PT. SINAR SOSRO TANJUNG MORAWA)
SKRIPSI
NURUL ZAKYA HAQUE
131421067
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
FUZZY TSUKAMOTO (STUDI KASUS : PT. SINAR SOSRO TANJUNG MORAWA)
SKRIPSI
Diajukan untuk melengkapi tugas akhir dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer
Oleh :
NURUL ZAKYA HAQUE 131421067
PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA MEDAN
Judul : PENENTUAN JUMLAH PRODUKSI
OPTIMAL MINUMAN TEH
MENGGUNAKAN METODE FUZZY
SUGENO DAN METODE FUZZY
TSUKAMOTO (STUDI KASUS : PT.SINAR SOSRO TANJUNG MORAWA)
Kategori : SKRIPSI
Nama : NURUL ZAKYA HAQUE
NomorIndukMahasiswa : 131421067
Program Studi : EKSTENSI S1 ILMU KOMPUTER Departemen : ILMU KOMPUTER
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Agustus 2015 Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dian Rachmawati, S.Si, M.Kom Maya Silvi Lydia, B.Sc, M.Sc NIP. 19830723 200912 2 004 NIP. 19740127 200212 2 001
Diketahui/Disetujuioleh
Program Studi S1 IlmuKomputer Ketua,
PERNYATAAN
PENENTUAN JUMLAH PRODUKSI OPTIMAL MINUMAN TEH MENGGUNAKAN METODE FUZZY SUGENO DAN METODE
FUZZY TSUKAMOTO (STUDI KASUS : PT. SINAR SOSRO TANJUNG MORAWA)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, Agustus 2015
Penulis
Nurul Zakya Haque
PENGHARGAAN
Alhamdulillah segala puji dan syukur atas nikmat kepada Allah Yang Maha Esa sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, pada Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Pada kesempatan ini penulis mengucapkan terima kasih kepada pihak yang telah banyak membimbing, mengarahkan, membantu, dan memberikan dukungan semangat dan kasih sayang dalam menyelesaikan skripsi ini. Penulis mengucapkan terima kasih kepada :
1. Bapak Prof. Subhilhar, Ph.D selaku Pj Rektor Universitas Sumatera Utara.
2. Bapak Prof. Dr. Muhammad Zarlis selaku Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
3. Bapak Dr. Poltak Sihombing, M.Kom selaku Ketua Program Studi S1 Ilmu Komputer Universitas Sumatera Utara.
4. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi S1 Ilmu Komputer Universitas Sumatera Utara dan Dosen Pembimbing I yang telah
memberikan kritik dan saran dalam penyempurnaan skripsi ini .
5. Ibu Dian Rachmawati, S.Si, M.Kom selaku Dosen Pembimbing II yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
6. Bapak Prof. Dr. Iryanto, M.Si selaku Dosen Pembanding I yang telah memberikan kritik dan saran dalam penyempurnaan skripsi ini.
8. Semua dosen dan semua pegawai di Program Studi S1 Ilmu Komputer Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
9. Teristimewa kepada kedua orang tua penulis Ayahanda Achmad Saldi dan Ibunda Darlina, serta kepada adik penulis M.Zaki, Fadya dan keluarga besar penulis yang senantiasa memberikan doa, dukungan moril dan materil,
motivasi, semangat dan kasih sayang yang tiada henti kepada penulis sehingga penulis dapat menyelesaikan skripsi ini.
10.Teman-teman seperjuangan mahasiswa Ekstensi S1-Ilmu Komputer stambuk 2013 khususnya kepada Fera, Wiwin, Tiany, Melsa, Tika, Ighfar, Ryan, Adli, Ade dan Satriyo yang telah memberikan dukungan dan kerja sama yang baik kepada penulis.
11.Terima kasih juga kepada Kurniawan Ginting yang telah memberikan motivasi, semangat serta doanya kepada penulis sehingga penulis dapat menyelesaikan skripsi ini.
12.Semua pihak yang terlibat langsung atau pun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini.
Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, kepada pembaca agar kiranya memberikan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Sehingga dapat bermanfaat bagi kita semuanya.
Medan, Agustus 2015
Penulis
ABSTRAK
Penggunaan sistem pendukung keputusan pada jumlah produksi minuman teh yang selama ini dilakukan secara perhitungan manual mengakibatkan timbulnya masalah karena karyawan di perusahaan tersebut tidak mengetahui berapa jumlah produksi minuman teh untuk setiap bulan berikutnya. Masalah ini dapat diselesaikan dengan menggunakan metode fuzzy Sugeno dan fuzzy Tsukamoto. Pada penelitian ini dibuat tiga variabel fuzzy yang akan menjadi nilai inputan yaitu permintaan, persediaan dan dihitung berdasarkan metode fuzzy Sugeno dan fuzzy Tsukamoto , dan hasil perhitungannya disebut nilai akhir defuzzyfikasi. Sistem yang telah dirancang mampu
memberikan jumlah produksi minuman yang optimum dibandingkan sistem manual yang mengakibatkan produksi berlebih atau kekurangan.
DETERMINATION OF TOTAL PRODUCTION OPTIMAL DRINK TEA USING SUGENO FUZZY METHOD AND TSUKAMOTO
FUZZY METHOD (CASE STUDY: PT. SINARSOSRO TANJUNG MORAWA)
ABSTRACT
The use of decision support systems in the amount of tea production has been done by the manual calculation resulted in problems for the employees in these companies do not know how much the production of tea for each subsequent month. This problem can be solved by using fuzzy Sugeno and Tsukamoto fuzzy. In this study made three fuzzy variables that will be the input value that is in demand, supply and is calculated based on the method of fuzzy Sugeno and Tsukamoto fuzzy, and the results of the calculation sreferred to the final value defuzzyfication. The system has been designedis able to provide the optimum amount of beverage production compared to manual systems which result in over production or deficiency.
DAFTAR ISI
1.3 Ruang Lingkup Penelitian 2
1.4 Tujuan Penelitian 3
1.5 Manfaat Penelitian 3
1.6 Metodologi Penelitian 3
1.7 Sistematika Penulisan 5
BAB 2 LANDASAN TEORI 7
2.1 Sistem Pendukung Keputusan 7
2.1.1 Arsitektur Sistem Pendukung Keputusan 8 2.1.2 Fase – Fase Dalam Pengambilan Keputusan 10
2.2 Logika Fuzzy 12
2.3 Metode Fuzzy Sugeno 20
2.4 Metode Fuzzy Tsukamoto 21
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 22
3.1 Analisis Masalah 22
3.2 Kebutuhan Sistem 23
3.2.1 Kebutuhan Input 23
3.2.2 Kebutuhan Output 24
3.3 Perancangan Sistem 24
3.3.1 Diagram Aliran Data 24
3.4 Kamus Data 31
3.5 Entity Relationship Diagram (ERD) 33
3.6 Perancangan Flowchart 33
3.7 Perancangan Inferensi Fuzzy 37
3.8 Fungsi Keanggotaan 37
3.8.1 Fungsi Keanggotaan Metode Fuzzy Sugeno 37 3.8.2 Fungsi Keanggotaan Metode Fuzzy Tsukamoto 42
3.9 Perancangan Form 46
3.9.1 Form Login 46
3.9.3 Form Menu Data 49
3.9.4 Form Menu Proses 50
3.9.5 Form Laporan 58
BAB 4 IMPLEMENTASI SISTEM DAN PENGUJIAN SISTEM 60
4.1 ImplementasiSistem 60
4.2 Pengujian 60
4.2.1 Tampilan Form Login 60
4.2.2 Tampilan Form Utama 61
4.2.3 Tampilan Form Menu Data 62
4.2.4 Tampilan Form Menu Proses 63
4.2.5 Tampilan Form Laporan 66
BAB 5 KESIMPULAN DAN SARAN 68
5.1 Kesimpulan 68
5.2 Saran 68
DAFTAR PUSTAKA
DAFTAR TABEL
Halaman
Tabel 3.1 Data Minuman Teh PT.Sinar Sosro 23
Tabel 3.2 Data Minuman 32
DAFTAR GAMBAR
Halaman
Gambar 2.1 Arsitektur Sistem Pendukung Keputusan 9 Gambar 2.2 Contoh Pemetaan Input – Output 13
Gambar 2.10 Kurva Keanggotaan Trapesium 18
Gambar 2.11 Kurva Keanggotaan Normal 19
Gambar 2.12 Inferensi dengan menggunakan Metode Tsukamoto 21
Gambar 3.11 Flowchart SPK Fuzzy Sugeno dan Fuzzy Tsukamoto 36
Gambar 3.12 Kurva Permintaan 38
Gambar 3.13 Fungsi Keanggotaan Permintaan 38
Gambar 3.14 Kurva Persediaan 39
Gambar 3.15 Fungsi Keanggotaan Persediaan 40
Gambar 3.16 Kurva Permintaan 42
Gambar 3.17 Fungsi Keanggotaan Permintaan 43
Gambar 3.18 Kurva Persediaan 43
Gambar 3.19 Fungsi Keanggotaan Persediaan 44
Gambar 3.20 Kurva Jumlah Produksi 44
Gambar 3.22 Form Menu Utama 48
Gambar 3.23 Form Menu Data 49
Gambar 3.24 Rancangan Form Proses 51
Gambar 3.25 Tampilan PerhitunganFuzzySugeno 52 Gambar 3.26 Tampilan PerhitunganFuzzy Tsukamoto 54 Gambar 3.27 Tampilan Form Simpan Ke Laporan 56
Gambar 3.28 Tampilan Form Laporan 59
Gambar 4.1 Tampilan Form Login 61
Gambar 4.2 Tampilan Form Menu Utama 62
Gambar 4.3 Tampilan Form Menu Data 63
Gambar 4.4 Tampilan Form Menu Proses 64
Gambar 4.5 Tampilan Perhitungan Fuzzy Sugeno 65 Gambar 4.6 Tampilan PerhitunganFuzzy Tsukamoto 65 Gambar 4.7 Tampilan Form Simpan Ke Laporan 66
ABSTRAK
Penggunaan sistem pendukung keputusan pada jumlah produksi minuman teh yang selama ini dilakukan secara perhitungan manual mengakibatkan timbulnya masalah karena karyawan di perusahaan tersebut tidak mengetahui berapa jumlah produksi minuman teh untuk setiap bulan berikutnya. Masalah ini dapat diselesaikan dengan menggunakan metode fuzzy Sugeno dan fuzzy Tsukamoto. Pada penelitian ini dibuat tiga variabel fuzzy yang akan menjadi nilai inputan yaitu permintaan, persediaan dan dihitung berdasarkan metode fuzzy Sugeno dan fuzzy Tsukamoto , dan hasil perhitungannya disebut nilai akhir defuzzyfikasi. Sistem yang telah dirancang mampu
memberikan jumlah produksi minuman yang optimum dibandingkan sistem manual yang mengakibatkan produksi berlebih atau kekurangan.
