tc

Tc

Sehingga aturan fuzzy yang dihasilkan adalah :

[R1] IF k = TB AND h = TB THEN AMAN = 185
[R2] IF k = TB AND h = B THEN CUKUP AMAN = 125
[R3] IF k = TB AND h = SB THEN CUKUP AMAN = 125
[R4] IF k = B AND h = TB THEN CUKUP AMAN = 125
[R5] IF k = B AND h = B THEN TERCEMAR = 65
[R6] IF k = B AND h = SB THEN TERCEMAR = 65
[R7] IF k = SB AND h = TB THEN CUKUP AMAN = 125
[R8] IF k = SB AND h = B THEN TERCEMAR = 65
[R9] IF k = SB AND h = SB THEN TERCEMAR = 65

32

4. 3.

Pengujian
Setelah memperoleh 9 aturan fuzzy, dilakukan pengujian untuk
mendapatkan nilai output.
Pengujian 1
Pengujian pertama dilakukan terhadap data no 1 pada
lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih.
Input; musim kemarau = 0,0060 mg/L = 60 dag/L
Derajat keanggotaan tiap variabel dari input musim kemarau
TB [60] = 0
B [60] = 65 60 = 0,5
10
SB [60] = 60 55 = 0,5
10
Input; Musim hujan = 0,0135 mg/L = 135 dag/L
Derajat keanggotaan tiap variabel dari input musim hujan
TB [135] = 0
B [135] = 140 135 = 5 = 0,5
10
10
SB [135] = 135 130 = 5 = 0,5
10
10
Kemudian dicari -predikat (fire strength)dari setiap aturan fuzzy, dengan
menggunakan operator and dan interpretasi min.
[R1] IF k = TB AND h = TB THEN AMAN
-predikat1 = min ( TIDAK

BAHAYA[60]

; TIDAK

BAHAYA[135])

= min (0 ; 0) = 0

33

[R2] IF k = TB AND h = B THEN CUKUP AMAN

-predikat2 = min ( TIDAK

BAHAYA[60]

; BAHAYA[135])

= min (0 ; 0,5) = 0
[R3] IF k = TB AND h = SB THEN CUKUP AMAN
-predikat3 = min ( TIDAK

BAHAYA[60]

SANGAT BAHAYA[135])

= min (0 ; 0,5) = 0
[R4] IF k = B AND h = TB THEN CUKUP AMAN
-predikat4 = min ( BAHAYA[60] ; TIDAK

BAHAYA[135])

= min (0,5 ; 0) = 0
[R5] IF k = B AND h = B THEN TERCEMAR
-predikat5 = min ( BAHAYA[60] ; BAHAYA[135])
= min (0,5 ; 0,5) = 0,5
[R6] IF k = B AND h = SB THEN TERCEMAR
-predikat6 = min ( BAHAYA[60] ;

SANGAT BAHAYA[135])

= min (0,5 ; 0,5) = 0,5

[R7] IF k = SB AND h = TB THEN CUKUP AMAN
-predikat7 = min (

SANGAT BAHAYA[60]

; TIDAK

BAHAYA[135])

= min (0,5 ; 0) = 0
[R8] IF k = SB AND h = B THEN TERCEMAR
-predikat8 = min (

SANGAT BAHAYA[60]

; BAHAYA [135])

= min (0,5 ; 0,5) = 0,5

34

[R9] IF k = SB AND h = SB THEN TERCEMAR

-predikat9 = min (

SANGAT BAHAYA[60]

SANGAT BAHAYA[135])

= min (0,5 ; 0,5) = 0,5

Karena -predikat tidak nol terdapat pada [R5], [R6], [R8] dan
[R9], maka dengan menggunakan metode defuzzy weighted average, maka
rata-rata jarak aman rumah dengan sumber pencemaran adalah
Z=

5 z 5 + 6 z6 + 8 z8 + 9 z9
0,5 65 + 0,5 65 + 0,5 65 + 0,5 65
=
5 + 6 + 8 + 9
0,5 + 0,5 + 0,5 + 0,5
32,5 + 32,5 + 32,5 + 32,5 130
= 65 m
=
2
2
Selain secara manual, pengujian juga dilakukan menggunakan

