DAFTAR ISI

A. PENDAHULUAN.............................................1
B. MENENTUKAN KUALITAS SUSU SEGAR
DENGAN TEKNIK LOGIKA FUZZY......................3
1. Sejarah logika fuzzy.....................................3
2. Alasan digunakannya logika fuzzy...............5
3. Tahapan-tahapan dalam menentukan
kualitas susu segar............................................6
3.1 Penentuan variabel dan pembentukan
himpunan fuzzy..................................................6
3.2

Penentuan fungsi keanggotaan..............11

3.3

Penentuan aturan fuzzy..........................13

3.4

Tahap defuzzifikasi.................................14

C. KESIMPULAN...............................................19
DAFTAR RUJUKAN.............................................20

MENENTUKAN KUALITAS SUSU

SEGAR DENGAN TEKNIK LOGIKA
FUZZY
AISATUL LAILYAH
NIM: 201410060311120

A. PENDAHULUAN
Logika Fuzzy merupakan suatu logika yang
memiliki nilai ketidakjelasan atau kesamaran
(fuzzyness) antara benar atau salah. Ide dasar
dari

logika

fuzzy

muncul

dari

prinsip

ketidakjelasan. Mungkin banyak orang kurang

tertarik karena istilah ketidak-jelasan tersebut.
Menurut Robandi (2006: 79), hal yang jelas saja
belum tentu menyelesaikan masalah, apalagi
yang tidak jelas. Itulah argumen dari kebanyakan
orang. Logika fuzzy ini diperkenalkan oleh Dr.
Lutfi Zadeh dari Universitas California, Berkeley
pada 1965.
Pengawasan

mutu

dalam

suatu

industri

pangan merupakan suatu faktor penting dalam

rangka penyediaan produk pangan yang sehat,
1

bergizi dan aman bagi konsumen. Hal ini menjadi

makin penting dengan perlunya jaminan kepada
masyarakat bahwa produk pangan yang dibeli
telah memenuhi standar kualitas tertentu. Salah
satu produk pangan yang sangat dibutuhkan
dalam menunjang pemenuhan gizi masyarakat
adalah

susu.

pengendalian

Oleh

karena

mutu

susu

itu

segar

diperlukan
agar

dapat

dihasilkan produk olahan susu yang berkualitas.

Salah satu metode yang dapat diterapkan
untuk

menentukan

dengan

logika

mutu

susu

fuzzy.

segar

Karena

adalah
menurut

Kusumadewi (dalam Santoso, Wijana & Pratiwi,

2010: 48),
ini

dengan menggunakan metode fuzzy

dapat

membantu

ketidakjelasan
disebabkan

batas

oleh

mengatasi
antar

penilaian

masalah

kriteria

yang

manusia

untuk

pendukung keputusan. Yang dan Chen (dalam

Santoso, 2010: 48) juga mengatakan bahwa,
aplikasi fuzzy menggunakan pendapat dengan
skala pengukuran untuk menilai mutu, sehingga
2

dapat

diketahui

adanya

mutu

yang

kurang

memenuhi standar.
Dalam makalah ini akan dibahas sejarah
logika fuzzy, alasan digunakannya logika fuzzy,
serta tahapan-tahapan
menentukan

yang

kualitas

dilakukan untuk

susu

segar

yaitu

penentuan variabel dan pembentukan himpunan

fuzzy,

penentuan

penentuan

aturan

fungsi

fuzzy,

keanggotaan,
serta

tahap

defuzzifikasi untuk memperoleh output berupa

bilangan pada domain himpunan fuzzy.

B. MENENTUKAN KUALITAS SUSU

SEGAR DENGAN TEKNIK LOGIKA
FUZZY
1. Sejarah logika fuzzy
Logika

fuzzy

dimulai

pada

tahun

1965

dengan kertas yang disebut Fuzzy Sets oleh

seorang pria bernama Lutfi Zadeh. Zadeh adalah
profesor imigran Iran dari teknik elektro UC
3

Berkeley, departemen ilmu komputer. Sejarah

pertama

logika

fuzzy

dapat

dilihat

dalam

pemikiran pendiri agama Buddha sekitar 500 SM.

