1.

Sejarah Logika Fuzyy

Logika Fuzzy adalah sebuah pendekatan matematis yang digunakan untuk
mengatasi ketidakpastian dan kompleksitas dalam sistem-sistem yang sulit dijelaskan
secara eksak. Metode Mamdani adalah salah satu metode dalam logika fuzzy yang
dikembangkan oleh Prof. Lotfi A. Zadeh pada tahun 1975.
Sejarah Logika Fuzzy: Awal Mula Logika Fuzzy: Konsep dasar logika fuzzy
diperkenalkan oleh Prof. Lotfi A. Zadeh dari University of California, Berkeley pada
tahun 1965. Ia mengusulkan konsep variabel linguistik yang memungkinkan penggunaan
nilai-nilai yang tidak hanya terbatas pada angka-angka tertentu, melainkan juga dapat
mewakili keabstrakan seperti "sedikit", "sedang", dan "banyak".
Teori Logika Fuzzy: Zadeh kemudian mengembangkan teori logika fuzzy secara
lebih lengkap pada tahun 1973. Dia menyajikan dasar-dasar matematis untuk
menggambarkan dan memanipulasi ketidakpastian dan ambiguitas dalam sistem-sistem
yang kompleks.
Metode Mamdani: Pada tahun 1975, Prof. Lotfi A. Zadeh memperkenalkan
metode Mamdani, yang dinamai dari nama seorang mahasiswanya, Ebrahim Mamdani.
Metode Mamdani adalah salah satu metode yang paling populer dalam logika fuzzy dan
digunakan secara luas dalam berbagai aplikasi.
Pengembangan dan Penerapan: Setelah diperkenalkannya metode Mamdani,
logika fuzzy mulai dikembangkan lebih lanjut oleh banyak peneliti. Metode ini telah
diterapkan dalam berbagai bidang, termasuk pengendalian sistem, pengambilan
keputusan, pengenalan pola, dan banyak lagi
Metode Mamdani menggunakan aturan-aturan berbasis logika fuzzy yang terdiri
dari kondisi-kondisi dan tindakan-tindakan yang diambil berdasarkan kondisi-kondisi
tersebut. Aturan-aturan ini digunakan untuk mengubah input yang bersifat kabur (fuzzy)
menjadi output yang juga bersifat kabur.
Dalam metode Mamdani, variabel linguistik digunakan untuk menggambarkan
nilai-nilai kabur yang berkaitan dengan input dan output sistem. Fungsi keanggotaan
(membership function) digunakan untuk menggambarkan sejauh mana suatu nilai
memenuhi suatu variabel linguistik.
 Metode Mamdani sangat berguna dalam mengatasi ketidakpastian dan
kompleksitas sistem yang sulit dijelaskan secara eksak. Dengan menggunakan logika
fuzzy, sistem-sistem seperti pengendalian suhu, pengambilan keputusan, dan pengenalan
pola dapat diakomodasi dengan baik.Sejak diperkenalkan nya metode Mamdani, logika
fuzzy telah berkembang pesat dan menjadi salah satu alat yang penting dalam pengolahan
informasi yang berhubungan dengan ketidakpastian dan ambiguitas.

2. Sejarah Metode Mamdani

Metode Mamdani merupakan salah satu metode dalam logika fuzzy yang
dikembangkan oleh Profesor Lotfi A. Zadeh pada tahun 1975. Metode ini dinamai
berdasarkan nama seorang matematikawan Iran, Profesor Ebrahim Mamdani, yang pada
saat itu adalah mahasiswa pascasarjana di University of London. Metode Mamdani telah
menjadi salah satu pendekatan paling populer dan paling banyak digunakan dalam
aplikasi logika fuzzy.
Metode Mamdani digunakan untuk mengubah variabel masukan yang tidak
terdefinisi dengan jelas menjadi variabel keluaran yang terdefinisi dengan jelas
menggunakan aturan fuzzy. Metode ini berfokus pada pemodelan pengetahuan manusia
yang berbasis pada bahasa alami, yang memungkinkan manusia untuk mengartikulasikan
pengetahuan mereka dalam bentuk aturan fuzzy.
Pendekatan Metode Mamdani melibatkan beberapa tahapan dalam pemrosesan
data. Berikut adalah ringkasan langkah-langkah utama dalam metode Mamdani:
Fuzzifikasi: Pada tahap ini, variabel masukan diterjemahkan menjadi fungsi
keanggotaan fuzzy. Fungsi keanggotaan ini menggambarkan tingkat keanggotaan setiap
nilai masukan terhadap himpunan fuzzy yang sesuai.
Penerapan Aturan: Pada tahap ini, aturan fuzzy yang telah ditentukan sebelumnya
diterapkan untuk memproses fungsi keanggotaan fuzzy dari variabel masukan. Aturan
fuzzy ini didefinisikan oleh pakar domain yang menerjemahkan pengetahuan manusia ke
dalam bentuk aturan fuzzy.
Inferensi: Tahap inferensi melibatkan kombinasi hasil dari penerapan aturan fuzzy
untuk menghasilkan nilai keluaran yang fuzzy.
 Defuzzifikasi: Pada tahap ini, nilai keluaran yang fuzzy dikonversi menjadi nilai
crisp yang lebih mudah dimengerti dan digunakan. Proses defuzzifikasi menghasilkan
satu nilai yang mewakili hasil keseluruhan dari keluaran fuzzy.
Metode Mamdani telah banyak diterapkan dalam berbagai bidang, termasuk
sistem kendali pintar (fuzzy control systems), pengambilan keputusan, pengenalan pola,
dan lain-lain. Keunggulan metode ini terletak pada kemampuannya untuk
menggabungkan pengetahuan yang ambigu dan tidak pasti dalam pemrosesan data.

