Abstrak - Permasalahan yang timbul di sekitar kita terkadang seringkali memiliki jawaban yang tidak
pasti. Logika fuzzy merupakan salah satu metode untuk melakukan analisis sistem yang tidak pasti.
Penelitian ini membahas mengenai penerapan logika fuzzy pada penyelesaian masalah produksi suatu
pabrik menggunakan interferensi fuzzy mamdani. Penerapan ini digunakan untuk menentukan jumlah
produksi menggunakan dua variabel input data, yaitu kebisingan dan pencahayaan. Langkah yang
dilakukan yaitu menentukan variabel input dan variabel output yang merupakan himpunan tegas.
Kemudian dilakukan pembentukan himpunan fuzzy dengan proses fuzzyfikasi. Langkah selanjutnya yaitu
pengaplikasian fungsi implikasi dilanjutkan dengan proses defuzzyfikasi/ penegasan dengan menggunakan
bantuan software Matab 2007 sehingga akan diperoleh hasil yang diinginkan. Dari simulasi yang
dilakukan dengan memasukan variabel input Kebisingan 70 dB dan Pencahayaan 300 Lux, maka
dihasilkan output rata-rata jumlah produksi sebesar 143.
Kata kunci: Logika fuzzy, Interferensi Fuzzy Mamdani, Fuzzyfikasi, Defuzzyfikasi, Fungsi Implikasi
3. Produksi
Listing program:
%Rule
aturan1 = [1 1 4 1 1];
aturan2 = [1 1 2 1 1];
aturan3 = [1 1 1 1 1];
aturan4 = [2 1 3 1 1];
aturan5 = [2 1 5 1 1];
aturan6 = [2 2 14 1 1];
aturan7 = [3 2 18 1 1];
aturan8 = [3 2 12 1 1];
Gambar 4. Hasil simulasi
aturan9 = [3 2 14 1 1];
aturan10 = [4 2 17 1 1];
aturan11 = [4 3 25 1 1];
aturan12 = [4 3 24 1 1];
Hasil simulasi
aturan13 = [5 3 28 1 1];
aturan14 = [5 3 22 1 1];
aturan15 = [5 3 29 1 1];
aturan16 = [6 4 27 1 1];
aturan17 = [6 4 24 1 1];
aturan18 = [6 4 26 1 1];
aturan19 = [7 4 28 1 1];
aturan20 = [7 4 24 1 1]; V. KESIMPULAN
aturan21 = [7 5 14 1 1];
aturan22 = [8 5 11 1 1];
aturan23 = [8 5 13 1 1]; Berdasarkan simulasi yang telah dilakukan, serta
aturan24 = [8 5 17 1 1];
aturan25 = [9 5 16 1 1]; uraian-uraian yang telah dikemukakan, maka dapat
aturan26 = [9 6 4 1 1]; disimpulkan bahwa untuk menentukan jumlah
aturan27 = [9 6 5 1 1];
aturan28 = [10 6 3 1 1]; produksi rata-rata, dilakukan pengolahan data
aturan29 = [10 6 4 1 1]; dengan menggunakan bantuan software Matlab 2007,
aturan30 = [10 6 2 1 1];
dimana pada proses penegasan dengan menggunakan
listAturan = [aturan1;aturan2;aturan3;aturan4; metode min. Dengan memasukkan variabel input
aturan5; aturan6;aturan7;aturan8;aturan9;aturan10;
aturan11;aturan12;aturan13;aturan14;aturan15; yaitu kebisingan 70 dB dan pencahayaan 300 Lux,
aturan16;aturan17;aturan18;aturan19;aturan20; maka hasil yang didapatkan untuk jumlah produksi
aturan21;aturan22;aturan23;aturan24;aturan25;
aturan26;aturan27;aturan28;aturan29;aturan30]; rata-rata sebesar 143.
DAFTAR PUSTAKA Tsukamoto). Jayapangus Press Books, i-217.
Vinsensia, D. (2018). PRESTASI PENERAPAN
Abrori, M., & Primahayu, A. H. (2016). Aplikasi FUZZY MAMDANI DALAM PENENTUAN
logika fuzzy metode mamdani dalam PRESTASI BELAJAR SISWA STUDY
pengambilan keputusan penentuan jumlah KASUS: SMK NEGERI 1 SERGAI. SinkrON,
produksi. Kaunia: Integration and 2(2), 47-51.
Interconnection Islam and Science, 11(2),
91-99.
Abdullah, A. A. 2010. Memori Asosiatif Fuzzy
dan Aplikasinya dalam Teknik Industri.
Yogyakarta. Universitas Negeri Yogyakarta.
Arifah, E. D. (2011). Aplikasi Metode Fuzzy
Mamdani Dalam Penentuan Jumlah
Produksi. Institut Teknologi Sepuluh
Nopermber, Surabaya.
Dahri, N dkk. 2016. Penggunaan Aplikasi Metode
Fuzzy - Sugeno Dalam Menentukan Jumlah
Produksi: Pendekatan Kreativitas
Pembelajaran. Padang: Universitas EkasaktI
Padang
Djunaidi, M., Setiawan, E., & Andista, F. W.
(2005). Penentuan jumlah produksi dengan
aplikasi metode fuzzy–mamdani. Jurnal
Ilmiah Teknik Industri, 4(2), 95-104.
Nawawi, I., & Fatkhurrozi, B. (2016). STUDI
KOMPARASI KENDALI MOTOR DC
DENGAN LOGIKA FUZZY METODE
MAMDANI DAN SUGENO. Wahana
Ilmuwan, 2(2).
Rahakbauw, D. L. (2015). Penerapan Logika
Fuzzy Metode Sugeno Untuk
Menentukan Jumlah Produksi Roti
Berdasarkan Data Persediaan Dan Jumlah
Permintaan. BAREKENG: Jurnal Ilmu
Matematika dan Terapan, 9(2), 121-134.
Setiawan, A., Yanto, B., & Yasdomi, K. (2018).
LOGIKA FUZZY Dengan MATLAB (Contoh
Kasus Penelitian Penyakit Bayi dengan Fuzzy