HASIL PENELITIAN
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN
PROCUREMENT TASKS
Oleh
LIZA FITRIANA
107038036/TINF
PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASIUNIVERSITAS SUMATERA UTARA
2012
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN
PROCUREMENT TASKS
Oleh
LIZA FITRIANA
107038036/TINF
PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASIFUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN
PROCUREMENT TASKS
TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister dalam Program Studi Magister Teknik Informatika pada
Program Studi Magister Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara
Oleh
LIZA FITRIANA
107038036
PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASIUNIVERSITAS SUMATERA UTARA
M E D A N
PENGESAHAN
Judul Tesis : FUZZY-EXPERT SYSTEM DALAM
MENYELESAIKAN PROCUREMENT TASKS Nama Mahasiswa : LIZA FITRIANA
Nomor Induk Mahasiswa : 107038036
Program Studi : Magister Teknik Informatika
Fakultas : Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara
Menyetujui Komisi Pembimbing
Anggota
Dr. Erna Budhiarti Nababan, M.IT.
Ketua
Prof. Dr. Herman Mawengkang
Ketua Program Studi,
NIP. 19570701 198601 1 003 Prof. Dr. Muhammad Zarlis
Dekan,
PERNYATAAN ORISINALITAS
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN
PROCUREMENT TASKS
T E S I S
Dengan ini saya nyatakan bahwa saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap satunya telah dijelaskan sumbernya dengan benar.
Medan, Juni 2012
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini :
Nama : Liza Fitriana
N I M : 107038036
Program Studi : Tenik Informatika
Jenis Karya Ilmiah : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royaliti Non-Eksklusif (Non –Exclusive Royalty Free Right) atas tesis saya yang berjudul :
”Fuzzy-Expert System Dalam Menyelesaikan Procurement Tasks”
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk data-base, merawat dan mempublikasikan Tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, Juni 2012
Telah diuji pada Tanggal : 10 Juli 2012
PANITIA PENGUJI TESIS
Ketua : Prof. Dr. Herman Mawengkang Anggota : 1. Dr. Erna Budhiarti Nababan, M.IT.
2. Prof. Dr. Muhammad Zarlis 3. Prof. Dr. Tulus
DAFTAR RIWAYAT HIDUP
DATA PRIBADI
Nama lengkap berikut gelar : Liza Fitriana, S. Kom
Tempat dan Tanggal Lahir : Medan, 18 Pebruari 1977
Alamat Rumah : Jl. Gedung Arca Gg. Jawa No. 5 Medan - 20217
Telepon/Faks/HP : +62617364279/+628126342505
Instansi Tempat Bekerja : Universitas Dian Nusantara
Alamat Kantor : Jl. Bromo No. 35 Medan – 20216
Telepon/Faks/HP : +62617368531, +62617364364
DATA PENDIDIKAN
SD : SD Nurul Islam Indonesia Medan Tamat : 1989
SMP : SMP Negeri 3 Medan Tamat : 1992
SMA : STM Telekomunikasi Sandhy Putra Medan Tamat : 1995
D3 : STMIK Budidarma Medan Tamat : 1999
Strata-1 : Universitas Panca Budi Medan Tamat : 2010
KATA PENGANTAR
Pertama-tama kami panjatkan puji syukur kepada Allah Subhana Wa Ta’ala atas segala limpahan rahmat dan karunia-Nya sehingga tesis ini dapat diselesaikan.
Dengan selesainya tesis ini, perkenankanlah kami mengucapkan terima kasih yang sebesar-besarnya kepada :
Rektor Universitas Sumatera Utara, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc. (CTM), Sp. A(K) atas kesempatan yang diberikan kepada kami untuk mengikuti dan menyelesaikan Pendidikan Program Magister.
Dekan Fakultas Ilmu Komputer dan Teknologi Informasi sekaligus Ketua Program Studi Magister Teknik Informatika Universitas Sumatera Utara, Prof. Dr. Muhammad Zarlis, atas kesempatan menjadi mahasiswa Program Magister pada Program Studi Magister Teknik Informatika Universitas Sumatera Utara.
Sekretaris Program Studi Teknik Informatika, M. Andri Budiman, ST., M.Comp.Sc., M.E.M., beserta seluruh Staf Pengajar pada Program Studi Magister Teknik Informatika Program Studi Magister Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Terima kasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Herman Mawengkang selaku Promotor/Pembimbing Utama yang dengan penuh perhatian dan telah memberikan dorongan dan bimbingan, demikian juga kepada Dr. Erna Budhiarti Nababan, M.IT. selaku Co. Promotor/Pembimbing Lapangan yang dengan penuh kesabaran menuntun dan membimbing kami hingga selesainya penelitian ini.
Kepada Ayah Syamsuddin dan Ibu Nurjasmi (almh.) serta saudara-saudaraku tersayang dan anakku terkasih Daivina Hasanah Putri Edyza. Terima kasih atas segala pengorbanan kalian baik berupa moril dan materil, budi baik ini tidak dapat dibalas hanya diserahkan kepada Allah Subhana Wa Ta’ala.
Staff Pegawai dan Administrasi pada Program Studi Magister (S2) Teknik Informatika Program Studi Magister Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah memberikan bantuan dan pelayanan yang sangat baik kapada penulis selama mengikuti perkuliahan hingga penyelesaian laporan penelitian ini.
Rekan mahasiswa/i angkatan kedua tahun 2010 pada Program Studi Magister Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah banyak membantu penulis baik berupa dorongan semangat dan doa selama mengikuti perkuliahan hingga penyelesaian laporan penelitian ini.
Medan, Juni 2012
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN PROCUREMENT TASKS
ABSTRAK
Salah satu tugas dalam proses penyediaan barang/jasa (procurement) adalah melakukan pemilihan vendor yang tepat sehingga barang/jasa tersebut dapat diperoleh dengan biaya yang minimal, dapat diterima oleh pemakainya, dan tidak terlambat dari waktu yang dibutuhkan. Dalam mencapai ketiga hal tersebut, banyak faktor yang harus dipertimbangkan dimana faktor-faktor tersebut saling mempengaruhi saling berhubungan dan mempengaruhi antara satu dengan yang lainnya. Fuzzy Expert System merupakan salah satu alternatif dalam mengatasi hal ini, dimana pengalaman dan pengetahuan terhadap pemilihan vendor dapat ditampung dan ketidakpastian terhadap penilaian dari faktor-faktor yang mempengaruhinya dapat diatasi. Dalam penelitian ini kombinasi antara Fuzzy System dan Expert System dilakukan untuk menemukan nilai rating terhadap penawaran yang ada dimana nilai ini nantinya akan membantu para pembuat keputusan dalam menentukan vendor yang sesuai terhadap penyediaan barang/jasa tersebut.