DETERMINATION OF TOTAL PRODUCTION OPTIMAL DRINK TEA USING SUGENO FUZZY METHOD AND TSUKAMOTO
FUZZY METHOD (CASE STUDY: PT. SINARSOSRO TANJUNG MORAWA)
ABSTRACT
The use of decision support systems in the amount of tea production has been done by the manual calculation resulted in problems for the employees in these companies do not know how much the production of tea for each subsequent month. This problem can be solved by using fuzzy Sugeno and Tsukamoto fuzzy. In this study made three fuzzy variables that will be the input value that is in demand, supply and is calculated based on the method of fuzzy Sugeno and Tsukamoto fuzzy, and the results of the calculation sreferred to the final value defuzzyfication. The system has been designedis able to provide the optimum amount of beverage production compared to manual systems which result in over production or deficiency.
PENDAHULUAN
1.1. Latar Belakang
PT. Sinar Sosro adalah salah satu perusahaan yang bergerak di bidang produksi minuman dengan skala besar (mass production). PT. Sinar Sosro Cabang Deli Serdang memproduksi minuman botol berupa Teh Botol, Fruit Tea, Green Tea, Prima. Produk utama PT. Sinar Sosro adalah Teh Botol Sosro. PT. Sinar Sosro merupakan perusahaan
yang bersifat make to stock yang menjaga tingkat persediaan barang jadi di gudang untuk mencukupi permintaan beberapa hari ke depan. Jadi perusahaan tidak dapat mengetahui
nilai optimasi produksi minuman untuk setiap bulan berikutnya.
Masalah tersebut bisa diatasi dengan metode logika fuzzy, dimana metode ini dapat digunakan pada masalah nilai optimasi produksi minuman. Metode yang dapat digunakan dalam pengaplikasian logika fuzzy pada produksi minuman di perusahaan antara lain adalah metode Sugeno dan metode Tsukamoto. Penalaran metode Sugeno ini hampir sama dengan penalaran Tsukamoto, hanya saja output sistem tidak berupa himpunan fuzzy melainkan berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985.
Setiap pembagian pekerjaan, nilai variabel – variabel seperti persediaan bahan baku, permintaan pemasaran dan berapa jumlah minuman yang harus diproduksi ini tidak dapat diketahui dengan pasti. Apabila hal ini terjadi, maka salah satu solusinya dapat dicari dengan mengunakan operasi himpunan fuzzy.
bernilai integer akan selalu menghasilkan solusi yang bernilai integer (bilangan pembulatan). Dengan menggunakan metode logika fuzzy yang bekerja berdasarkan aturan
– aturan linguistik, maka akan didapat suatu solusi dengan nilai integer.
1.2. Rumusan Masalah
Berdasarkan latar belakang diatas , maka yang menjadi rumusan masalah adalah bagaimana meranking dan mengaplikasikan hasil sistem pendukung keputusan metode
fuzzy Sugeno dan metode fuzzy Tsukamoto dalam penentuan jumlah produksi minuman pada perusahaan PT. Sinar Sosro.
1.3. Ruang Lingkup Penelitian
Adapun ruang lingkup pada penelitian ini adalah :
1. Penelitian ini membahas sistem pendukung keputusan untuk menentukan hasil produksi minuman teh sosro dalam kemasan botol di PT. Sinar Sosro. Parameter
kedua metode tersebut adalah perankingan hasil produksi yang optimum dan running time.
2. Produk yang diteliti adalah minuman dalam kemasan botol
3. Bahasa pemrograman yang digunakan adalah Microsoft Visual Basic 2013 dan Database management system yang digunakan adalah Microsoft Access 2013 4. Data yang diinput ada tiga yaitu permintaan, persediaan, dan produksi barang
selama perbulan.
5. Masing–masing variabel mempunyai 2 nilai linguistik yaitu: a). Untuk permintaan, nilai linguistiknya menurun dan menaik b). Untuk persediaan, nilai linguistiknya sedikit dan banyak
c). Untuk produksi barang, nilai linguistiknya bertambah dan berkurang
1.4. Tujuan Penelitian
Adapun tujuan yang dapat diperoleh dari penelitian ini adalah memperoleh hasil jumlah produksi minuman teh kemasan botol pada PT. Sinar Sosro dengan menggunakan fuzzy sugeno dan fuzzy tsukamoto.
1.5. Manfaat Penelitian
Manfaat yang diharapkan dari penelitian ini adalah :
1. Dapat dijadikan sebagai acuan dalam memilih antara metode fuzzy Sugeno atau metode fuzzy Tsukamoto untuk dijadikan sebagai parameter perankingan nilai tertinggi sebagai hasil yang terbaik.
2. Dengan adanya aplikasi ini dapat mempermudah pihak perusahaan dalam menentukan jumlah produksi minuman untuk setiap bulan berikutnya.
1.6. Metodologi Penelitian
Dalam penelitian ini, penulis melakukan beberapa metode untuk memperoleh data atau informasi dalam menyelesaikan permasalahan. Metode yang dilakukan tersebut antara lain:
1.Studi Literatur
Penulisan ini dimulai dengan studi kepustakaan yaitu mengumpulkan bahan- bahan referensi baik dari buku, artikel, makalah, jurnal, maupun situs internet mengenai variabel fuzzy Sugeno dan fuzzy Tsukamoto serta pemrograman untuk pembuatan aplikasinya dan beberapa referensi lainnya untuk menunjang pencapaian tujuan skripsi.
Pada tahap ini data yang berkaitan dengan produksi minuman kemasan botol dikumpulkan dengan melakukan dari riset di perusahaan PT. Sinar Sosro Tanjung Morawa.
3.Analisis Permasalahan
Pada tahap ini dilakukan analisis terhadap permasalahan yang ada pada perusahaan
tersebut. Analisis masalah dilakukan dengan membuat diagram ishikawa untuk menemukan akar masalah sehingga perlu dibuat sistem pendukung keputusan untuk menghitung jumlah produksi minuman teh kemasan botol. Seterusnya akan dilakukan analisis kebutuhan bagi keperluan perancangan sistem.
