APLIKASI LOGIKA FUZZY DALAM OPTIMISASI PRODUKSI BARANG

MENGGUNAKAN METODE TSUKAMOTO DAN METODE MAMDANI

Joni Eka Candra

Program Studi Teknik Informatika; Universitas Putra Batam

ABSTRAK
Dalam penelitian ini membahas penerapan logika fuzzy pada penyelesaian masalah produksi
menggunakan metode Tsukamoto dan metode Mamdani. Masalah yang diselesaikan adalah
cara menentukan jumlah produksi barang jika menggunakan dua variabel sebagai input
datanya, yaitu: permintaan dan persediaan.
Langkah pertama penyelesaian masalah produksi barang dengan menggunakan metode
Tsukamoto yaitu menentukan variabel input dan variabel output yang merupakan himpunan
tegas, langkah kedua yaitu mengubah variabel input menjadi himpunan fuzzy dengan proses
fuzzifikasi, selanjutnya langkah yang ketiga adalah pengolahan data himpunan fuzzy dengan
metode maksimum. Dan langkah terakhir menentukan hasil akhir dengan menggunakan rata-
rata terbobot. Sedangakan penyelesaian masalah produksi barang dengan menggunakan
metode Mamdani yaitu menentukan variabel input dan variabel output yang merupakan
himpunan tegas, langkah kedua yaitu mengubah variabel input menjadi himpunan fuzzy
dengan proses fuzzifikasi, selanjutnya langkah yang ketiga adalah pengolahan data himpunan
fuzzy dengan metode maksimum. Dan langkah terakhir atau keempat adalah mengubah
output menjadi himpunan tegas dengan proses defuzzifikasi dengan metode centroid,
sehingga akan diperoleh hasil yang diinginkan pada variabel output.
Dari data perhitungan produksi rokok Mardi Jaya menurut metode Tsukamoto pada
bulan Januari tahun 2013 diperoleh 3842 karton, dan menggunakan metode Mamdani pada
bulan Januari tahun 2013 diperoleh 3170, sedangkan menurut data produksi perusahaan pada
bulan januari tahun 2013 memproduksi 3.172 karton, maka dari analisis pembandingan
langsung dengan data yang asli pada perusahaan dapat disimpulkan bahwa metode yang
paling mendekati nilai kebenaran adalah produksi yang diperoleh dengan pengolahan data
mengunakan metode Mamdani.

Kata kunci: logika fuzzy, metodeTsukamoto, metodeMamdani, fuzzyfikasi, defuzzyfikasi,

fungsiimplikasi.

PENDAHULUAN
Suatu perencanaan merupakan langkah awal bagi suatu perusahaan agar dapat melaksanakan
aktivitas produksinya, karena perencanaan ini merupakan dasar penentuan bagi manager
dalam rangka usahanya mencapai tujuan perusahaan. Dengan adanya perencanaan produksi
yang baik diharapkan nantinya aktivitas produksi dapat berjalan secara efektif dan efisien.
Pada saat ini hampir semua perusahaan yang bergerak dibidang industri dihadapkan
pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Demikian

1
halnya pada perusahaan PT. Mardi Jaya yang bergerak dibidang produksi rokok diharuskan
untuk merencanakan atau menentukan jumlah produksi secara komputerisasi, agar dapat
memenuhi permintaan pasar dengan tepat waktu dan dengan jumlah yang sesuai serta akan
dapat memenuhi kebutuhan konsumen. Sehingga diharapkan keuntungan perusahaan akan
meningkat.
Konsep fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke
dalam suatu ruang output. Pada prinsipnya himpunan fuzzy adalah perluasan himpunan
scrip, yaitu himpunan yang membagi sekelompok individu kedalam dua kategori, yaitu
anggota dan bukan anggota. Pada metode Tsukamoto, setiap konsekuen pada aturan yang
berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi
keanggotaan yang monoton. Sebagai hasilnya output hasil inferensi dari tiap-tiap aturan
diberikan secara tegas (scrip) berdasarkan -predikat (fire strength). Hasil akhirnya diperoleh
dengan menggunakan rata-rata terbobot.