FUZZY-EXPERT SYSTEM IN SOLVING
PROCUREMENT TASKS
ABSTRACT
One of procurement tasks is to select an appropriate vendor in order to get material or service in minimal cost, can be acceptable by user (minimizing rejections), and minimizing late delivery. To achieve these three purposes there are many factors should be considered where every factor are related one to another. Many methods have been used to select vendor. Fuzzy Expert System approach is one of alternatives to solve this case, in which the heuristic and knowledge of supplier assessment accomodated and impreciseness and uncertainties of the influence factors can be handled. In this research, combination of Fuzzy System and Expert System is performed to score every bids which this score can assist the decision makers in choosing the appropriate vendor to supply material or to provide service.
DAFTAR ISI
Halaman
KATA PENGANTAR i
ABSTRAK ii
ABSTRACT iii
DAFTAR ISI iv
DAFTAR TABEL vi
DAFTAR GAMBAR vii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah ... 3
1.4 Tujuan Penelitian ... 4
1.5 Manfaat Penelitian ... 4
BAB II TINJAUAN PUSTAKA ... 5
2.1 Sistem Pakar (Expert System) ... 2.1.1 Kelebihan-kelebihan dari Sistem Pakar ... 7
5 2.1.2 Komponen-komponen Pembentuk Sistem Pakar ... 9
2.1.3 Merancang Suatu Sistem Pakar ... 11
2.2 Sistem Fuzzy (Fuzzy System) ... 13
2.2.1 Himpunan Fuzzy (Fuzzy Set) ... 14
2.2.2 Logika Fuzzy (Fuzzy Logic) ... 16
2.2.3 Fungsi Keanggotaan (Membership Function) dalam Fuzzy Logic ... 16
2.2.4 Komponen-komponen Pembentuk Sistem Fuzzy... 17
2.2.5 Pengambilan Keputusan dalam Sistem Fuzzy ... 20
2.4 Procurement ... 21
2.4.1 Pengertian Procurement Tasks ... 22
2.4.2 Lingkup Kerja Procurement ... 22
2.4.3 Perhitungan Biaya ... 23
2.5 Penelitian Sebelumnya (Previous Research) ... 24
BAB III METODOLOGI PENELITIAN ... 29
3.1 Lingkungan Penelitian ... 30
3.2 Seleksi Data ... 30
3.3 Pembentukan Sistem Fuzzy ... 32
3.3.1 Himpunan Fuzzy... 33
3.3.2 Aturan Fuzzy ... 38
3.3.3 Inferensi Menggunakan Metode Sugeno Orde 0 ... 39
3.3.4 Defuzzifikasi Menggunakan Height Method ... 40
BAB IV HASIL DAN PEMBAHASAN ... 41
4.1 Hasil ... 41
4.1.1 Pemasukan Data Penawaran dari Vendor ... 43
4.1.2 Seleksi Penawaran ... 46
4.1.3 Hasil Rating ... 47
4.2 Pembahasan ... 47
4.2.1 Seleksi Penawaran Tahap I ... 48
4.2.2 Seleksi Penawaran Tahap II ... 49
4.2.3 Fuzzifikasi ... 50
4.2.4 Inferensi Menggunakan metode Sugeno Orde 0 ... 56
4.2.3 Defuzzifikasi Menggunakan Height Method ... 58
BAB V KESIMPULAN DAN SARAN ... 60
5.1 Kesimpulan ... 60
5.2 Saran ... DAFTAR KEPUSTAKAAN 62
61
DAFTAR TABEL
Nomor Halaman
Tabel
2.1 Riset Terkait 24
3.1 Basis Aturan Seleksi 32
4.1 Harga Penawaran dari Vendor 45
4.2 Spesifikasi Penawaran dari Vendor 45
4.3 Hasil seleksi Vendor berdasarkan Delivery Time 48
4.4 Hasil seleksi Vendor berdasarkan Spesifikasi 49
4.5 Hasil Perhitungan Biaya 50
4.6 Firing Strength dari Penawaran yang lolos seleksi 56
4.7 Hasil Inferensi 58
DAFTAR GAMBAR
Nomor Halaman
Gambar
2.1 Fungsi Dasar dari suatu Sistem Pakar 6
2.2 Perkembangan dari Sistem Pakar 8
2.3 Tahapan-tahapan Umum dalam Pengembangan suatu
Sistem Pakar 12
2.4 Diagram Blok Sistem Berbasis Aturan Fuzzy 19
3.1 Skema Analisis Penyelesaian Procurement Tasks 30
3.2 Flowchart Seleksi Data menggunakan Metode
Forward Chaining 31
3.3 Flowchart penentuan hasil menggunakan metode
Height Method 33
3.4 Himpunan variabel biaya 34
3.5 Himpunan variabel spesifikasi 37
3.6 Fungsi keanggotaan singletone untuk rating 39
4.1 Formulir Input Data Permintaan 42
4.2 Formulir Input Data Penawaran 44
4.3 Hasil seleksi vendor berdasarkan delivery time 46
4.4 Hasil seleksi vendor berdasarkan spesifikasi 47
4.5 Hasil Fuzzifikasi Variabel Spesifikasi 52
4.6 Hasil Fuzzifikasi Variabel Spesifikasi 54
4.7 Variabel Biaya terhadap penawaran dari PT. XYZ 56
4.8 Variabel Spesifikasi terhadap penawaran dari PT. XYZ 57
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN PROCUREMENT TASKS
ABSTRAK
Salah satu tugas dalam proses penyediaan barang/jasa (procurement) adalah melakukan pemilihan vendor yang tepat sehingga barang/jasa tersebut dapat diperoleh dengan biaya yang minimal, dapat diterima oleh pemakainya, dan tidak terlambat dari waktu yang dibutuhkan. Dalam mencapai ketiga hal tersebut, banyak faktor yang harus dipertimbangkan dimana faktor-faktor tersebut saling mempengaruhi saling berhubungan dan mempengaruhi antara satu dengan yang lainnya. Fuzzy Expert System merupakan salah satu alternatif dalam mengatasi hal ini, dimana pengalaman dan pengetahuan terhadap pemilihan vendor dapat ditampung dan ketidakpastian terhadap penilaian dari faktor-faktor yang mempengaruhinya dapat diatasi. Dalam penelitian ini kombinasi antara Fuzzy System dan Expert System dilakukan untuk menemukan nilai rating terhadap penawaran yang ada dimana nilai ini nantinya akan membantu para pembuat keputusan dalam menentukan vendor yang sesuai terhadap penyediaan barang/jasa tersebut.
