net/publication/301228153
CITATIONS READS
5 25,179
1 author:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Amrul Hinung Prihamayu on 13 April 2016.
ABSTRAK
Perencanaan pengambilan keputusan perusahaan dalam menentukan jumlah produk pada satu
periode selanjutnya, bergantung pada sisa persediaan dari satu periode sebelumnya dan juga
perkiraan jumlah permintaan pada satu periode selanjutnya. Jumlah permintaan dan persediaan
merupakan suatu ketidakpastian. Logika Fuzzy merupakan salah satu ilmu yang dapat menganalisa
ketidakpastian. Tujuan dari penelitian ini adalah untuk mengetahui penggunaan aplikasi logika
Fuzzy metode Mamdani dalam pengambilan keputusan penentuan jumlah produksi.Pada
penelitian ini digunakan metode Mamdani atau yang biasa disebut metode Min-Max, baik yang
menggunakan dua variabel linguistik maupun yang menggunakan tiga variabel linguistik.Untuk
mendapatkan keluaran dari metode ini diperlukan 4 tahapan yakni; 1) Pembentukan himpunan
fuzzy; 2) Aplikasi fungsi implikasi; 3) Komposisi aturan ; 4) Defuzzifikasi, dari hasil defuzzifikasi
inilah kita bisa menentukan keputusan yang akan diambil.
Kata kunci: Logika Fuzzy, Metode Mamdani, Penentuan Jumlah Produksi, Pengambilan Keputusan
Abstract
Corporate planning in determining the amount of the product decision-making for the next period depends
on the remaining inventory from the previous period and also the estimated amount of demand in the
next period. Total demand and supply are uncertain. Fuzzy logic is is a technique to analyze uncertainty.
The purpose of this study is to investigate the use of Fuzzy logic applications using Mamdani method for
decision making determination of total production. This study uses the Mamdani method or commonly
called Min-Max method, whether using two linguistic variables nor three linguistic variables to get output
from this method required four stages, namely: 1) Establishment of fuzzy sets; 2) Function implications
application; 3) The composition rules; 4) Defuzzification, hence the decisions can be determined from
the result of defuzzification.
perluasan himpunan crisp, yaitu himpunan khusus untuk mengkombinasi dan memodifikasi
yang membagi sekelompok individu ke dalam himpunan fuzzy. Nilai keanggotaan sebagai
dua kategori, yaitu anggota dan bukan anggota. hasil dari operasi dua himpunan sering dikenal
dengan namafire strength atau α-predikat. Ada
Himpunan Fuzzy (Kusumadewi, 2004 : 3) tiga operator dasar yang diciptakan oleh Zadeh,
Kalau pada himpunan crisp, nilai keanggo yaitu:
taan hanya ada dua kemungkinan, yaitu 0 atau 1. Operator AND
1, pada himpunan fuzzy nilai keanggotaan 2. Operator OR
terletak pada rentang 0 sampai 1. Apabila x 3. Operator NOT
memiliki nilai keanggotaan fuzzyµA[x]=0
berarti x tidak menjadi himpunan A, demikian Fungsi implikasi (Kusumadewi, 2004 : 30)
pula apabila x memiliki nilai keanggotaan Tiap-tiap aturan (proporsi) pada basis
fuzzyµA[x]=1 berarti x menjadi anggota penuh pengetahuan fuzzyakan berhubungan dengan
pada himpunan A. suatu relasi fuzzy. Bentuk umum dari aturan
yang digunakan dalam fungsi implikasi adalah:
Atribut Himpunan Fuzzy (Kusumadewi, IF x is A THEN y is B
2004 : 6) Dengan x dan y adalah skalar, dan A
a) Linguistik, yaitu penamaan suatu grup dan B adalah himpunan fuzzy. Proporsi yang
yang mewakili suatu keadaaan atau kondisi mengikuti IF disebut sebagai anteseden,
tertentu dengan menggunakan bahasa ala sedangkan proporsi yang mengikuti THEN
mi, seperti: MUDA, PAROBAYA, TUA. disebut sebagai konsekuen. Proposisi ini dapat
b) Numeris, yaitu suatu nilai (angka) yang diperluas dengan menggunakan operator fuzzy,
menunjukkan ukuran dari suatu variabel seperti:
seperti: 40, 25, 50, dsb.