TINJAUAN PUSTAKA
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu
ruang output. Titik awal dari konsep modern mengenai ketidakpastian adalah paper yang
dibuat oleh Lofti A Zadeh (1965), dimana Zadeh memperkenalkan teori yang memiliki
obyek-obyek dari himpunan fuzzy yang memiliki batasan yang tidak presisi dan keanggotaan
dalam himpunan fuzzy, dan bukan dalam bentuk logika benar (true) atau salah (false), tapi
dinyatakan dalam derajat (degree). Konsep seperti ini disebut dengan Fuzziness dan
teorinya dinamakan Fuzzy Set Theory. Fuzziness dapat didefinisikan sebagai logika kabur
berkenaan dengan semantik dari suatu kejadian, fenomena atau pernyataan itu sendiri.
Seringkali ditemui dalam pernyataan yang dibuat oleh seseorang, evaluasi dan suatu
pengambilan keputusan.

Fungsi Keanggotaan
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data
kedalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang
memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk
mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi. Apabila U
menyatakan himpunan universal dan A adalah himpunan fungsi fuzzy dalam U, maka A
dapat dinyatakan sebagai pasangan terurut. Ada beberapa fungsi yang bias digunakan.

2
a. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai
suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk
mendekati suatu konsep yang kurang jelas. Ada 2 keadaan himpunan fuzzy yang linear.
Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat
keanggotaan nol (0) bergerak ke kanan menuju ke nilai domain yang memiliki derajat
keanggotaan lebih tinggi (Kusumadewi S, Purnomo H, 2010). Seperti terlihat pada
gambar 1.

Gambar 1 Representasi Linear Naik

Fungsi keanggotaan:
0; x a
[X] = {(x a) / (b a); a < < (2.1)
1; x b
Kedua, merupakan kebalikan dari yang pertama. Garis lurus dimulai dari nilai domain
dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai
domain yang memiliki derajat keanggotaan lebih rendah. Seperti terlihat pada gambar 2.

Gambar 2 Representasi Linear Turun

Fungsi keanggotaan:
0; x b
[x] = {(b x) / (b a), a < < (2.2)
1; x b
b. Representasi kurva segitiga
Kurva segitiga pad dasarnya merupakan gabungan antara 2 garis (linear). Seperti terlihat
pada gambar 3.

3
 Gambar 3 Kurva Segitiga
Fungsi Keanggotaan:
0; x c atau x a
[x] = { (x a) / (b a) a < < (2.3)
(c x) / (c b) b < <
c. Representase kurva trapezium (Kusumadewi S, Purnomo H, 2010)
Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada titik yang
memiliki nilai keanggotaan 1. Seperti terlihat pada gambar 4.

Gambar 4 Representasi Kurva Trapezium

Fungsi keanggotaan:
0; x d atau x a
(x a)(b a) ; a < <
[x] = {(d x)(d c) ; c < < (2.4)
1; b x c

Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara
khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai
hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength atau predikat. Ada
3 operator dasar yang diciptakan oleh Zadeh, yaitu:
A. Operator AND
Operator ini berhubungan dengan operasi interseksi pada himpunan. - predikat sebagai
hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan
terkecil antar elemen pada himpunanhimpunan yang bersangkutan.

4
 AB = min(A [x], B [y]) (2.5)
B. Operator OR
Operator ini berhubungan dengan operasi union pada himpunan. predikat sebagai hasil
operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar
antar elemen pada himpunanhimpunan yang bersangkutan.
AB = max(A [x], B [y]) (2.6)
C. Operator NOT
Operator ini berhubungan dengan operasi komplemen pada himpunan. predikat sebagai
hasil operasi dengan operator NOT diperoleh dengan mengurangkan nilai keanggotaan
elemen pada himpunan yang bersangkutan dari 1.
A" = 1 A [x] (2.7)

Sistem Inferensi Fuzzy

A. Metode Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus
direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang
monoton (Gambar 5). Sebagai hasilnya, output hasil inferensi dari tiap- tiap aturan
diberikan secara tegas (crisp) berdasarkan - predikat (fire strength). Hasil akhirnya
diperoleh dengan menggunakan rata-rata terbobot.

