PENGGUNAAN APLIKASI METODE FUZZY – SUGENO

DALAM MENENTUKAN JUMLAH PRODUKSI : PENDEKATAN

KREATIVITAS PEMBELAJARAN
Nuraeni Dahri1, Ambo Upe2, Yenitaroza3
daumpimariorita@gmail.com, amboupe99@gmail.com, vidho_adya@yahoo.com,
Diploma III Manajemen Informatika Komputer, Fakultas Ekonomi
Universitas Ekasakti Padang

ABSTRAK

Permasalahan yang timbul di dunia ini terkadang sering sekali memiliki

jawaban yang tidak pasti, logika fuzzy merupakan salah satu metode untuk melakukan
analisis sistem yang tidak pasti. Makalah ini membahas penerapan logika fuzzy pada
penyelesaian masalah produksi menggunakan metode Sugeno model Orde-Nol. Masalah
yang diselesaikan adalah cara menentukan produksi jika hanya menggunakan tiga variabel
sebagai input datanya, yaitu : suhu, kebisingan dan pencahayaan dan penetuan produksi
berupa konstanta.
Langkah pertama penyelesaian masalah produksi dengan menggunakan metode
Sugeno 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. Dan langkah terakhir atau keempat adalah
mengubah output menjadi himpunan tegas dengan proses defuzzifikasi dengan metode
rata-rata terpusat, sehingga akan diperoleh hasil yang diinginkan pada variabel output.
Dari data perhitungan produksi menurut metode Sugeno dengan memasukkan
variabel input Suhu 22OC, Kebisingan 55 db, Pencahayaan 150 lux, menghasilkan output
rata-rata jumlah produksi sebesar 148.
Kata kunci : Logika fuzzy, Metode Sugeno, Fuzzyfikasi, Defuzzyfikasi, Fungsi
Implikasi.

I. PENDAHULUAN

Pada perusahaan, penentuan produksi barang akan memberikan pengaruh

besar, karena disamping untuk pengoptimalan bahan baku yang digunakan, hal ini
juga akan berpengaruh besar pada sektor biaya atau finansial. Penentuan
produksi barang pada perusahaan berpengaruh pada sektor finansial karena
dapat memperkirakan pembelanjaan bahan baku, selain itu juga dalam hal
biaya produksi maupun biaya transportasi dan penyimpanan.

1
Dosen Program Diploma III Manajemen Informatika dan Komputer, UNES Padang
2
Dosen
3
Dosen Program Diploma III Manajemen Informatika dan Komputer, UNES Padang

198
 Dari masalah penentuan produksi barang tersebut, banyak metode
maupun teknik yang digunakan. Metode yang paling sering digunakan
adalah logika himpunan tegas. Akan tetapi logika himpunan tegas tidak dapat
dioperasikan atau digunakan oleh khalayak umum (hanya orang analisis),
karena selain agak rumit dalam penghitungan, kendala-kendala dalam
produksi juga akan memperumit penyelesaian masalah penentuan produksi
barang. Selain logika himpunan tegas, logika fuzzy juga dapat digunakan dalam
masalah penentuan produsi barang. Metode yang dapat digunakan dalam
pengaplikasian logika fuzzy pada produksi barang di perusahaan antara lain
adalah metode Mamdani, metode Tsukamoto, dan metode Sugeno. Penalaran
metode Sugeno ini hampir sama dengan penalaran Mamdani, hanya saja output
sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau
persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada
tahun 1985. Perbedaan antara Metode Mamdani dan Metode Sugeno ada pada
konsekuen. Metode Sugeno menggunakan konstanta atau fungsi matematika dari
variabel input
Langkah pertama penyelesaian masalah produksi barang dengan
menggunakan metode Sugeno model Orde-Nol 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.
Dan langkah terakhir atau keempat adalah mengubah output menjadi himpunan
tegas dengan proses defuzzifikasi dengan metode rata-rata terpusat, sehingga akan
diperoleh hasil yang diinginkan pada variabel output.
Untuk mendapatkan output (hasil), maka terdapat 4 langkah / tahapan sebagai
berikut:
a. Pembentukan himpunan fuzzy
Menentukan semua variabel yang terkait dalam proses yang akan
ditentukan. Untuk masing-masing variabel input, tentukan suatu fungsi
fuzzifikasi yang sesuai. Pada metode Sugeno output system tidak berupa
himpunan fuzzy, melainkan berupa kosntanta atau persamaan linear.
b. Aplikasi fungsi implikasi
Menyusun basis aturan, yaitu aturan-aturan berupa implikasi-implikasi
fuzzy yang menyatakan relasi antara variabel input dengan variabel
output. fungsi implikasi yang digunakan adalah Min.
c. Komposisi aturan
Ada 3 metode yang digunakan dalam melakukan inferensi sistem
Fuzzy, yaitu :
Operator AND µA∩B = min(  A ( x),  B ( y ))
diperoleh dengan mengambil nilai keanggotaan terkecil
Operator OR µA  B = max(  A ( x),  B ( y ))
diperoleh dengan mengambil nilai keanggotaan terbesar dan terakhir
Operator NOT µA’ = 1   A ( x )
diperoleh dengan mengurangkan nilai keanggotaan.