4.Perancangan
Tahap ini diperuntukkan bagi merancang sistem pendukung keputusan yang akan digunakan untuk membantu pihak perusahaan menentukan jumlah produksi minuman. Perancangan dilakukan berdasarkan analisis masalah serta analisis kebutuhan yang telah dilakukan sebelumnya. Perancangan sistem dilakukan dengan membuat diagram konteks, data flow diagram (DFD) dan flowchart.
5.Implementasi dan Pengujian
Implementasi hasil perancangan menggunakan bahasa program Microsoft Visual Basic 2013 dan database Microsoft Access 2013. Pengujian yang dilakukan dapat menjalankan program sesuai yang diharapkan. Tujuan dari pengujian ini adalah untuk memperbaiki kinerja dari aplikasi yang tidak bersesuaian dengan kebutuhan fungsional yang telah direncanakan sebelumnya.
Pada tahap ini dilakukan pembuatan dokumentasi sistem, lengkap dengan analisis yang diperoleh dan dokumentasi hasil analisis dan implementasi dari metode fuzzy sugeno dan metode fuzzy tsukamoto.
1.7 Sistematika Penulisan
Sistematika penulisan skripsi ini dibagi menjadi lima bab yaitu:
BAB 1 : PENDAHULUAN
Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi
“Penentuan Jumlah Produksi Minuman Teh Menggunakan Metode Fuzzy Sugeno Dan Metode Fuzzy Tsukamoto (Studi Kasus : PT.Sinar Sosro
Tanjung Morawa)”, rumusan masalah, batasan masalah, tujuan penelitian,
manfaat penelitian, metodologi penelitian, dan sistematika penulisan.
BAB 2 : LANDASAN TEORI
Bab ini membahas mengenai teori-teori yang berkaitan dengan perancangan sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan himpunan fuzzy.
BAB 3 : ANALISIS DAN PERANCANGAN SISTEM
Bab ini berisikan paparan analisis terhadap permasalahan dan penyelesaian persoalan terhadap sistem pendukung keputusan dengan menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto.
BAB 4 : IMPLEMENTASI DAN PENGUJIAN SISTEM
Bab ini membahas tentang implementasi dari hasil tahapan analisis dan
perancangan sistem ke dalam sebuah perangkat lunak (dalam bentuk bahasa pemrograman), serta kebutuhan perangkat keras dan perangkat
pengujian terhadap sistem juga dilakukan untuk melihat apakah sistem tersebut sudah sesuai dengan hasil yang diharapkan.
BAB 5 : KESIMPULAN DAN SARAN
2.1. Sistem Pendukung Keputusan
Konsep Sistem Pendukung Keputusan (SPK) atau Decision Support System (DSS) pertama kali diungkapkan pada tahun 1970-an oleh Michael S. Scott Morton dengan istilah Management Decision System. Sistem tersebut adalah suatu sistem yang berbasis komputer yang ditujukan untuk membantu pengambilan keputusan dengan memanfaatkan data dan model tertentu untuk memecahkan berbagai persoalan yang tidak terstruktur (Menurut Saaty dan Thomas, 2001).
Istilah SPK mengacu pada suatu sistem yang memanfaatkan dukungan komputer dalam proses pengambilan keputusan. Untuk memberikan pengertian yang lebih mendalam, akan diuraikan beberapa definisi mengenai SPK yang dikembangkan oleh beberapa ahli, diantaranya adalah menurut Raymond McLeod, Jr (1998) sistem
pendukung keputusan merupakan sebuah sistem yang menyediakan kemampuan untuk penyelesaian masalah dan komunikasi untuk permasalahan yang bersifat semi-terstruktur.
Selanjutnya ada juga pendapat ahli mengatakan Menurut Oetomo, Budi Sutedjo Dharma (2002) sistem pendukung keputusan dirancang secara khusus untuk mendukung seseorang yang harus mengambil keputusan-keputusan tertentu.
Kerangka dasar dalam pengambilan keputusan dalam tipe keputusan dibagi menjadi:
Berisi masalah rutin yang sering terjadi, solusinya adalah standard dan baku. Prosedur yang berisi solusi terbaik dari pemecahan masalah yang ada atau mendekati solusi standar. Teknologi yang digunakan adalah Sistem Informasi Manajemen (SIM) dan
Penelitian Operasional.
2. Tidak terstruktur
Berisi masalah kompleks menggunakan pemecahan masalah yang tidak standar. Pencarian solusi melibatkan intuisi manusia sebagai dasar pembuat keputusan. Teknologi yang digunakan adalah sistem pakar.
3. Semiterstruktur
Merupakan gabungan antara terstruktur dan tidak terstruktur, solusi masalah merupakan gabungan antara prosedur solusi standar dan kemampuan manusia. Teknologi yang digunakan adalah SPK.
2.1.1 Arsitektur Sistem Pendukung Keputusan
Arsitektur sistem pendukung keputusan terdiri dari tiga komponen komponen utama (subsistem), yaitu :
a. Subsistem data (database), merupakan tempat untuk menyimpan data yang relevan bagi sistem dan diorganisasikan oleh suatu sistem dengan manajemen
database (Database Management System/DBMS) sehingga data dapat diekstrasi dengan cepat. Data berasal dari sumber internal (dari dalam perusahaan) dan eksternal (dari luar perusahaan).
b. Subsistem model (modelbase), digunakan untuk menggambarkan data dalam suatu model untuk memudahkan pemrosesan data tersebut.
mengintegrasikan sistem terpasang dengan pengguna secara interaktif. Subsistem dialog menengartikulasikan dan mengimplementasikan sistem sehingga pengguna dapat berkomunikasi dengan sistem yang dirancang.
Berikut ini tampilan arsitektur sistem pendukung keputusan dapat dilihat pada
gambar 2.1.
Gambar 2.1 Arsitektur Sistem Pendukung Keputusan
2.1.2 Fase-fase dalam Pengambilan Keputusan
Interaksi
Sistem Pendukung Keputusan
Sistem Informasi
- Internet
- Referensi Jurnal dan Skripsi
- Buku Panduan - Riset Data
Perhitungan
- Himpunan variabel fuzzy
- Semesta Pembicara
- Domain
- Fungsi Keanggotaan - Defuzzifikasi
Perbandingan
Fuzzy Sugeno Fuzzy Tsukamoto
Terdapat tiga fase yang harus dilakukan dalam proses pengambilan keputusan (Simon, 2002), yaitu :
1. Fase Penalaran (Intelligence Phase).
Inteligensi mencakup berbagai aktifitas yang menekankan identifikasi situasi atau peluang-peluang masalah. Dalam fase ini kita mulai mengenali permasalahan, situasi dan
peluang untuk mencari solusi terhadap masalah tersebut. Tahapan yang harus dilakukan pada fase ini adalah :
a. Identifikasi masalah
Dimulai dengan identifikasi terhadap tujuan dan sasaran yang berkaitan dengan masalah yang diteliti dan determinasi apakah tujuan tersebut telah terpenuhi. Pengambil keputusan berusaha menentukan apakah ada suatu masalah, mengidentifikasi gejala-gejalanya, menentukan ruang lingkupnya, dan mendefenisikannya secara terperinci. Intinya, apakah sistem melaporkan masalah atau hanya memberikan gejala-gejala dari sebuah masalah.
b. Klasifikasi masalah
Fase ini merupakan konseptualitas terhadap suatu masalah, dalam rangka menempatkannya dalam suatu klasifikasi sesuai tingkat strukturisasi pada masalah tersebut.
c. Dekomposisi masalah
Pada fase ini, masalah dibagi lagi menjadi sub-sub masalah. Masalah yang kompleks dan rumit dapat disederhanakan lagi, sehingga dapat memudahkan proses pemecahan masalah.
Menentukan apakah masalah tersebut dimiliki oleh suatu organisasi atau individu. Sebuah masalah ada dalam sebuah organisasi jika seseorang atau beberapa kelompok mengambil tanggung jawab untuk mengatasinya. Ketika kepemilikan masalah tidak ditentukan, maka
masalah akan diidentifikasi sebagai masalah orang lain. Oleh karena itu, kepemilikan masalah harus ditentukan sehingga model yang dibangun bias relevan dengan kebutuhan si pemilik masalah.
2. Fase Perancangan (Design Phase).
Fase desain meliputi pengembangan dan penganalisisan tindakan yang mungkin untuk dilakukan. Dalam fase ini akan dihasilkan analisis dari kemungkinan-kemungkinan solusi, alternatif solusi dan memprediksi dampak yang akan terjadi dari setiap alternatif solusi dari permasalahan tersebut. Penentuan alternatif solusi dispesifikasi lagi, yaitu dilakukan setelah penentuan evaluasi alternatif solusi agar mengurangi waktu dan tenaga dalam mencari alternatif solusi. Aktivitas dalam fase ini adalah ;
a. Membangun model dari permasalahan yang diteliti. b. Menentukan kriteria pemilihan.
c. Mencari alternatif solusi.
d. Memprediksi dampak yang akan timbul.