Gambar 5 Inferensi Dengan Menggunakan Metode Tsukamoto.

5
B. Metode Mamdani
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan output,
diperlukan 4 tahapan:
1. Pembentukan himpunan fuzzy
2. Aplikasi fungsi implikasi (aturan)
3. Komposisi aturan
4. Penegasan (deffuzy)
1. Pembentukan himpunan fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu
atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Komposisi Aturan
Tidak seperti penalaran monoton, apabila sistem terdiri-dari beberapa aturan, maka
inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang
digunakan dalam melakukan inferensi sistem fuzzy, yaitu: max, additive dan probabilistik
OR (probor).
a. Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan
mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua
proposisi telah dievaluasi, maka output akan berisi suatu himpunan fuzzy yang
merefleksikan konstribusi dari tiap-tiap proposisi. Secara umum dapat dituliskan:
sf [xi ] max(sf [xi ], kf [xi ]) (2.8)
dengan:
sf [xi ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
kf [xi ]= nilai keanggotaan konsekuen fuzzy aturan ke-i;
Misalkan ada 3 aturan (proposisi) sebagai berikut:
[R1] IF Biaya Produksi RENDAH And Permintaan NAIK THEN Produksi Barang BERTAMBAH;
[R2] IF Biaya Produksi STANDAR THEN Produksi Barang NORMAL;
[R3] IF Biaya Produksi TINGGI And Permintaan TURUN THEN Produksi Barang BERKURANG;

Proses inferensi dengan menggunakan metode Max dalam melakukan komposisi

aturan seperti terlihat pada Gambar 6. Apabila digunakan fungsi implikasi MIN, maka

6
 metode komposisi ini sering disebut dengan nama MAX-MIN atau MIN-MAX atau
MAMDANI.

Gambar 6 Komposisi Aturan Fuzzy: Metode MAX.

b. Metode Additive (Sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-
sum terhadap semua output daerah fuzzy. Secara umum dituliskan:
sf [xi ] max(1, sf [xi ] + kf [xi ]) (2.10)
dengan:
sf [xi ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
kf [xi ] = nilai keanggotaan konsekuen fuzzy aturan ke-i;
c. Metode Probabilistik OR (probor)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan product
terhadap semua output daerah fuzzy. Secara umum dituliskan:
sf [xi ] max(sf [xi ] + kf [xi ] sf [xi ] kf [xi ]) (2.11)
dengan:
sf [xi ] = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
kf [xi ] = nilai keanggotaan konsekuen fuzzy aturan ke-i;
4. Penegasan (defuzzifikasi)
Input dari proses 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

7
fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip tertentu sebagai
output seperti terlihat pada Gambar 7.

Gambar 7 Proses Defuzzifikasi.

Ada beberapa metode defuzzifikasi pada komposisi aturan MAMDANI, antara lain:
a. Metode Centroid (Composite Moment)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat daerah
fuzzy. Secara umum dirumuskan:

z z (z)dz
z = (2.12)
z (z)dz
nj=1 zj (zj )

z = (2.13)
nj=1 (zj )

8
METODOLOGI PENELITIAN
Tahapan penelitian yang dilakukan pada Aplikasi Logika Fuzzy Dalam Optimisasi
Produksi Barang Menggunakan Metode Tsukamoto Dan Metode Mamdani, seperti pada
Gambar 8.

Mulai

Pengumpulan Data

Identifikasi Data

Pengolahan Data:
1. Pembentukan himpunan fuzzy
2. Apliksi fungsi aplikasi
3. Komposisi aturan
4. Penegasan (defuzzyfikasi)

Penarikan
kesimpulan

Gambar 8 Diagram alir Aplikasi Logika Fuzzy Dalam Optimisasi Produksi Barang Menggunakan Metode
Tsukamoto Dan Metode Mamdani

Tahapan penelitian yang dilakukan pada Aplikasi Logika Fuzzy Dalam Optimisasi
Produksi Barang Menggunakan Metode Tsukamoto Dan Metode Mamdani adalah sebagai
berikut:
Pengumpulan Data
Pengambilan data pada Aplikasi Logika Fuzzy Dalam Optimisasi Produksi Barang
Menggunakan Metode Tsukamoto Dan Metode Mamdani yaitu: Data permintaan barang,
data produksi barang dan data persediaan barang diambil dari PT. Mardi Jaya di Kota
Tulungangung

Identifikasi Data
Identifikasi masalah dilakukan untuk menentukan vareabel dan semesta pembicaraan yang
diperlukan dalam melakukan perhitungan dan analisis masalah.

