TUGAS KECERDASAN BUATAN

MERANGKUM JURNAL TENTANG FUZZY LOGIC

Nama : Maulana Billy Nur Syava
Nim : 2021150005
Kelas : Ti -2 / SEM 4

 IMPLEMENTASI METODE FUZZY TSUKAMOTO PADA SISTEM PREDIKSI

PEMBELIAN BARANG TOKO ABILA COLLECTION BERBASIS WEBSITE
Toko Abilla Collection menjual berbagai jenis pakaian seperti kemeja, dress, dan gamis.
Intisari : Jenis pakaian yang banyak menyebabkan pihak toko kesulitan dalam mengontrol
jumlah persediaan dan mengatur jumlah pembelian barang
Oleh karena itu untuk mengatur pengendalian jumah pembelian untuk persediaan barang
sebagai keperluan penjualan toko, maka dari itu perlu dilakukan penelitian terhadap jumlah
barang yang perlu dibeli untuk penambahan jumlah persediaan masing-masing jenis pakaian
dengan cara memprediksi pembelian barang
Pada penelitian ini telah dibuat aplikasi prediksi pembelian untuk menambah persediaan
barang menggunakan metode fuzzy Tsukamoto. Pengujian pertama dilakukan dengan
membandingkan hasil prediksi menggunakan perhitungan manual dan prediksi menggunakan
perhitungan sistem. Dari membandingkan hasil prediksi perhitungan manual dan sistem
memiliki hasil perhitungan yang sama. Hasil rata-rata persentase error sistem prediksi
pembelian barang menggunakan metode fuzzy Tsukamoto pada masing-masing jenis pakaian
adalah 14,93 % untuk kemeja, 8,74 % untuk dress dan 96,17 % untuk gamis.
Pemesanan barang yang dilakukan dengan sembarangan, menyebabkan kerugian pada
pihak toko. Permasalahan lain yang dapat terjadi yaitu, pihak toko tidak bisa melakukan
penambahan stok barang ataupun mengganti dengan stok barang terbaru jika stok persediaan
barang di gudang yang tersisa masih banyak. Solusi untuk mengatasi permasalahan tersebut
dengan membuat sistem prediksi untuk pembelian barang persediaan.
Dari pembahasan yang telah dipaparkan maka penelitian dilakukan dengan
mengimplementasikan metode fuzzy Tsukamoto kedalam sistem prediksi pembelian barang
di toko Abila Collection berbasis website memudahkan pihak toko dalam memprediksi
jumlah barang yang diperlukan untuk dibeli oleh toko berdasarkan periode waktu tertentu.
Dengan adanya Sistem ini dapat memudahkan pihak toko dalam memprediksi jumlah barang
yang diperlukan untuk dibeli oleh toko berdasarkan periode waktu tertentu.
Himpunan fuzzy memiliki dua atribut yaitu linguistik dan numerik 4. Domain himpunan
fuzzy: keseluruhan nilai yang diperbolehkan dalam semesta pembicaraan dan boleh
 dioperasikan dalam suatu himpunan fuzzy. Dapat dilihat pada Gambar 2. Gambar 2:
Representasi Linear Naik Sumber: [5] Bentuk persamaan dari representasi linear naik dapat
dilihat pada Persamaan 2. [ ] 0 ; ≤ ; ≤ ≤ 1 ; ≥ (2) Keterangan: [ ] = himpunan tegas (crisp),
nilai keanggotaan suatu item x x = nilai keanggotaan suatu item a = nilai domain b = nilai
domain 2. Representasi Kurva Bahu Daerah yang terletak di tengah-tengah suatu variabel
yang direpresentasikan dalam bentuk segitiga, pada sisi kiri dan kanannya akan naik dan
turun

 SISTEM INFERENSI FUZZY MAMDANI UNTUK PENGHITUNGAN BONUS

KARYAWAN PT. ABC

Intisari : mendapatkan hasil penghitungan bonus yang sesuai dengan kinerja karyawan

