Anda di halaman 1dari 30

TUGAS AKHIR HIMPUNAN FUZZY

Penerapan Metode Fuzzy Mamdani Untuk Sistem Pendukung Keputusan Seleksi


Pasangan Hidup

Oleh:

1. Dewi Wulan Cahyati (14030214006)


2. Mahdiyyah Rahmawati (14030214016)
3. Mutiara Widhika A. (14030214037)
4. M. Badriqul Mudrik (14030214038)

PROGRAM STUDI MATEMATIKA


FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI SURABAYA
2017
DAFTAR ISI
HALAMAN JUDUL ............................................................................................................. i
DAFTAR ISI........................................................................................................................ iv
BAB I PENDAHULUAN
1.1 Latar Belakang.............................................................................................................. 1
1.2 Rumusan Masalah......... ............................................................................................... 1
1.3 Batasan Masalah ........................................................................................................... 1
1.4 Tujuan dan Manfaat Penulisan ..................................................................................... 2
BAB II DASAR TEORI
2.1 Pengertian Pasangan Hidup .......................................................................................... 3
2.2 Penilaian Kriteria Memilih Pasangan Hidup ................................................................ 3
2.3 Logika Fuzzy ................................................................................................................ 4
2.4 Konsep Himpunan Fuzzy .............................................................................................. 5
BAB III PEMBAHASAN
3.1 Model Fuzzy Mamdani ................................................................................................. 9
3.2 Penentuan Keputusan ................................................................................................... 9
BAB IV PENUTUP
4.1 Kesimpulan ................................................................................................................... 9
4.2 Saran ............................................................................................................................. 9
DAFTAR PUSTAKA ......................................................................................................... 11
LAMPIRAN
BAB I

PENDAHULUAN

1.1 Latar Belakang


Menemukan partner atau pasangan hidup yang tepat bukanlah sekedar mencari
pendamping saat liburan musim panas saja, ini berarti menemukan seseorang untuk
menemani dan saling mencintai selama seluruh hidup anda. Memilih orang yang tepat
untuk menjadi teman seumur hidup merupakan salah satu perkara yang sulit bagi
banyak orang. Dalam menentukan pilihan pasangan hidup membutuhkan banyak
pemikiran, tanggung jawab, dan kejujuran. Begitupun bibit bobot bebet pasti akan
dipertimbangkan memilih pasangan hidup.
Bibit merupakan cara seseorang memilih pasangan dengan melihat faktor
genetik atau keturunannya, bukan hanya soal pewarisan karakter fisik tetapi juga sifat
dasar. Seperti misalnya sifat pendiam, cerewet, dominan atau pasif adalah ciri-ciri
sifat hasil warisan generasi sebelumnya. Sementara itu, bobot merupakan kualitas
lahir batin seseorang seperti potensi yang dimiliki. Cara menilai bobot pasangan
adalah dengan memperhatikan ketika ia berbicara, apakah ia memiliki visi, tujuan dan
rencana hidup. Sedangkan Bebet adalah asal usul keluarga, beberapa orang
mengatakan di dalamnya termasuk juga status sosial, martabat dan kekayaan keluarga
tersebut.
Agama Islam mengatur seluruh aspek kehidupan termasuk urusan jodoh.
Menurut hadist Nabi Muhammad SAW, setidaknya ada 4 kriteria ketika seseorang
ingin mencari pendamping hidup. Dalam sebuah hadist Rasulullah SAW bersabda
yang artinya: “Perempuan dinikahi karena empat faktor. Karena hartanya, nasabnya,
kecantikannya dan karena agamanya. Maka menangkanlah wanita yang mempunyai
agama, engkau akan beruntung.” (HR Bukhari, Muslim, al-Nasa’i, Abu Dawud Ibn
Majah Ahmad ibn Hanbal, dan al-Darimi dalam kitabnya dari sahabat Abu Hurairah
ra).
Hadist tersebut mengisyaratkan bagaimana memilih jodoh yang baik. Meski
Nabi mendahulukan harta, nasab, dan kecantikan namun junjungan alam ini dalam
akhir hadistnya mengatakan bahwa sebaiknya memenangkan mereka yang baik
agamanya. Hal ini menandakan bahwa sebenarnya agama merupakan kriteria paling
utama. Oleh sebab itu, dalam makalah ini akan dibahas bagaimana penerapan metode
fuzzy mamdani untuk sistem pendukung keputusan seleksi pasangan hidup.
1.2 Rumusan Masalah
Berdasarkan latar belakang diatas, diperoleh rumusan masalah sebagai berikut:
1. Bagaimana penerapan metode fuzzy mamdani untuk sistem pendukung keputusan
seleksi pasangan hidup?
1.3 Batasan Masalah
Berdasarkan rumusan masalah diatas, diperoleh batasan masalah sebagai
berikut :
1. Sistem pendukung keputusan seleksi pasangan hidup diperuntukan untuk
perempuan yang akan memilih pasangan hidup.
1.4 Tujuan dan Manfaat Penulisan
Tujuan dari penulisan makalah ini adalah untuk mengetahui bagaimana
penerapan metode fuzzy mamdani untu sistem pendukung keputusan seleksi pasangan
hidup.
Manfaat dari penulisan makalah ini adalah dengan adanya makalah ini
diupayakan agar membantu kaum perempuan didalam memilih pasangan hidup yang
bernuansa islami.
BAB II
DASAR TEORI
2.1 Pengertian Pasangan Hidup
Menurut Alie Shecolands, seseorang diciptakan Tuhan tidak untuk hidup
sendiri. Seseorang membutuhkan keberadaan orang lain untuk menopang
eksistensinya di dunia ini. Dengan berinteraksi dengan orang lain, kita bisa saling
menolong, take and give. Kebutuhan ini bukan hanya bersifat biologis belaka tetapi
juga kebutuhan rohani (perhatian, kasih sayang, cinta, dan lainnya).

Dengan kenyataan ini Tuhan menganugrahkan cinta kepada manusia untuk


saling mencari dan menemukan pasangan hidupnya. Ditambah dengan akal dan
pikiran menjadikan manusia lebih mudah untuk menemukan pasangan terbaik dalam
hidupnya yakni pasangan yang dapat dijadikan sebagai tempat berbagi, sebagai
pemberi dukungan, sebagai media mendapat perlindungan dan kasih sayang.