9
Pengolahan Data
Pengelolahan data dilakukan dengan bantuan softwere matlab 8.1.0 dengan menggunakan
fasilitas yang disediakan pada toolbox fuzzy dengan melakukan langkah langkah sebagai
berikut:
Pembentukan himpunan fuzzy
Pembentukan aturan aturan
Penentuan komposisi aturan
Penegasan (defuzzyfikasi)
Pengujian

Penarikan Kesimpulan
Penarikan kesimpulan merupakan tahap akhir dari penelitian, dimana dilakukan
pendokumentasian riset secara keseluruhan. Sehingga hasil akhir dari penelitian ini nanti
nya bisa digunakan sebagai bahan acuan untuk mengadakan penelitian dimasa yang akan
datang dalam bidang yang sama.

PEMBAHASAN
Tabel 1 Data Permintaan, Persediaan dan Produksi Rokok Mardi Jaya tahun 2012 dan
Januari tahun 2013.
Bulan Permintaan Persediaan Produksi

Januari (2012) 3000 250 3100

Pebruari (2012) 2200 170 2700
Maret (2012) 2700 260 2850
April (2012) 2850 160 2900
Mei (2012) 3200 200 3300
Juni (2012) 2960 140 3000
Juli (2012) 2710 150 2850
Agustus (2012) 3155 170 3230
September
2700 150 2940
(2012)
Okober (2012) 3230 300 3300
November
3200 155 3355
(2012)
Desember
3400 250 3653
(2012)

10
 Januari (2013) 3000 200 3175

Data satu tahun pada tahun 2012 dapat disimpulkan, permintaan terbesar mencapai 3400
karton perbulan, dan permintaan terkecil mencapai 2200 karton perbulan. Persediaan barang
terbanyak sampai 300 karton perbulan, dan terkecil mencapai 140 karton perbulan. Saat ini
perusahaan hanya mampu memproduksi rokok paling banyak 5500 karton perbulan, dan
diharapkan dapat memproduksi rokok paling sedikit 1500 karton perbulan, hal ini
dikarenakan beberapa kendala, diantaranya: terbatasnya bahan baku, sumber daya manusia,
perijinan produksi dan perpajakan dari pemerintahan (keterangan: 1 karton = 24 Bos (pack)
= 240 bungkus).

Analisis Kasus:
Dalam kasus ini terdapat 3 variabel, yaitu: 2 variabel input, variabel permintaan, dan variabel
persediaan, sedangkan untuk output terdapat 1 variabel, yaitu: produksi barang. Variabel
permintaan memiliki 2 nilai linguistik, yaitu naik dan turun, variabel persediaan memiliki 2
nilai linguistik, yaitu banyak dan sedikit, sedangkan variabel produksi barang memiliki 2 nilai
linguistik, yaitu bertambah dan berkurang seperti yang ditunjukkan dalam tabel 2 dan tabel 3.
Tabel 2 Himpunan Fuzzy

Fungsi Nama Vareabel Semesta Pembicaraan

Permintaan [2200 3400]
Input
Persediaan [140 300]
Output Produksi [1500 5500]
Tabel 3 Domain Himpunan Fuzzy
Variabel Nama Himpunan Fuzzy Domain
Permintaan Naik [2200 3400]
Turun [2200 3400]
Banyak [140 300]
Persediaan
Sedikit [140 300]
Bertambah [1500 5500]
Produksi
Berkurang [1500 5500]

11
 Tabel 4 Hasil Dari Aturan-Aturan Yang Terbentuk Pada Inferensi Fuzzy.
Aturan Permintaan Persediaan Fungsi Implikasi Produksi