199
 d. Penegasan
Masukan dari proses penegasan adalah suatu himpunan fuzzy yang diperoleh
dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan
merupakan suatu bilangan real yang tegas. Sehingga jika diberikan suatu
himpunan fuzzy dalam range tertentu, maka dapat diambil suatu nilai tegas
tertentu sebagai output. komposisi aturan menggunakan metode Sugeno
maka defuzzifikasi (Z*) dilakukan dengan cara mencari nilai rata-
rata terpusatnya.
Z* =  i 1 di  Ãi di 
n

i 1  Ã di 
n

dengan di adalah nilai keluaran pada aturan ke-i dan µÃi (di) adalah derajat
keanggotaan nilai keluaran pada aturan ke-i sedangkan n adalah banyaknya
aturan yang digunakan.
Logika fuzzy dianggap mampu untuk memetakan suatu input kedalam
suatu output tanpa mengabaikan faktor–faktor yang ada. Logika fuzzy
diyakini dapat sangat fleksibel dan memiliki toleransi terhadap data-data
yang ada. Dengan berdasarkan logika fuzzy, akan dihasilkan suatu
model dari suatu sistem yang mampu memperkirakan jumlah
produksi. Faktor–faktor yang mempengaruhi dalam menentukan jumlah
produksi dengan logika fuzzy antara lain suhu, kebisingan dan pencahayaan.
Dari uraian diatas, dapat dirumuskan permasalahan yang akan dilakukan
yaitu: Bagaimana menentukan rata-rata produksi oleh suatu perusahaan
menggunakan logika fuzzy dengan metode Sugeno? dengan memperhatikan
faktor suhu, kebisingan dan pencahayaan.

II. METODOLOGI

2.1. Identifikasi Data

Identifikasi data dilakukan dengan penentuan variabel yang diperlukan
dalam melakukan perhitungan dan analisis masalah. Proses produksi
perusahaan dipengaruhi oleh beberapa faktor, diantaranya :
1. Suhu
2. Kebisingan
3. Pencahayaan

2.2.Pembentukan himpunan fuzzy

Pada metode sugeno baik variabel input maupun variabel output
(konsekuen) berupa konstanta atau persamaan linear.

2.3. Aplikasi fungsi implikasi

Pada metode sugeno, fungsi implikasi yang digunakan untuk tiap – tiap
aturan adalah fungsi min.

2.4. Komposisi aturan

Pada metode sugeno, komoposisi aturan adalah operator AND.

200
 2.5. Penegasan (defuzzy)
Proses penegasan (defuzzyfikasi) menggunakan bantuan software matlab
dengan menggunakan fasilitas yang disediakan pada toolbox fuzzy.