Dia percaya bahwa dunia itu penuh dengan
kontradiksi

dan

semuanya

berisi

beberapa

kebalikannya. Bertentangan dengan pemikiran

Buddha, filsuf Yunani Aristoteles menciptakan
logika biner melalui Hukum Tengah dikecualikan.
Sebagian besar dunia Barat menerima filosofi dan
itu menjadi dasar pemikiran ilmiah. Hingga saat
ini, jika ada sesuatu yang terbukti secara logis
benar, itu dianggap ilmiah benar.
Sebelum Zadeh, seorang pria bernama Max
Black menerbitkan sebuah makalah pada tahun
1937 berjudul ketidakjelasan: Latihan di Logical
Analysis. Gagasan Black yaitu hubungan antara
ketidakjelasan dan sistem berfungsi. Zadeh, di
sisi

lain,

melihat

hubungan

ini

dan

mulai

mengembangkan idenya tentang logika kabur

dan fuzzy set. Ide-ide Zadeh mengalami banyak
perlawanan dari dunia Barat. Ada tiga kritik
utama. Yang pertama adalah bahwa orang ingin
4

melihat logika fuzzy diterapkan. Hal ini tidak

terjadi karena ide-ide baru membutuhkan waktu
untuk menerapkan. Kritik kedua datang dari
sekolah probabilitas. Fuzzy logic menggunakan
angka antara 0 dan 1 untuk menggambarkan
derajat fuzzy. Probabilitas merasa bahwa mereka
melakukan hal yang sama. Kritik ketiga adalah
yang terbesar. Logika fuzzy untuk bekerja, orang
harus setuju bahwa A dan tidak A adalah benar.
Ilmu pengetahuan modern ini mengancam ide-ide
matematika. Akibatnya, dunia Barat menolak
logika fuzzy untuk jangka waktu tertentu.
Pada tahun 1980, Jepang memiliki lebih dari
100 perangkat logika fuzzy. Menurut Zadeh,
Amerika Serikat hanya menempati peringkat
ketiga dalam aplikasi fuzzy setelah Jepang dan
Jerman. Zadeh ingat bahwa ia memilih kata
kabur

karena

ia

merasa

paling

akurat

menggambarkan apa yang sedang terjadi di

dalam teori ini. Kata-kata lain yang ia pikirkan
tentang penggunaan kata untuk menggambarkan
teori tersebut termasuk istilah

lembut, tidak
5

tajam,
Dia

kabur,

atau

memilih

kabur

karena

dengan

akal

elastis.

istilah
berhubungan
sehat.

Lambang

fuzzy

sebenarnya adalah simbol yin-yang. Karena

pada simbol yin-yang antara warna hitam dan
putih sama. Hal ini adalah keadaan yang paling
fuzzy.

Gambar 1. Symbol yin-yang

https://fahmizaleeits.wordpress.com/tag/logikafuzzy-adalah-suatu-proses/

2. Alasan digunakannya logika fuzzy

Menurut

Larasati

(2008),

ada

beberapa

alasan mengapa logika fuzzy digunakan untuk

mendukung suatu keputusan. Alasan tersebut
yaitu :
6

1) konsep logika fuzzy mudah dimengerti,

konsep

matematis

penalaran

fuzzy

yang

sangat

mendasari

sederhana

dan

mudah dimengerti
2) logika fuzzy sangat fleksibel
3) logika fuzzy memiliki toleransi terhadap
data-data yang tidak tepat
4) logika fuzzy mampu memodelkan fungsifungsi nonlinear yang sangat kompleks
5) logika

fuzzy

mengaplikasikan

dapat

membangun

dan

pengalaman-pengalaman

para pakar secara langsung tanpa harus

melalui proses pelatihan
6) logika fuzzy dapat bekerja sama dengan
teknik-teknik kendali secara konvensional
7) logika fuzzy didasarkan pada bahasa alami
3. Tahapan-tahapan dalam menentukan kualitas
susu segar

Berikut
dilakukan

tahapan-tahapan
dalam

menentukan

yang

perlu

kualitas

susu

segar :
3.1

Penentuan

variabel

dan

pembentukan

himpunan fuzzy
Inti dari teknik logika fuzzy adalah nama
suatu himpunan fuzzy

yang disebut dengan

variabel

Variabel

linguistik.

linguistik

merupakan variabel yang berupa kata/kalimat,

bukan angka. Karena dengan menggunakan
kata/kalimat informasi yang disampaikan akan
menjadi lebih informatif. Variabel linguistik
merupakan konsep penting dalam logika fuzzy
dan

memegang

peranan

penting

dalam

beberapa aplikasi. Pada aplikasi logika fuzzy

untuk penilaian mutu kualitas susu segar,
variabel dan pembentukan himpunan fuzzynya
didasarkan pada standar perusahaan susu yang
diamati.