FUZZY-EXPERT SYSTEM IN SOLVING
PROCUREMENT TASKS
ABSTRACT
One of procurement tasks is to select an appropriate vendor in order to get material or service in minimal cost, can be acceptable by user (minimizing rejections), and minimizing late delivery. To achieve these three purposes there are many factors should be considered where every factor are related one to another. Many methods have been used to select vendor. Fuzzy Expert System approach is one of alternatives to solve this case, in which the heuristic and knowledge of supplier assessment accomodated and impreciseness and uncertainties of the influence factors can be handled. In this research, combination of Fuzzy System and Expert System is performed to score every bids which this score can assist the decision makers in choosing the appropriate vendor to supply material or to provide service.
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Seiring dengan perkembangan zaman, penggunaan komputer tidak terbatas
sebagai alat hitung saja sebagaimana fungsi awalnya pada saat diciptakan. Salah
satu kegunaannya saat ini adalah sebagai alat bantu bagi manusia untuk membuat
suatu keputusan. Permasalahannya adalah bagaimana komputer dapat mengambil
keputusan terhadap suatu kenyataan yang di dalamnya mungkin saja terdapat
hal-hal yang memiliki nilai yang kurang tegas, seperti antara “0” dan “1”, antara “ya”
dan “tidak”, antara “benar” dan “salah”, atau yang lainnya.
Dengan adanya logika fuzzy, yang diperkenalkan oleh Prof. Zadeh pada tahun 1965, hal ini tidak menjadi masalah lagi. Karena komputer tidak hanya
mengenal logika Boolean yang memiliki nilai tegas dan jelas (crisp) tetapi juga mengenal logika yang mempunyai nilai samar atau kabur (lebih dikenal dengan
istilah fuzzy). Dalam logika fuzzy sebuah data dapat bernilai benar atau salah secara bersamaan namun seberapa besar nilai kebenaran atau kesalahannya
tergantung kepada bobot keanggotaan yang dimilikinya.
Fuzzy Expert System (Sistem Pakar Fuzzy) merupakan gabungan antara Sistem Fuzzy (Fuzzy System) dengan Sistem Pakar (Expert System). Penerapan sistem Fuzzy dalam sistem pakar (Expert System) bertujuan untuk merepresentasikan pengetahuan pakar pada lingkungan yang tidak pasti (kabur),
tidak lengkap, dan sangat kompleks. Dalam hal ini penulis menggunakan
kombinasi antara Fuzzy System dengan Expert System untuk menyelesaikan
Procurement Tasks.
Teknik Fuzzy Expert System telah banyak dipergunakan dalam
hipertensi, Fuzzy Expert System for Management of Hypertension (Djam dan Kimbi, 2011) dan untuk mendiagnosa penyakit jantung/Heart Disease Diagnosis
(Ali dan Mehdi, 2010). Diluar bidang medis teknik ini juga dipergunakan untuk
menganalisa keuntungan biaya (Uzoka, 2009) dan dalam penentuan Customer dan
Advisor dalam berbagai Contract Center (Shah et al, 2007).
Procurement Tasks meliputi hal-hal yang dilakukan dalam proses penyediaan barang atau jasa. Hal ini dimulai dengan adanya kebutuhan terhadap
suatu barang atau jasa, dilanjutkan dengan proses untuk mendapatkan barang atau
jasa tersebut sehingga barang tersebut didapatkan dan diterima oleh orang yang
membutuhkan barang atau jasa tersebut.
Menurut Niraj dan Kumar (2011), kesuksesan dari suatu industri
tergantung pada optimalisasi biaya produksi dan dalam mencapai tujuan terssebut
pemilihan vendor harus tepat (tidak salah pilih) dan efisien. Pemilihan vendor, yang merupakan hal dasar dalam mata rantai Procurement, adalah masalah yang multi objektif yang melibatkan faktor-faktor kualitas dan kuantitas. 3 (tiga) tujuan
utama dalam permasalahan pemilihan vendor : minimalisasi biaya, minimalisasi penolakan-penolakan, dan minimalisasi keterlambatan pengiriman (Kumar, 2004
dan Ramezani dan Montazer, 2006).
Beberapa teknik yang telah dipergunakan dalam menyelesaikan
Procurement Tasks, khususnya penyediaan barang, adalah teknik Fuzzy Expert Decision Support System (Niraj dan Kumar, 2011) dengan tujuan untuk memudahkan penggunanya dalam melakukan pemilihan supplier. Teknik yang sama juga telah dipergunakan sebelumnya untuk membantu komite pemilihan
vendor dalam membuat keputusan (Ramezani dan Montazer, 2006). Dalam kedua jurnal di atas, para penulisnya mengaplikasikan pengetahuan pakar dalam
membentuk aturan-aturan fuzzy, dengan metode Mamdani sebagai metode inferensi dan metode Centre of Gravity untuk proses penegasan (defuzzification).
2002) tetapi penulis mengharapkan adanya suatu efisiensi dalam proses
pengolahan data dengan mengkombinasikan keduanya. Dimana sistem fuzzy tidak perlu melakukan proses terhadap data tertentu, yang telah diproses oleh sistem
pakar, tetapi hanya mengolah data yang tidak bisa diproses oleh sistem pakar
tersebut. Adapun metode inferensi yang dipergunakan adalah metode Sugeno
Orde 0 dan penegasannya menggunakan Height Method. Dengan demikian diharapkan akan diperoleh suatu keputusan (decision) yang optimal dalam menangani Procurement Tasks.
1.2 RUMUSAN MASALAH
Dari uraian tersebut di atas maka penulis membuat suatu rumusan masalah
bagaimana memanfaatkan kelebihan dari sistem pakar dan sistem fuzzy dan mengatasi kekurangan masing-masing sistem dalam menangani Procurement Tasks dengan cara mengkombinasikan kedua sistem tersebut.