III. PEMBAHASAN

3.1.Pengumpulan Data
Untuk mencari jumlah produksi berdasarkan pengaruh faktor suhu,
kebisingan dan pencahayaan dengan melakukan percobaan dengan kombinasi suhu,
kebisingan dan pencahayaan yang dilakukan oleh 30 pekerja yang masing-masing
melakukan 27 kali percobaan.

Suhu Kebisingan Pencahayaan Rata-rata Jumlah

o
(OC) (db) (lux) Produk
1. 22 55 150 148,00
2. 22 55 300 150,90
3. 22 55 500 146,50
4. 22 75 150 143,10
5. 22 75 300 146,53
6. 22 75 500 142,73
7. 22 90 150 136,73
8. 22 90 300 140,77
9. 22 90 500 135,97
10. 26 55 150 149,73
11. 26 55 300 153,27
12. 26 55 500 152,13
13. 26 75 150 148,00
14. 26 75 300 150,63
15. 26 75 500 147,63
16. 26 90 150 141,47
17. 26 90 300 145,67
18. 26 90 500 140,20
19. 32 55 150 142,10
20. 32 55 300 146,53
21. 32 55 500 142,17
22. 32 75 150 138,70
23. 32 75 300 141,40
24. 32 75 500 138,30
25. 32 90 150 133,33
26. 32 90 300 138,53
27. 32 90 500 133,77

Tabel 1. Rata-rata Jumlah Produksi

3.2.Analisis kasus data

Dalam kasus ini terdapat 3 variabel, yaitu: 3 variabel input yaitu
variabel suhu, kebisingan dan variabel pencahayaan, sedangkan untuk output
terdapat 1 variabel, yaitu: produksi barang. Variabel suhu memiliki 3 nilai

201
linguistik, yaitu rendah, normal dan tinggi, variabel kebisingan memiliki 3 nilai
linguistik, yaitu tenang, agak bising dan bising, variabel pencahayaan memiliki 3
nilai linguistik, yaitu redup, agak terang dan terang, sedangkan variabel produksi
barang berupa konstanta.
Langkah 1. Pembentukan himpunan fuzzy : Menentukan variabel yang
terkait dalam proses yang akan ditentukan dan fungsi fuzzifikasi yang sesuai :
Semesta
Fungsi Nama Varabel Keterangan
Pembicaraan

Suhu 18 - 38
INPUT
Kebisingan 35 - 105
Pencahayaan 0 - 700

OUTPUT Jumah Produksi Konstanta

Nama Semesta
Fungsi Varabel
Himpunan Fuzzy Pembicaraan
Rendah 18 – 26
Suhu Normal 22 – 32
Tinggi 26 – 38
Tenang 35 – 75
INPUT Kebisingan Agak Bising 55 – 90
Bising 75 – 105
Redup 0 – 300
Pencahayaan Agak Terang 150 – 500
Terang 300 – 700
OUTPUT Jumah Produksi Konstanta
Tabel 2. Penentuan Variabel dan Semesta Pembicaraan

Tabel 3. Himpunan Fuzzy

a. Suhu
Fungsi keanggotaannya adalah
RENDAH NORMAL TINGGI
1

0
18 22 26 32 38

202
µ(SUHU)
0; x  a  x  c 0; x  18  x  26
 
µ (x) = ( x  a) /(b  a); a  x  b µRENDAH(x) = ( x  18) /( 22  18);18  x  22
(c  x) /( c  b); b  x  c (26  x) /( 26  22);22  x  26
 
0; x  18  x  26

µRENDAH(x) = ( x  18) /( 4);18  x  22
(26  x) /( 4);22  x  26

0; x  b  x  d

µ(x) = ( x  b) /( c  b); b  x  c µNORMAL(x) =
(d  x) /( d  c); c  x  d

0; x  22  x  32

( x  22) /( 26  22);22  x  26
(32  x) /(32  26);26  x  32

0; x  22  x  32 0; x  c  x  e
 
µNORMAL(x) = ( x  22) /( 4);22  x  26 µ(x) = ( x  c) /( d  c); c  x  d
(32  x) /( 6);26  x  32 (e  x) /( e  d ); d  x  e
 