2.2 Penilaian Kriteria Memilih Pasangan Hidup


Memilih seseorang untuk menjadi pendamping yang sesuai dengan kriteria
memang tidak mudah. Banyak hal yang dipertimbangkan untuk menentukan siapa
orang yang tepat menemani sepanjang hidup tersebut. Memang, memilih pasangan
merupakan urusan perasaan, sehingga ketika menemukan seseorang dirasa cocok,
maka seseorang akan mengabaikan hal-hal yang seharusnya menjadi kriteria wajib.
Padahal kriteria ini dapat menentukan baik tidaknya kelangsungan keluarga kelak.
Menurut agama Islam, setidaknya ada 4 kriteria ketika seseorang ingin
mencari pendamping hidup, yaitu baik agamanya, enak dipandang, setara hartanya
atau pengahsilannya, dan pendidikannya. Berikut penjelasan dari masing-masing
krieria tersebut:
1. Pilihlah Pasangan yang Baik Agamanya, yakni Taat kepada Tuhan Agama
seharusnya dijadikan kriteria utama ketika seseorang menentukan pasangan hidup.
Jika tidak bisa mendapatkan tiga kriteria lainnya yang sudah ditetapkan diatas,
minimal harus mendapat satu kriteria ini. Orang yang baik agamanya pastinya
memiliki tingkat ketaqwaan yang tinggi, dalam hal ini ia yang dapat
mengahafalkan kitab suci sebanyak 30 juz. Sehingga akan membawa keluarga
yang taat pada aturan Tuhan.

2. Enak dipandang karena Parasnya


Tidak bisa dipungkiri jika faktor fisik juga menjadi salah satu kriteria ketika
memilih pasangan. Hal ini juga diperbolehkan dalam agama karena menjadi salah
satu faktor penunjang kehidupan keluarga. Hal tersebut sejalan dengan tujuan dari
pernikahan, yaitu untuk menciptakan ketentraman dalam hati.
3. Setara Hartanya atau Penghasilannya
Rasulullah juga menganjurkan agar memilih pasangan hidup yang setara dalam
agama dan status sosialnya. Tidak dipungkiri banyak pernikahan yang tidak
langgeng karena perbedaan ini. Salah satu hikmah dari anjuran ini adalah
kesetaraan dalam agama dan kedudukan sosial dapat menjadi faktor kelanggengan
rumah tangga.
4. Pendidikannya
Sebelummemilih pasangan dianjurkan untuk melihat status pendidikannya terlebih
dahulu Pasalnya pendidikan juga berperan besar dalam mempengaruhi ilmu
seseorang, gunanya ketika sudah dikaruniai buah hati, pasangan yang telah
berperan sebagai orangtua dapat mendidik dan mengajarkan anak-anaknya dengan
baik.

2.3 Logika Fuzzy


Konsep logika fuzzy pertama kali diperkenalkan oleh Professor Lotfi A.Zadeh
dari Universitas California, pada bulan Juni 1965. Fuzzy secara bahasa diartikan
sebagai kabur atau samar – samar. Menurut Setiadji (2009 : 174), fuzzy merupakan
suatu nilai yang dapat bernilai benar atau salah secara bersamaan. Namun seberapa
besar nilai kebenaran dan kesalahannya tergantung pada derajat keanggotaan yang
dimilikinya. Derajat keanggotaan dalam fuzzy memiliki rentang nilai 0 (nol) hingga
1(satu).
Hal ini berbeda dengan himpunan tegas yang memiliki nilai 1 atau 0 (ya atau
tidak). Logika fuzzy digunakan untuk menterjemahkan suatu besaran yang
diekspresikan menggunakan bahasa (linguistik), misalkan besaran kecepatan laju
kendaraan yang diekspresikan dengan pelan, agak cepat, cepat, dan sangat cepat. Dan
logika fuzzy menunjukkan sejauh mana suatu nilai itu benar dan sejauh mana suatu
nilai itu salah. Tidak seperti logika tegas, suatu nilai hanya mempunyai 2
kemungkinan yaitu merupakan suatu anggota himpunan atau tidak. Derajat
keanggotaan 0 (nol) artinya nilai bukan merupakan anggota himpunan dan 1 (satu)
berarti nilai tersebut adalah anggota himpunan.
Dalam contoh kehidupan seseorang dikatakan dewasa apabila berumur lebih
dari 18 tahun, maka seseorang yang kurang dari atau sama dengan 18 tahun di dalam
logika tegas akan dikatakan sebagai tidak dewasa atau anak – anak. Sedangkan dalam
hal ini pada logika fuzzy, seseorang yang berumur sama dengan atau kurang dari 18
tahun dapat dikategorikan dewasa tetapi tidak penuh. Secara grafik dapat
digambarkan sebagai berikut:

Gambar 2.1. Perbandingan contoh (a) logika tegas dan (b) logika fuzzy dalam
penentuan golongan umur
Menurut Kusumadewi (2004 : 2), logika fuzzy adalah suatu cara yang tepat
untuk
memetakan suatu ruang input kedalam suatu ruang output. Fuzzy dinyatakan dalam
derajat dari suatu keanggotaan dan derajat dari kebenaran.

2.4 Konsep Himpunan Fuzzy


1. Pengertian Himpunan Fuzzy
Pada himpunan tegas setiap elemen dalam semestanya selalu ditentukan secara
tegas apakah elemen itu merupakan anggota himpunan tersebut atau tidak. Tetapi
dalam kenyataanya tidak semua himpunan terdefinisi secara tegas. Misalnya
himpunan siswa pandai, dalam hal ini tidak bisa dinyatakan dengan tegas karena
tidak ada yang dijadikan ukuran untuk tingkat kepandaian seseorang. Oleh karena
itu perlu didefinisikan suatu himpunan fuzzy yang bisa menyatakan kejadian
tersebut.
Himpunan fuzzy didefinisikan sebagai berikut :
Definisi 2.3 (Wang, 1997 : 21) Himpunan fuzzy A di dalam semesta
pembicaraan U didefinisikan sebagai himpunan yang mencirikan suatu fungsi
keanggotaan μA (x) yang mengawankan setiap x ϵ Udengan bilangan real di dalam
interval [0,1] dengan nilai μA (x) menyatakan derajat keanggotaan x di dalam A .
Suatu himpunan fuzzy Adapat dinyatakan dengan dua cara, yaitu :