1.3 BATASAN MASALAH
Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah ditetapkan
dalam rumusan masalah, maka dibentuk batasan-batasan terhadap permasalahan,
yaitu :
1. Sistem pakar digunakan untuk melakukan seleksi terhadap penawaran dari
para vendor.
2. Variabel yang dipergunakan dalam melakukan seleksi adalah waktu
pengiriman (delivery time) dan spesifikasi barang/jasa.
3. Proses perhitungan variabel biaya/cost dilakukan berdasarkan cara pembayaran (payment term) dan lokasi penerimaan (delivery point).
4. Rating penawaran vendor diperoleh dengan mempergunakan Fuzzy System
dengan mempergunakan variabel biaya dan spesifikasi/mutu yang
5. Procurement Tasks yang diselesaikan dalam penelitian ini hanya sampai dengan pemilihan vendor, pembuatan dan penutupan kontrak tidak termasuk di dalamnya.
1.4 TUJUAN PENELITIAN
Tujuan penulisan tesis ini adalah untuk mendapatkan suatu sistem yang
merupakan kombinasi antara sistem pakar dan sistem fuzzy untuk menyelesaikan proses penyediaan barang atau jasa.
1.5 MANFAAT PENELITIAN
Dengan adanya penelitian ini penulis lebih memahami tentang sistem pakar dan
sistem fuzzy, cara kerjanya, serta cara mengaplikasikannya dalam membentuk suatu sistem baru untuk menyelesaikan suatu permasalahan. Penulis juga
mengharapkan manfaat yang sama akan diperoleh oleh orang-orang yang
membaca dan memahami laporan penelitian ini. Penulis berharap hasil penelitian
ini juga dapat menjadi suatu acuan dalam pengembangan ilmu pengetahuan
bidang informatika, khususnya mengenai sistem pakar dan sistem fuzzy. Aplikasi dari penelitian ini diharapkan dapat membantu para pembuat keputusan , terutama
BAB II
TINJAUAN PUSTAKA
2
2.1 SISTEM PAKAR (EXPERT SYSTEM)
Dalam ilmu komputer kita mendengar kata “kecerdasan buatan/artificial intelligent (AI)” yang secara etimology berarti inteligensia yang tidak alami / natural. Banyak defenisi yang disebutkan terhadap AI, tetapi defenisi yang umum disebutkan adalah “membuat komputer berfikir sebagaimana layaknya manusia”.
Sistem pakar dikembangkan sebagai perangkat riset pada tahun enam
puluhan (60-an) sebagai suatu jenis khusus dari AI yang mampu dengan sukses mengatasi permasalahan yang rumit dalam ruang lingkup yang terbatas seperti
diagnosa penyakit medis (Giarratano and Riley, 2005). Untuk mengatasai
permasalahan tersebut tentu saja sistem pakar harus dilengkapi dengan
pengetahuan tentang lingkup permasalahan itu sendiri. Sistem pakar berkembang
dengan pesat pada tahun delapan puluhan (80-an) dan sekarang banyak
dipergunakan dalam berbagai bidang, seperti : bisnis, medis, dan lainnya.
Ide dasarnya adalah jika seorang manusia dapat menyebutkan
langkah-langkah yang dilakukan dalam mengatasi suatu permasalahan maka sistem pakar
juga akan dapat melakukannya. Tujuan utama dari sistem pakar bukan untuk
menggantikan kedudukan seorang ahli atau pakar, tetapi untuk membagikan
pengetahuan dan pengalaman pakar dalam memecahkan suatu permasalahan.
Sistem pakar juga merupakan solusi yang cukup baik terhadap
permasalahan AI yang klasik dalam kecerdasan pemograman. Menurut Feigenbaum (dalam Giarratano and Riley, 2005), Sistem pakar merupakan suatu
program komputer buatan yang menggunakan pengetahuan dan prosedur-prosedur
Pemakai/User
membutuhkan keahlian manusia yang signifikan untuk solusinya. Oleh sebab itu
sistem pakar dapat juga diartikan sebagai suatu sistem komputer yang bertindak
dalam sebagaimana layaknya seorang pakar dalam membuat suatu keputusan.
Seorang pakar dalam sistem pakar merupakan orang yang mempunyai
keahlian dalam bidang tertentu, dimana pengetahuan atau keahliannya tersebut
tidak diketahui atau dimiliki oleh orang banyak. Seorang pakar dapat
memecahkan masalah yang tidak dapat dipecahkan oleh kebanyakan orang atau
memecahkannya lebih efisien.
Pengetahuan dalam sistem pakar bisa berupa keahlian atau pengetahuan
yang biasanya tersedia di buku-buku, majalah-majalah, dan orang yang
berpengetahuan. Dalam hal ini, pengetahuan dianggap sebagai tingkatan yang
lebih rendah daripada keahlian langka kebanyakan. Kata-kata expert system, knowledge-based system, dan knowledge-based expert system sering dianggap sama. Banyak orang yang mempergunakan expert system karena lebih singkat, walaupun mungkin tidak ada keahlian dalam expert system tersebut, melainkan pengetahuan.
Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah
penarikan kesimpulan (inference rules) dengan basis pengetahuan ( knowledge-base) tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya
digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah
tertentu. Untuk lebih jelasnya kita dapat melihat fungsi dasar dari sistem pakar
pada gambar 2.1.
Fakta-fakta
Keahlian
Sistem Pakar
Gambar 2.1 Fungsi dasar dari suatu sistem pakar (Sumber : Giarratano and Riley, 2005)
Basis pengetahuan/
Mesin Inferensi/
Pada gambar 2.1, user memasukkan fakta-fakta atau informasi lainnya ke dalam sistem pakar dan menerima saran dari pakar atau keahlian sebagai
tanggapannya. Secara internal, sistem pakar terdiri atas dua komponen utama.
Knowledge-base berisikan pengetahuan yang bekerja sama dengan inference engine dalam membuat kesimpulan-kesimpulan. Kesimpulan-kesimpulan ini merupakan tanggapan terhadap kebutuhan-kebutuhan user terhadap keahlian tertentu.