Proses desain merupakan kombinasi antara ilmu dan seni. Sebagai ilmu, ada banyak kelas model standar, seorang analis dapat menentukan model mana yang dapat diaplikasikan pada situasi yang dihadapi. Sebagai seni, diperlukan kreatifitas dan keterampilan yang tinggi ketika menentukan asumsi apa yang dapat bekerja, bagaimana menggabungkan fitur yang tepat dari kelas- kelas model, dan bagaimana
mengintegrasikan model-model untuk mendapatkan solusi yang tepat.
benar dengan tingkat akurasi yang tepat, sehingga model yang dibangun dapat memenuhi kebutuhan dari masalah yang diteliti.
3. Fase Pemilihan (Selection Phase).
Dalam fase ini dilakukan pencarian alternatif solusi yang sesuai dan dapat digunakan untuk memecahkan masalah tersebut. Dimana dibuat suatu keputusan yang nyata untuk
mengikuti suatu tindakan tertentu. Batas antara fase desain dan pemilihan kurang jelas, karena aktivitas tertentu dapat dilakukan selama kedua fase tersebut, yaitu analis bias saja kembali dari aktivitas pilihan ke aktivitas desain.
2.2 Logika Fuzzy
Menurut Sri Kusuma Dewi dan Hari Purnomo (2004) Logika Fuzzy merupakan salah satu komponen pembentuk soft computing. Logika Fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membership function menjadi ciri utama dari penalaran dengan logika fuzzy tersebut.
Menurut Sri Kusumadewi dan Hari Purnomo (2004) metode yang akan dibandingkan pada penelitian ini adalah metode fuzzy Sugeno dan metode fuzzy Tsukamoto. Hal ini dikarenakan logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output misalnya studi kasus di PT.Sinar Sosro jika manajer pergudangan mengatakan pada manajer produksi seberapa banyak persediaan barang pada akhir minggu ini, kemudian manajer produksi akan
Gambar 2.2 Contoh pemetaan input-output
Antara input dan output terdapat satu kotak hitam yang harus memetakan input ke output yang sesuai.Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks. 5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman - pengalaman
para pakar secara langsung tanpa harus melalui proses pelatihan.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.
Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan, yaitu:
1. satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau
Contoh
Jika diketahui:
S = {1, 2, 3, 4, 5, 6} adalah semesta pembicaraan. A = {1, 2, 3}
B = {3, 4, 5}
bisa dikatakan bahwa:
a. Nilai keanggotaan 2 pada himpunan A, µA[2]=1, karena 2 A.
b. Nilai keanggotaan 3 pada himpunan A, µA[3]=1, karena 3 A. c. Nilai keanggotaan 4 pada himpunan A, µA[4]=0, karena 4 A.
d. Nilai keanggotaan 2 pada himpunan B, µB[2]=0, karena 2 B.
e. Nilai keanggotaan 3 pada himpunan B, µB[3]=1, karena 3 B.
Contoh umum perhitungan logika fuzzy pada temperatur ruangan, pada variabel temperatur ada 5 yaitu DINGIN, SEJUK, NORMAL, HANGAT, dan PANAS dapat dilihat pada gambar 2.3.
Gambar 2.3. Himpunan F uzzy Variabel Temperatur
Selanjutnya, keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy merupakan nilai domain. Nilai domain dapat berupa bilangan positif maupun negatif. Contoh domain himpunan fuzzy pada temperatur:
a. DINGIN = [0 20] b. SEJUK = [15 25] c. NORMAL = [20 30] d. HANGAT = [25 35] e. PANAS = [30 40]
Pada proses perhitungan fuzzy perlunya suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1 yang disebut fungsi keanggotaan (membership function). Ada beberapa fungsi keanggotaan yang bisa digunakan yaitu representasi linear naik dan linear turun, representasi kurva segitiga dan representasi kurva trapesium. Contoh kurva fungsi keanggotaan linear naik dapat dilihat pada gambar 2.4.
Fungsi keanggotaan :
Perhitungan kurva fungsi keanggotaan PANAS pada variabel temperatur ruangan dapat dilihat pada gambar 2.5.
μpanas [32] = (32-25)/(35-25) = 7/10=0,7
Gambar 2.5 Kurva Keanggotaan Panas
Contoh kurva fungsi keanggotaan linear turun dapat dilihat pada gambar 2.6:
Fungsi keanggotaan:
Fungsi keanggotaan untuk himpunan DINGIN pada variabel temperatur ruangan dapat dilihat pada gambar 2.7.
μDINGIN [20] =(30-20)/(30-15)= 10/15 = 0,667
Gambar 2.7 Kurva Keanggotaan Dingin
Contoh kurva fungsi keanggotaan segitiga dapat dilihat pada gambar 2.8.
Fungsi keanggotaan :
Misalnya fungsi keanggotaan untuk himpunan NORMAL dapat dilihat pada gambar 2.9 .
Gambar 2.9 Fungsi Keanggotaan NORMAL
µNORMAL [23] = (23-15) / (25-15)
= 8/10 = 0,8
Contoh kurva fungsi keanggotaan trapesium dapat dilihat pada gambar 2.10.
Fungsi keanggotaan :
Fungsi keanggotaan untuk himpunan NORMAL pada variabel temperatur ruangan terlihat pada Gambar 2.11.
μNORMAL[32] = (35-32)/(35-27) = 3/8 = 0,375
Gambar 2.11 Kurva Keanggotaan Normal
Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Ada 3 operator dasar yang diciptakan oleh Zadeh, yaitu:
a. Operator AND: Operator ini berhubungan dengan operasi interseksi pada
himpunan. α–predikat sebagai hasil operasi dengan operator AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan yang bersangkutan.
b. Operator OR: Operator ini berhubungan dengan operasi union pada himpunan. α– predikat sebagai hasil operasi dengan operator OR diperoleh dengan mengambil nilai keanggotaan terbesar antar elemen pada himpunan yang bersangkutan. c. Operator NOT : Operator ini berhubungan dengan operasi komplemen pada
dengan mengurangkan nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
Setelah menentukan operasi fuzzy, perlunya untuk membuat suatu aturan implikasi pada proses perhitungan fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah:
IF x is A THEN y is B
dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang mengikuti IF disebut sebagi anteseden, sedangkan proposisi yang mengikuti THEN disebut sebagai konsekuen. Proposisi ini dapat diperluas dengan menggunakan operator fuzzy, seperti:
IF (x1 is A1) o (x2 is A2) o (x3 is A3) o ... o (xN is AN) THEN y is B dengan o adalah operator (misal: OR atau AND).
Setelah menghitung predikat aturan yang telah ditentukan, nilai defuzzifikasi dapat dapat diperoleh dengan perhitungan Weight Average.
WA = α1Z1 + α2Z2 + α3Z3 + .... + αηZη α1 + α2 + α3 + .... + αη
Dengan αη : Nilai predikat aturan ke-n
Zη : Indeks nilai output ke –n
2.3 Metode F uzzy Sugeno
Penalaran fuzzy dengan metode Sugeno hampir sama dengan penalaran Mamdani, hanya saja output sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linier. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Menurut Sri Kusumadewi dan Hari Purnomo (2004).
Secara umum model fuzzy SUGENO terdiri dari dua jenis : 1. Model fuzzy SUGENO orde-nol :
2. Model fuzzy SUGENO orde-satu :
IF input1 = x dan input2 = y, THENOutputnya adalah z = ax+by+c
2.4 Metode F uzzy Tsukamoto
Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot dapat dilihat pada gambar 2.12. Menurut Sri Kusumadewi dan Hari Purnomo (2004).
3.1. Analisis Masalah
Masalah yang ada pada perusahaan ini adalah belum adanya sebuah sistem untuk penentuan jumlah produksi minuman teh yang ditujukan untuk mengetahui berapa jumlah produksi minuman yang akan di produksi untuk setiap bulan berikutnya. Analisis masalah menggunakan diagram fishbone/ishikawa digunakan untuk menemukan akar penyebab masalah atau untuk mengidentifikasi kemungkinan penyebab masalah. Masalah ini didasarkan pada beberapa akar masalah yaitu dapat dilihat pada gambar berikut ini :
- Belum ada sistem untuk - Belum digunakan metode, Pengolahan data karena masih manual
- Penentuan jumlah produksi - Pengambilan keputusan belum menggunakan predikat aturan
Gambar 3.1 Diagram Ishikawa
Dari data-data spesifikasi minuman teh yang ada, maka dapat dibuat perancangan sistem yang diinginkan apakah yang sesuai dengan kriteria-kriteria yang
diinginkan konsumen. Berikut data minuman teh di PT.Sinar Sosro dapat dilihat pada tabel 3.1.