0; x  26  x  38 0; x  26  x  38
 
µTINGGI(x) = ( x  26) /(32  26);26  x  38 µTINGGI(x) = ( x  26) /( 6);22  x  38
(38  x) /(38  32);32  x  38 (32  x) /( 6);32  x  38
 

b. Kebisingan
Fungsi keanggotaannya adalah

TENANG AGAK BISING BISING

1

0
35 55 75 90 105

203
 0; x  a  x  c

µ(KEBISINGAN)µ (x) = ( x  a ) /(b  a ); a  x  b
(c  x) /( c  b); b  x  c

0; x  35  x  75

µTENANG(x) = ( x  35) /(55  35);35  x  55 µTENANG(x) =
(75  x) /( 75  55);55  x  75

0; x  35  x  75 0; x  b  x  d
 
( x  35) /( 20);35  x  55 µ(x) = ( x  b) /( c  b); b  x  c µAGAK
(75  x) /( 20);55  x  75 (d  x) /( d  c); c  x  d
 
0; x  55  x  90 0; x  55  x  90
 
BISING (x) = ( x  55 ) /( 75  55 );55  x  75 µ AGAK BISING (x) = ( x  55) /( 20);55  x  75
(90  x) /(90  75);75  x  90 (90  x) /(15);75  x  90
 
0; x  c  x  e 0; x  75  x  105
 
µ(x) = ( x  c) /( d  c); c  x  d µBISING(x) = ( x  75) /(90  75);75  x  90 µBISING
(e  x) /( e  d ); d  x  e (105  x) /(105  90);90  x  105
 
0; x  75  x  105

(x) = ( x  75) /(15);75  x  90
(105  x) /(15);90  x  105


c. Pencahayaan
Fungsi keanggotaannya adalah

REDUP AGAK TERANG TERANG

1

0
0 150 300 500 700

0; x  a  x  c

µ(PENCAHAYAAN)µ (x) = ( x  a ) /(b  a ); a  x  b
(c  x) /( c  b); b  x  c


204
 0; x  0  x  300

µREDUP(x) = ( x  0) /(150  0);0  x  150
(300  x) /(300  150);150  x  300

0; x  0  x  300 0; x  b  x  d
 
µREDUP(x) = ( x  0) /(150);0  x  150 µ(x) = ( x  b) /( c  b); b  x  c
(300  x) /(150);150  x  300 (d  x) /( d  c); c  x  d
 
0; x  150  x  500

µAGAK TERANG(x) = ( x  150) /(300  150);150  x  300
(500  x) /(500  300);300  x  500

0; x  150  x  500 0; x  c  x  e
 
µAGAK TERANG (x) = ( x  150) /(150);150  x  300 µ(x) = ( x  c) /( d  c); c  x  d
(500  x) /( 200);300  x  500 (e  x) /( e  d ); d  x  e
 
0; x  300  x  700

µTERANG(x) = ( x  300) /(500  300);300  x  500
(700  x) /( 700  500);500  x  700

0; x  300  x  700

µTERANG (x) = ( x  300) /( 200);300  x  500
(700  x) /( 200);500  x  700


Langkah 2 : Aplikasi fungsi implikasi. Dengan motode MIN dan Menyusun

basis aturan, metode inferensi menggunakan Sugeno orde-0.
[R1] JIKA Suhu RENDAH, dan Kebisingan TENANG and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 148;
[R2] JIKA Suhu RENDAH, dan Kebisingan TENANG and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 150,9;
[R3] JIKA Suhu RENDAH, dan Kebisingan TENANG and Pencahayaan
TERANG
THEN Rata-rata jumlah Produk = 146,5;
[R4] JIKA Suhu RENDAH, dan Kebisingan AGAK BISING and Pencahayaan
REDUP THEN Rata-rata jumlah Produk = 143,1;
[R5] JIKA Suhu RENDAH, dan Kebisingan AGAK BISING and Pencahayaan
AGAK TERANG THEN Rata-rata jumlah Produk = 146,53;
[R6] JIKA Suhu RENDAH, dan Kebisingan AGAK BISING and Pencahayaan
TERANG THEN Rata-rata jumlah Produk = 142,73;
[R7] JIKA Suhu RENDAH, dan Kebisingan BISING and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 136,73;
[R8] JIKA Suhu RENDAH, dan Kebisingan BISING and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 140,77;