a. A = ∫U μA (x)/x (2.1)
Dimana notasi integral melambangkan himpunan semua x ϵ U bersama dengan
derajat keanggotaannya pada himpunan fuzzy A. Cara ini digunakan pada
himpunan fuzzy yang anggotanya bernilai kontinu.
b. A = ∑U μA (x)/x
Dimana notasi sigma melambangkan himpunan semua x ϵ U bersama dengan
derajat keanggotaannya pada himpunan fuzzy A. Cara ini digunakan pada
himpunan fuzzy yang anggotanya bernilai diskrit.
Menurut Kusumadewi (2004 : 6), himpunan fuzzy memiliki 2 atribut,
yaitu:
a. Linguistik, yaitu penamaan suatu kelompok yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami, seperti: lambat, sedang,
cepat.
b. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu
variabel, seperti: 40, 50, 60, dan sebagainya.
Hal – hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
a. Variabel Fuzzy
Variabel fuzzy merupakan variabel yang akan dibahas dalam suatu sistem
fuzzy, seperti: umur, berat badan, tinggi badan, dan sebagainya.
b. Himpunan Fuzzy
Himpunan fuzzy merupakan suatu kelompok yang mewakili suatu keadaan
tertentu dalam suatu variabel fuzzy.
c. Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Nilai semesta pembicaraan dapat
berupa bilangan positif maupun negatif. Sebagai contoh, semesta pembicaraan
untuk variabel laju kendaraan adalah [0,160].
d. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu himpunan fuzzy. Nilai domain dapat berupa
bilangan positif maupun negatif. Sebagai contoh, domain dari himpunan fuzzy
kecepatan adalah sebagai berikut:
LAMBAT : [0, 80]
SEDANG : [20, 140]
CEPAT : [80, 160].
2. Fungsi Keanggotaan
Definisi 2.4 (Klirr, 1997 : 75) Setiap himpunan fuzzy 𝐴. 𝐴 di dalam himpunan
universal X, 𝑥 𝜖 𝑋dipetakan ke dalam interval [0,1]. Pemetaan dari 𝑥 𝜖 𝑋pada
interval [0,1] disebut fungsi keanggotaan. Fungsi keanggotaan dari himpunan
fuzzy 𝐴di dalam semesta X dapat ditulis:
𝐴: 𝑋 → [0.1]
Menurut Kusumadewi (2004 : 8), fungsi keanggotaan adalah suatu kurva yang
menunjukkan pemetaan titik – titik input data ke dalam nilai keanggotaannya yang
memiliki interval antara 0 sampai 1.
Ada beberapa fungsi yang bisa digunakan. diantaranya, yaitu:
a. Representasi Linear
Pada representasi linear, pemetaan input ke derajat keanggotannya
digambarkan sebagai suatu garis lurus. Ada dua keadaan himpunan fuzzy
linear, yaitu linear naik dan linear turun. Representasi himpunan fuzzy linear
naik seperti yang ditunjukkan pada Gambar 2.2

Gambar 2.2 Representasi himpunan fuzzy linear naik


Fungsi Keanggotaan:
0 ;𝑥 ≤ 𝑎
(𝑥 − 𝑎)
𝜇[𝑥] = 𝜇[𝑥] = { ;𝑎 ≤ 𝑥 ≤ 𝑏
(𝑏 − 𝑎)
1 ;𝑥 ≥ 𝑏
Keterangan,
a = nilai domain yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
x = nilai input yang akan diubah ke dalam bilangan fuzzy

Representasi himpunan fuzzy linear turun seperti yang ditunjukkan pada gambar
2.3.

Gambar 2.3 Representasi himpunanfuzzy linear turun

Fungsi Keanggotaan:
(𝑏 − 𝑥)
;𝑎 ≤ 𝑥 ≤ 𝑏
𝜇[𝑥] = {(𝑏 − 𝑎)
0 ;𝑥 ≥ 𝑏
Keterangan,
a = nilai domain yang mempunyai derajat keanggotaan satu
b = nilai domain yang mempunyai derajat keanggotaan nol
x = nilai input yang akan diubah ke dalam bilangan fuzzy

b. Representasi Kurva Segitiga


Kurva Segitiga pada dasarnya merupakan gabungan antara dua garis (linear)
seperti terlihat pada Gambar 2.4.
Gambar 2.4 Representasi Kurva Segitiga
Fungsi Keanggotaan:
0 ; 𝑥 ≤ 𝑎 𝑎𝑡𝑎𝑢 𝑥 ≥ 𝑐
(𝑥−𝑎)
;𝑎 ≤ 𝑥 ≤ 𝑏
𝜇[𝑥] = (𝑏−𝑎)
(𝑐−𝑥)
{ ;𝑏 ≤ 𝑥 ≤ 𝑐
(𝑐−𝑏)

Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan nol
𝑥= nilai input yang akan di ubah ke dalam bilangan fuzzy

c. Representasi Kurva Trapesium


Kurva Trapesium pada dasarnya seperti bentuk segitiga karena
merupakangabungan antara dua garis (linear), hanya saja ada beberapa titik
yang memilikinilai keanggotaan 1. Representasi kurva trapesium ditunjukkan
pada Gambar 2.5.

Gambar 2.5 Representasi Kurva Trapesium


Fungsi Keanggotaan:
0 ; 𝑥≤𝑎 𝑎𝑡𝑎𝑢 𝑥≥𝑑
(𝑥−𝑎)
; 𝑎≤𝑥≤𝑏
(𝑏−𝑎)
𝜇[𝑥] = { 1 ; 𝑏≤𝑥≤𝑐
(𝑑−𝑥)
; 𝑥≥𝑑
(𝑑−𝑐)

Keterangan:
a = nilai domain terkecil yang mempunyai derajat keanggotaan nol
b = nilai domain terkecil yang mempunyai derajat keanggotaan satu
c = nilai domain terbesar yang mempunyai derajat keanggotaan satu
d = nilai domain terbesar yang mempunyai derajat keanggotaan nol
x = nilai input yang akan di ubah ke dalam bilangan fuzzy
d. Representasi Kurva Bahu
Himpunan fuzzy bahu digunakan untuk mengakhiri variabel suatu daerah
fuzzy. Bentuk kurva bahu berbeda dengan kurva segitiga, yaitu salah satu sisi
pada variabel tersebut mengalami perubahan turun atau naik, sedangkan sisi
yang lain tidak mengalami perubahan atau tetap. Bahu kiri bergerak dari benar
ke salah,demikian juga bahu kanan bergerak dari salah ke benar. Gambar 2.6.
menunjukkan variabel TEMPERATUR dengan daerah bahunya.