2.1.1 Kelebihan-kelebihan dari Sistem Pakar
Menurut Guarratano and Riley (2005), secara garis besar banyak kelebihan yang
dimiliki oleh sistem pakar, antara lain :
1. Meningkatkan ketersediaan (increased availability) dimana keahlian dapat disediakan dalam berbagai perangkat keras komputer yang
sesuai.
2. Mengurangi biaya (reduced cost) dimana biaya untuk menyediakan keahlian pada setiap user jauh lebih rendah.
3. Mengurangi bahaya (reduced danger) dimana sistem pakar dapat dipergunakan dalam lingkungan yang mungkin saja berbahaya bagi
manusia.
4. Permanen (permanence), bahwa pengetahuan sistem pakar permanen tidak seperti manusia yang bisa pensiun, berhenti, atau meninggal sehingga
keahliannya tidak dapat dipergunakan lagi.
5. Keahlian ganda (multiple expertise) dimana pengetahuan dari berbagai pakar dapat bekerja secara simultan dan bersambung dalam suatu masalah
kapan saja.
6. Meningkatkan kepercayaan (increased reliability) dimana user
mendapatkan pendapat pembanding terhadap pendapat pakar lainnya
(manusia bukan komputer) dari sistem pakar yang digunakan sehingga
meningkatkan kenyamanan dalam mengambil suatu keputusan.
8. Tanggapan yang cepat (fast response) dimana sistem pakar dapat memberikan tanggapan yang lebih cepat dibandingkan dengan seorang
manusia.
9. Tetap, tidak emosional, dan tanggapan yang lengkap setiap waktu, tidak
seperti manusia yang dapat berubah kapan saja (tergantung pada
emosinya).
10.Pengajar yang cerdas (intelligent tutor) dimana user dapat menjalankan contoh program dan menjelaskan alasan dari sistem.
11.Basis data yang cerdas (intelligent database) dimana sistem pakar dapat dipergunakan untuk mengakses basis data dengan cara yang cerdas, seperti
data mining.
Proses pengembangan sistem pakar memiliki keuntungan lain dimana
dengan adanya penyimpanan keahlian dari seorang pakar di dalamnya yang
membuat sistem pakar dapat diuji kebenarannya, konsistensinya, dan
kelengkapannya, lalu diatur, suatu hal yang jarang dapat diaplikasikan terhadap
seorang manusia pakar. Gambar 2.2 menunjukkan perkembangan dari suatu
sistem pakar.
Dialog
Pengetahuan eksplisit
Gambar 2.2 Perkembangan dari Sistem Pakar (Sumber : Giarratano and Riley, 2005)
Manusia pakar /
Human expert
Teknisi pengetahuan /
Knowledge engineer
Basis pengetahuan dari sistem pakar /
Pertama kali knowledge engineer membuat suatu dialog dengan pakar untuk mendapatkan pengetahuannya, yang dapat dianalogikan sebagai diskusi
dengan klien terhadap kebutuhan-kebutuhan sistem dalam membuat suatu
program. Knowledge engineer kemudian membuat pengkodean dari pengetahuan tadi ke dalam knowledge base. Lalu pakar mengevaluasi sistem pakar tersebut dan memberi masukan jika ada yang tidak sesuai sampai semuanya dianggap benar
dan sesuai.
2.1.2 Komponen-komponen Pembentuk Sistem Pakar
Menurut Giarratano dan Riley (2005), dalam sistem pakar terdapat empat
komponen yang saling berkaitan antara yang satu dengan yang lainnya, yaitu :
1. Basis Pengetahuan (knowledge-base), merupakan kumpulan pengetahuan dalam bidang tertentu pada tingkatan pakar dalam format tertentu.
2. Mesin Inferensi (inference machine), merupakan otak dari sistem pakar, berupa perangkat lunak yang melakukan tugas inferensi penalaran sistem
pakar untuk mencari solusi dari suatu permasalahan.
Konsep yang biasanya digunakan dalam inference machine adalah :
a. Runut balik (top down) atau backward chaining
Yaitu proses penalaran yang berawal dari tujuan yang kita inginkan
ataupun hipotesa setelah itu dicocokkan dengan keadaan awal (fakta).
Jadi secara umum runut balik itu diaplikasikan ketika tujuan atau
hipotesis yang dipilih itu sebagai titik awal penyelesaian masalah atau
disebut juga goal driven search. Proses ini dapat dimodelkan sebagai berikut :
Tujuan,
Pada metode ini proses dimulai dengan hipotesa terlebih dahulu
sebagai praduga awal setelah itu dilanjutkan dengan pengecekan
fakta-fakta yang ada. Jika seluruh fakta-fakta-fakta-fakta tersebut mendukung hipotesa
maka praduga sistem benar dan dikeluarkan sebagai output. Jika
fakta-fakta tersebut tidak mendukung hipotesa maka sistem akan mengecek
fakta-fakta yang lainnya. Pencarian fakta dalam metode ini
menggunakan teknik depth-first search yang dilengkapi dengan fasilitas penjelasan.
b. Runut maju (bottom up) atau forward chaining.
Yaitu proses penalaran yang bermula dari kondisi yang diketahui
(fakta) menuju tujuan yang diinginkan. Jadi proses dimulai dari
premis-premis atau informasi masukan (yang dikondisikan dalam
pernyataan if) terlebih dahulu kemudian menuju kesimpulan atau
derived information (yang dikondisikan dalam pernyataan then) atau dapat dimodelkan sebagai berikut :
If (informasi masukan)
Then (kesimpulan)
Informasi masukan dapat berupa data, bukti, temuan, atau pengamatan.
Sedangkan kesimpulan dapat berupa tujuan, hipotesa, penjelasan, atau
diagnosis. Sehingga jalannya penalaran runut maju dapat dimulai dari
data menuju tujuan, dari bukti menuju hipotesa, dari temuan menuju
kesimpulan, atau dari pengamatan menuju diagnosa. Pencarian fakta
dalam metode ini menggunakan teknik breadth-first search tanpa dilengkapi dengan fasilitas penjelasan.
3. Model Antarmuka (Interface)
Merupakan mekanisme komunikasi antara pengguna (user) dengan sistem. 4. Memory Kerja (Working Memory)
Merupakan bagian yang menyimpan fakta-fakta yang diperoleh saat
2.1.3 Merancang suatu Sistem Pakar
Ada banyak cara yang digunakan dalam membenuk suatu sistem pakar, tetapi satu
hal yang pasti bahwa sebelum melakukannya kita harus mengetahui tujuan dari
pembentukannya. Jadi sebelum membuat suatu sistem pakar kita harus memilih
permasalahan yang tepat yang akan dipecahkan.