205
[R9] JIKA Suhu RENDAH, dan Kebisingan BISING and Pencahayaan TERANG
THEN Rata-rata jumlah Produk = 135,97;
[R10] JIKA Suhu NORMAL, dan Kebisingan TENANG and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 149,73;
[R11] JIKA Suhu NORMAL, dan Kebisingan TENANG and Pencahayaan
AGAK TERANG THEN Rata-rata jumlah Produk = 153,27;
[R12] JIKA Suhu NORMAL, dan Kebisingan TENANG and Pencahayaan
TERANG THEN Rata-rata jumlah Produk = 152,13;
[R13] JIKA Suhu NORMAL, dan Kebisingan AGAK BISING and Pencahayaan
REDUP THEN Rata-rata jumlah Produk = 148;
[R14] JIKA Suhu NORMAL, dan Kebisingan AGAK BISING and Pencahayaan
AGAK TERANG THEN Rata-rata jumlah Produk = 150,63;
[R15] JIKA Suhu NORMAL, dan Kebisingan AGAK BISING and Pencahayaan
TERANG THEN Rata-rata jumlah Produk = 147,63;
[R16] JIKA Suhu NORMAL, dan Kebisingan BISING and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 141,47;
[R17] JIKA Suhu NORMAL, dan Kebisingan BISING and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 145,67;
[R18] JIKA Suhu NORMAL, dan Kebisingan BISING and Pencahayaan TERANG
THEN Rata-rata jumlah Produk = 140,2;
[R19] JIKA Suhu TINGGI, dan Kebisingan TENANG and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 142,10;
[R20] JIKA Suhu TINGGI, dan Kebisingan TENANG and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 146,53;
[R21] JIKA Suhu TINGGI, dan Kebisingan TENANG and Pencahayaan TERANG
THEN Rata-rata jumlah Produk = 142,17;
[R22] JIKA Suhu TINGGI, dan Kebisingan AGAK BISNG and Pencahayaan
REDUP THEN Rata-rata jumlah Produk = 138,7;
[R23] JIKA Suhu TINGGI, dan Kebisingan AGAK BISING and Pencahayaan
AGAK TERANG THEN Rata-rata jumlah Produk = 141,4;
[R24] JIKA Suhu TINGGI, dan Kebisingan AGAK BISING and Pencahayaan
TERANG THEN Rata-rata jumlah Produk = 138,3;
[R25] JIKA Suhu TINGGI, dan Kebisingan BISING and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 133,33;
[R26] JIKA Suhu TINGGI, dan Kebisingan BISING and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 138,33;
[R27] JIKA Suhu TINGGI, dan Kebisingan BISING and Pencahayaan TERANG
THEN Rata-rata jumlah Produk = 133,77;

206
 Gabar 1. Rule Editor

Langkah 3 : defuzzifikasi / penegasan Apabila komposisi aturan

menggunakan metode Sugeno maka defuzzifikasi (z) dilakukan dengan cara
mencari nilai rata-rata terpusatnya. Maka dengan bantuan software Matlab 6.1
defuzzifiakasi dilakukan, misalkan dengan memasukan input berupa Suhu 22OC,
Kebisingan 55 db, Pencahayaan 150 lux, menghasilkan rata-rata jumlah produksi
sebesar 148.