PT. ABC memerlukan suatu sistem berbasis komputer untuk proses perhitungan bonus
karyawan sehingga penellitian ini bertujuan untuk menerapkan Sistem Inferensi Fuzzy
metode Mamdani untuk menghasikan suatu aplikasi yang dapat melakukan perhitungan
bonus karyawan PT. ABC.
PT.ABC masih menggunakan spreadsheet tool sehingga memungkinkan hasil
penghitungan bonus cenderung subjektif dan rentan error pada penginputan rumus yang
kompleks. Oleh karena itu, untuk mendapatkan hasil penghitungan bonus yang sesuai dengan
kinerja karyawan, PT. ABC memerlukan suatu sistem berbasis komputer untuk proses
perhitungan bonus karyawan.
Penelitian ini bertujuan untuk menerapkan Sistem Inferensi Fuzzy metode Mamdani
untuk menghasikan suatu aplikasi yang dapat melakukan perhitungan bonus karyawan PT.
ABC.
Metode Mamdani terdiri dari empat tahapan: pembentukan himpunan fuzzy, penerapan
fungsi implikasi, komposisi aturan, dan defuzzifikasi. Perhitungan dengan sistem adalah
lebih rapi dan terstruktur dibandingkan dengan perhitungan dengan spreadsheet tool. Hasil
penelitian ini menunjukan bahwa output sistem sama dengan hasil perhitungan manual
dengan tangan.
Dalam prosesnya metode Fuzzy Mamdani lebih memperhatikan kondisi yang akan terjadi
untuk setiap daerah fuzzynya, sehingga menghasilkan hasil keputusan yang lebih akurat.
Metode Mamdani adalah yang paling sesuai dengan naluri manusia karena metode fuzzy
menggunakan kaidah linguistik. Berdasarkan penelitian tersebut, disimpulkan bahwa sistem
inferensi fuzzy metode Mamdani dapat diimplementasikan untuk memprediksi jumlah
produksi eggroll Papang dengan adanya sistem tersebut, kerugian dari bahan mentah yang
tidak terpakai yang kemudian membusuk bisa dikurangi Output dari pengolahan data tersebut
akan dijadikan sebagai dataset untuk pembentukan rule fuzzy yang selanjutnya menghasilkan
rekomendasi penilaian terhadap potensi desa. Sehingga disimpulkan jika metode Mamdani
adalah yang lebih tepat dan akurat untuk kasus prediksi tersebut. Hasil yang diperoleh
adalah, dengan kendali logika fuzzy, tingkat kualitas hasil pergerakan kipas motor DC atau
fan exhausting lebih halus apabila dibandingkan dengan yang tidak menggunakan kendali
logika fuzzy.

 SISTEM PAKAR FUZZY DENGAN METODE SUGENO UNTUK

DIAGNOSA PENYAKIT DIABETES MELLITUS

Metode Sugeno dalam sistem pakar dengan fuzzy logic adalah pendekatan yang akurat
dan terintegrasi untuk mengambil keputusan dalam mendiagnosa diabetes mellitus.
Metode ini menggunakan aturan IF-THEN dengan operator logika AND. Output
konsekuen dalam metode ini berupa konstanta atau persamaan linier, yang mempermudah
interpretasi hasil. Metode Sugeno memiliki dua macam orde, yaitu orde satu berbentuk
polynomial dan orde nol berbentuk konstan. Penting untuk membentuk aturan fuzzy yang
relevan dan melakukan validasi sistem untuk memastikan kehandalan metode Sugeno
dalam mendiagnosa diabetes mellitus.
Berikut adalah proses perhitungan yang di lakukan :

1. Menentukan variabel masukan input sesuai dengan data yang di tampilkan

2. Fuzzyfication input pada sistem ini menggunakan membership function bentuk bahu
pada Gambar
2 sampai dengan Gambar 8 dengan domain atau range mengikuti aturan Rumah Sakit.
3. Menghitung predikat aturan seperti gambar nomor 9 menggunakan aturan if-and-then.
4. Kemudian menghasilkan keputusan (output)normal, prediabetes, dan diabetes sesuai
Gambar 10 dan Gambar 11.
5. Output yang didapat dari sistem ini menggunakan data rekam medis pasien RSUD
Jombang dengan rule 129 sebesar 68%.

Sistem pakar fuzzy dengan metode Sugeno telah berhasil dikembangkan untuk
mendiagnosa penyakit diabetes mellitus. Pengujian dilakukan dengan menggunakan 7
masukan berupa tekanan darah sistol, tekanan darah diastol, glukosa sewaktu, kolestrol
total, kadar HDL, kadar LDL, dan trigliserida. Hasil pengujian menunjukkan bahwa
tingkat keakuratan sistem dalam mengeluarkan keputusan diagnosa diabetes mellitus
mencapai 68%. Keputusan diagnosa tersebut mencakup tiga kategori yaitu normal,
prediabetes, dan diabetes.