Gambar 2.6 Representasi Kurva Bahu

3. Operasi Himpunan fuzzy


Seperti halnya himpunan bilangan tegas, ada beberapa operasi yang didefinisikan
secara khusus untuk mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai
keanggotaan sebagai hasil dari operasi dua himpunan yang dikenal dengan nama
𝛼-predikat.
Menurut Wang (1997 : 29), ada tiga operasi dasar dalam himpunan fuzzy, yaitu
komplemen, irisan (intersection) dan gabungan (union).
a. Komplemen
Operasi komplemen pada himpunan fuzzy adalah sebagai hasil operasi dengan
operator NOT diperoleh dengan mengurangkan nilai keanggotaan elemen pada
himpunan yang bersangkutan dari 1.
𝐴̅(𝑥) = 1 − 𝐴(𝑥)
b. Irisan (intersection)
Operasi irisan (intersection) pada himpunan fuzzy adalah sebagai hasil operasi
dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil
antar elemen pada himpunan - himpunan yang bersangkutan.
(𝐴 ∩ 𝐵)(𝑥) = min[𝐴(𝑥), 𝐵(𝑥)]
c. Gabungan (Union)
Operasi gabungan (union) pada himpunan fuzzy adalah sebagai hasil operasi
dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar
antar elemen pada himpunan - himpunan yang bersangkutan.
(𝐴 ∪ 𝐵)(𝑥) = max[𝐴(𝑥), 𝐵(𝑥)]
2.5 Fungsi Implikasi
Tiap – tiap aturan (proposisi) pada basis 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
dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang
mengikuti IF disebut sebagai anteseden, sedangkan proporsi yang mengikuti THEN
disebut sebagai konsekuen.
Secara umum, ada dua fungsi implikasi yang dapat digunakan, yaitu:
a. Min (minimum)
Pengambilan keputusan dengan fungsi min, yaitu dengan cara mencari nilai
minimum berdasarkan aturan ke-i dan dapat dinyatakan dengan:
𝛼𝑖 = 𝜇𝑐𝑖 (𝑍)
dimana
𝛼𝑖 = 𝜇𝐴𝐼 (𝑥) ∩ 𝜇𝐵𝐼 (𝑥) = min{ 𝜇𝐴𝐼 (𝑥), 𝜇𝐵𝐼 (𝑥)}
Keterangan:
𝛼𝑖 = nilai minimum dari himpunan fuzzy A dan B pada aturan ke-i
𝜇𝐴𝐼 (𝑥) = derajat keanggotaan x dari himpunan fuzzy A pada aturan ke-i
𝜇𝐵𝐼 (𝑥) = derajat keanggotaan x dari himpunan fuzzy B pada aturan ke-i
𝜇𝐶𝐼 (𝑥) = derajat keanggotaan konsekuen pada himpunan fuzzy C pada
aturanke-i.
Contoh penggunaan fungsi min untuk kasus produksi barang seperti terlihat pada
Gambar 2.7.
Gambar 2.7 Penggunaan fungsi min untuk kasus produksi barang
b. Dot (product)
Pengambilan keputusan dengan fungsi dot yang didasarkan pada aturan ke-𝑖
dinyatakan dengan:
𝛼𝑖 ∙ 𝜇𝑐𝑖 (𝑍)
Keterangan:
𝛼𝑖 = nilai minimum dari himpunan fuzzy A dan B pada aturan ke-i
𝜇𝑐𝑖 = derajat keanggotaan konsekuen pada himpunan fuzzy C pada aturan ke-𝑖
Contoh penggunaan fungsi dot pada kasus produksi barang seperti terlihat pada
Gambar 2.8.

Gambar 2.8 penggunaan fungsi dot pada kasus produksi barang


2.6 Sistem Berbasis Aturan Fuzzy
Pendekatan logika fuzzy diimplementasikan dalam tiga tahapan, yakni: fuzzyfikasi,evaluasi
rule (inferensi), dan defuzzifikasi.

1. Fuzzyfikasi,
Fuzzyfikasi merupakan fase pertama dari perhitungan fuzzy, yaitu
mengubahmasukan-masukan yang nilai kebenarannya bersifat pasti ke dalam
bentuk fuzzyinput yang berupa tingkat keanggotaan / tingkat kebenaran. Dengan
demikian, tahap ini mengambil nilai-nilai crisp dan menentukan derajat di mana
nilai-nilai tersebut menjadi anggota dari setiap himpunan fuzzy yang sesuai.
2. Inferensi
Inferensi adalah melakukan penalaran menggunakan fuzzy input dan fuzzy rules
yang telah ditentukan sehingga menghasilkan fuzzy output. Secara sintaks,suatu
fuzzy rule (aturan fuzzy) dituliskan sebagai berikut:
𝐼𝐹 𝑎𝑛𝑡𝑒𝑐𝑒𝑛𝑑𝑒𝑛𝑡 𝑇𝐻𝐸𝑁 𝑐𝑜𝑛𝑠𝑒𝑞𝑢𝑒𝑛𝑡
3. Defuzzifikasi
Defuzzifikasi adalah mengubah fuzzy output menjadi nilai tegas berdasarkan
fungsi keanggotaan yang telah ditentukan. Defuzzifikasi merupakan metode yang
penting dalam pemodelan sistem fuzzy.
2.7 Sistem Inferensi Fuzzy
Salah satu aplikasi logika fuzzy yang telah berkembang amat luas dewasa ini adalah
sistem inferensi fuzzy (Fuzzy Inference System / FIS), yaitu kerangkakomputasi yang
didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF THEN,dan penalaran
fuzzy. Misalnya dalam penentuan status gizi, produksi barang,sistem pendukung
keputusan, penentuan kebutuhan kalori harian, dan sebagainya.
Ada tiga metode dalam sistem inferensi fuzzy yang sering digunakan,
yaitumetode Tsukamoto, metode Mamdani, dan metode Takagi Sugeno. Dalam
penelitianini akan dibahas penentuan status gizi menggunakan metode Mamdani.
Sistem ini berfungsi untuk mengambil keputusan melalui proses tertentu
denganmempergunakan aturan inferensi berdasarkan logika fuzzy.
Metode Mamdani sering dikenal dengan nama Metode Min – Max. Metode ini
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapatkan
output,diperlukan 4 tahapan:
1. Pembentukan himpunan fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output dibagimenjadi
satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi
Pada metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Komposisi Aturan
Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh
darigabungan antar aturan. Ada tiga metode yang digunakan dalam
melakukaninferensi sistem fuzzy, yaitu: max, additive dan probabilistik OR
(probor).
a) Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambilnilai
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
suatuhimpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi.
Secaraumum dapat dituliskan:
𝑈𝑠𝑓 [𝑥𝑖 ] = max( 𝑈𝑠𝑓 [𝑥𝑖 ], 𝑈𝑘𝑓 [𝑥𝑖 ])
Keterangan:
𝑈𝑠𝑓 [𝑥𝑖 ]= nilai keanggotaan solusi fuzzy sampai aturan ke-i;
𝑈𝑘𝑓 [𝑥𝑖 ]= nilai keanggotaan konsekuen fuzzy aturan ke-i.

b) Metode Additive (Sum)


Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan
bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:
𝑈𝑠𝑓 [𝑥𝑖 ] = min(1, 𝑈𝑠𝑓 [𝑥𝑖 ] + 𝑈𝑘𝑓 [𝑥𝑖 ])
Keterangan:
𝑈𝑠𝑓 [𝑥𝑖 ]= nilai keanggotaan solusi fuzzy sampai aturan ke-i;
𝑈𝑘𝑓 [𝑥𝑖 ]= nilai keanggotaan konsekuen fuzzy aturan ke-i.

c) Metode Probabilistik (OR)


Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara
melakukanproduct terhadap semua output daerah fuzzy.
Secara umum dituliskan:
𝑈𝑠𝑓 [𝑥𝑖 ] = (𝑈𝑠𝑓 [𝑥𝑖 ] + 𝑈𝑘𝑓 [𝑥𝑖 ] − (𝑈𝑠𝑓 [𝑥𝑖 ] ∙ 𝑈𝑘𝑓 [𝑥𝑖 ]))
Keterangan:
𝑈𝑠𝑓 [𝑥𝑖 ]= nilai keanggotaan solusi fuzzy sampai aturan ke-i;
𝑈𝑘𝑓 [𝑥𝑖 ]= nilai keanggotaan konsekuen fuzzy aturan ke-i.
4. Penegasan (defuzzifikasi)
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari
suatu komposisi aturan – aturan fuzzy, sedangkan output yang dihasilkan
merupakan suatu bilangan pada himpunan fuzzy tersebut. Sehingga jika diberikan
suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai
crisp tertentu sebagai output.
Menurut Kusumadewi (2004 : 44), 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:
𝑏
∫𝑎 𝑍∙𝜇(𝑍) 𝑑𝑧
𝑍0 = 𝑏 , untuk domain kontinu
∫𝑎 𝜇(𝑍) 𝑑𝑧

Keterangan:
Z = nilai domain ke – i,
𝜇(𝑍) = derajat keanggotaan titik tersebut,
𝑍0 = nilai hasil penegasan (defuzzyfikasi).
∑𝑛
𝑖=1 𝑑𝑖 ∙𝑈𝐴𝑖 (𝑑𝑖 )
𝑍= ∑𝑛
, untuk domain diskrit
𝑖=𝑗 𝑈𝐴𝑖 (𝑑𝑖 )

Keterangan:
Z = nilai hasil penegasan (defuzzyfikasi)
𝑑𝑖 = nilai keluaran pada aturan ke-i
𝑈𝐴𝑖 (𝑑𝑖 )= derajat keanggotaan nilai keluaran pada aturan ke –i
n = banyaknya aturan yang digunakan.
b) Metode Bisektor
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai
padadomain fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total
nilaikeanggotaan pada daerah fuzzy. Secara umum dituliskan:
𝑛
1
𝑈(𝑑) = ∑ 𝑈(𝐴𝑖) (𝑑𝑖 )
2
𝑖=1

Keterangan:
d = nilai hasil penegasan (defuzzyfikasi),
𝑑𝑖 = nilai keluaran pada aturan ke-i,
𝑈(𝐴𝑖) (𝑑𝑖 ) = derajat keanggotaan nilai keluaran pada aturan ke – i,
n = banyak aturan yang digunakan
c) Metode Mean of Maksimum (MOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata–rata
domain yang memiliki nilai keanggotaan maksimum.
d) Metode Largest of Maximum (LOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilaiterbesar
dari domain yang memiliki nilai keanggotaan maksimum.
e) Metode Smallest of Maximum (SOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilaiterkecil
daridomain yang memiliki nilai keanggotaan maksimum.
BAB III
PEMBAHASAN

Sebagian orang memiliki kriteria tersendiri dalam menentukan calon pasangan


hidup.Berbagai macam kriteria masing-masing memiliki nilai positif dan negatif, sehingga
akan mengakibatkan banyak perbedaan pandangan dalam menentukan calon pasangan
hidup.Sebagai contoh, seseorang dengan penghasilan rendah dan berpenampilan menarik jika
dinilai berdasarkan pemikiran pribadi maka akan ada orang yang lebih mengutamakan
penghasilan tinggi tetapi ada juga yang lebih mengutamakan penampilan yang menarik. Hal
ini menunjukkan bahwa penilaian tiap individu terhadap berbagai macam kriteriaakan
memberikan perbedaan keputusan dalam penentuan calon pasangan hidup.
Penggunaan logika fuzzy akan memberikan kemudahan dalam penentuan calon
pasangan hidup. Sehingga dengan adanya perbedaan pendapat tidak akan memberikan
perubahan yang signifikan, hanya akan memengaruhi derajat keanggotaan.
3.1 Model Fuzzy Mamdani
Dalam penentuan calon pasangan hidup, aplikasi logika fuzzy digunakan untuk
mengubah input yang berupa hafalan Al-Qur’an, good looking, penghasilan, dan pendidikan
sehingga mendapatkan output berupa keputusan dalam menentukan calon pasangan hidup.
Dalam penentuan calon pasangan hidup digunakan metode Mamdani atau sering juga dikenal
dengan nama metode MAX-MIN. Untuk mendapatkan output, diperlukan empat tahapan
yaitu:
1. Menentukan Himpunan Fuzzy
Pada metode Mamdani variabel input dan variabel output dibagi menjadi satu atau
lebih himpunan fuzzy. Dalam penentuan calon pasangan hidup, variabel input
dibagi menjadi empat yaitu variabel hafalan Al-Qur’an, good looking,
penghasilan, dan pendidikan. Serta satu variabel output yaitu variabel keputusan.
Penentuan variabel yang digunakan terlihat dalam Tabel 3.1.
Tabel 3.1. Range untuk setiap variabel fuzzy
Fungsi Variabel Range
Input Hafal Al-Qur’an [0 30]
Good Looking [0 10]
Penghasilan [0 15]
Pendidikan [0 21]
Output Keputusan [0 100]
Berdasarkan variabel yang telah dibentuk, kemudian disusun domain himpunan
fuzzy. Berdasarkan domain tersebut, selanjutnya ditentukan fungsi keanggotaan
dari masing-masing variabel seperti pada Tabel 3.2. Berikut adalah himpunan
fuzzy pada penentuan calon pasangan hidup:
Tabel 3.2. Himpunann fuzzy
Variabel Himpunan Domain
Sedikit [0 10]
Hafalan Al-Qur’an (juz) Sedang [5 15]
Banyak [10 30]
Kurang [0 5]
Good Looking Cukup [3 7]
Bagus [5 10]
Rendah [0 5]
Penghasilan (juta) Sedang [3 7]
Tinggi [5 15]
Rendah [0 12]
Pendidikan Sedang [9 16]
Tinggi [13 21]
Tidak [0 40]
Keputusan Dipertimbangkan [20 80]
Iya [40 100]
Himpunan fuzzy dari variabel-variabel yang telah dibentuk direpresentasikan
sebagai berikut:
a. Himpunan Fuzzy Variabel Hafalan Al-Qur’an
Gambar himpunan fuzzy untuk variabel hafalan Al-Qur’an dapat dilihat
pada Gambar 3.1.