Hal ini penting mengingat kita akan melibatkan sejumlah orang, sumber
daya, dan waktu dalam membentuk sistem pakar tersebut. Untuk lebih jelasnya
hal-hal di bawah ini merupakan pertanyaan-pertanyaan yang menjadi
pertimbangan dalam membentuk suatu sistem pakar.
1. Kenapa kita membuat suatu sistem pakar?
2. Apakah kegunaan dari sistem pakar tersebut?
3. Perangkat apa saja yang dibutuhkan dalam membentuk sistem tersebut?
4. Berapa biaya yang dibutuhkan terhadap sistem tersebut?
Lebih lanjut, pengembangan suatu sistem pakar akan tergantung pada
sumber-sumber yang disediakan. Dimana pengembangan ini juga tergantung pada
bagaimana proses diorganisasikan dan diatur.
Teknik manajemen proyek yang standar dan perangkat-perangkat lunak
diharapkan menyediakan :
1. Manajemen aktifitas, yang meliputi : perencanaan, penjadwalan,
kronologis, analisa.
2. Manajemen konfigurasi produk, yang meliputi : manajemen produk,
manajemen perubahan.
3. Manajemen sumber daya, yang meliputi : perkiraan kebutuhan terhadap
sumber daya, mendapatkan sumber daya, menetapkan tangung jawab
terhadap penggunaan sumber daya maksimum, menyediakan sumber daya
alternatif untuk mengatasi saat-saat kritis.
Pada gambar 2.3 memperlihatkan pandangan tingkat tinggi yang ideal dari
aktivitas-aktivitas yang dibutuhkan dalam membentuk suatu sistem dan
Paper atau studi banding untuk menunjukkan ketersedian proyek
Sistem pakar dengan cepat menampil-kan ide-ide, menunjukmenampil-kan keantusiasan, dan menggambarkan manajemen tingkat atas
Verifikasi dalam sistem pakar terhadap permasalahan-permasalahan yang nyata
yang dilakukan oleh knowledge
engineer dan pakar
Sistem diuji oleh user terseleksi (bukan
knowledge engineer atau pakar)
Validasi dan pengujian Dokumentasi user
Pelatihan
Dukungan cepat dari user melalui telepon dan/atau email
Perbaikan kesalahan-kesalahan
Peningkatan kemampuan-kemampuan
Gambar 2.3 Tahapan-tahapan Umum dalam Pengembangan Suatu Sistem Pakar (Sumber : Giarratano and Riley, 2005)
Pada gambar 2.3 diketahui bahwa pengembangan suatu sistem didasari
oleh paper atau studi banding tentang suatu proyek. Sehingga muncul ide-ide untuk mengatasi permasalahan yang dihadapi pada sistem sebelumnya.
Selanjutnya dibuat sistem baru oleh knowledge engineer dan pakar dimana sistem akan diuji oleh user terseleksi untuk mengetahui apakah hasil yang diperoleh sesuai dengan tujuan yang hendak dicapai terhadap sistem baru ini.
Setelah itu knowledge engineer dan pakar akan melakukan perbaikan terhadap kesalahan-kesalahan yang mungkin muncul ataupun melakukan
peningkatan terhadap kemampuan sistem.
Dalam bentuk ideal, hasil dari pembentukan sistem pakar tidak akan
diberikan kepada pemakai akhir/end user sampai dengan seluruh kesalahan-kesalahan diperbaiki dan sistem bekerja dengan benar. Secara sederhana, apabila
seorang user menekan tombol “OK” maka sistem akan memberikan output sesuai dengan keahlian pakar.
2.2 SISTEM FUZZY (FUZZY SYSTEM)
Teori Fuzzy set dikemukakan pertama kali oleh Prof. Lotfi Zadeh di Universitas California, Berkeley, pada tahun enam puluhan (60-an), tepatnya pada tahun
1965. Sistem ini diciptakan karena logika Boolean/boolean logic hanya mempunyai logika 0 (nol) dan 1 (satu) saja sehingga diperlukan sistem yang dapat
memiliki logika diantara 0 (nol) dan 1 (satu). Teori fuzzy set menyediakan sebuah kerangka kerja matematis untuk merepresentasikan dan memperlakukan
ketidakpastian dalam bentuk kekaburan, ketidaktepatan, kebocoran informasi, dan
bagian kebenaran (Tettamanzi and Tomassini, 2001).
Sering kali kita kehilangan informasi dalam memecahkan permasalahan di
dunia nyata ke dalam komputer karena kualitas keahlian yang dimiliki oleh
seorang pakar tidak bisa diformulasikan dalam angka yang pasti. Tetapi sejak
teori fuzzy set ditemukan dan berkembang secara luas, maka hal ini tidak menjadi masalah lagi. Aplikasi dari teori fuzzy set pertama kali ditemukan oleh orang Jepang pada tahun tujuh puluhan (70-an).
Topik pembahasan mengenai hubungan antara kekaburan/fuzziness dan kemungkinan/probability sering dibicarakan dan terkadang agak kontroversial. Sebenarnya, fuzziness dan probability berhubungan dengan ketidakpastian, tetapi tipe hubungan yang terbentuk berbeda antara satu dengan yang lainnya. Jika
dalam fuzziness terdapat ketidakpastian dengan tingkatan tertentu maka dalam
mungkin saja terjadi. Isu tentang hubungan antara fuzziness dan probability
dimulai dari titik awal logikanya. Dengan kata lain keanggotaan fuzzy
memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan
probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai
benar dalam jangka panjang. Misalnya, jika nilai keanggotaan suatu fuzzy set
MUDA adalah 0,9 (nol koma sembilan) maka tidak perlu dipermasalahkan berapa
seringnya nilai itu diulang secara individual untuk mengharapkan suatu hasil yang
HAMPIR MUDA. Dilain pihak, nilai probabilitas 0,9 (nol koma sembilan)
MUDA berarti 10 % (sepuluh persen) dari himpunan tersebut TIDAK MUDA.