R1 Naik Banyak Bertambah

R2 Naik Banyak Berkurang
R3 Naik Sedikit Bertambah
R4 Naik Sedikit Berkurang
R5 Turun Banyak Bertambah
R6 Turun Banyak Berkurang
R7 Turun Sedikit Bertambah
R8 Turun Sedikit Bertambah

dari aturan-aturan yang terbentuk, berdasarkan aturan-aturan pada inferensi fuzzy, maka
aturan-aturan yang mungkin dan sesuai dengan basis pengetahuan ada 4 aturan, yaitu:
[R1] JIKA Permintaan NAIK, dan Persediaan BANYAK, MAKA Produksi Barang BERTAMBAH;
[R2] JIKA Permintaan NAIK, dan Persediaan SEDIKIT, MAKA Produksi Barang BERTAMBAH;
[R3] JIKA Permintaan TURUN, dan Persediaan BANYAK, MAKA Produksi Barang BERKURANG;
[R4] JIKA Permintaan TURUN, dan Persediaan SEDIKIT, MAKA Produksi Barang BERKURANG.

Jika diketahui jumlah permintaan rokok sebanyak 3000 karton, dan persediaan di gudang
masih ada 200 karton. Berapa karton rokok yang harus diproduksi?

Penyelesaian Masalah Menggunakan Metode Tsukamot

Penyelesaian masalah untuk kasus persediaan rokok Mardi Jaya menggunakan Metode
Tsukamoto, adalah sebagai berikut:
Langkah 1
Menentukan variabel yang terkait dalam proses yang akan ditentukan dan fungsi fuzzifikasi
yang sesuai. Pada kasus ini , ada 3 variabel yang akan dimodelkan, yaitu:
a) Permintaan (x)(Pmt), terdiri atas 2 himpunan fuzzy, yaitu TURUN dan NAIK.
Berdasarkan dari data permintaan terbesar dan terkecil tahun 2012, maka fungsi
keanggotaan dirumuskan sebagai berikut:
x
TURUN NAIK
1

0,66

0,333

0
2200 3000 3400
PERMINTAAN
(KARTON/BULAN)

Gambar 9 Fungsi keanggotaan variabel Permintaan

12
 0, x 2200
x 2200
PmtNAIK [x] = { , 2200 x 3400
1200
1, x 3400
1, x 2200
3400 x
PmtTURUN [x] = { , 2200 x 3400
1200
0, x 3400
Jika diketahui permintaan sebanyak 3000 karton, maka:
3000 2200
PmtNAIK [3000] = = 0,66
1200
3400 3000
PmtTURUN [3000] = = 0,333
1200
b) Persediaan (y)(Psd), terdiri atas 2 himpunan fuzzy, yaitu SEDIKIT dan BANYAK.
Berdasarkan dari persediaan terbanyak dan terkecil tahun 2012 maka fungsi keanggotaan
dirumuskan sebagai berikut:

y SEDIKIT BANYAK
1

0,625

0,375

0
140 200 300
PERSEDIAAN
(KARTON/BULAN)

Gambar 10 Fungsi Keanggotaan Variabel Persediaan

0, y 140
x 140
PsdBANYAK [y] = { , 140 y 300
160
1, y 300
1, y 140
300 y
PsdSEDIKIT [y] = { , 140 y 300
160
0, y 300
Jika diketahui persediaan sebanyak 200 karton, maka:
200 140
PsdBANYAK [200] = = 0,375
160
300 200
PsdSEDIKIT [200] = = 0,625
160
c) Produksi (z)(Prod), terdiri atas 2 himpunan fuzzy, yaitu BERKURANG dan
BERTAMBAH. Berdasarkan dari jumlah produksi minimum dan maksimum perusahaan
tahun 2012, maka fungsi keanggotaan dirumuskan sebagai berikut:

13
 z BERKURANG BERTAMBAH
1

0
1500 5500
PRODUKSI
(KARTON/BULAN)