Mesin Metode
Material Man
penentuan jumlah produksi minuman teh menggunakan metode fuzzy
Tabel 3.1 Data Minuman Teh PT.Sinar Sosro
Pada tabel 3.1 terdapat tiga buah variabel yaitu permintaan, persediaan dan jumlah produksi. Masing-masing variabel tersebut akan ditentukan bentuk himpunannya serta dihitung fungsi keanggotaannya.
3.2 Kebutuhan Sistem
Kebutuhan sistem diperlukan untuk mengetahui permasalahan dan kebutuhan yang diperlukan dalam pembangunan sistem.
3.2.1 Kebutuhan Input
Dalam membangun sistem diperlukan beberapa data minuman teh sebagai variabel yaitu permintaan, persediaan dan produksi minuman. Dan setiap variabel dibagi menjadi beberapa himpunan seperti:
a. Untuk permintaan, nilai linguistiknya menurun dan menaik
b. Untuk persediaan, nilai linguistiknya sedikit dan banyak
3.2.2 Kebutuhan Output
Output atau keluaran dari sistem ini adalah berupa daftar hasil laporan minuman teh sesuai dengan kriteria yang diinginkan dengan menggunakan metode fuzzy sugeno dan fuzzy tsukamoto. Setelah didapatkan hasilnya, maka dapat diketahui metode mana yang lebih baik dengan jumlah yg paling optimum dan dapat dibandingkan kecepatan waktu pada perhitungan antara metode fuzzy sugeno dan fuzzy tsukamoto.
3.3 Perancangan Sistem
3.3.1 Diagram Aliran Data
Diagram Aliran Data/Data Flow Diagram (DFD) adalah alat yang biasa dipakai untuk mendokumentasi proses dalam sistem atau sebuah teknis grafis yang menggambarkan aliran informasi dan transformasi yang diaplikasikan pada saat data bergerak dari input menjadi output. Diagram aliran data untuk sistem pendukung keputusan penentuan jumlah produksi minuman dapat dilihat pada gambar 3.2.
SPK Penentuan Jumlah Produksi Minuman Teh Pengguna
Data Minuman
Data Variabel
Fungsi Keanggotaan
Data laporan produksi
Gambar 3.2 Diagram Konteks DFD
Penjelasan proses diagram konteks sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan fuzzy tsukamoto adalah sebagai berikut:
Nama Proses : SPK penentuan jumlah produksi minuman teh.
Keterangan : Proses penentuan produksi minuman yang diproses dengan metode fuzzy.
b. Arus Data
Masukan : Data minuman berupa id, bulan produksi, nama minuman, permintaan, persediaan dan jumlah produksi
Keluaran : Data minuman
c. Entitas Luar
Nama Entitas : Pengguna
Masukan : Data minuman, data variabel, fungsi keanggotaan dan data laporan produksi
Keluaran : Hasil laporan
Keterangan : Sebagai pengguna yang mengoperasikan sistem.
1.0
Data laporan produksi Data laporan produksi Data minuman penentuan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto sebagai berikut:
a. Proses 1.0
Nama Proses : Olah data minuman
Masukan : Data minuman berupa id, bulan produksi, nama minuman, permintaan, persediaan dan jumlah produksi
b. Proses 2.0
Nama Proses : Perhitungan Fuzzy
Masukan : Input berdasarkan data variabel fuzzy sugeno dan fuzzy tsukamoto Keluaran : Derajat keanggotaan
Keterangan : Proses perhitungan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto
c. Proses 3.0
Nama Proses : Laporan Produksi
Masukan : Inputan dari data minuman dan hasil perhitungan jumlah produksi minuman teh
Keluaran : Hasil laporan
Keterangan : Merupakan hasil laporan jumlah produksi minuman teh
1.1
Detail data minuman Detail data minuman
Detail data minuman Detail data minuman
Detail data minuman Detail data minuman
Detail data minuman Detail data minuman
Detail data minuman Detail data minuman
Gambar 3.4 DFD Proses 1.0
Penjelasan DFD Level 1 Proses 1.0 Sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto sebagai berikut:
a. Proses 1.1
Nama Proses : Simpan data Masukan : Data minuman teh Keluaran : Update data minuman
b. Proses 1.2
Nama Proses : Edit data Masukan : Data minuman
Keluaran : Update data minuman
Keterangan : Perbaharui data minuman ditabel minuman
c. Proses 1.3
Nama Proses : Hapus data Masukan : Data minuman
Keluaran : Salah satu data minuman terhapus.
Keterangan : Menghapus data minuman dari tabel minuman
2.1
Gambar 3.5 DFD Proses 2.0
Penjelasan DFD Level 1 Proses 2.0 Sistem pendukung keputusan penentuan jumlah produksi minuman teh menggunakan metode fuzzy sugeno dan metode fuzzy tsukamoto sebagai berikut:
a. Proses 2.1
Nama Proses : Input variabel fuzzy
Masukan : Variabel permintaan, persediaan dan produksi minuman Keluaran : Pembentukan himpunan fuzzy
b. Proses 2.2
Nama Proses : Pembentukan himpunan fuzzy
Masukan : Variabel permintaan, persediaan dan produksi minuman
Keluaran : Derajat keanggotaan
Keterangan : Memilih himpunan minuman
c. Proses 2.3
Nama Proses : Fungsi Keanggotaan Masukan : Nilai tegas
Keluaran : Derajat keanggotaan Keterangan : Perhitungan fuzzy
d. Proses 2.4
Nama Proses : Defuzzyfikasi
Masukan : Derajat keanggotaan Keluaran : Data hasil laporan produksi Keterangan : Memilih Operator Zadeh
d. Proses 2.5
Nama Proses : Laporan minuman teh Masukan : Defuzzyfikasi
Keluaran : Mengoptimumkan hasil perhitungan antara fuzzy sugeno dan tsukamoto
serta kecepatan waktu perhitungan.
3.4 Kamus Data
Kamus data menurut Andri Kristanto (2008) yaitu kumpulan elemen-elemen atau
simbol-simbol yang digunakan untuk membantu dalam penggambaran atau pengidentifikasian setiap field atau file di dalam sistem. Kamus data untuk sistem pendukung keputusan penentuan jumlah produksi minuman dapat dilihat pada tabel 3.2
Tabel 3.2 Tabel Data Minuman
Tabel 3.3 Tabel Laporan Produksi
No Field Name Data Type Field Size Deskripsi 1 ID * Auto number Long integer Nomor produk
2 Nama Short text 255 Jenis produk
3 Bulan Number Integer Input bulan produksi 4 Tahun Number Integer Input tahun produksi
5 Permintaan Number Double Input jumlah nilai permintaan 6 Persediaan Number Double Input jumlah nilai persediaan 7 Jlh_produksi Number Double Input jumlah nilai jumlah produksi
No Field Name Data Type Field Size Deskripsi
1 ID * Auto number Long integer Nomor produk
2 Bulan Number Long integer Laporan bulan produksi
3 Tahun Number Long integer Laporan tahun produksi
4 Permintaan Number Double Laporan produksi permintaan
5 Persediaan Number Double Laporan produksi persediaan
6 rk_sugeno Number Double Hasil ranking perhitungan fuzzy sugeno
7 rk_tsukamoto Number Double Hasil ranking perhitungan fuzzy tsukamoto
8 rt_sugeno Number Double Hasil running time perhitungan fuzzy sugeno
3.5 Entity Relationship Diagram (ERD)
Berdasarkan objek-objek dasar data yang mempunyai hubungan antar relasi perlunya
dibuat suatu model untuk menjelaskan hubungan antar data dalam basis data biasanya
disebut dengan diagram ERD. Diagram ERD dapat dilihat pada gambar 3.6.
1 N
Gambar 3.6 Diagram ERD
3.6 Perancangan F lowchart
Himpunan fuzzy dalam sistem menggunaan representasi kurva untuk menggambarkan fungsi keanggotaan. Perancangan flowchart representasi kurva yang digunakan dalam himpunan fuzzy yaitu sebagai berikut:
Data Minuman Produksi Laporan Produksi
ID
Nama
Tahun Bulan
Permintaan
Persediaan
Jlh_produksi
Bulan
Tahun
Jlh_produksi
Rt_sugeno
Rt_Tsukamoto
Rk_sugeno
a. Representasi Linear Naik
Gambar 3.7 Kurva Linear Naik
Pada gambar 3.8 dijelaskan, input awal adalah nilai x. Kemudian masuk ke proses
decision, jika x ≥ b maka nilai μ [x] = 1, jika a ≤ x ≤ b maka nilai μ [x] = �− / − dan
jika x ≤ a maka nilai μ [x] = 0.