Berdasarkan

penelitian

yang

dilakukan oleh Santoso, Wijana, dan Pratiwi

pada bulan Mei 2009, mereka mengamati suatu
perusahaan sebut saja PT XXX di Malang, Jawa
8

Timur. Di perusahaan tersebut ada 6 variabel

yang digunakan untuk pembentukan himpunan
fuzzy, yaitu warna, rasa, aroma, pH, protein
dan uji resazurin.
Berdasarkan wawancara yang dilakukan
oleh Santoso, Wijana, dan Pratiwi dengan
narasumber, uji resazurin merupakan faktor
utama dalam penilaian mutu bahan baku susu
segar diterima atau ditolak. Protein sebagai
faktor kedua, warna, rasa, aroma, dan pH
adalah

faktor

ketiganya.

Dimana

tingkat

kepentingan faktor-faktor tersebut didasarkan

pada tujuan perusahaan dalam menghasilkan
Menurut

Susilorini

dan

Sawitri

(dalam

Santoso, Wijana & Pratiwi, 2010: 49), produksi

dan kualitas susu dari seekor sapi perah
dipengaruhi oleh banyak faktor, yaitu genetik
(25-30%) dan lingkungan (70-75%). Adanya
perubahan
kebiruan

rasa,

warna

menunjukkan

susu
adanya

yang

putih

penurunan

kualitas susu ataupun adanya pemalsuan susu.

Jika terjadi hal-hal seperti diatas maka secara
9

otomatis

aroma

susu

juga

akan

berubah.

Jumlah bakteri yang tinggi dapat menunjukkan

adanya kontaminsi pada susu yang kemudian
tumbuh pesat dan menurunkan kualitas susu.
Karena semakin banyak dan tinggi kontaminasi
bakteri maka akan semakin tinggi pula tingkat
polusi pada susu tersebut.
Tabel

variabel

dan

anggota

himpunan

(Santoso, Wijana & Pratiwi, 2010: 50) yang

diperoleh :
Variabel

Anggota

Warna

Himpunan
Putih

[7

9]

Kekuningan
Putih
Putih

[5
[3

7]
5]

Kebiruan
Creamy

[7

9]

Flavour
Sweet

[5

7]

Flavour
Salty Flavour
Creamy Odor
Cheesy Odor

[3
[6
[3

5]
9]
6]

Rasa

Aroma

Domain

10

pH

Variabel
Protein

Resazurin

Tinggi
Sedang
Agak Rendah
Rendah
Anggota

[6.7
[6.45
[6.15
[6.1

6.8]
6.7]
6.45]
6.15]

Domain

Himpunan
Baik
Sedang

[2.80
[2.60

3.30]
2.80]

Jelek
Baik

[2.50
[4

2.60]
5]

Test
Mutu Susu

Sedang
Jelek
Terima

[5
[6
[6

6]
9]
9]

Tolak

[1

6]

Segar
Tabel 3.1.1. Batasan varibel perusahaan

Data yang telah disediakan di atas adalah

data yang diberikan oleh narasumber berupa
semesta

pembicaraan,

domain

dari

setiap

himpunan. Tabel diatas menunjukkan batasan

nilai tiap anggota himpunan yang diberikan
oleh narasumber. Semesta pembicaraan untuk
warna, rasa, dan aroma besarnya sama, yaitu 1
sebagai nilai terendah dan 9 sebagai nilai
tertingginya. Berdasarkan tabel tersebut dapat
11

diketahui bahwa batasan nilai yang diberikan

sangat

kecil

dan

itu

menunjukkan

bahwa

pengambilan keputusan yang dilakukan juga

ketat,

serta

membutuhkan

ketelitian

yang

tinggi. Dari data pada tabel tersebut dapat

diketahui

bahwa

standar

nilai

susu

yang

diterima adalah 6 sampai 9, dan dibawah nilai

tersebut susu segar ditolak.
Berdasarkan

penilaian

Santoso,

dkk

diketahui bahwa batasan nilai yang diberikan

pada masing-masing anggota tidak tumpah
tindih satu sama lain. Untuk menghindari hal
tersebut

dibuat

penilaian

overlapping

Santoso,

dkk

dengan

diatas.

dasar

Menurut

Santoso, Wijana & Pratiwi (2010: 50), domain

fuzzy yang terbentuk dapat dilihat pada tabel
berikut :
Variabel

Anggota

Domain

Warna

Himpunan
Putih

[7

9]