Gambar 11 Fungsi Keanggotaan Variabel Produksi

0, z 1500
z 1500
ProdBERTAMBAH [z] = { , 1500 z 5500
4000
1, z 5500
1, y 140
5500 z
ProdBERKURANG [z] = { , 1500 y 5500
4000
0, y 5500
Langkah 2
Aplikasi fungsi implikasi. Dengan menggunakan fungsi MIN pada aplikasi fungsi implikasi,
dapat mencari nilai z pada setiap aturannya:
[R1] JIKA permintaan NAIK, dan persediaan BANYAK, MAKA produksi Barang
BERTAMBAH.
Predikat1 = PmtNAIK [x] PsdBANYAK [y]

= min(PmtNAIK [3000], PsdBANYAK [200])

= min(0,66; 0,375)
= 0,375
Dari himpunan Produksi Barang Bertambah,
z 1500
= 0,375 1 = 3000
4000
[R2] JIKA Permintaan NAIK, dan Persediaan SEDIKIT, MAKA Produksi Barang
BERTAMBAH;
Predikat 2 = PmtNAIK PsdSEDIKIT

= min(PmtNAIK [3000], PsdSEDIKIT [200])

= min(0,66; 0,625)
= 0,625
Dari himpunan Produksi Barang Bertambah,
z 1500
= 0,625 2 = 4000
4000

14
[R3] JIKA Permintaan TURUN, dan Persediaan BANYAK, MAKA Produksi Barang
BERKURANG;
Predikat 3 = PmtTURUN PsdBANYAK

= min(PmtTURUN [3000], PsdBANYAK [200])

= min(0,333; 0,375)
= 0,333
Dari himpunan Produksi Barang Berkurang,
5500 z
= 0,333 3 = 4168
4000
[R4] JIKA Permintaan TURUN, dan Persediaan SEDIKIT, MAKA Produksi Barang
BERKURANG.
Predikat 4 = PmtTURUN PsdSEDIKIT

= min(PmtTURUN [3000], PsdSEDIKIT [200])

= min(0,333; 0,625)
= 0,333
Dari himpunan Produksi Barang Berkurang,
5500 z
= 0,333 4 = 4168
4000
Langkah 3
Hasil akhir diperoleh dengan menggunakan rata-rata terbobot yaitu:
0,375 3000 + 0,625 4000 + 0,333 4168 + 0,333 4168
z=
0,375 + 0,625 + 0,333 + 0,333
= 3842
Jadi jumlah rokok Empat Lima yang harus diproduksi oleh PT. Mardi Jaya adalah
sebanyak 3842 karton.

Penyelesaian Masalah Menggunakan Metode Mamdani

Langkah 1
Menentukan variabel yang terkait dalam proses yang akan ditentukan dan fungsi fuzzifikasi
yang sesuai. Pada kasus ini , ada 3 variabel yang akan dimodelkan, yaitu:
a. Permintaan (x)(Pmt), terdiri atas 2 himpunan fuzzy, yaitu TURUN dan NAIK.
Berdasarkan dari data permintaan terbesar dan terkecil tahun 2012, maka fungsi
keanggotaan dirumuskan sebagai berikut:

15
 x
TURUN NAIK
1

0,66

0,333

0
2200 3000 3400
PERMINTAAN
(KARTON/BULAN)

Gambar 12 Fungsi Keanggotaan Variabel Permintaan

0, x 2200
x 2200
PmtNAIK [x] = { , 2200 x 3400
1200
1, x 3400
1, x 2200
3400 x
PmtTURUN [x] = { , 2200 x 3400
1200
0, x 3400
Jika diketahui permintaan sebanyak 3000 karton, maka:
3000 2200
PmtNAIK [3000] = = 0,66
1200
3400 3000
PmtTURUN [3000] = = 0,333
1200
d) Persediaan (y)(Psd), terdiri atas 2 himpunan fuzzy, yaitu SEDIKIT dan BANYAK.
Berdasarkan dari persediaan terbanyak dan terkecil tahun 2012 maka fungsi keanggotaan
dirumuskan sebagai berikut:
y SEDIKIT BANYAK
1

0,625

0,375

0
140 200 300
PERSEDIAAN
(KARTON/BULAN)