2.1 kelebihan dan kekurangan Mamdani

A. Kelebihan Mamdani
Metode Mamdani dalam logika fuzzy memiliki beberapa kelebihan yang
menjadikannya populer dalam pengambilan keputusan yang melibatkan ketidakpastian
dan kesamaran data. Berikut adalah beberapa kelebihan utama metode Mamdani:

 Kemampuan pemodelan yang baik: Metode Mamdani memungkinkan

pemodelan yang baik terhadap hubungan nonlinier antara variabel input dan
output. Dengan menggunakan himpunan fuzzy dan aturan fuzzy, metode ini
mampu menggambarkan hubungan yang kompleks dan tidak terstruktur dengan
baik.
 Mengatasi ketidakpastian: Metode Mamdani mampu mengatasi ketidakpastian
dan kesamaran dalam data input. Fungsi keanggotaan yang digunakan dalam
logika fuzzy memungkinkan representasi nilai input dalam bentuk himpunan
fuzzy yang mencerminkan tingkat ketidakpastian. Hal ini memungkinkan
pengambilan keputusan yang lebih fleksibel dan adaptif.
 Kemampuan inferensi yang kuat: Metode Mamdani menggunakan aturan fuzzy
untuk menghubungkan nilai input dengan nilai output. Aturan fuzzy ini
memungkinkan penggabungan pengetahuan manusia dan pengambilan
keputusan berbasis logika. Kemampuan inferensi yang kuat ini memungkinkan
sistem untuk menghasilkan output yang cerdas dan berdasarkan penalaran
manusia.
 B. Kekurangan Mamdani
Metode Mamdani adalah salah satu metode yang umum digunakan dalam sistem
inferensi fuzzy. Namun, metode ini juga memiliki beberapa kekurangan, antara lain:

 Ketidaktepatan dalam menggambarkan relasi antara variabel input dan output:

Metode Mamdani menggunakan himpunan fuzzy yang terdiri dari fungsi
keanggotaan segitiga atau trapesium untuk menggambarkan variabel input dan
output. Pemilihan bentuk himpunan fuzzy ini dapat menjadi subjektif dan tidak
selalu merepresentasikan hubungan yang tepat antara variabel input dan output.
Hal ini dapat mengakibatkan ketidakakuratan dalam proses inferensi dan
menghasilkan keluaran yang tidak optimal.
 Kelemahan dalam menangani ketidakpastian: Metode Mamdani tidak secara
langsung memperhitungkan ketidakpastian dalam data input. Fungsi
keanggotaan yang digunakan dalam metode ini bersifat deterministik, artinya
mereka tidak dapat merepresentasikan ketidakpastian atau variasi dalam data
input. Dalam aplikasi yang melibatkan ketidakpastian, seperti sistem kendali di
lingkungan yang dinamis, hal ini dapat mengurangi kinerja dan keandalan
sistem.
 Komputasi yang kompleks: Metode Mamdani melibatkan operasi yang
kompleks, terutama pada tahap defuzzifikasi. Proses defuzzifikasi melibatkan
perhitungan bobot rata-rata atau centroid dari himpunan fuzzy output, yang
dapat memakan waktu dan sumber daya komputasi yang signifikan. Hal ini
dapat menjadi masalah dalam aplikasi real-time atau dalam sistem yang
membutuhkan pemrosesan yang cepat.

3. Prosedur Metode Fuzzy Mamdani

Seperti telah dikemukakan pada subbab sebelumnya bahwa proses pengambilan
kesimpulan atau keputusan dengan menggunakan Metode Fuzzy Mamdani dilakukan
melalui beberapa tahapan, yaitu pembentukan himpunan fuzzy; aplikasi fungsi implikasi;
komposisi aturan; defuzzifikasi (Ebrahim Mamdani, 1975).
4. Pembentukan Himpunan Fuzzy
Tahap pertama dari prosedur Metode Fuzzy Mamdani adalah pembentukan
himpunan fuzzy atau dikenal pula dengan istilah fuzzifikasi. Fuzzifikasi merupakan
proses yang dilakukan dengan mengtransformasi input himpunan tegas (crisp) ke dalam
himpunan fuzzy (Ross, 2010). Hal ini dilakukan karena input yang digunakan awalnya
adalah dalam bilangan tegas (real) dari suatu himpunan tegas (crisp). Himpunan fuzzy ini
didasarkan pada tingkatan linguistiknya yang dikelompokkan dalam suatu variabel fuzzy.