IF (x1 is A1) • (x2 is A2) • (x3 is A3) •
.... • (xN is AN) • THEN y is B
Fungsi Keanggotaan (Kusumadewi, 2004 : 8)
Dengan • adalah operator (misal: OR atau
Fungsi keanggotaan (membership function)
AND).
adalah suatu kurva yang menunjukkan peme
taan titik-titik input data ke dalam nilai keang Secara umum, ada dua fungsi implikasi
gotaan yang memiliki interval antara 0 sampai yang dapat digunakan, yaitu Min dan Dot.
1. Salah satu cara yang dapat digunakan untuk
mendapatkan nilai keanggotaan adalah dengan Komposisi Aturan-aturan Fuzzy untuk
melalui pendekatan fungsi. Ada beberapa Inferensi (Kusumadewi, 2002 : 93)
fungsi yang bisa digunakan diantaranya: Apabila sistem terdiri dari beberapa aturan,
1. Representasi Linear maka inferensi diperoleh dari kumpulan dan
2. Representasi Kurva Segitiga korelasi antar aturan. Salah satu metodenya
3. Representasi Kurva Trapesium adalah Metode Max (Maximum)
4. Representasi Kurva Bentuk Bahu
Defuzzifikasi (Kusumadewi, 2002 : 97)
Operator Dasar Zadeh untuk Operasi Him Input dari proses defuzzyfikasi adalah suatu
punan Fuzzy (Kusumadewi, 2004 : 25) himpunan fuzzy yang diperoleh dari komposisi
Seperti halnya himpunan konvensional, aturan-aturan fuzzy, sedangkan output yang
ada beberapa operasi yang didefinisikan secara dihasilkan merupakan suatu bilangan pada
94 Kaunia Vol. XI No. 2, Oktober 2015/1436: 91 – 99
domain himpunan fuzzy tersebut. Sehingga jika setiap variabel input maupun output
diberikan suatu himpunan fuzzy dalam range terdapat variabel linguistik.
tertentu, maka harus dapat diambil suatu nilai 2. Aplikasi Fungsi Implikasi
crisp tertentu sebagai output. Pada Metode Mamdani, setelah diperoleh
Ada beberapa metode defuzzyfikasi pada variabel input dan output, langkah selan
komposisi aturan, salah satunya adalah Metode jutnya adalah menentukan aplikasi fungsi
Centroid (Composite Moment) implikasi, fungsi implikasi yang digunakan
Pada metode ini, solusi crisp diperoleh adalah.
dengan cara mengambil titik pusat daerah 3. Komposisi Aturan
fuzzy. Setelah diperoleh hasil dari fungsi implikasi,
langkah selanjutnya adalah menentukan
komposisi tiap-tiap aturan dan metode
METODE PENELITIAN
yang digunakan dalam melakukan infe
Tahap-tahap yang dilakukan dalam tugas rensi sistem fuzzy, yaitu Metode MAX
akhir ini adalah identifikasi masalah, studi (maximum).
literatur, pengumpulan data, dan penentuan 4. Defuzzifikasi
jumlah produk. Pada tahap identifikasi Input dari proses defuzzy adalah suatu
masalah, permasalahan yang dibahas dalam himpunan fuzzy, sedangkan output yang
skripsi ini adalah menentukan jumlah produk dihasilkan merupakan suatu bilangan pada
menggunakan metode Fuzzy Mamdani. domain himpunan fuzzy tersebut. Salah
Pada tahap studi literatur dan pengumpulan satu metode dari defuzzyfikasi adalah
data dilakukan pengumpulan data sekunder metode centroid. Metode centroid dapat
dari perusahaan produksi dan studi literatur. disebut Center of Area (Center of Gravity)
Studi ini meliputi hal-hal yang berkaitan adalah metode yang paling lazim dan paling
dengan FuzzyMamdani. banyak diusulkan oleh banyak peneliti
Pada tahap selanjutnya akan dilakukan untuk digunakan.