Kekuningan
Putih
Putih

[3
[1

8]
5]
12

Rasa

Aroma
Variabel
pH

Protein

Resazurin

Kebiruan
Creamy

[7

9]

Flavour
Sweet

[3

8]

[1
[3

5]
9]

Flavour
Salty Flavour
Creamy Odor
Anggota

Domain

Himpunan
Cheesy Odor
Tinggi
Sedang
Agak Rendah
Rendah
Baik
Sedang

[1
[6.6
[6.4
[6.1
[6.0
[2.75
[2.50

6]
6.8]
6.7]
6.45]
6.15]
3.30]
2.80]

Jelek
Baik

[2.30
[1

2.60]
5]

Test
Mutu Susu

Sedang
Jelek
Terima

[4
[6
[5

7]
9]
9]

Tolak

[1

6]

Segar
Tabel 3.1.2. Domain himpunan fuzzy

3.2

Penentuan fungsi keanggotaan

13

Fungsi keanggotaan (membership function)

adalah

suatu

kurva

yang

menunjukkan

pemetaan titik-titik input data ke dalam nilai

keanggotaannya (sering juga disebut dengan
derajat keanggotaan) yang memiliki interval
antara 0 sampai 1. Menurut Enny, salah satu
cara yang dapat digunakan untuk mendapatkan
nilai

keanggotaan

adalah

dengan

melalui

pendekatan fungsi. Pada dasarnya ada dua

cara mendefinisikan keanggotaan dari fuzzy,
yaitu secara numeris dan fungsional. Definisi
numeris

menyatakan

keanggotaan

sebagai

fungsi
vektor

derajat

jumlah

yang

tergantung pada tingkat diskretisasi. Definisi

fungsional menyatakan

derajat keanggotaan

sebagai batasan ekspresi analitis yang dapat

dihitung. Standar atau ukuran tertentu pada
fungsi keanggotaan secara umum berdasar
atas semesta X bilangan real. Ada beberapa
fungsi

yang

bisa

digunakan

untuk

mendapatkan nilai keanggotaan, antara lain:

representasi

linear,

representasi

kurva
14

segitiga,

representasi

kurva

trapesium,

representasi kurva bentuk bahu, representasi

kurva-s, representasi kurva bentuk lonceng.
Kurva yang digunakan pada pembuatan semua
fungsi keanggotaan adalah kurva trapezium.
Selain itu juga digunakan kurva bentuk bahu
pada

anggota

himpunan

masing-

masing

variabel yang berada di awal dan akhir daerah

fuzzy.
Penggunaan fungsi keanggotaan trapesium
diasumsikan dengan adanya beberapa nilai
yang memiliki nilai keanggotaan Misalnya pada
anggota

himpunan

domain [3

putih

yang

8], dengan puncak [5

memiliki
7]. Hal ini

berarti bahwa nilai 5 sampai 7 memiliki nilai

keanggotaan 1 untuk anggota himpunan putih.
Penggunaan fungsi keanggotaan bentuk bahu
digunakan
mengalami

untuk

nilai

perubahan.

domain

yang

Contohnya

tidak
pada

anggotta himpunan putih kebiruan denagn

domain [1 5]. Artinya, dibawah nilai 5 nilai
keanggotaannya adalah sama.
15

3.3

Penentuan aturan fuzzy

Aturan fuzzy bersi tentang

aturan-

aturan yang berlaku untuk semua kejadian

(kombinasi). Proses ini berfungsi untuk
mencari suatu nilai fuzzy output dari fuzzy
input.

Aturan

yang

terbentuk

dalam

penelitian ini adalah 696 aturan. Hal ini

didasarkan pada kemungkinan kombinasi
aturan yang dilakukan di PT XXX.
Pada penelitian ini terdapat beberapa
pengecualian aturan fuzzy, yaitu :
1 Output mutu susu segar dibuat 2 kombinasi
jika

memiliki

Output

ketidakpastian

keputusan.

dihasilkan

merupakan

yang

keputusan yang dapat diketahui dengan

nilai

yang

diberikan

pada

tiap

input

variable. Jika pada suatu aturan fuzzy

terdapat salah satu variable dari variable
warna, rasa, aroma, pH, protein, dan tes
resazurin

yang

anggota

himpunannya

terletak pada kisaran nilai yang sangat

rendah, maka aturan fuzzy yang terbentuk
16

juga terdiri dari 1 kombinasi, yaitu dengan

output tolak.
8) Jika output mutu susu segar nilainya 5,5
maka

akan

diperoleh

keputusan

yang

ambigu yaitu susu segar dapat diterima

atau ditolak. Jadi untuk keputusan akhir
diserahkan pada manajer quality control.
3.4

Tahap defuzzifikasi
Input dari tahap defuzzifikasi adalah suatu

himpunan fuzzy yang diperoleh dari komposisi

aturan aturan fuzzy, sedangkan output yang
dihasilkan merupakan suatu bilangan pada
domain

himpunan

fuzzy

tersebut.