Matlab untuk mengetahui kebenaran langkah-langkah penghitungan yang

dijalankan.
Pengujian 2
Pengujian kedua dilakukan terhadap data no 13 pada
lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih.
Input; musim kemarau = 0,0053 mg/L = 53 dag/L
Derajat keanggotaan tiap variabel dari input musim kemarau
TB [53] = 55 53 = 0,2
10
B [53] = 53 45 = 0,8
10
SB [53] = 0
Input, musim hujan = 0,0137 mg/L = 137 dag/L

35

Derajat keanggotaan tiap variabel dari input musim hujan

TB [137] = 0
B [137] = 140 137 = 3 = 0,3
10
10
SB [137] = 137 130 = 7 = 0,7
10
10
Kemudian dicari -predikat (fire strength)dari setiap aturan fuzzy,
dengan menggunakan operator and dan interpretasi min.
[R1] IF k = TB AND h = TB THEN AMAN
-predikat1 = min ( TIDAK

BAHAYA[53]

; TIDAK

BAHAYA[137])

= min (0,2 ; 0) = 0
[R2] IF k = TB AND h = B THEN CUKUP AMAN
-predikat2 = min ( TIDAK

BAHAYA[53]

BAHAYA[137])

= min (0,2 ; 0,3) = 0,2

[R3] IF k = TB AND h = SB THEN CUKUP AMAN
-predikat3 = min ( TIDAK

BAHAYA[53]

SANGAT BAHAYA[137])

= min (0,2 ; 0,7) = 0,2

[R4] IF k = B AND h = TB THEN CUKUP AMAN
-predikat4 = min (

BAHAYA[53]

; TIDAK

BAHAYA[137])

= min (0,8 ; 0) = 0
[R5] IF k = B AND h = B THEN TERCEMAR
-predikat5 = min (

BAHAYA[53]

; BAHAYA[137])

= min (0,8 ; 0,3) = 0,3

36

[R6] IF k = B AND h = SB THEN TERCEMAR

-predikat6 = min ( BAHAYA[53] ; SANGAT BAHAYA[137])
= min (0,8 ; 0,7) = 0,7
[R7] IF k = SB AND h = TB THEN CUKUP AMAN
-predikat7 = min (

SANGAT BAHAYA[53]

; TIDAK

BAHAYA[137])

= min (0 ; 0) = 0,
[R8] IF k = SB AND h = B THEN TERCEMAR
-predikat8 = min (

SANGAT BAHAYA[53]

; BAHAYA [137])

= min (0 ; 0,3) = 0
[R9] IF k = SB AND h = SB THEN TERCEMAR
-predikat9 = min (

SANGAT BAHAYA[53]

SANGAT BAHAYA[137])

= min (0 ; 0,7) = 0
Karena -predikat tidak nol terdapat pada [R2], [R3], [R5] dan
[R6], maka dengan menggunakan metode defuzzy weighted average, maka
rata-rata jarak aman rumah dengan sumber pencemaran adalah
Z=

2 z 2 + 3 z3 + 5 z5 + 6 z6
0,2 125 + 0,2 125 + 0,3 65 + 0,7 65
=
0,2 + 0,2 + 0,3 + 0,7
2 + 3 + 5 + 6
25 + 25 + 19,5 + 45,5

115
= 82,1m
1,4

1,4
Pengujian 3
Pengujian ketiga dilakukan terhadap data no 19 pada
lampiran 1 berdasarkan data hasil pemeriksaan kualitas air bersih.
Input; musim kemarau = 0,0048 mg/L = 48 dag/L

37

Derajat keanggotaan tiap variabel dari input musim kemarau

TB [48] = 55 48 = 0,7
10

B [48] = 48 45 = 0,3
10
SB [48] = 0
Input, musim hujan = 0,0132 mg/L = 132 dag/L
Derajat keanggotaan tiap variabel dari input musim hujan
TB [132] = 0