penentuan jumlah produk, yaitu proses peren
canaan jumlah produk dengan dua variabel Kasus 1
input menggunakan logika fuzzy metode Sebuah perusahaan yang bergerak dalam
Mamdani. bidang distribusi ice cream dan frozen food
yakni PT. Sukanda Djaya mendistribusikan
PEMBAHASAN produkjuice apple. Menurut data satu tahun
Metode Mamdani (Kusumadewi dan (periode September 2009 – Agustus 2010),
Purnomo, 2004 : 39) permintaan produk terbesar mencapai 934
Metode Mamdani sering juga dikenal kemasan perbulan.Persediaan produk terbanyak
dengan nama metode MIN - MAX. Metode mencapai 198 kemasan perbulan.Data jumlah
ini diperkenalkan oleh Ebrahim Mamdani permintaan tiap bulan, persediaan tiap bulan
pada tahun 1975. Untuk mendapatkan output dan pemesanan produk tiap bulan dapat dilihat
diperlukan 4 tahapan, diantaranya: pada tabel 1. Metode Mamdani digunakan
1. Pembentukan Himpunan Fuzzy untuk menentukan jumlah pemesanan produk
Pada metode Mamdani baik variabel input untuk bulan September 2010, dengan data
maupun variabel output dibagi menjadi permintaan dan persediaan produk pada bulan
satu atau lebih himpunan fuzzy, dan di Agustus 2010 masing-masing adalah 540
kemasan dan 132 kemasan.
Kaunia Vol. XI No. 2, Oktober 2015/1436: 91 – 99 95
4. Defuzzifikasi
0; z ≤ 330
z − 330 Penegasan atau defuzzydikerjakan menggu
µPSNBertambah[z]= ;330 ≤ z ≤ 1020 nakan metode centroid.
690
1; z ≥ 1020 100.504,96 + 13.966,27 + 147.575, 42
z=
307,37 + 20,69 + 172
= 523.96
2. Aplikasi Fungsi Implikasi
Aplikasi yang digunakan adalah aturan
Jadi jumlah pemesanan produk untuk
MIN.
bulan September 2010, dengan data per
[R1] JIKA permintaan TURUN dan per
mint aan dan persediaan produk pada
sediaan BANYAK, MAKA peme
bulan Agustus 2010 masing-masing adalah
sanan BERKURANG
540 kemasan dan 132 kemasan adalah
α-predikat1 = 0,47
sebanyak 524.
[R2] JIKA permintaan TURUN dan
persed iaan SEDIKIT, MAKA
Kasus 2
pemesanan BERKURANG
α-predikat2 = 0,47 Suatu perusahaan makanan akan mempro
[R3] JIKA permintaan NAIK dan duksi coklat jenis H. Data biaya produksi
pers ed iaan BANYAK, MAKA enam bulan terakhir coklat jenis H rata-rata
pemesanan BERTAMBAH sekitar Rp 750,00 per bungkus dan maksimum
α-predikat3 = 0,53 mencapai Rp 1.500,00 per bungkus, sedangkan
[R4] JIKA permintaan NAIK dan perse data permintaan rata-rata mencapai 50.000
diaan SEDIKIT, MAKA pemesanan bungkus dan maksimum mencapai 100.000
BERTAMBAH bungkus. Sampai saat ini perusahaan tersebut
α-predikat4 = 0,42 baru mampu memproduksi coklat jenis H
maksimal sebanyak 140.000 bungkus. Metode
3. Komposisi Aturan Mamdani digunakan untuk menentukan
Metode yang digunakan untuk melakukan jumlah produksi coklat jenis H, dengan data
komposisi antar semua aturan adalah biaya produksi dan permintaan produk masing-
metode MAX. masing adalah Rp 800,00 per bungkus dan
µ[z]
45.000 kemasan.