Gabar 1. Rule Editor

Pengujian Sistem

Suhu 22OC

0; x  18  x  26

µRENDAH(x) = ( x  18) /( 4);18  x  22 µRENDAH(x) = 1
(26  x) /( 4);22  x  26


207
 0; x  22  x  32

µNORMAL(x) = ( x  22) /( 4);22  x  26 µNORMAL(x) = 0
(32  x) /( 6);26  x  32

0; x  26  x  38

µTINGGI(x) = ( x  26) /( 6);22  x  38 µTINGGI(x) = 0
(32  x) /( 6);32  x  38


Kebisingan 55 db

0; x  35  x  75

µTENANG(x) = ( x  35) /( 20);35  x  55 µTENANG(x) = 1
(75  x) /( 20);55  x  75

0; x  55  x  90

µAGAK BISING (x) = ( x  55) /( 20);55  x  75 µAGAK BISING (x) = 0
(90  x) /(15);75  x  90


0; x  75  x  105

µBISING (x) = ( x  75) /(15);75  x  90 µBISING (x) = 0
(105  x) /(15);90  x  105


Pencahayaan 150 lux

0; x  0  x  300

µREDUP(x) = ( x  0) /(150);0  x  150 µREDUP(x) = 1
(300  x) /(150);150  x  300

0; x  150  x  500

µAGAK TERANG (x) = ( x  150) /(150);150  x  300 µAGAK TERANG (x) = 0
(500  x) /( 200);300  x  500


0; x  300  x  700


µTERANG (x) = ( x  300) /( 200);300  x  500 µTERANG (x) = 0
(700  x) /( 200);500  x  700


208
[R1] JIKA Suhu RENDAH, dan Kebisingan TENANG and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 148;
α-Predikat1 = min(µRENDAH(22); (µTENANG(55); (µREDUP(150))
= min (1;1;1)
=1
z1 = 148
[R2] JIKA Suhu RENDAH, dan Kebisingan TENANG and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 150,9;
α-Predikat2 = min(µRENDAH(22); (µTENANG(55); (µAGAK TERANG(150))
= min (1;1;0)
=0
Z2 = 150,9
[R3] JIKA Suhu RENDAH, dan Kebisingan TENANG and Pencahayaan
TERANG
THEN Rata-rata jumlah Produk = 146,5;
α-Predikat3 = min(µRENDAH(22); (µTENANG(55); (µTERANG(150))
= min (1;1;0)
=0
Z3 = 146,5
[R4] JIKA Suhu RENDAH, dan Kebisingan AGAK BISING and Pencahayaan
REDUP THEN Rata-rata jumlah Produk = 143,1;
α-Predikat4 = min(µRENDAH(22); (µAGAK BISING (55); (µREDUP(150))
= min (1;0;1)
=0
Z4 = 143,1
[R5] JIKA Suhu RENDAH, dan Kebisingan AGAK BISING and Pencahayaan
AGAK TERANG THEN Rata-rata jumlah Produk = 146,53;
α-Predikat5 = min(µRENDAH(22); (µAGAK BISING (55); (µAGAK TERANG(150))
= min (1;0;0)
=0
Z5 = 146,53
[R6] JIKA Suhu RENDAH, dan Kebisingan AGAK BISING and Pencahayaan
TERANG THEN Rata-rata jumlah Produk = 142,73;
α-Predikat6 = min(µRENDAH(22); (µAGAK BISING (55); (µTERANG(150))
= min (1;0;0)
=0
Z6 = 142,73
[R7] JIKA Suhu RENDAH, dan Kebisingan BISING and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 136,73;
α-Predikat7 = min(µRENDAH(22); (µBISING (55); (µTERANG(150))
= min (1;0;1)
=0
Z7 = 136,73
[R8] JIKA Suhu RENDAH, dan Kebisingan BISING and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 140,77;
α-Predikat8 = min(µRENDAH(22); (µBISING (55); (µAGAK TERANG(150))