B [132] = 140 132 = 0,8

10
SB [132] = 132 130 = 0,2
10
Kemudian dicari -predikat (fire strength)dari setiap aturan fuzzy,
dengan menggunakan operator and dan interpretasi min.
[R1] IF k = TB AND h = TB THEN AMAN
-predikat1 = min ( TIDAK

BAHAYA[48]

; TIDAK

BAHAYA[132])

= min (0,7 ; 0) = 0
[R2] IF k = TB AND h = B THEN CUKUP AMAN
-predikat2 = min ( TIDAK

BAHAYA[48]

; BAHAYA[132])

= min (0,7 ; 0,8) = 0,7

[R3] IF k = TB AND h = SB THEN CUKUP AMAN
-predikat3 = min ( TIDAK

BAHAYA[48]

; SANGAT BAHAYA[132])

= min (0,7 ; 0,2) = 0,2

38

[R4] IF k = B AND h = TB THEN CUKUP AMAN

-predikat4 = min ( BAHAYA[48] ; TIDAK

BAHAYA[132])

= min (0,3 ; 0) = 0
[R5] IF k = B AND h = B THEN TERCEMAR
-predikat5 = min ( BAHAYA[48] ; BAHAYA[132])
= min (0,3 ; 0,8) = 0,3
[R6] IF k = B AND h = SB THEN TERCEMAR
-predikat6 = min ( BAHAYA[48] ;

SANGAT BAHAYA [132])

= min (0,3 ; 0,2) = 0,2

[R7] IF k = SB AND h = TB THEN CUKUP AMAN
-predikat7 = min ( SANGAT

BAHAYA[48]

; TIDAK

BAHAYA[132])

= min (0 ; 0) = 0
[R8] IF k = SB AND h = B THEN TERCEMAR
-predikat8 = min ( SANGAT

BAHAYA[48]

; BAHAYA [132])

= min (0 ; 0,8) = 0
[R9] IF k = SB AND h = SB THEN TERCEMAR
-predikat9 = min ( SANGAT BAHAYA[48] ; SANGAT BAHAYA[132])
= min (0 ; 0,2) = 0
Karena -predikat tidak nol terdapat pada [R2], [R3], [R5] dan
[R6], maka dengan menggunakan metode defuzzy weighted average, maka
rata-rata jarak aman rumah dengan sumber pencemaran adalah
Z=

2 z 2 + 3 z3 + 5 z5 + 6 z6
0,7 125 + 0,2 125 + 0,3 65 + 0,2 65
=
0,7 + 0,2 + 0,3 + 0,2
2 + 3 + 5 + 6

39

87,5 + 25 + 19,5 + 13

145
= 103,5 m
1,4

1,4
Tabel 4.2. Contoh hasil pengujian terhadap beberapa kombinasi kadar Cd
pada musim kemarau dan musim hujan
Kadar Cd (dag/L)
Musim Kemarau

Musim Hujan

Jarak rumah
(meter)

60

135

65

53

137

82,1

48

132

103,5

No

Output berupa jarak rumah yang dihasilkan merupakan jarak aman

antara pusat pencemaran dengan rumah, sehingga kualitas air menjadi
terjaga. Walaupun sudah dapat dipastikan bahwa lokasi yang memiliki
kadar tinggi harus memiliki jarak yang jauh.
Hubungan ketiga variabel input dan output dapat dilihat seperti
gambar berikut.