Gambar 13 Fungsi Keanggotaan Variabel Persediaan

0, y 140
x 140
PsdBANYAK [y] = { , 140 y 300
160
1, y 300
1, y 140
300 y
PsdSEDIKIT [y] = { , 140 y 300
160
0, y 300
Jika diketahui persediaan sebanyak 200 karton, maka:
200 140
PsdBANYAK [200] = = 0,375
160
16
 300 200
PsdSEDIKIT [200] = = 0,625
160
e) Produksi (z)(Prod), terdiri atas 2 himpunan fuzzy, yaitu BERKURANG dan
BERTAMBAH. Berdasarkan dari jumlah produksi minimum dan maksimum perusahaan
tahun 2012, maka fungsi keanggotaan dirumuskan sebagai berikut:
z BERKURANG BERTAMBAH
1

0
1500 5500
PRODUKSI
(KARTON/BULAN)

Gambar 14 Fungsi Keanggotaan Variabel Produksi

0, z 1500
z 1500
ProdBERTAMBAH [z] = { , 1500 z 5500
4000
1, z 5500
1, y 140
5500 z
ProdBERKURANG [z] = { , 1500 y 5500
4000
0, y 5500
Langkah 2
Aplikasi fungsi implikasi. Dengan menggunakan fungsi MIN pada aplikasi fungsi implikasi,
dapat mencari nilai z pada setiap aturannya:
[R1] JIKA permintaan NAIK, dan persediaan BANYAK, MAKA produksi Barang
BERTAMBAH.
Predikat1 = PmtNAIK [x] PsdBANYAK [y]

= min(PmtNAIK [3000], PsdBANYAK [200])

= min(0,66; 0,375)
= 0,375
x NAIK y BANYAK z BERTAMBAH
z
1 1 1 1

0,66

0,375
0,375

0 0 0 0
3000 200
Produksi
Permintaan Persediaan Barang

Gambar 15 Aplikasi Fungsi Implikasi untuk R1

17
[R2] JIKA Permintaan NAIK, dan Persediaan SEDIKIT, MAKA Produksi Barang
BERTAMBAH;
Predikat 2 = PmtNAIK PsdSEDIKIT

= min(PmtNAIK [3000], PsdSEDIKIT [200])

= min(0,66; 0,625)
= 0,625

x NAIK y SEDIKIT
z BERTAMBAH
z
1 1 1 1

0,66 0,625
0,625

0 0 0 0
3000 200
Produksi
Permintaan Persediaan Barang

Gambar 16 Aplikasi Fungsi Implikasi untuk R2

[R3] JIKA Permintaan TURUN, dan Persediaan BANYAK, MAKA Produksi Barang
BERKURANG;
Predikat 3 = PmtTURUN PsdBANYAK

= min(PmtTURUN [3000], PsdBANYAK [200])

= min(0,333; 0,375)
= 0,333

x TURUN y BANYAK
z BERKURANG z
1 1 1 1

0,375 0,333
0,333

0 0 0 0
3000 200
Produksi
Permintaan Persediaan Barang

Gambar 17 Aplikasi Fungsi Implikasi untuk R3

[R4] JIKA Permintaan TURUN, dan Persediaan SEDIKIT, MAKA Produksi Barang
BERKURANG.
Predikat4 = PmtTURUN PsdSEDIKIT

= min(PmtTURUN [3000], PsdSEDIKIT [200])

= min(0,333; 0,625)
= 0,333

18
 x TURUN y SEDIKIT
z BERKURANG z
1 1 1 1

0,625

0,333
0,333

0 0 0 0
3000 200
Produksi
Permintaan Persediaan Barang

Gambar 18 Aplikasi Fungsi Implikasi untuk R4

Langkah 3
Komposisi Antar Aturan. Dari hasil aplikasi fungsi implikasi dari tiap tiap aturan, digunakan
metode MAX untuk melakukan komposisi antar semua aturan. Hasilnya seperti pada Gambar
19.