209
 = min (1;0;0)
=0
Z8 = 140,77
[R9] JIKA Suhu RENDAH, dan Kebisingan BISING and Pencahayaan TERANG
THEN Rata-rata jumlah Produk = 135,97;
α-Predikat9 = min(µRENDAH(22); (µBISING (55); (µTERANG(150))
= min (1;0;0)
=0
Z9 = 135,97
[R10] JIKA Suhu NORMAL, dan Kebisingan TENANG and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 149,73;
α-Predikat10 = min(µNORMAL(22); (µTENANG (55); (µREDUP(150))
= min (0;1;1)
=0
Z10 = 149,73
[R11] JIKA Suhu NORMAL, dan Kebisingan TENANG and Pencahayaan
AGAK TERANG THEN Rata-rata jumlah Produk = 153,27;
α-Predikat11 = min(µNORMAL(22);(µTENANG (55); (µAGAK
TERANG(150))
= min (0;1;0)
=0
Z11 = 153,27
[R12] JIKA Suhu NORMAL, dan Kebisingan TENANG and Pencahayaan
TERANG THEN Rata-rata jumlah Produk = 152,13;
α-Predikat12 = min(µNORMAL(22); (µTENANG (55); (µTERANG(150))
= min (0;1;0)
=0
Z12 = 152,13
[R13] JIKA Suhu NORMAL, dan Kebisingan AGAK BISING and
Pencahayaan REDUP THEN Rata-rata jumlah Produk = 148;
α-Predikat13 = min(µNORMAL(22); (µAGAK BISING (55); (µREDUP(150))
= min (0;0;1)
=0
Z13 = 148
[R14] JIKA Suhu NORMAL, dan Kebisingan AGAK BISING and
Pencahayaan AGAK TERANG THEN Rata-rata jumlah Produk =
150,63;
α-Predikat13=min(µNORMAL(22);(µAGAKBISING(55);(µAGAK TERANG(150))
= min (0;0;0)
=0
Z13 = 150,63
[R15] JIKA Suhu NORMAL, dan Kebisingan AGAK BISING and
Pencahayaan TERANG THEN Rata-rata jumlah Produk = 147,63;
α-Predikat15 = min(µNORMAL(22); (µAGAK BISING (55); (µTERANG(150))
= min (0;0;0)
=0
Z15 = 147,63

210
 [R16] JIKA Suhu NORMAL, dan Kebisingan BISING and Pencahayaan
REDUP THEN Rata-rata jumlah Produk = 141,47;
α-Predikat16 = min(µNORMAL(22); (µBISING (55); (µREDUP(150))
= min (0;0;1)
=0
Z16 = 141,47
[R17] JIKA Suhu NORMAL, dan Kebisingan BISING and Pencahayaan
AGAK TERANG THEN Rata-rata jumlah Produk = 145,67;
α-Predikat17 = min(µNORMAL(22); (µBISING (55); (µAGAK TERANG(150))
= min (0;0;0)
=0
Z17 = 145,67
[R18] JIKA Suhu NORMAL, dan Kebisingan BISING and Pencahayaan TERANG
THEN Rata-rata jumlah Produk = 140,2;
α-Predikat18 = min(µNORMAL(22); (µBISING (55); (µTERANG(150))
= min (0;0;0)
=0
Z18 = 140,2
[R19] JIKA Suhu TINGGI, dan Kebisingan TENANG and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 142,10;
α-Predikat19 = min(µTINGGI(22); (µTENANG (55);
(µREDUP(150))
= min (0;1;1)
=0
Z19 = 142,10
[R20] JIKA Suhu TINGGI, dan Kebisingan TENANG and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 146,53;
α-Predikat20 = min(µTINGGI(22); (µTENANG (55); (µAGAK TERANG(150))
= min (0;1;0)
=0
Z20 = 146,53
[R21] JIKA Suhu TINGGI, dan Kebisingan TENANG and Pencahayaan TERANG
THEN Rata-rata jumlah Produk = 142,17;
α-Predikat21 = min(µTINGGI(22); (µTENANG (55); (µTERANG(150))
= min (0;1;0)
=0
Z21 = 142,17
[R22] JIKA Suhu TINGGI, dan Kebisingan AGAK BISNG and Pencahayaan
REDUP THEN Rata-rata jumlah Produk = 138,7;
α-Predikat22 = min(µTINGGI(22); (µAGAK BISING (55); (µREDUP(150))
= min (0;1;0)
=0
Z22 = 138,7
[R23] JIKA Suhu TINGGI, dan Kebisingan AGAK BISING and Pencahayaan
AGAK TERANG THEN Rata-rata jumlah Produk = 141,4;
α-Predikat23 = min(µTINGGI(22); (µAGAK BISING (55); (µAGAK TERANG(150))
= min (0;0;0)
=0