Gambar 4.4. Hubungan variabel input dan output

40

BAB V
KESIMPULAN DAN SARAN

5.1

Kesimpulan
Berdasarkan

hasil

dan

pembahasan,

didapatkan

beberapa

kesimpulan, yaitu fungsi keanggotaan terdiri dari input kadar Cd pada

musim kemarau dan musim hujan, dan jarak rumah yang aman sebagai
output jarak rumah pada Kecamatan Klari Kabupaten Karawang. Fungsi
keanggotaan input dibentuk dengan membuat 3 himpunan fuzzy yaitu
Tidak Bahaya (TB), Bahaya (B), dan Sangat Bahaya (SB). Pada fungsi
keanggotaan musim kemarau semesta pembicaraan [35 75] dan pada
fungsi keanggotaan musim hujan semesta pembicaraan [110 150]. Fungsi
keanggotaan output terdiri dari 3 himpunan fuzzy yaitu Tercemar (Tc),
Cukup Aman (CA), dan Aman (A) dengan semesta pembicaraan [5 245].
Kurva yang digunakan adalah kurva segitiga.
Fungsi implikasi diperoleh dengan membentuk aturan fuzzy.
Aturan fuzzy yang dihasilkan adalah 9 aturan dengan menyertakan semua
variabel. Output berupa jarak rumah yang aman, pada pengujian pertama
yaitu 65 m, pada pengujian kedua yaitu 82,1 m dan pada pengujian ketiga
yaitu 103,5 m.

41

5.2

Saran
Salah satu yang ingin dicapai dari penelitian ini adalah untuk
mengetahui jarak aman antara sumber pencemaran dengan tempat tinggal
penduduk,

penulis

menyarankan

kepada

Pusat

Penelitian

dan

Pengembangan Ekologi Departemen Kesehatan Republik Indonesia

(Puslitbang Depkes RI) untuk menggunakan penelitian ini sebagai salah
satu referensi.
Untuk penelitian selanjutnya, diharapkan melakukan penghitungan
dengan tiga atau lebih input, yaitu logam-logam berat lain (Cu, Pb, dan
Cr), sehingga tingkat keamanan tempat tinggal penduduk lebih akurat.

42

REFERENSI
[1]

Arhami, Muhammad. Konsep Dasar Sistem Pakar, Yogyakarta: Penerbit

Andi Yogyakarta, 2005.

[2]

Bambang dan Zahra. Kimia dalam Industri Lingkungan.Perkembangan

Mutakhir Dalam Teori, Instrumentasi dan Penerapan, Yogyakarta :
Jaringan Kerjasama Kimia Indonesia., 2004

[3]

Fahri, Achmad. Pembuatan Program Komputer Untuk Menganalisa

Kualitas Aur Bersih Di Kabupaten Karawang Propinsi Jawa Barat, Skripsi:
Jurusan Teknik Informatika Fakultas Sains Dan Teknologi Universitas Islam
Negeri Syarif Hidayatullah Jakarta, 2006.

[4]

Martaningtyas, Dewi. Bahaya Cemaran Logam Berat. Juni 2007

http://asysyuravoice.blogspot.com/2007_06_01_archive.html
16 Juni 2008, Pukul 19.23

[5]

Limbah. Dari Wikipedia Indonesia, ensiklopedi bebas berbahasa Indonesia.

Mei 2008
http://id.wikipedia.org/wiki/Limbah, 13 juni 2008 , Pukul 21.13 WIB

[6]

Pencemaran. Dari Wikipedia Indonesia, ensiklopedi bebas berbahasa

Indonesia. Mei 2008
http://id.wikipedia.org/wiki/Pencemaran_air, 2 mei 2008, Pukul 20.40 WIB

[7]

Nugroho, Budi. Ekologi Mikroba Pada Tanah Terkontaminasi Logam Berat.

Desember 2001
http://lets-belajar.blogspot.com/2007/08/logam-berat.html
16 Juni 2008, Pukul 20.01 WIB

43

[8]

Kualitas Air. E - Learning Geografi Lingkungan.

http://www.malang.ac.id/eLearning/FMIPA/Budi%20Handoyo/geografi4.htm, 27 Mei 2008, Pukul
23.52 WIB

[9]

Mursyidin, Dindin. Menanggulangi Pencemaran Logam Berat.

September 2006.
http://www.ychi.org/index.php?option = com = com_content & task=view &
id=73 & Itemid=39, 16 Juni 2008, Pukul 20.01 WIB

[10] Kusumadewi, Sri. Purnomo, Hari. Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan, Yogyakarta: Penerbit Graha Ilmu, 2004.