z
1

0,625

0,333
A2 A3
A1
0
a1 a2
Produksi Barang

Gambar 19 Daerah Hasil Komposisi

Pada Gambar 19 tersebut, daerah hasil kita bagi menjadi 3 bagian, yaitu A1, A2, dan A3.
Sekarang kita cari nilai a1 dan a2.
(a1 1500)
= 0,333 a1 = 2832
4000
(a2 1500)
= 0,625 a2 = 4000
4000
Dengan demikian, fungsi keanggotaan untuk hasil komposisi ini adalah:
0,333; z 2832
z 1500
[z] = { ; 2832 z 4000
4000
0,625; z 5500
Langkah 4
Penegasan (defuzzyfikasi).Metode penegasan yang digunakan adalah metode centroid. Untuk
itu, pertama-tama kita hitung dulu momen untuk setiap daerah.
2832
M1 = (0,333)z dz = 0,166z2 |2832 = 1331357.184
0 0

19
 4000
(z 1500)
M2 = z dz
2832 4000
4000
= (0,00025z2 0,375z)dz
2832
4000
= (0,0000833z3 0,187z2 )|
2832
= 1946966,134
5500
M3 = (0,625)z dz = 0,3125z2 |5500 = 4453125
4000 4000
Kemudian dapat dihitung luas setiap daerah:
A1 = 2832 0,333 = 943.056
(4000 2832)
A2 = (0,333 + 0,66) = 579,912
2
A3 = (5500 4000) 0,625 = 937,5
Titik pusat dapat diperoleh dari:
1331357,184 + 1946966,134 + 4453125
z= = 3170,267
943,056 + 579,912 + 937,5

Jadi Jumlah Rokok yang harus diproduksi oleh PT. Mardi Jaya sebanyak 3170 karton

KESIMPULAN DAN SARAN

Kesimpulan
Berdasarkan pembahasan mengenai sistem inferensi Fuzzy Metode Tsukamoto dan Metode
Mamdani, dapat diambil kesimpulan sebagai berikut:
1. Penentuan produksi barang mengunakan metode Tsukamoto dengan dua variabel sebagai
input datanya, yaitu : permintaan dan persediaan, diperlukan tahap-tahap berikut:
a. Menentukan variabel yang terkait dalam proses yang akan ditentukan dan fungsi
fuzzifikasi yang sesuai.
b. Aplikasi fungsi implikasi.
c. Menentukan hasil akhir dengan menggunakan rata-rata terbobot
2. Penentuan produksi barang mengunakan metode Mamdani dengan dua variabel sebagai
input datanya, yaitu : permintaan dan persediaan, diperlukan tahap-tahap berikut:
a. Fuzzifikasi.
b. Aplikasi fungsi implikasi,
c. Komposisi aturan-aturan dengan metode maksimum.

20
 d. Defuzzifikasi dengan metode centroid. Sedangkan pada
3. Berdasarkan pada data permintaan, persediaan dan produksi rokok sebesar 3172 karton
pada januari 2013, maka dapat disimpulkan bahwa hasil analisis produksi yang
mendekati nilai kebenaran adalah produksi yang diperoleh dengan pengolahan data
menggunakan metode Mamdani sebesar 3170 karton sedangkan dengan menggunakan
analisis data menggunakan Tsukamoto diperoleh produksi rokok sebesar 3842 karton.

Saran
Untuk penelitian-penelitian selanjut nya perlu untuk dicoba menggunakan metode fuzzy
yang digabung dengan metode jaringan syaraf tiruan untuk semakin menyempurnakan
perkiraan produksi barang dalam bidang optimasi produksi produksi barang.

DAFTAR PUSTAKA

Frans Susilo SJ. 2003. Himpunan dan Logika Kabur Serta Aplikasinya. Graha Ilmu.
Yogyakarta.

Sivanandam, S.N., Deepa, S.N., Sumathi, S. 2007. Introduction to Fuzzy Logic using
MATLAB. Springer. Verlag. Berlin. Heidelberg.

Sri Kusumadewi, Sri Haryati, Agus Harjoko, Retantyo Wardoyo. 2006. Fuzzy Multi-
Attribute Decision Making (FUZZY MADM). Graha Ilmu. Yogyakarta.

Setiaji. 2009 Himpunan dan Logika Samar serta Aplikasinya. Graha Ilmu.Yoyakarta.

21