Sehingga jika diberikan suatu himpunan fuzzy

dalam

range

tertentu,

maka

harus

dapat

diambil suatu nilai crisp (himpunan tegas)

tertentu sebagai output.
Pengendali logika fuzzy harus mengubah
variabel keluaran yang tidak jelas menjadi
nilai-nilai tegas yang dapat digunakan untuk
mengendalikan

sistem.

Proses

ini

disebut
17

penegasan

(Defuzzification).

dikembangkan

banyak

Telah

metode

untuk

melakukan penegasan ini, diantaranya adalah :

1 Metode Centroid (Composite Moment)
Pada

metode

ini,

solusi

crisp

diperoleh

dengan cara mengambil titik pusat daerah

fuzzy.
9) Metode bisector
Pada

metode

ini,

solusi

crisp

diperoleh

dengan cara mengambil nilai pada domain

fuzzy

yang

separuh

memiliki
dari

nilai

jumlah

keanggotaan
total

nilai

keanggotaan pada daerah fuzzy.

10) Metode Mean Of Maximum (MOM)
Pada metode ini, solusi crisp diperoleh
dengan

cara

mengambil

nilai

rata-rata

domain yang memiliki nilai keanggotaan

maksimum.
11) Metode Largest Of Maximum (LOM)

18

Pada metode ini, solusi crisp diperoleh

dengan cara mengambil nilai terbesar dari
domain yang memiliki nilai keanggotaan
maksimum.
12) Metode Smallest Of Maximum (SOM)
Pada metode ini, solusi crisp diperoleh
dengan cara mengambil nilai terkecil dari
domain yang memiliki nilai keanggotaan
maksimum.
Berdasarkan
aturan

fuzzy

fungsi

yang

keanggotaan

dibuat,

output

dan

berupa

himpunan tegas (crisp) dapat diketahui dengan

memasukkan input data yang berasal dari
pengamat pada rule viewer. Adapun rata-rata
hasil penilaian oleh Santoso, Wijana & Pratiwi
(2010: 52)sebagai berikut:
Input

Sus

varia

Nilai

Susu

Nil

sega

ai

bel

seg

Warna

ar
Ras

Aro

pH

Prote

Uji
19

ma

7,75

7,25

7,25

7,25

7,5

7,5

7,5

in

resazu

6,7

2,94

rin
4

Teri

6,75

6,6

3,07

3,6

ma
Teri

7,7

6,75

6
6,6

ma
Teri

5
7,2

6,75

7
6,6

4,2

ma
Teri

5
7

2,86
2,7

ma

Tabel 6.1 Rata-rata hasil penilaian terhadap

susu segar

Berdasarkan tabel diatas dapat diketahui

bahwa kisaran nilai yang diterima adalah 7 dan
8, sedangkan yang ditolak hanya berkisar 5.
Nilai

dari

tersebut

masing-masing

digunakan

sebagai

input

variable

data

masukan

pada tahap defuzzifikasi untuk memperoleh

nilai output pada logika fuzzy. Pada tahap
defuzzifikasi digunakan 5 metode seperti yang
telah dijelaskan sebelumnya. Hasil dari masingmasing metode menurut Santoso, Wijana &
Pratiwi (2010: 52 ) dapat dilihat pada tabel
berikut :
20

Ce
n
Sam
t
Bise
MO
LO
p
r
ct
M
M
el
o
or
i
d
7,
1
7,24
7,4
9
2
7,
2
1
7,16
7,28
9
4
7,
3
1
7,16
7,28
9
4
4
5
5
4,98
9
5,
5
8
6,28
7,28
9
9
Tabel 6.2 Hasil defuzzifi kasi dari
metode

Hasil
metode

defuzzifikasi
yang

menunjukkan

sesuai

dengan

SO
M

5,8
5,56
5,56
1
5,56
tiap

bahwa

penilaian

pengamat pada kondisi nyata di PT XXX adalah

metode

MOM.

