III. LANDASAN TEORI
3.3. Fuzzy
3.3.4. Sistem Inferensi fuzzy
Fuzzy logic atau logika fuzzy dapat digunakan mengolah data atau hasil penilaian yang diperoleh dari pakar sesuai kriteria yang diajukan sehubungan kepentingan penelitian dalam penyusunan model manajemen krisis ini. Hasil penilaian pakar merupakan asupan bagi proses pengambilan keputusan. Metoda fuzzy memungkinkan beberapa kriteria yang dipentingkan secara individu maupun komprehensif lebih bersifat subyektif dan kualitatif. Pengukuran kriteria subyektif dalam penelitian ini menggunakan lima skala hedonik peubah linguistik misalnya kriteria Sangat Baik, Baik, Cukup, Kurang dan Sangat Kurang.
Dalam memberikan penilaian linguistik, penilai seringkali berkecenderungan ambiguitas dan tidak bisa memberi penilaian secara mutlak. Guna memperoleh hasil yang valid, diperlukan suatu metoda yang mampu mengakomodasi situasi ambiguitas tersebut menjadi sebuah keputusan yang relatif lebih baik dan salah satu metoda yang dapat digunakan adalah metoda fuzzy.
Ekspresi numerik dapat menyebabkan narasumber merasa terpaksa merepresentasikan penilaiannya sesuai kemauan peneliti sehingga menimbulkan ketidaknyamanan bagi narasumber. Penerapan logika fuzzy memungkinkan narasumber atau pakar mengekspresikan penilaiannya secara lebih bebas tanpa terkungkung oleh batasan nilai-nilai numerik tertentu. Penilaian ini akan memberikan informasi mengenai tingkat kemungkinan (possibility) dan bukan nilai peluang (probability) terhadap sesuatu kejadian. Penilaian demikian menyebabkan logika fuzzy menjadi lebih alamiah. Dalam metoda fuzzy, hasil penilaian menggunakan peubah linguistik kemudian diolah menjadi informasi bagi pengambilan keputusan.
Kebenaran yang dikandung dalam penilaian-penilaian menggunakan Peubah linguistik seringkali bersifat samar karena batasnya tidak tegas sehingga disebut sebagai kebenaran fuzzy. Ketersamaran (vagueness) ini tidak menghilangkan hakikat penilaian karena makna penilaian tersebut bisa dioptimalkan menggunakan teknik atau pengolahan dalam metoda fuzzy.
Pada dasarnya sistem inferensi fuzzy (fuzzy inference system) terdiri atas lima bagian (Jang & Sun, 1994):
•basis aturan berisi sejumlah kaidah fuzzy jika-maka atau if-then;
•basis data yang mendefinisikan fungsi keanggotaan himpunan fuzzy digunakan dalam aturan-aturan fuzzy;
•pembuat keputusan yang mentransformasikan operasi inferensi dalam aturan-aturan;
•interface fuzifikasi yang mentransformasikan asupan yang bernilai tunggal (crisp) dalam derajat keanggotaan sesuai dengan nilai linguistiknya;
•interface defuzifikasi yang mentransformasikan hasil inferensi fuzzy menjadi keluaran bernilai tunggal
Aturan dasar fuzzy jika-maka atau if-then yang dikenal juga sebagai pernyataan bersyarat (conditional statement) fuzzy merupakan ekspresi dari bentuk IF A THEN B, di mana A dan B merupakan nilai suatu himpunan fuzzy yang dinyatakan berupa fungsi keanggotaan yang sesuai. Karena bentuknya yang sederhana, aturan fuzzy if-then sering digunakan dalam penerjemahan makna dari alasan-alasan yang memiliki model tidak pasti yang berperan penting dalam pengambilan keputusan. Contohnya:
JIKA tekanan is tinggi, MAKA volume is kecil
di mana tekanan dan volume merupakan peubah linguistik, sedangkan tinggi dan kecil adalah nilai linguistik yang dicirikan oleh fungsi keanggotaan.
Umumnya basis aturan dan basis data digabung dalam knowledge base. Sistem inferensi fuzzy ini juga dikenal sebagai fuzzy rule-based systems, fuzzy models, fuzzy associative memories (FAM), atau fuzzy controllers ketika digunakan pada proses kontrol.