Gambar 3.1. Grafik Himpunan Fuzzy Hafalan Al-Qur’an


Dengan fungsi keanggotaan sebagai berikut:
1 ;𝑥 ≤ 5
10 − 𝑥
𝜇𝑆𝑒𝑑𝑖𝑘𝑖𝑡 ={ ; 5 ≤ 𝑥 ≤ 10
5
0 ; 𝑥 ≥ 10
0 ;𝑥 ≤ 5
𝑥−5
; 5 ≤ 𝑥 ≤ 10
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 = 5
15 − 𝑥
; 10 ≤ 𝑥 ≤ 15
5
{ 0 ; 𝑥 ≥ 15
0 ; 𝑥 ≤ 10
𝑥 − 10
𝜇𝐵𝑎𝑛𝑦𝑎𝑘 ={ ; 10 ≤ 𝑥 ≤ 15
5
1 ; 𝑥 ≥ 15
b. Himpunan Fuzzy Variabel Good Looking
Gambar himpunan fuzzy untuk variabel Good Looking dapat dilihat pada
Gambar 3.2.

Gambar 3.2. Grafik Himpunan FuzzyGood Looking


Dengan fungsi keanggotaan sebagai berikut:
1 ;𝑥 ≤ 3
5−𝑥
𝜇𝐾𝑢𝑟𝑎𝑛𝑔 ={ ; 3≤𝑥≤5
2
0 ;𝑥 ≥ 5
0 ;𝑥 ≤ 3
𝑥−3
;3 ≤ 𝑥 ≤ 5
𝜇𝐶𝑢𝑘𝑢𝑝 = 2
7−𝑥
;5 ≤ 𝑥 ≤ 7
2
{ 0 ;𝑥 ≥ 7
0 ;𝑥 ≤ 5
𝑥−5
𝜇𝐵𝑎𝑔𝑢𝑠 ={ ; 5≤𝑥≤7
2
1 ;𝑥 ≥ 7
c. Himpunan Fuzzy Variabel Penghasilan
Gambar himpunan fuzzy untuk variabel penghasilan dapat dilihat pada
Gambar 3.3.

Gambar 3.3. Grafik Himpunan Fuzzy Penghasilan


Dengan fungsi keanggotaan sebagai berikut:
1 ;𝑥 ≤ 3
5−𝑥
𝜇𝑅𝑒𝑛𝑑𝑎ℎ ={ ; 3≤𝑥≤5
2
0 ;𝑥 ≥ 5
0 ;𝑥 ≤ 3
𝑥−3
;3 ≤ 𝑥 ≤ 5
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 = 2
7−𝑥
;5 ≤ 𝑥 ≤ 7
2
{ 0 ;𝑥 ≥ 7
0 ;𝑥 ≤ 5
𝑥−5
𝜇𝐵𝑎𝑛𝑦𝑎𝑘 ={ ; 5≤𝑥≤7
2
1 ;𝑥 ≥ 7
d. Himpunan Fuzzy Variabel Pendidikan
Gambar himpunan fuzzy untuk variabel pendidikan dapat dilihat pada
Gambar 3.4.

Gambar 3.4. Grafik Himpunan Fuzzy Pendidikan


Dengan fungsi keanggotaan sebaggai berikut:
1 ;𝑥 ≤ 9
12 − 𝑥
𝜇𝑅𝑒𝑛𝑑𝑎ℎ ={ ; 9 ≤ 𝑥 ≤ 12
3
0 ; 𝑥 ≥ 12
0 ;𝑥 ≤ 9
𝑥−9
; 9 ≤ 𝑥 ≤ 13
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 = 4
16 − 𝑥
; 13 ≤ 𝑥 ≤ 16
3
{ 0 ; 𝑥 ≥ 16
0 ; 𝑥 ≤ 13
𝑥 − 13
𝜇 𝑇𝑖𝑛𝑔𝑔𝑖 ={ ; 13 ≤ 𝑥 ≤ 16
3
1 ; 𝑥 ≥ 16
e. Himpunan Fuzzy Variabel Keputusan
Gambar himpunan fuzzy untuk variabel keputusan dapat dilihat pada
Gambar 3.5.

Gambar 3.5. Grafik Himpunan Fuzzy Keputusan


Dengan fungsi keanggotaan sebagai berikut:
1 ; 𝑥 ≤ 20
40 − 𝑥
𝜇 𝑇𝑖𝑑𝑎𝑘 ={ ; 20 ≤ 𝑥 ≤ 40
20
0 ; 𝑥 ≥ 40
0 ; 𝑥 ≤ 20
𝑥 − 20
; 20 ≤ 𝑥 ≤ 40
𝜇𝐷𝑖𝑝𝑒𝑟𝑡𝑖𝑚𝑏𝑎𝑛𝑔𝑘𝑎𝑛 = 20
80 − 𝑥
; 40 ≤ 𝑥 ≤ 80
40
{ 0 ; 𝑥 ≥ 80
0 ; 𝑥 ≤ 40
𝑥 − 40
𝜇𝐼𝑦𝑎 ={ ; 40 ≤ 𝑥 ≤ 80
40
1 ; 𝑥 ≥ 80
2. Aplikasi Fungsi Implikasi
Setelah fuzzyfikasi, maka dilakukan pembentukan aturan fuzzy. Aturan-aturan
dibentuk untuk menyatakan relasi antara input dan output. Tiap aturan merupakan
suatu implikasi. Operator yang digunakan untuk menghubungkan antara dua input
adalah operator AND, dan yang memetakan antara input-output adalah IF-THEN.
Proposisi yang mengikuti IF disebut anteseden, sedangkan proposisi yang
mengikuti THEN disebut konsekuen.
Aturan-aturan yang dapat dibentuk adalah sebagai berikut:
[R1]: Jika Hafalan Al-Qur’an sedikit dan Good Looking kurang dan Penghasilan
rendah dan Pendidikan rendah maka Keputusan tidak.
[R2]: Jika Hafalan Al-Qur’an sedikit dan Good Looking kurang dan Penghasilan
rendah dan Pendidikan sedang maka Keputusan tidak.
[R3]: Jika Hafalan Al-Qur’an sedikit dan Good Looking kurang dan Penghasilan
rendah dan Pendidikan tinggi maka Keputusan tidak.
…...
[R40]: Jika Hafalan Al-Qur’an sedang dan Good Looking cukup dan Penghasilan
sedang dan Pendidikan rendah maka Keputusan dipertimbangkan.
[R41]: Jika Hafalan Al-Qur’an sedang dan Good Looking cukup dan Penghasilan
sedang dan Pendidikan sedang maka Keputusan dipertimbangkan.
[R42]: Jika Hafalan Al-Qur’an sedang dan Good Looking cukup dan Penghasilan
sedang dan Pendidikan tinggi maka Keputusan iya.
……
[R79]: Jika Hafalan Al-Qur’an banyak dan Good Looking bagus dan Penghasilan
tinggi dan Pendidikan rendah maka Keputusan iya.
[R80]: Jika Hafalan Al-Qur’an banyak dan Good Looking bagus dan Penghasilan
tinggi dan Pendidikan sedang maka Keputusan iya.
[R81]: Jika Hafalan Al-Qur’an banyak dan Good Looking bagus dan Penghasilan
tinggi dan Pendidikan tinggi maka Keputusan iya.