Start
Input nilai permintaan, persediaan, produksi [x]
X b a x b
Nilai x = 1 Nilai x = x – a
b - a X = 0
Output nilai x derajat keanggotaan
End
No No
Yes Yes
b. Representasi Linier Turun
Gambar 3.9 Kurva Linear Turun
Pada gambar 3.10 dijelaskan, input awal adalah nilai x. Kemudian masuk ke
proses decision, jika x ≤ a maka nilai μ [x] = 1, jika a ≤ x ≤ b maka nilai μ [x] = −�/ −
dan jika x ≥ b maka nilai μ [x] = 0.
Start
Input nilai permintaan, persediaan, produksi [x]
X a a x b
Nilai x = 1 Nilai x = b - x
b - a X = 0
Output nilai x derajat keanggotaan
End
No
No
Yes Yes
3.6.1 Flowchart Sistem pendukung keputusan menggunakan fuzzy sugeno dan tsukamoto
Secara garis besar untuk perancangan suatu sistem fuzzy perlu dilakukan pembuatan flowchart dapat dilihat pada gambar 3.11.
Mulai
Input nilai variabel permintaan, persediaan dan
produksi minuman
Menghitung derajat keanggotaan himpunan
variabel fuzzy
Menghitung predikat aturan
Defuzzyfikasi
Output hasil perankingan jumlah produksi
optimum dan
running time
Selesai Yes
No
3.7 Perancangan Inferensi fuzzy
Dalam perancangan inferensi fuzzy, langkah awal yang perlu dilakukan adalah pembentukan himpunan fuzzy. Himpunan fuzzy merupakan suatu kumpulan kondisi tertentu pada suatu variabel fuzzy. Variabel fuzzy diperoleh dari spesifikasi data minuman teh PT.Sinar Sosro. Perancangan nilai-nilai yang ada pada himpunan fuzzy didasarkan pada table 3.3 :
Tabel 3.4 Penentuan range
Dari tabel diatas yang merupakan data dari PT.Sinar Sosro maka permintaan terbesar adalah 154.941 botol/perbulan dan permintaan terkecil adalah 75.934 botol/perbulan. Persediaan digudang paling banyak adalah 75.194 botol/perbulan dan persediaan sedikit adalah 18.757 botol/perbulan. Dari bulan ke bulan SDM paling banyak memproduksi minuman teh ini sebanyak 171.002 botol/perbulan dan paling sedikit memproduksi minuman teh ini hanya 86.114 botol/perbulan. Jadi Pertanyaannya berapa
botol minuman teh yang harus diproduksi, jika jumlah permintaan sebanyak 150.000 botol/bulan dan persediaan digudang 50.000
3.8 Fungsi Keanggotaan
3.8.1 Fungsi Keanggotaan Metode Fuzzy Sugeno
Persediaan : 18757 – 75194 = y = 50000
Jumlah Produksi : 86114 – 171002 = z = ?
1. Fungsi Keanggotaan Permintaan
Gambar 3.12 Kurva Permintaan Minuman Teh
1 ; x < 75934
µ pmtTurun [x] = 154941 – x / 79007 ; 75934 ≤ x ≤ 154941
0 ; x > 154941
0 ; x < 75934
µ pmtNaik [x] = x – 75934 / 79007 ; 75934 ≤ x ≤ 154941
1 ; x > 154941
Nilai Keanggotaan untuk nilai permintaan (x) = 150000
0.94 0.06
Gambar 3.13 Fungsi Keanggotaan Permintaan Minuman Teh
2. Fungsi Keanggotaan Persediaan
Gambar 3.14 Kurva Persediaan Minuman Teh
1 ; y < 18757
µ psdSedikit [y] = 75194 – y / 56437 ; 18757 ≤ y ≤ 75194
0 ; y > 75194
0 ; y < 18757
µ psdBanyak [y] = y – 18757 / 56437 ; 18757 ≤ y ≤ 75194
Nilai Keanggotaan untuk nilai persediaan (y) = 50000 µ psdSedikit [50000] = (75194 -50000)/56437 = 0.55
µ psdBanyak [50000] = (50000-18757)/56437 = 0.45
0.55
0.45
Gambar 3.15 Fungsi Keanggotaan Persediaan Minuman Teh
Menghitung nilai predikat dan Z dari setiap aturan
Rule 1
α Predikat 1 = µpmtTurun ∩ µpsdBanyak
= min 0.06 ∩ 0.45
= min 0.06
Dari bagian konsekuen rule 1
Z1 = Permintaan – Persediaan
= 150000 – 50000
= 100000
Rule 2
= min 0.06
Dari bagian konsekuen rule 2
Z2 = Permintaan = 150000
Rule 3
α Predikat 3 = µpmtNaik ∩ µpsdBanyak = min 0.94 ∩ 0.45
= min 0.45
Dari bagian konsekuen rule 3
Z3 = Permintaan = 150000
Rule 4
α Predikat 4 = µpmtNaik ∩ µpsdSedikit = min 0.94 ∩ 0.55
= min 0.55
Dari bagian konsekuen rule 4
Z4 = 1.25 * Permintaan – Persediaan
= 1.25 * 150000 – 50000
= 137500
Menghitung Defuzzifikasi
WA = αPredikat1*Z1 + αPredikat2*Z2 + αPredikat3*Z3 + αPredikat1*Z4
αPredikat1 + αPredikat2 + αPredikat3 + αPredikat4
= 0.06 *100000 + 0.06*150000 + 0.45*150000 + 0.55*137500
0.06 + 0.06 + 0.45 + 0.55
3.8.2. Fungsi Keanggotaan Metode Fuzzy Tsukamoto
Permintaan : 75934 – 154941 = x =150000
Persediaan : 18757 – 75194 = y = 50000
Jumlah Produksi : 86114 – 171002 = z = ?
1. Fungsi Keanggotaan Permintaan
Gambar 3.16 Kurva Permintaan Minuman Teh
1 ; x < 75934
µ pmtTurun [x] = 154941 – x / 79007 ; 75934 ≤ x ≤ 154941 0 ; x > 154941
0 ; x < 75934
µ pmtNaik [x] = x – 75.934 / 79007 ; 75934 ≤ x ≤ 154941 1 ; x > 154941
Gambar 3.17 Fungsi Keanggotaan Permintaan Minuman Teh
2. Fungsi Keanggotaan Persediaan
Gambar 3.18 Kurva Persediaan Minuman Teh
1 ; y < 18757
µ psdSedikit [y] = 75194 – y / 56437 ; 18757 ≤ y ≤ 75194 0 ; y > 75194
0 ; y < 18757
Nilai Keanggotaan untuk nilai persediaan (y) = 50000 µ psdSedikit [50000] = (75194 -50000)/56437 = 0.55 µ psdBanyak [50000] = (50000-18757)/56437 = 0.45
Gambar 3.19 Fungsi Keanggotaan Persediaan Minuman Teh
3. Fungsi Keanggotaan Jumlah Produksi
Gambar 3.20 Kurva Jumlah Produksi Minuman Teh
1 ; z < 86114
αprdBerkurang[z] = 171002 – z / 84888 ; 86114 ≤ z ≤ 171002
0 ; z < 86114
αprdBertambah[z] = z –86114 / 84888 ; 86114 ≤ z ≤ 171002
1 ; z > 171002
Menghitung nilai predikat dan Z dari setiap aturan
Rule 1
α Predikat 1 = µpmtTurun ∩ µpsdBanyak
= min 0.06 ∩ 0.45
= min 0.06
Dari himpunan produksi minuman Berkurang
Z1 = (171002 – z)/84888 = 0.06
= 165909
Rule 2
α Predikat 2 = µpmtTurun ∩ µpsdSedikit = min 0.06 ∩ 0.55
= min 0.06
Dari himpunan produksi minuman Berkurang
Z2 = (171002 – z)/84888 = 0.06
= 165909
Rule 3
α Predikat 3 = µpmtNaik ∩ µpsdBanyak = min 0.94 ∩ 0.45
= min 0.45
Dari himpunan produksi minuman Bertambah
Z3 = (z – 86114)/84888= 0.45
Rule 4
α Predikat 4 = µpmtNaik ∩ µpsdSedikit
= min 0.94 ∩ 0.55
= min 0.55
Dari himpunan produksi minuman Bertambah
Z4 = (z – 86114) / 84888 = 0.55
= 132802
Menghitung Defuzzifikasi
WA = αPredikat1*Z1 + αPredikat2*Z2 + αPredikat3*Z3 + αPredikat1*Z4
αPredikat1 + αPredikat2 + αPredikat3 + αPredikat4
= 0.06*165909 + 0.06*165909 + 0.45*124313 + 0.55*132802
0.06 + 0.06 + 0.45 + 0.55
= 164122
3.9 Perancangan F orm
Perancangan form dilakukan untuk mempermudah gambaran-gambaran tampilan sistem ketika sistem dijalankan. Perancangan form sistem yang akan dibuat yaitu:
3.9.1 Form Login
Form Login adalah form yang pertama kali muncul pada sistem dijalankan. Pada form login terdapat berupa username dan password untuk masuk menggunakan system. Rancangan form login dapat dilihat pada gambar 3.21
Gambar 3.21 F orm Login
Keterangan Form Login
1. Label : Masukkan data login anda 2. Label : Username
3. Label : Password 4. Text Box : Ketik Username 5. Text Box : Ketik Password
6. Command Button : Login fungsinya untuk masuk ke sistem menu utama jika username dan password diisi benar. Jika salah maka akan ada peringatan username dan password diisi salah
7. Command Button : Cancel fungsinya untuk batal menggunakan sistem
3.9.2 Form Menu Utama
Masukkan data login anda
Username
Password
Login Cancel
1
2
3
4
5
Form utama pada sistem yang dibuat terdapat tiga menu yang akan digunakan yaitu menu data, menu proses dan menu laporan. Menu data digunakan untuk menyimpan data minuman tersimpan didalam database. Menu proses digunakan untuk menghitung hasil perhitungan nilai keanggotaan dan defuzzyfikasi. Sedangkan menu laporan digunakan untuk menampilkan hasil akhir dari perhitungan antara metode fuzzy sugeno dan metode fuzzy tsukamoto. Rancangan form utama dapat dilihat pada gambar 3.22.