2.2.1 Himpunan Fuzzy (Fuzzy Set)
Himpunan fuzzy (fuzzy set) merupakan sekumpulan obyek x dimana masing-masing obyek memiliki nilai keanggotaan (membership function) “μ” atau disebut
juga dengan nilai kebenaran. Jika X adalah sekumpulan obyek dan anggotanya
dinyatakan dengan x maka fuzzy set dari A di dalam X adalah himpunan dengan sepasang anggota atau dapat dinyatakan dengan :
� = { µA(�) | �∶�∈X, �(�) ∈ [0,1] ∈ R } (2.1) Contoh : Terdapat suatu himpunan data yang berisikan variabel usia dengan
klasifikasi sebagai berikut :
a. Muda : jika usia sampai dengan 30 tahun
b. Parobaya : jika usia lebih besar dari 30 tahun dan lebih kecil dari 50
tahun
c. Tua : jika usia lebih besar dari atau sama dengan 50 tahun
Maka pada himpunan crisp untuk dapat disimpulkan bahwa :
1. Apabila seseorang berusia 29 tahun maka ia dikatakan Muda
(µMuda
2. Apabila seseorang berusia 32 tahun maka ia dikatakan Tidak Muda
(µ
[29]=1).
Muda
Jika pada himpunan crisp, nilai keanggotaan hanya ada 2 (dua) kemungkinan, yaitu : 0 (nol) dan 1 (satu), maka pada fuzzy set nilai keanggotaan terletak pada rentang 0 (nol) sampai 1 (satu).
Dalam pembentukan suatu fuzzy set terdapat beberapa hal yang perlu diketahui, yaitu :
1. Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.
Contoh : usia, temperatur, dan lain-lain.
2. Himpunan Fuzzy (Fuzzy set), merupakan suatu grup yang memiliki suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
Contoh: Variabel usia memiliki himpunan MUDA, PAROBAYA, dan
TUA.
3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara monoton
dari kiri ke kanan atau sebaliknya. Nilai semesta pembicaraan dapat berupa
bilangan positif maupun negatif.
Contoh semesta pembicaraan untuk variabel usia : [0 +∞]
4. Domain fuzzy set adalah keseluruhan nilai yang diizinkan dan boleh
dioperasikan dalam suatu fuzzy set. Seperti halnya semesta pembicaraan,
domain merupakan himpunan bilangan real yang senantiasa naik (bertambah)
secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif
maupun negatif.
Contoh domain fuzzy set untuk variabel usia :
a. Muda = [0, 30]
b. Parobaya = [30, 50]
c. Tua = [50, ∞].
Fuzzy set memiliki 2 (dua) atribut, yaitu :
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau
kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA,
PAROBAYA, TUA
2. Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu
variabel, seperti : 40, 25, 35.
Fuzzy Logic dipergunakan untuk menempatkan hal-hal yang berhubungan dengan kekaburan/fuzzy, seperti himpunan, predikat-predikat, nilai-nilai, dan lainnya. Dalam arti sempit, fuzzy logic merupakan nama dari suatu jenis umum logika yang mempunyai banyak nilai, yang berhubungan dengan ketidakpastian, dan
bagian kebenaran, yang mempunyai dasar teori fuzzy set (Tettamanzi and Tomassini, 2001).
Salah satu pengertian yang alami dan umum dari presentasi logika adalah
kemampuannya sebagai metode penganalisa alasan. Objek dasar dari fuzzy logic
adalah pernyataan-pernyataan yang memiliki suatu nilai kebenaran. Dalam fuzzy logic, himpunan kebenaran dan pelengkapnya dan himpunan kesalahan dan pelengkapnya adalah kabur/fuzzy, dimana derajat kebenaran dari setiap set diberikan oleh derajat dari elemen yang berhubungan dengan himpunannya.
Tujuan utama dari fuzzy logic adalah memformalkan mekanisme dari alasan yang tepat.
2.2.3 Fungsi Keanggotaan (Membership Function) dalam Fuzzy Logic
Fungsi keanggotaan adalah suatu kurva yang menunjukan pemetaan titik-titik
input data kedalam nilai keanggotaannya (derajat keanggotaan) yang memiliki
interval antara 0 (nol) sampai 1 (satu).
Didalam fuzzy, fungsi keangotaan memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat.
Macam-macam fungsi keanggotaan dalam fuzzy :
1. Representasi linear, pemetaan input ke derajat keanggotaannya
digambarkan sebagai suatu garis lurus. Keadaan linier himpunan fuzzy
terdiri dari dua keadaan linier naik dan linier turun.
2. Fungsi sigmoid
3. Fungsi Phi
4. Fungsi segitiga, dimana fungsi keanggotaannya ditandai oleh adanya 3
(tiga) parameter {a,b,c} yang akan menentukan koordinat x dari tiga sudut.
5. Fungsi trapezium, yang pada dasarnya seperti bentuk segitiga, hanya saja
ada beberapa titik yang memiliki nilai keanggotaan 1 (satu).
2.2.4 Komponen-komponen Pembentuk Sistem Fuzzy
Sistem fuzzy terdiri dari 3 (tiga) komponen utama sebagaimana dapat dilihat pada gambar 2.4, yaitu :
1. Fuzzifikasi/Fuzzyfication, mengubah masukan-masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input,
yang berupa nilai linguistic yang semantiknya ditentukan berdasarkan
fungsi keanggotaan tertentu.
2. Inferensi/Inference, melakukan penalaran menggunakan fuzzy input dan
fuzzy rules yang telah ditentukan sehingga menghasilkan fuzzy output. Secara sintaks suatu fuzzy rule dituliskan sebagai berikut :
IF antecendent THEN consequent.
Metode-metode di bawah ini merupakan metode inferensi yang
dipergunakan dalam fuzzy, yaitu :
a. 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 berdasarkan α-predikat.
Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.
b. Metode Mamdani
Sering dikenal dengan nama Metode Max-Min. Metode ini
diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
c. Metode Sugeno
Penalaran ini hampir sama dengan penalaran Mamdani, hanya saja
output (konsekuen) sistem tidak berupa himpunan fuzzy melainkan
dengan sebutan Takagi-Sugeno-Kang yang diperkenalkan pada tahun
1985.