Karena

pada

metode

ini

diperoleh hasil bahwa dari 5 sampel susu segar

terdapat 1 sampel susu segar yang ditolak
dengan nilai 4,98 dan 4 sampel yang diterima
dengan nilai yang telah disebutkan pada tabel
21

4. Nilai pada metode MOM ini lebih tinggi

daripada nilai-nilai pada metode lainnya.
3.4.1

Perhitungan

Error)
Pengujian
kesalahan

dari

dengan

dengan

Squared
tingkat

masing-masing

metode

untuk

Hasil

(Mean
mencari

menggunakan

digunakan
terbaik.

MSE

metode

mengatuhui

perhitungan

MSE
metode

MSE

dari

masing-masing metode defuzzifi kasi dapat

dilihat pada tabel dibawah ini :
Metode
Defuzzif
kasi
Centroid
Bisector
MOM
LOM
SOM

MSE
0,46
0,30
0,15
4,74
6,53

Tabel 5. Nilai MSE setiap metode

Berdasarkan tabel tersebut diperoleh hasil

bahwa metode terbaik dalam penelitian ini
adalah metode MOM karena tingkat errornya
hanya 0,15. Makin kecil nilai MSE makin
akurat hasil proses defuzzifikasinya. Hasil dari
22

metode defuzzifikasi yang terbaik ini perlu

dilakukan
secara

pengujian

untuk

konvensional

menggunakan

dibandingkan

apakah

logika

penilaian

fuzzy

dapat

mencerminkan penialian pada kondisi nyata.

Pengujian ini dilakukan dengan menggunakan
uji T.
Berdasarkan perhitungan uji T, diperoleh
hasil bahwa

> Thitung, dimana nilai

Ttabel

Ttabel adalah 2,776 pada N = 5 dengan =

0,05

dan

Thitung

sebesar

1,28.

Hal

ini

menunjukkan bahwa penilaian logika fuzzy

yang telah dibuat sesuai dengan penilaian
Santoso, dkk pada kondisi nyata.
C. KESIMPULAN
Untuk

menentukan

kualitas

susu

segar

dengan menggunakan logika fuzzy ada beberata

tahapan

yang

dilakukan,

penentuan

variabel

himpunan

fuzzy,

dan

antara

lain

pembentukan

penentuan

fungsi
23

keanggotaan,

penentuan aturan fuzzy, serta

tahap defuzzifikasi untuk memperoleh output

berupa bilangan pada domain himpunan fuzzy.
Hasil
dengan

pada

penilaian

logika

yaitu

warna

rasa

dengan

fuzzy
dengan
3

mutu

terdiri
3

susu

segar

dari

6 variabel

anggota

himpunan,

anggota himpunan, aroma

dengan 2 anggota himpunan, pH dengan 4

anggota

himpunan, protein

anggota

himpunan

dengan

dengan

dan

tes

resazurin

anggota himpunan.

Semesta

pembicaraan pada penilaian mutu ini adalah

1-9 dimana 9 merupakan nilai tertinggi. Hasil
analisis

dengan

bahwa metode
metode

(Mean

penilaian

untuk

fuzzy

defuzzyfikasi

MOM

Parameter
fuzzy

logika

susu

terbaik
of

mutu
segar

menunjukkan
adalah

Maximum).

dengan
yang

logika
diterima

berkisar antara 5.5 sampai dengan 9, dan

dibawah

kisaran

tersebut

susu

segar

akan

ditolak atau dikembalikan kepada supplier.

DAFTAR RUJUKAN
24

Durratul, Enny. Aplikasi Metode Fuzzy Mamdani

dalam
Penentuan
Jumlah
Produksi,
(Online),
(http://digilib.its.ac.id/
public/ITS-Master-16003-Presentation1224025.pdf, diunduh 30 November 2014,
pukul 19.51)
Larasati, Bening. Logika fuzzy, (Online), (https://
beninglarashati.files.wordpress.com/2008/
12/bab-7-logi ka-fuzzy.pdf, diunduh 26
Desember 2014, pukul 16.48)
Robandi, Imam. 2006. Desain Sistem Tenaga
Modern, Optimisasi, Logika Fuzzy, dan
Algoritma Genetika. Yogyakarta: Andi
Santoso dkk. 2010. Penerapan Logika Fuzzy pada
Penilaian Mutu Susu Segar. Jurnal
Teknologi Pertanian, (Online), Vol. 11, No.
1, (http://jtp.ub.ac.id /index.php/jtp/article/
viewFile/306/377, diunduh 24 November
2014, pukul 13.12)

25