1
0,53
Pemesanan pada perusahaan tersebut
0,47
menggunakan tiga aturan fuzzy sebagai berikut:
A1 A2 A3
0 a1 a2 [R1] JIKA biaya produksi RENDAH dan
Produksi
permintaan NAIK, MAKA produksi
Gambar 4. Daerah hasil komposisi
BERTAMBAH
Dengan demikian, fungsi keanggotaan [R2] JIKA biaya produksi STANDAR,
untuk hasil komposisi ini adalah: MAKA produksi NORMAL
Kaunia Vol. XI No. 2, Oktober 2015/1436: 91 – 99 97
Penyelesaian Kasus 2
1. Pembentukan Himpunan Fuzzy 0 10.000 40.000 70.000 100.000 130.000
a) Variabel Biaya Produksi
Gambar 7. Representasi variabel produksi
RENDAH STANDAR TINGGI
µ[x]
1
Fungsi Keanggotaan:
1; z ≤ 10.000
70.000 − z
0 200 475 750 1025 1300 µPSNBerkurang[z] = 60.000 ;10.000 ≤ z ≤ 70.000
Gambar 5. Representasi variabel biaya
0; z ≥ 70.000
produksi
Jika biaya produksi sebesar Rp 800, 0; z ≤ 40.000atau z ≥ 100.000
maka nilai keanggotaan fuzzy pada
z − 40.000
µPSNNormal[z] = ; 40.000 ≤ z ≤ 70.000
tiap-tiap himpunan adalah: 30.000
• Himpunan fuzzy Rendah, 100.000 − z
30.000 ;70.000 ≤ z ≤ 100.000
µPMTRendah[800] = 0,0
• Himpunan fuzzy Standar,
0; z ≤ 70.000
µPMTStandar[800] = 0,82 z − 70.000
• Himpunan fuzzy Tinggi, µPSNBertambah[z] = ; 70.000 ≤ z ≤ 130.000
60.000
µPMTTinggi[800] = 0,09 1; z ≥ 130.000
b. Variabel Permintaan
µ[y]
TURUN BIASA NAIK 2. Aplikasi Fungsi Implikasi
1
Aplikasi yang digunakan adalah aturan
MIN.
[R1] JIKA biaya produksi RENDAH dan
0 10.000 30.000 50.000 70.000 90.000
permintaan NAIK, MAKA produksi
Gambar 6. Representasi variabel permintaan BERTAMBAH
α-predikat1 = 0,0
Jika permintaan sebesar 45.000, maka [R2] JIKA biaya produksi STANDAR,
nilai keanggotaan fuzzy pada tiap-tiap MAKA produksi NORMAL tidak meg
himpunan adalah: gunakan operator, sehingga:
• Himpunan fuzzy Turun, α-predikat2 = 0,82
µPSDTurun[45.000] = 0,125 [R3] JIKA biaya produksi TINGGI dan per
• Himpunan fuzzy Biasa, mintaan SEDIKIT, MAKA produksi
µPSDBiasa[45.000] = 0,75 BERKURANG
• Himpunan fuzzy Naik, α-predikat3 = 0,09
µPSDNaik[45.000] = 0,0
98 Kaunia Vol. XI No. 2, Oktober 2015/1436: 91 – 99
Sadda, Renno W.M. 2010 . Penentuan Jum- Setiadji. 2009. Himpunan & Logika Samar
lah Pengadaan Produk yang Optimal serta Aplikasinya, Yogyakarta: Graha
Menggunakan Metode Fuzzy Sugeno Ilmu.
di PT. Sukanda Djaya,Yogyakarta. Stewart, James. 2001. Kalkulus. Jakarta:
Laporan Kerja Praktek UIN Sunan Erlangga.
Kalijaga