Langkah-langkah fuzzy reasoning atau penalaran fuzzy (operasi inferensi berdasarkan aturan fuzzy if-then) yang dilakukan oleh sistem inferensi fuzzy adalah sebagai berikut (Gambar 19):
1. Mentransformasikan peubah asupan dengan fungsi keanggotaan pada bagian anteseden (if) guna memperoleh nilai keanggotaan dari setiap nilai linguistik, proses ini disebut fuzifikasi.
2. Menggabungkan nilai keanggotaan pada bagian anteseden guna mendapatkan fungsi aktivasi atau firing strength (bobot) dari setiap aturan.
3. Membangkitkan akibat atau konsekuen yang pantas dipilih (baik fuzzy atau
crisp) dari tiap aturan tergantung fungsi aktivasinya.
4. Menjumlahkan akibat atau konsekuen (then) yang layak dipilih guna menghasilkan keluaran tunggal, proses ini disebut defuzifikasi.
Defuzifikasi merupakan proses pengubahan keluaran fuzzy menjadi keluaran yang bernilai tunggal (crisp). Metoda defuzifikasi yang biasa digunakan adalah metoda Centroid dan Maximum. Dalam metoda Centroid, nilai tunggal dari peubah keluaran dihitung dengan menemukan nilai peubah dari center of gravity suatu fungsi keanggotaan untuk nilai fuzzy. Sedangkan di dalam metoda Maximum, satu dari nilai-nilai peubah yang merupakan nilai kepercayaan maksimum gugus fuzzy dipilih sebagai nilai tunggal untuk peubah output (Marimin 2002, Kusumadewi, 2000; Bojadziev & Bojadziev, 1999; Kauffman & Gupta, 1988; Schmucker, 1984).
Metoda fuzzy sangat layak dijadikan salah satu instrumen dalam model manajemen krisis yang komprehensif bagi suatu perusahaan agroindustri. Aplikasi metoda fuzzy ini berlangsung mulai dari pengukuran kriteria subyektif dan kualitatif beberapa responden pakar sampai pada perumusan tingkat krisis dan pemilihan alternatif solusi krisis. Pengolahan terhadap penilaian pakar sebenarnya bisa dilakukan dengan menggunakan beberapa metoda yang relevan di antaranya adalah metoda AHP dan metoda Multi Expert Multi Criteria Decision Making (ME-MCDM), yang masing-masing memiliki karakteristik yang berbeda.
Metoda
Karakteristik Fuzzy AHP ME-MCDM
Penilai penilaian bisa dilakukan baik oleh pakar maupun responden umum
Penilaian hanya dilakukan oleh pakar
Penilaian hanya bisa dilakukan oleh pakar
Teknik Penilaian Mudah Sulit Mudah
Teknik perhitungan nilai keputusan
Pendefinisian Fungsi keanggotaan yang dilanjutkan dengan fuzifikasi dan defuzifikasi
Perbandingan
berpasangan (pair wise comparison)
Agregasi pakar dan agregasi criteria Proses pengolahan Kesulitan Tergantung pada
fungsi keanggotaan yang digunakan untuk
merepresentasikan penilaian pakar, urutan kompleksitas adalah TFN (Triangular Function Number), Trapezoida dan Sigmoida
Relatif rumit karena mempersyaratkan konsistensi penilaian pakar, sehingga penilaian pakar bisa diulang beberapa kali sampai diperoleh tingkat konsistensi tertentu
Relatif sederhana
Ketersediaan alat bantu (software)
Matlab atau dengan
membuat program komputer sendiri
Software Criteria Decision Plus (CDP) dan Expert Choice
Belum tersedia software Sifat nilai keputusan Menghilangkan vagueness
dalam penilaian
Nilai keputusan mutlak Nilai keputusan mutlak
Efektivitas hasil Efektif pada penilai yang heterogen maupun homogen kapasitasnya
Efektif jika penilai memiliki kapasitas yang homogen
Efektif jika penilai memiliki kapasitas yang homogen Efisiensi Efisien pada kasus penilaian
terhadap banyak aspek
Efisien untuk jumlah pakar dan kriteria yang relatif sedikit
Efisien bagi jumlah pakar dan kriteria yang relatif sedikit Keakuratan hasil Cukup akurat Sangat akurat Cukup akurat