Setelah aturan dibentuk, maka dilakukan aplikasi fungsi implikasi. Pada Metode
Mamdani, fungsi implikasi yang digunakan adalah MIN, yang berarti tingkat
keanggotaan yang didapat dari proses ini adalah nilai minimum dari variabel-
variabel yang dibentuk. Sehingga didapatkan daerah fuzzy pada variabel
keputusan untuk masing – masing aturan.

3. Komposisi Aturan
Pada metode Mamdani, komposisi antar fungsi implikasi menggunakan fungsi
MAX yaitu dengan cara mengambil nilai maksimum dari output aturan kemudian
menggabungkan daerah fuzzy dari masing – masing aturan dengan operator OR.
𝜇𝑠𝑓 [𝑥] = 𝑚𝑎𝑥(𝜇𝑘𝑓1 [𝑥], 𝜇𝑘𝑓2 [𝑥], 𝜇𝑘𝑓3 [𝑥], 𝜇𝑘𝑓4 [𝑥], … , 𝜇𝑘𝑓80 [𝑥], 𝜇𝑘𝑓81 [𝑥])
Keterangan:
𝜇𝑠𝑓 [𝑥] : nilai keanggotaan solusi fuzzy sampai aturan ke-i;
𝜇𝑘𝑓𝑖 [𝑥] : nilai keanggotaan konsekuen fuzzy setiap aturan ke-i, dimana
i=1,2,3,…,80,81.

4. Defuzzyfikasi (Penegasan)
Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari
komposisi aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilangan tegas pada domain himpunan fuzzy tersebut. Sehingga jika diberikan
suatu himpunanfuzzy dalam range tertentu, maka harus dapat diambil suatu nilai
crisp tertentu sebagai output. Defuzzyfikasi yang digunakan dalam menentukan
nilai gizi adalah dengan metode centroid. Pada metode ini, solusi crisp diperoleh
dengan cara mengambil titik pusat (𝑍0 ) daerah fuzzy. Secara umum dirumuskan:
𝑎
∫𝑏 𝑍𝜇(𝑍) 𝑑𝑧
𝑍0 = 𝑎
∫𝑏 𝜇(𝑍) 𝑑𝑧
untuk domain kontinyu, dengan 𝑍0 adalah nilai hasil defuzzyfikasi dan
𝜇(𝑍)adalahderajat keanggotaan titik tersebut, sedangkan 𝑍 adalah nilai domain
ke-i.
3.2 Penentuan Keputusan
Dalam makalah ini, himpunan fuzzy digunakan untuk menentukan calon pasangan
hidup. Beikut adalah contoh penerapannya.
Contoh kasus:
Seorang pria dengan hafalan Al-Qur’an 3 juz, nilai good looking 7, penghasilan 4 juta,
dan pendidikan terakhir D-1.

Langkah 1. Fuzzyfikasi
Himpunan fuzzy untuk variabel hafalan Al-Qur’an sebanyak 3 juz terletak pada kurva
Sedikit seperti pada Gambar 3.6.
Gambar 3.6. Fungsi keanggotaan untuk hafalan 3 juz
Sehingga diperoleh:
𝜇𝑆𝑒𝑑𝑖𝑘𝑖𝑡 (3) = 1
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 (3) = 0
𝜇𝐵𝑎𝑛𝑦𝑎𝑘 (3) = 0

Himpunan fuzzy untuk variabel good lookingdengan nilai 7 terletak pada kurva Bagus
seperti pada Gambar 3.7.

Gambar 3.7. Fungsi keanggotaan untuk nilai good looking 7


Sehingga diperoleh:
𝜇𝐾𝑢𝑟𝑎𝑛𝑔 (7) = 0
𝜇𝐶𝑢𝑘𝑢𝑝 (7) = 0
𝜇𝐵𝑎𝑔𝑢𝑠 (7) = 1
Himpunan fuzzy untuk variabel Penghasilan sebesar 4 juta terletak pada kurva Rendah
dan Sedang seperti pada Gambar 3.8.

Gambar 3.8. Fungsi keanggotaan untuk penghasilan 4 juta


Sehingga diperoleh:
5−4
𝜇𝑅𝑒𝑛𝑑𝑎ℎ (4) = = 0,5
2
4−3
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 (4) = = 0,5
2
𝜇 𝑇𝑖𝑛𝑔𝑔𝑖 (4) = 0

Himpunan fuzzy untuk variabel Pendidikan D-1terletak pada kurva Sedang seperti pada
Gambar 3.9.

Gambar 3.9. Fungsi keanggotaan untuk pendidikan D-1


Sehingga diperoleh:
𝜇𝑅𝑒𝑛𝑑𝑎ℎ (13) = 0
16 − 13
𝜇𝑆𝑒𝑑𝑎𝑛𝑔 (13) = =1
3
𝜇 𝑇𝑖𝑛𝑔𝑔𝑖 (13) = 0