Gambar 3.22 F orm Menu Utama
Keterangan :
1. Menu Strip : Menu Data didalamnya terdapat untuk menyimpan data minuman
2. Menu Strip : Menu Proses didalamnya terdapat perhitungan fuzzy Sugeno dan fuzzy Tsukamoto
3. Menu Strip : Menu Laporan didalamnya terdapat hasil laporan produksi
Picture
Oleh : Nurul Zakya Haque
Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara
2015
Data Proses Laporan
1 2 3
4
minuman
4. Picture Box : Gambar Daun Teh
5. Label : Keterangan pembuat sistem
3.9.3 Form Menu Data
Form menu data pada sistem yang akan digunakan terdapat didalamnya database untuk menyimpan data minuman. Rancangan form utama dapat dilihat pada gambar 3.23.
5. Label : Permintaan
6. Label : Persediaan
7. Label : Jumlah Produksi
8. Text Box : Input nama minuman
9. Text Box : Input bulan produksi
10.Text Box : Input tahun produksi
11.Text Box : Input permintaan
12.Text Box : Input persediaan
13.Text Box : Input jumlah produksi
14.Command Button : Baru fungsinya untuk menambahkan data minuman
15.Command Button : Simpan fungsinya untuk menyimpan data minuman
16.Command Button : Refresh fungsinya untuk perbaharui data minuman
17.Command Button : Hapus fungsinya untuk menghapus data minuman
18.Command Button : Keluar fungsinya untuk keluar dari menu data dan akan kembali ke menu utama
19.Data grid view : Tampilan tabel minuman
3.9.4. Form Menu Proses
sebaliknya jika diklik button tsukamoto akan muncul tampilan perhitungan fuzzy tsukamoto dapat dilihat rancangannya pada gambar 3.26. Didalam menu proses terdapat juga tombol simpan ke laporan fungsinya untuk memproses perhitungan dua metode
tersebut dapat dilihat pada gambar 3.27.
Command Button
Gambar 3.24 Rancangan F orm Proses
Keterangan :
7. Text Box : Tampilan bulan dan tahun secara otomatis
HITUNG JUMLAH PRODUKSI MINUMAN
INPUT NILAI PROSES FUZZY
8. Text Box : Input nilai permintaan
9. Text Box : Input nilai persediaan
10.Command Button : Jika diklik maka akan muncul tampilan perhitungan fuzzy Sugeno
11.Command Button : Jika diklik maka akan muncul tampilan perhitungan fuzzy Tsukamoto
12.Command Button : Hitung Simpan kelaporan maka akan muncul tampilan perhitungan fuzzy Sugeno dan fuzzy Tsukamoto
13.Command Button : Tombol kembali, jika diklik maka akan kembali kemenu utama
Gambar 3.25 Tampilan Perhitungan F uzzy Sugeno
1. Label : Permintaan
2. Label : Persediaan
3. Label : Data
4. Label : Menurun
5. Label : Menaik
6. Label : Sedikit
7. Label : Banyak
8. Label : Permintaan
9. Label : Persediaan
10.Label : Produksi
11.Label : Besar
12.Label : Kecil
13.Label : Nama minuman
14.Label : Defuzzyfikasi
15.Text Box : Hasil nilai permintaan menurun
16.Text Box : Hasil nilai permintaan menaik
17.Text Box : Hasil nilai persediaan sedikit
18.Text Box : Hasil nilai persediaan banyak
19.Text Box : Data permintaan terbesar
20.Text Box : Data persediaan terbesar
22.Text Box : Data permintaan terkecil
23.Text Box : Data persediaan terkecil
24.Text Box : Data produksi terkecil
25.Text Box : Nama minuman diproduksi
26.Text Box : Hasil perhitungan defuzzyfikasi
27.Command Button : Kembali, jika diklik akan kembali kemenu proses
Gambar 3.26 Tampilan Perhitungan F uzzy Tsukamoto
4. Label : Menurun
5. Label : Menaik
6. Label : Sedikit
7. Label : Banyak
8. Label : Permintaan
9. Label : Persediaan
10.Label : Produksi
11.Label : Besar
12.Label : Kecil
13.Label : Nama minuman
14.Label : Defuzzyfikasi
15.Text Box : Hasil nilai permintaan menurun
16.Text Box : Hasil nilai permintaan menaik
17.Text Box : Hasil nilai persediaan sedikit
18.Text Box : Hasil nilai persediaan banyak
19.Text Box : Data permintaan terbesar
20.Text Box : Data persediaan terbesar
21.Text Box : Data produksi terbesar
22.Text Box : Data permintaan terkecil
23.Text Box : Data persediaan terkecil
25.Text Box : Nama minuman diproduksi
26.Text Box : Hasil perhitungan defuzzyfikasi
27.Command Button : Kembali, jika diklik akan kembali kemenu proses
Gambar 3.27 Tampilan Form Simpan Ke Laporan
Keterangan :
Nama Minuman Teh Botol Sosro Sugeno Tsukamoto
8. Label : Naik
9. Label : Sugeno
10.Label : Tsukamoto
11.Label : Sedikit
12.Label : Banyak
13.Label : Besar
14.Label : Kecil
15.Label : Permintaan
16.Label : Persediaan
17.Label : Produksi
18.Label : Nama minuman
19.Label : Teh botol sosro
20.Label : Defuzzyfikasi
21.Label : Running time
22.Text Box : Hasil nilai permintaan turun fuzzy Sugeno
23.Text Box : Hasil nilai permintaan naik fuzzy Sugeno
24.Text Box : Hasil nilai permintaan turun fuzzy Tsukamoto
25.Text Box : Hasil nilai permintaan naik fuzzy Tsukamoto
26.Text Box : Hasil nilai persediaan turun fuzzy Sugeno
27.Text Box : Hasil nilai persediaan naik fuzzy Sugeno
29.Text Box : Hasil nilai persediaan naik fuzzy Tsukamoto
30.Text Box : Data permintaan terbesar
31.Text Box : Data persediaan terbesar
32.Text Box : Data produksi terbesar
33.Text Box : Data permintaan terkecil
34.Text Box : Data persediaan terkecil
35.Text Box : Data produksi terkecil
36.Text Box : Hasil defuzzyfikasi Sugeno
37.Text Box : Hasil running time Sugeno
38.Text Box : Hasil defuzzyfikasi Tsukamoto
39.Text Box : Hasil running time Tsukamoto
40.Label : Sugeno
41.Label : Tsukamoto
42.Command button : Simpan, jika diklik akan menyimpan ke menu laporan produksi
43.Command button : Kembali ke menu utama
3.9.5. Form Laporan
Gambar 3.28 Tampilan F orm Laporan
Keterangan :
1. Label : Laporan produksi minuman teh PT.Sinar Sosro Tanjung Morawa
2. Data grid view : Tampilan tabel laporan produksi minuman
3. Command Button : Kembali, jika diklik maka akan kembali ke menu utama
LAPORAN PRODUKSI MINUMAN TEH
PT SINAR SOSRO TANJUNG MORAWA
Bulan Tahun Pmt Prsd Jumlah Produksi Running Time Sugeno Tsukamoto Sugeno Tsukamoto
Kembali
1
2
Pada bab ini akan dijelaskan implementasi dan pengujian sistem telah selesai dibangun dari hasil perancangan pada bab 3. Tahap ini memperlihatkan apakah setiap proses yang ada dapat berjalan dengan baik dan mampu memberikan hasil yang diharapkan.