Ada dua tipe variabel yang digunakan dalam penelitian ini yaitu variabel input
dan variabel output dimana variabel input adalah data persediaan yang mempunyai tiga
himpunan fuzzy (Sedikit, Sedang, Banyak) dan jumlah permintaan juga memiliki tiga
himpunan fuzzy (Rendah, Sedang, Tinggi) sedangkan variabel output adalah jumlah
produksi yang juga mempunyai tiga himpunan fuzzy (Sedikit, Sedang, Banyak). Data
yang digunakan dalam penelitian ini berupa data sekunder yang diperoleh dari PTP
Nusantara XIV (Persero) Kebun Awaya/Teluk Elpaputih yaitu: data permintaan,
persediaan dan data produksi per hari dalam jangka waktu satu bulan (April 2016).
Dimana data-data tersebut kemudian digunakan untuk menentukan jumlah produksi karet
pada perusahaan tersebut. Data-data tersebut merupakan data dengan satuan liter dan
data-data tersebut dapat dilihat pada Tabel 1.

N Perm Perse Prod N Perm Perse Prod

Tangga Tangga
o i u o i u
l diaa l diaa
. ntaan n ksi . ntaan n ksi

1 01/4/20 516 774 542 16 19/4/20 284 122 386

16 4 8 16 7 3 7

2 02/4/20 297 700 439 17 20/4/20 719 927 494

16 9 3 16 8 8

3 04/4/20 351 1142 392 18 21/4/20 236 128 371

16 7 8 16 0 5 9
4 05/4/20 222 628 554 19 22/4/20 292 124 670
16 7 5 16 5 9 5

5 06/4/20 304 1452 402 20 23/4/20 486 117 476

16 3 0 16 1 5 8

6 07/4/20 477 1018 474 21 25/4/20 651 124 543

16 7 1 16 0 8 3

7 08/4/20 314 1147 676 22 26/4/20 507 926 487

16 8 9 16 0 6

8 09/4/20 576 1419 495 23 27/4/20 714 695 618

16 6 1 16 7 0

9 11/4/20 749 1332 550 24 28/4/20 425 667 446

16 3 1 16 4 0

1 12/4/20 493 863 536 25 29/4/20 497 550 478

0 16 5 9 16 1 5

1 13/4/20 204 1152 602

1 16 9 9

1 14/4/20 477 617 488

2 16 8 7

1 15/4/20 617 711 577

3 16 6 5

1 16/4/20 582 567 516

4 16 1 1

1 18/4/20 663 1237 649

5 16 2 6
 Dalam penelitian ini, penyelesaian proses perhitungan manual dengan
menggunakan Penerapan Logika Fuzzy Metode Mamdani terdapat empat
tahap yang harus dilakukan yaitu Menentukan Himpunan Fuzzy, Aplikasi
Fungsi Implikasi, Komposisi Antar Aturan, Penegasan (deffuzyfication).
Proses Perhitungan manual dilakukan terlebih dahulu dengan menggunakan
satu contoh kasus agar dapat membuktikan kesamaan pada tahap akhir yaitu
penegasan (deffuzyfication) supaya mendapatkan output yang sama. Untuk
mendapatkan output selanjutnya untuk kasus yang lain dilakukan dengan
Software Matlab dengan menginput data permintaan dan data persediaan
dalam kolom input pada Rule View.

Contoh Kasus 1:

PTP Nusantara XIV (Persero) Kebun Awaya/Teluk Elpaputih dalam

waktu satu hari yaitu tanggal 01/04/2016 ingin mengetahui jumlah produksi
karet yang akan diproduksi menggunakan Penerapan Logika Fuzzy Metode
Mamdani berdasarkan data pada Tabel 1, dengan permintaan sebesar 5164
Liter dan persediaan sebesar 774 Liter. Kira-kira Berapa jumlah produksi karet
yang akan diproduksi?

Langkah 1 : Menentukan Himpunan Fuzzy

Dalam menentukan himpunan fuzzy terlebih dahulu harus mencari

derajat keanggotaan dari fungsi keanggotaan yang direpresentasikan dengan
representasi kurva segitiga. Variabel permintaan telah didefinisikan pada tiga
himpunan fuzzy yaitu RENDAH, SEDANG dan TINGGI setiap himpunan
Fuzzy memiliki interval derajat keanggotaan. Berikut adalah gambar fungsi
keanggotaan pada variabel permintaan 5164 Liter dan persediaan 774 Liter.

Permintaan 5164 liter termasuk kedalam himpunan fuzzy SEDANG dan

derajat keanggotaan sesuai fungsi berikut :