[11] Setiawan, Hendra, Pengertian Pencemaran Air Dari Perspektif Hukum

Pusat Pengendalian Pencemaran Air. Agustus 2001.
www.bplhdjabar.go.id 27 Mei 2008, Pukul 23.48 WIB

44

LAMPIRAN

45

LAMPIRAN 1

JARAK RUMAH PENDUDUK DENGAN SUMBER PENCEMARAN

No

No Rumah

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

001
019
031
046
064
082
100
117
138
162
180
186
192
201
210
219
225
231
237
243
246
258
280
289
301
317
339
384
396
402

Jarak rumah
(meter)
5
8
8
10
10
8
8
10
8
8
20
17
60
83
59
24
32
48
74
94
102
154
143
210
147
125
124
147
110
175

46

LAMPIRAN 2
HASIL PEMERIKSAAN KUALITAS AIR BERSIH PENDUDUK
DI KECAMATAN KLARI KABUPATEN KARAWANG
Musim Kemarau (mg/L)
Cu
Cd
Pb
Cr

Musim Hujan (mg/L)

Cu
Cd
Pb
Cr

No

Nomor
Rumah

001

0.0387

0.0060

0.0100

0.0230

0.0330

0.0135

0.1785

0.0635

019

0.0384

0.0062

0.0101

0.0225

0.0331

0.0137

0.1786

0.0636

031

0.0379

0.0063

0.0096

0.0227

0.0332

0.0136

0.1784

0.0634

046

0.0381

0.0065

0.0099

0.0229

0.0334

0.0134

0.1787

0.0637

064

0.0382

0.0069

0.0098

0.0230

0.0335

0.0140

0.1783

0.0634

082

0.0388

0.0070

0.0103

0.0231

0.0334

0.0142

0.1782

0.0633

100

0.0389

0.0068

0.0106

0.0219

0.0032

0.0139

0.01781

0.0632

117

0.0390

0.0072

0.0107

0.0222

0.0032

0.0138

0.01784

0.0630

138

0.0391

0.0055

0.0109

0.0225

0.0030

0.0142

0.01783

0.0629

10

162

0.0395

0.0059

0.0122

0.0229

0.0029

0.0143

0.01782

0.0628

11

180

0.0394

0.0054

0.0095

0.0230

0.0028

0.0138

0.01781

0.0627

12

186

0.0375

0.0054

0.0096

0.0219

0.0029

0.0139

0.01783

0.0628

13

192

0.0379

0.0053

0.0094

0.0220

0.0028

0.0137

0.01780

0.0627

14

201

0.0381

0.0050

0.0098

0.0224

0.0027

0.0136

0.01779

0.0626

15

210

0.0382

0.0052

0.0097

0.0218

0.0026

0.0134

0.01781

0.0625

16

219

0.0386

0.0051

0.0096

0.0217

0.0025

0.0132

0.01778

0.0627

17

225

0.0380

0.0051

0.0094

0.0216

0.0027

0.0130

0.01777

0.0624

18

231

0.0382

0.0049

0.0097

0.0219

0.0028

0.0131

0.01776

0.0623

19

237

0.0381

0.0048

0.0090

0.0220

0.0024

0.0132

0.01775

0.0624

20

243

0.0379

0.0047

0.0091

0.0217

0.0025

0.0129

0.01774

0.0622

21

246

0.0382

0.0051

0.0092

0.0216

0.0026

0.0128

0.01774

0.0621

22

258

0.0383

0.0045

0.0096

0.0215

0.0027

0.0126

0.01773

0.0620

23

280

0.0384

0.0044

0.0095

0.0215

0.0024

0.0124

0.01772

0.0621

24

289

0.0385

0.0046

0.0094

0.0214

0.0022

0.0124

0.01771

0.0619

25

301

0.0381

0.0043

0.0092

0.0213

0.0023

0.0122

0.01771

0.0622

26

317

0.0384

0.0042

0.0091

0.0216

0.0021

0.0121

0.01772

0.0618

27

339

0.0386

0.0042

0.0090

0.0217

0.0020

0.0120

0.01770

0.0617

28

384

0.0381

0.0041

0.0089

0.0218

0.0019

0.0120

0.01769

0.0619

29

396

0.0382

0.0040

0.0087

0.0214

0.0018

0.0120

0.01768

0.0616

30

402

0.038

0.0039

0.0092

0.0217

0.0017

0.0119

0.01767

0.0615

47

LAMPIRAN 3
TOOLBOX MATLAB
Untuk mengimplementasikan pembahasan pada bab 4 ke Fuzzy Matlab
Toolbox. Berikut langkah-langkahnya :
1. Jalankan software MATLAB
2. Tulis pada command line :
>> fuzzy
maka akan tampil FIS Editor seperti gambar di bawah ini

3. Pilih new Sugeno FIS pada menu File, kemudian akan muncul FIS seperti
gambar di bawah ini.

48

4.