4.1 Implementasi Sistem
Setelah melalui tahap analisis dan perancangan, tahap selanjutnya untuk mengembangkan suatu perangkat lunak adalah tahap implementasi. Seluruh proses perancangan diimplementasikan dengan menggunakan Microsoft Visual Basic 2013. Data yang dipergunakan dalam aplikasi disimpan dan diolah di dalam database management system dengan menggunakan Microsoft Access 2013.
4.2 Pengujian
Tahap pengujian merupakan tahapan yang dilakukan untuk menunjukkan bahwa setiap proses yang telah diimplemetasikan ke dalam aplikasi sistem pendukung keputusan ini dapat berjalan dengan baik dan mampu memberikan hasil yang diinginkan. Tujuan dari pengujian ini adalah untuk memperbaiki kinerja dari aplikasi yang tidak bersesuaian dengan kebutuhan fungsional yang telah direncanakan sebelumnya.
4.2.1 Tampilan F orm Login
Gambar 4.1 Tampilan F orm Login
Pada gambar 4.1 bisa dilihat username dan login diisi oleh pengguna, jika diklik tombol login maka akan masuk ke sistem menu utama dan jika klik tombol cancel maka pengguna batal untuk menggunakan sistem ini.
4.2.2 Tampilan F orm Utama
Gambar 4.2 Tampilan F orm Menu Utama
Penjelasan ada gambar 4.2 merupakan tampilan form utama. Menu data fungsinya untuk menyimpan data – data minuman sesuai dengan varibel. Menu proses fungsinya untuk menghitung hasil jumlah produksi minuman sesuai dengan variabel data minuman menggunakan metode fuzzy Sugeno dan fuzzy Tsukamoto. Menu Laporan fungsinya untuk mengetahui laporan produksi setiap bulan berikutnya.
4.2.3 Tampilan F orm Menu Data
Gambar 4.3 Tampilan F orm Menu Data
Penjelasan pada gambar 4.3, terdapat tabel data minuman yang sudah tersimpan di
database. Tombol baru fungsinya untuk menambahkan data yang baru. Tombol simpan untuk menyimpan data di database. Tombol hapus fungsinya untuk menghapus data yang ada pada tabel minuman. Tombol refresh fungsinya untuk memperbaharui data pada tabel minuman. Tombol keluar fungsinya untuk keluar dari form menu data dan kembali ke menu utama.
4.2.4 Tampilan F orm Menu Proses
Gambar 4.4 Tampilan F orm Proses
Gambar 4.5 Tampilan Perhitungan F uzzy Sugeno
Pada gambar 4.5 merupakan tampilan hasil perhitungan penentuan jumlah produksi minuman teh menggunakan metode fuzzy Sugeno.
Pada gambar 4.6 merupakan tampilan hasil perhitungan penentuan jumlah produksi minuman teh menggunakan metode fuzzy Tsukamoto. Hasil perhitungan fuzzy Sugeno berbeda dengan hasil perhitungan fuzzy Tsukamoto dapat dilihat pada gambar
4.7.
Gambar 4.7 Tampilan F orm Simpan Ke Laporan
Pada gambar 4.7 terdapat tombol simpan fungsinya untuk menyimpan hasil perhitungan di menu laporan produksi dan untuk tombol kembali jika diklik akan kembali ke menu proses.
4.2.5 Tampilan F orm Laporan
5.1 Kesimpulan
Berdasarkan teori dan pembahasan pada bab sebelumnya, maka dapat ditarik kesimpulan sebagai berikut :
1. Telah diperoleh suatu sistem pendukung keputusan penentuan jumlah produksi
minuman teh menggunakan metode fuzzy Sugeno dan metode fuzzy Tsukamoto di perusahaan PT. Sinar Sosro Tanjung Morawa.
2. Defuzzyfikasi didapat dari perhitungan nilai keanggotaan pada himpunan fuzzy sesuai dengan operator yang digunakan dalam penentuan jumlah produksi minuman teh untuk bulan berikutnya.
3. Sistem pendukung keputusan pada perusahaan PT. Sinar Sosro dapat menentukan jumlah produksi minuman teh untuk disetiap bulan berikutnya.
4. Pada hasil penelitian penulis, sistem yang digunakan lebih baik daripada sistem manual yang digunakan perusahaan karena perhitungan jumlah produksi minuman teh menghasilkan jumlah yang optimum berbeda dengan sistem manual dari perusahaan yang mengakibatkan lebih dan kurangnya minuman yang diproduksi.
5.2 Saran
Untuk pengembangan selanjutnya penulis menyarankan beberapa hal sebagai berikut:
1. Pada penelitian selanjutnya dapat disarankan untuk mengembangkan aplikasi menggunakan sistem inferensi fuzzy dengan metode selain metode fuzzy sugeno dan fuzzy tsukamoto.
3. Pada penelitian selanjutnya dapat disarankan untuk mengembangkan aplikasi tersebut dengan menambahkan variabel maupun himpunan fuzzy lainnya.
DAFTAR PUSTAKA
Kristanto, Andri. 2008. Perancangan Sistem Informasi. Gava Media. Yogyakarta.
Kusumadewi, Sri& Purnomo, Hari. 2004. Aplikasi Logika Fuzzy Untuk Pendukung
Keputusan.Yogyakarta.Graha Ilmu.
Oetomo, Budi Sutedjo Dharma. 2002. E-education : Konsep Tegnologi dan Aplikasi Internet Pendidikan. Yogyakarta. Andi
Raymond McLeod, Jr. 1998. Management Information Systems. Michigan. Universitas Michigan.
S.Scoot Morton, Michael.1998. Decision Support Systems. Universitas Michigan
Thomas, Saaty L. 2008. Decision Making With The Analytic Hierarchy Process, International Journal Of Services Sciences.
Simon. 2002. Decision Support Systems. University Of Chicago.
Suwandi.2011. Aplikasi Sistem Inferensi Fuzzy Metode Sugeno Dalam Memperkirakan
Produksi Air Mineral Dalam Kemasan.Skripsi.Universitas Negeri Yogyakarta.
LISTING PROGRAM
1. Form Login
Imports System.Data.OleDb Imports System.IO
Public Class frmLogin
Dim strConn = "Provider=Microsoft.ACE.OLEDB.12.0;Data Source=C:\Database\Contacts.accdb;Persist Security Info=False;"
Private Sub cmdLogin_Click(sender As Object, e As EventArgs)
End Sub
Private Sub frmLogin_Deactivate(sender As Object, e As EventArgs) Handles Me.Deactivate
End Sub
Private Sub frmLogin_Load(sender As Object, e As EventArgs) Handles MyBase.Load 'frmMenu.Show()
'Me.GroupBox1.Anchor = AnchorStyles.Top Or AnchorStyles.Bottom Or AnchorStyles.Left Or AnchorStyles.Right
Private Sub cmdCancel_Click(sender As Object, e As EventArgs) Close()
End Sub
Private Sub txtPassword_KeyDown(sender As Object, e As KeyEventArgs)
End Sub
End Sub
Private Sub txtUser_LostFocus(sender As Object, e As EventArgs)
End Sub
Private Sub txtUser_TextChanged(sender As Object, e As EventArgs)
End Sub
Private Sub cmdCancel_Click_1(sender As Object, e As EventArgs) Handles cmdCancel.Click
Close() End Sub
Private Sub cmdLogin_Click_1(sender As Object, e As EventArgs) Handles cmdLogin.Click
Private Sub txtUser_LostFocus1(sender As Object, e As EventArgs) Handles txtUser.LostFocus