211
 Z23 = 141,4
[R24] JIKA Suhu TINGGI, dan Kebisingan AGAK BISING and Pencahayaan
TERANG THEN Rata-rata jumlah Produk = 138,3;
α-Predikat24 = min(µTINGGI(22); (µAGAK BISING (55); (µTERANG(150))
= min (0;0;0)
=0
Z24 = 138,3
[R25] JIKA Suhu TINGGI, dan Kebisingan BISING and Pencahayaan REDUP
THEN Rata-rata jumlah Produk = 133,33;
α-Predikat25 = min(µTINGGI(22); (µBISING (55); (µREDUP(150))
= min (0;0;1)
=0
Z25 = 133,33
[R26] JIKA Suhu TINGGI, dan Kebisingan BISING and Pencahayaan AGAK
TERANG THEN Rata-rata jumlah Produk = 138,33;
α-Predikat26 = min(µTINGGI(22); (µBISING (55); (µAGAK TERANG(150))
= min (0;0;0)
=0
Z26 = 138,33
[R27] JIKA Suhu TINGGI, dan Kebisingan BISING and Pencahayaan TERANG
THEN Rata-rata jumlah Produk = 133,77;
α-Predikat27 = min(µTINGGI(22); (µBISING (55); (µTERANG(150))
= min (0;0;0)
=0
Z27 = 133,77

defuzzifikasi/penegasan Apabila komposisi aturan menggunakan metode

Sugeno maka defuzzifikasi (z) dilakukan dengan cara mencari nilai rata-
rata terpusatnya.

pred 1 * z1  pred 2 * z 2  pred 3 * z 3  pred 4 * z 4  pred 5 * z 5  ...................  pred 27 * z 27

z
pred 1  pred 2  pred 3  pred 4  pred 5  .....................  pred 27

1*148  0 *150,9  0 *146,5  0 *143,1  0 *146,53  ................. 0 *133,77

z
1  0  0  0  0  ................ 0
148
z  148
1

3. KESIMPULAN

Berdasarkan hasil yang telah dilakukan, serta uraian-uraian yang telah

dikemukakan, maka dapat diambil kesimpulan yaitu : Untuk menentukan
jumlah produksi rata-rata, dilakukan pengolahan data dengan menggunakan
bantuan software Matlab 6.1 Toolbox Fuzzy, dimana pada penegasan
(defuzzyfikasi) dengan menggunakan metode rata-rata terpusat. Dengan

212
memasukkan variabel input, yaitu Suhu 22OC, Kebisingan 55 db, Pencahayaan
150 lux, maka hasil yang didapatkan untuk jumlah produksi rata-rata sebesar 148.

DAFTAR PUSTAKA

Chabibi Aulia Rahman, Al Hasmy, Fernando Ardila, Setiawardhana,“Penentuan

Peran Dalam Robot Sepak Bola Dengan Metode Fuzzy Sugeno”. Jurnal: Politeknik
Elektronika Negeri Surabaya – Institut Teknologi Sepuluh Nopember (ITS)
Surabaya.
Much. Djunaidi, Eko Setiawan, Fajar Whedi Andista, 2005, “Penentuan Jumlah
Produksi Dengan Aplikasi Metode Fuzzy – Mamdani”. Jurnal: Ilmiah Teknik
Industri Universitas Muhammadiyah Surakarta, Vol. 4, No. 2, Des 2005, hal. 95 –
104.
Sri Kusuma Dewi, Hari Purnomo, 2010, “Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan” Jogjakarta: Graha Ilmu.

213