Masukkan variabel input

Pada gambar tersebut ada 1 input yaitu input 1 dan I output yaitu output 1. kita
dapat mengedit variabel input dan otput dengan cara :
a. Tekan sekali kotak berwarna kuning di sisi kiri yang berlabel input 1,
kotak tersebut berubah menjadi berbingkai merah.
b. Pada kolom edit yang berwarna putih di sisi kanan, ubah kata input 1
menjadi MusimKemarau , kemudian tekan enter.
c. Untuk menamah umlah variabel input (tidak hanya satu), pada menu-bar
pilih edit-add input. Ubah nama input 2 menjadi MusimHujan, kemudian
tekan enter.
d. Untuk memasukkan variabel output, tekan sekali kotak berwarna kuning di
sisi kanan yang berlabel output 1, kotak tersebut kemudian berbingkai
merah.

49

e. Pada kolom edit yang berwarna putih di sisi kanan, ubah kata output 1
menjadi JarakRumah kemudian tekan enter.
5. Mengubah Operator.
Operator-operator yang digunakan adalah And Method dan Or Method.
Pilihan untuk And Method adalah min, prod, atau custom, pilih min. Sedngkan
pilihan untuk Or Method adalah max, probor, aau custom, pilih max.
6. Mengubah Fungsi Implikasi. Fungsi Implikasi memiliki pilihan min, prod,
atau custom. Pilih min.
7. Mengubah Fungsi Defuzzification.
Fungsi defuzzification terdiri dari wtever dan wtsum, pilih wtaver.
8. Simpan file dengan memilih menu-bar, pilih file-save to disk as Beri nama
Sugeno orde nol.fis
Sampai dengan langkah ke-8, diperoleh hasil pada gambar berikut

50

9. Membuat himpunan fuzzy dan fungsi keanggotaaan.

Double klik input MusimKemarau, kemudian akan muncul Membership
Function Editor

Fungsi Keanggotaan untuk variabel MusimKemarau:

a. Klik variabel MusimKemarau, hingga bingkainya berwarna merah.
b. Pada kolom current variable kolom range berwarna putih. Isikan
kolom range tersebut dengan [0 75].
c. Pilih Add MFs pada menu Edit, akan muncul.

51

Tekan OK. Akan muncul gambar

d. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name
dengan nama TidakBahaya.
e. Pilih fungsi keanggotaan pada Type dengan trimf.
f. Ubah Params dengan [35 45 55]
g. Klik mf2 hingga garisnya berwarna merah. Ganti mf2 pada Name
dengan nama Bahaya.
h. Pilih fungsi keanggotaan pada Type dengan trimf.
i. Ubah Params dengan [45 55 65]
j. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name
dengan nama SangatBahaya.
k. Pilih fungsi keanggotaan pada Type dengan trimf.
l. Ubah Params dengan [55 65 75].

52

Sampai dengan langkah l, akan terlihat hasil seperti pada gambar

berikut

Fungsi Keanggotaan untuk variabel MusimHujan:

a. Klik variabel MusimHujan, hingga bingkainya berwarna merah.
b. Pada kolom current variable kolom range berwarna putih. Isikan
kolom range tersebut dengan [0 150].
c. Pilih Add MFs pada menu Edit, akan muncul.