Langkah 2. Fungsi Implikasi


Berdasarkan hasil fuzzyfikasi didapat aturan-aturan yang sesuai dengan kondisi
tersebut, yaitu:
[R20]: Jika Hafalan Al-Qur’an sedikit dan Good Looking bagus dan Penghasilan rendah dan
Pendidikan sedang maka Keputusan dipertimbangkan.
𝛼𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 = 𝜇𝐻𝑎𝑓𝑎𝑙𝑆𝑒𝑑𝑖𝑘𝑖𝑡 ∩ 𝜇𝐺𝐿𝐵𝑎𝑔𝑢𝑠 ∩ 𝜇𝑃𝑒𝑛𝑔ℎ𝑎𝑠𝑖𝑙𝑎𝑛𝑅𝑒𝑛𝑑𝑎ℎ ∩ 𝜇𝑃𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛𝑆𝑒𝑑𝑎𝑛𝑔
= 𝑚𝑖𝑛(𝜇𝐻𝑎𝑓𝑎𝑙𝑆𝑒𝑑𝑖𝑘𝑖𝑡 , 𝜇𝐺𝐿𝐵𝑎𝑔𝑢𝑠 , 𝜇𝑃𝑒𝑛𝑔ℎ𝑎𝑠𝑖𝑙𝑎𝑛𝑅𝑒𝑛𝑑𝑎ℎ , 𝜇𝑃𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛𝑆𝑒𝑑𝑎𝑛𝑔 )
= 𝑚𝑖𝑛(1; 1; 0.5; 1)
= 0.5
[R23]: Jika Hafalan Al-Qur’an sedikit dan Good Looking bagus dan Penghasilan sedang dan
Pendidikan sedang maka Keputusan dipertimbangkan.
𝛼𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡2 = 𝜇𝐻𝑎𝑓𝑎𝑙𝑆𝑒𝑑𝑖𝑘𝑖𝑡 ∩ 𝜇𝐺𝐿𝐵𝑎𝑔𝑢𝑠 ∩ 𝜇𝑃𝑒𝑛𝑔ℎ𝑎𝑠𝑖𝑙𝑎𝑛𝑆𝑒𝑑𝑎𝑛𝑔 ∩ 𝜇𝑃𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛𝑆𝑒𝑑𝑎𝑛𝑔
= 𝑚𝑖𝑛(𝜇𝐻𝑎𝑓𝑎𝑙𝑆𝑒𝑑𝑖𝑘𝑖𝑡 , 𝜇𝐺𝐿𝐵𝑎𝑔𝑢𝑠 , 𝜇𝑃𝑒𝑛𝑔ℎ𝑎𝑠𝑖𝑙𝑎𝑛𝑆𝑒𝑑𝑎𝑛𝑔 , 𝜇𝑃𝑒𝑛𝑑𝑖𝑑𝑖𝑘𝑎𝑛𝑆𝑒𝑑𝑎𝑛𝑔 )
= 𝑚𝑖𝑛(1; 1; 0.5; 1)
= 0.5
Langkah 3. Komposisi Aturan
Komposisi aturan merupakan kesimpulan secara keseluruhan dengan mengambil nilai
keanggotaan maksimum dari tiap konsekuen aplikasi fungsi implikasi dan menggabungkan
semua kesimpulan masing-masing aturan sehingga diperoleh daerah hasil fuzzy sebagai
berikut:
𝜇𝑠𝑓 [𝑥] = 𝑚𝑎𝑥(𝜇𝛼𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 [𝑥], 𝜇𝛼𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡2 [𝑥])
= 𝑚𝑎𝑥(0.5; 0.5)
Titik potong antara aturan-20 dan aturan-23 adalah ketika
𝜇𝑁𝑖𝑙𝑎𝑖 𝐾𝑒𝑝𝑢𝑡𝑢𝑠𝑎𝑛 𝐷𝑖𝑝𝑒𝑟𝑡𝑖𝑚𝑏𝑎𝑛𝑔𝑘𝑎𝑛 (𝑥) = 𝜇𝑁𝑖𝑙𝑎𝑖 𝐾𝑒𝑝𝑢𝑡𝑢𝑠𝑎𝑛 𝐷𝑖𝑝𝑒𝑟𝑡𝑖𝑚𝑏𝑎𝑛𝑔𝑘𝑎𝑛 (𝑥), yaitu:
𝑥 − 20
= 0.5
20
⟺ 𝑥 − 20 = 10
⟺ 𝑥 = 30
Dan
80 − 𝑥
= 0.5
40
⟺ 80 − 𝑥 = 20
⟺ 𝑥 = 60
Sehingga diperoleh fungsi keanggotaan daerah solusi, yaitu:
𝑥 − 20
; 20 ≤ 𝑥 ≤ 30
20
𝜇𝐾𝑒𝑝𝑢𝑡𝑢𝑠𝑎𝑛 = 0.5; 30 ≤ 𝑥 ≤ 60
80 − 𝑥
{ 40 ; 60 ≤ 𝑥 ≤ 80
Langkah 4. Defuzzyfikasi
Langkah terakhir dalam proses ini adalah defuzzifikasi atau disebut juga
tahappenegasan, yaitu untuk mengubah himpunan fuzzy menjadi bilangan real. Input
dariproses penegasan ini adalah suatu himpunan fuzzy yang diperoleh dari
komposisiaturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu
bilanganpada domain himpunan fuzzy tersebut. Defuzzyfikasi yang digunakan
dalammenentukan nilai gizi adalah dengan metode centroid. Berikut adalah
perhitungan defuzzyfikasi dengan metode centroid:
30 𝑥 − 20 60 80 80 − 𝑥
∫20 ( 20 ) 𝑥𝑑𝑥 + ∫30 (0.5)𝑥𝑑𝑥 + ∫60 ( 40 ) 𝑥𝑑𝑥
𝑋=
30 𝑥 − 20 60 80 80 − 𝑥
∫20 ( 20 ) 𝑑𝑥 + ∫30 (0.5)𝑑𝑥 + ∫60 ( 40 ) 𝑑𝑥
30 60 80
∫20 (0.05𝑥 − 1) 𝑥𝑑𝑥 + ∫30 (0.5)𝑥𝑑𝑥 + ∫60 (2 − 0.025𝑥)𝑥𝑑𝑥
= 30 60 80
∫20 (0.05𝑥 − 1) 𝑑𝑥 + ∫30 (0.5)𝑑𝑥 + ∫60 (2 − 0.025𝑥)𝑑𝑥
0.05 1 30 0.5 60 0.025 80
( 3 𝑥 3 − 2 𝑥 2 ) | + 2 𝑥 2 | + (𝑥 2 − 3 𝑥 3 ) |
= 20 30 60
0.05 2 30 60 0.025 2 80
( 2 𝑥 − 𝑥) | + 0.5𝑥 | + (2𝑥 − 2 𝑥 ) |
20 30 60
= 47.78
Hasil perhitungan manual menunjukkan bahwa nilai keputusan yang diperoleh adalah
47.78, sehingga berdasarkan perhitungan tersebut hasil keputusan adalah dipertimbangkan.

Hasil perhitunganfuzzy menggunakan program simulasi Toolbox Fuzzy Matlab


ditunjukkan pada Gambar 3.10.

Gambar 3.10. Hasil perhitungan menggunakan Matlab


Hasil perhitungan secara manual sama dengan perhitungan menggunakan program
Matlab.
BAB IV
PENUTUP

4.1. Kesimpulan
Penerapan metode fuzzy mamdani dibuat sebagai alat bantu untuk menentukan
calon pasangan hidup berdasarkan kriteria-kriteria yang sudah ditetapkan. Kriteria
yang terdapat pada makalah ini digunakan sebagai input yang terdiri dari hafalan Al-
Qur’an, good looking, penghasilan, dan pendidikan. Kemudian satu variabel output
yang berupa keputusan.
4.2. Saran
Sistem pendukung keputusan fuzzy seleksi calon pasangan hidup memanfaatkan
model logika fuzzy hanya sebagai salah satu alat bantu alternatif yang dapat membantu
membuat keputusan dalam menentukan calon pasangan hidup yang sesuai.
Penulis menyarankan untuk penelitian selanjutnya dapat membuat sistem yang dapat
mengerjakan kemungkinan aturan tanpa harus memasukkan data satu persatu, karena
dengan fasilitas tersebut dapat memudahkan pengguna pada saat menambahkan kriteria
yang digunakan untuk penilaian seleksi calon pasangan hidup.