53

Tekan OK, akan muncul gambar

d. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name
dengan nama TidakBahaya.
e. Pilih fungsi keanggotaan pada Type dengan trimf.
f. Ubah Params dengan [10 120 130]
g. Klik mf2 hingga garisnya berwarna merah. Ganti mf2 pada Name
dengan nama Bahaya.
h. Pilih fungsi keanggotaan pada Type dengan trimf.
i. Ubah Params dengan [120 130 140]
j. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name
dengan nama SangatBahaya.
k. Pilih fungsi keanggotaan pada Type dengan trimf.

54

l. Ubah Params dengan [130 140 150].

Sampai dengan langkah l, akan terlihat hasil seperti pada gambar
berikut :

Fungsi Keanggotaan untuk variabel Jarak Rumah:

a. Klik variabel JarakRumah, hingga bingkainya berwarna merah.
Akan muncul gambar berikut :

55

b. Pilih add MFs pada menu Edit, Pilih constan MF type. Tekan OK
akan muncul gambar berikut

Kemudian akan muncul

c. Klik mf1 hingga garisnya berwarna merah. Ganti mf1 pada Name
dengan nama Tercemar.
d. Ubah Params dengan [5 65 125]
e. Klik mf2 hingga garisnya berwarna merah. Ganti mf2 pada Name
dengan nama CukupAman.

56

f. Ubah Params dengan [65 125 185]

g. Klik mf3 hingga garisnya berwarna merah. Ganti mf3 pada Name
dengan nama Aman.
h. Ubah Params dengan [125 185 245]
Sampai dengan langkah i, akan terlihat hasil seperti pada gambar
berikut :

10. Membuat Aturan.

Pada Menu Edit pilih Rules, akan muncul gambar berikut :

57

a. Untuk membuat aturan ke-1 : pilih (dengan cara mengklik satu kali)
TidakBahaya pada listbox MusimKemarau, TidakBahaya pada listbox
MusimHujan, dan Aman pada listbox JarakRumah. Tekan Add Rule.
b. Untuk membuat aturan ke-2 : pilih (dengan cara mengklik satu kali)
TidakBahaya pada listbox MusimKemarau, Bahaya pada listbox
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add
Rule.
c. Untuk membuat aturan ke-3 : pilih (dengan cara mengklik satu kali)
TidakBahaya pada listbox MusimKemarau, SangatBahaya pada listbox
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add
Rule.
d. Untuk membuat aturan ke-4 : pilih (dengan cara mengklik satu kali)
Bahaya pada listbox MusimKemarau, TidakBahaya pada listbox

58

MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add

Rule.
e. Untuk membuat aturan ke-5 : pilih (dengan cara mengklik satu kali)
Bahaya

pada

listbox

MusimKemarau,

Bahaya

pada

listbox

MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add

Rule.
f. Untuk membuat aturan ke-6 : pilih (dengan cara mengklik satu kali)
Bahaya pada listbox MusimKemarau, SangatBahaya pada listbox
MusimHujan, dan Tercemar pada listbox JarakRumah. Tekan Add
Rule.
g. Untuk membuat aturan ke-7 : pilih (dengan cara mengklik satu kali)
SangatBahaya pada listbox MusimKemarau, TidakBahaya pada listbox
MusimHujan, dan CukupAman pada listbox JarakRumah. Tekan Add
Rule.
h. Untuk membuat aturan ke-8 : pilih (dengan cara mengklik satu kali)
SangatBahaya pada listbox MusimKemarau, Bahaya pada listbox
MusimHujan, dan Tercemar pada listbox JarakRumah. Tekan Add
Rule.
i. Untuk membuat aturan ke-9 : pilih (dengan cara mengklik satu kali)
SangatBahaya pada listbox MusimKemarau, SangatBahaya pada
listbox MusimHujan, danTercemar pada listbox JarakRumah. Tekan
Add Rule.
Hasilnya seperti terlihat pada gambar di bawah ini

59

11. Hasilnya dapat dilihat dari rule viewer. Pilih View rulespada menu View.
Akan muncul editor

60

Untuk mengubah input dapat dilakukan dengan mengubah kolom input, atau
dengan menggeser garis berwarna merah.
12. Untuk melihat kaitan ketiga variabel dalam bentuk surface, pilih View
surfacepada menu View. Akan muncul surface viewer

61