1. Model Fuzzy Sugeno Orde Nol
IF (X1 is A1) - (X2 is A2) - (X3 is A3) - …. - (XNis AN
Dimana :
) THEN z = k
(2.2)
- Ai
- k adalah konstanta (tegas) sebagai konsekuen adalah himpunan fuzzy ke-i sebagai anteseden
Atau dapat juga digambarkan bahwa :
w
Dimana :
i =��� ���ℎ�� (�1(�),�2(�)) (2.3)
- wi
- F1, F2 adalah membership function dari input 1 dan input 2. adalah firing strength atau pada beberapa buku dinotasikan
dengan α
Dan output dari sistem dapat dihitung dengan rumusan :
Output =wi. zi (2.4)
2. Model Fuzzy Sugeno Orde Satu
IF (X1 is A1) - …. - (XNis AN) THEN z = p1* x1 + …+ pN* XN
adalah himpunan fuzzy ke-i sebagai anteseden
i
- q merupakan konstanta dalam konsekuen. adalah suatu konstanta ke-i
3. Deffuzifikasi/Deffuzification, mengubah fuzzy output menjadi crisp rule
berdasarkan fungsi keanggotaan yang telah ditentukan.
Terdapat beberapa metode defuzzifikasi, diantaranya adalah :
a. Centroid Method atau disebut juga Center of Area / Center of Gravity
b. Height method, dikenal juga sebagai prinsip keanggotaan maksimum
derajat keanggotaan maksimum yang hanya dapat digunakan untuk
sebuah singletone. Metode ini merupakan yang paling sederhana dan paling cepat karena hanya nilai-nilai puncak dari himpunan fuzzy yang dimodifikasi yang diambil dalam pertimbangan (Kermiche, 2006).
c. First (or last) of Maxima,
d.
merupakan generalisasi dari Height method
untuk kasus dimana fungsi keanggotaan output memiliki lebih dari satu
nilai maksimum.
Mean-Max method,
e.
disebut juga sebagai Middle of Maxima, merupakan generalisasi dari Height method untuk kasus dimana terdapat lebih dari satu nilai crisp yang memiliki derajat keanggotaan maksimum.
Weighted Average, m
Crisp input
etode ini mengambil nilai rata-rata dengan
menggunakan pembobotan berupa derajat keanggotaan.
Fuzzy input
Fuzzy output
Crisp value
Gambar 2.4 Diagram blok sistem berbasis aturan fuzzy
Fuzzifikasi
Inferensi
2.2.5 Pengambilan Keputusan dalam Fuzzy System
Sistem Pengambilan Keputusan(Decision Support System) merupakan program-program komputer yang dapat membimbing usernya dalam membuat keputusan dalam domain yang biasa, sering membutuhkan keahlian khusus yang penting. Menurut Tettamanzi and Tomassini (2005), Suatu expert system yang klasik terdiri dari 3 (tiga, yaitu : mesin inferensi (inference engine), basis pengetahuan (knowledge base), dan memori kerja (working memory). Dalam fuzzy expert system (Tettamanzi and Tomassini, 2005), domain knowledge base
biasanya terdiri dari fuzzy rules dan membership functions yang menggambarkan
linguistic variable yang dipergunakan dalam aturan-aturannya.
Terdapat 2 (dua) cara dalam membentuk suatu domain knowledge base
dalam fuzzy, yaitu klasifikasi/classification dan pengelompokan/clustering. Pada dasarnya kedua istilah ini mempunyai pengertian yang sama yaitu membagi
sekumpulan objek data kedalam kelas-kelas. Perbedaannya adalah pada
classification pembentukan kelas-kelas telah ditentukan sebelum objek data dimasukkan sedangkan pada clustering kelas-kelas terbentuk berdasarkan objek data yang dimasukkan.
2.3 FUZZY EXPERT SYSTEM
Komputer telah digunakan dalam berbagai bidang pekerjaan, bahkan dengan
metode tertentu komputer dipergunakan untuk menggantikan fungsi manusia.
Dalam hal ini komputer dipersiapkan untuk berfikir dan memberikan saran kepada
pemakainya sesuai dengan keahlian tertentu. Permasalahan yang muncul adalah
bagaimana membuat komputer yang biasanya berfikir antara “ya” dan “tidak”
atau “on” dan “off” atau “1” dan “0” untuk berfikir seperti layaknya otak manusia
yang mengenal kata-kata “mungkin” diantara kata “ya” dan “tidak” atau “antara
diketahui oleh otak manusia tetapi nilainya agak kabur/kurang jelas bagi komputer
untuk dimengerti. Untuk itulah logika fuzzy dipergunakan.
Menurut Anderson (dalam Giarratano and Riley, 2005), pikiran manusia
dapat dituangkan dalam aturan-aturan. Untuk mengatasi ketidakpastian,
kekaburan, dan kontradiksi, kita menggunakan teknik fuzzy systems, yang diimplementasikan oleh suatu fuzzy expert system. Satu hal yang penting bahwa dalam fikiran manusia proses ini tidaklah statis. Data dikumpulkan, dilakukan
penelusuran hipotesa-hipotesa dan pengujiannya, ada hipotesa yang diterima,
kadang juga ada hipotesa baru yang muncul, untuk itu diperlukan banyak data
sehingga ditemukanlah suatu kesimpulan. Suatu program komputer harus berfikir
dan melakukan proses yang sama seperti ini. Dalam hal ini dirancang suatu sistem
yang disebut dengan Expert System, dimana sistem tersebut dapat melakukan keahlian-keahlian yang dimiliki oleh seorang pakar untuk berinteraksi dengan
seseorang yang bukan pakar.
2.4 PROCUREMENT
Bagi orang yang tidak bergelut dalam bidang bisnis mungkin kata “procurement”
agak jarang atau mungkin tidak pernah didengar. Tetapi manakala kita
menyebutkan kata “pembelian” maka semua orang pasti memahaminya.
Sebahagian besar orang mengartikan bahwa arti kata procurement sama dengan pembelian. Hal ini tidak sepenuhnya benar karena dalam bidang bisnis kata
“pembelian” sama dengan purchasing dimana purchasing tersebut merupakan bagian dari procurement.
Procurement mempunyai posisi yang penting dalam rantai pengadaan proyek/project supply chain. Menurut Venkataraman (dalam Morris dan Pinto, 2007), keuntungan terbesar dalam meningkatkan nilai project supply chain berada dalam daerah ini. Procurement melibatkan seluruh kegiatan yang vital dalam pengadaan barang atau jasa yang dapat membuat suatu produsen memproduksi
2.4.1 Pengertian Procurement Tasks
Procurement adalah proses sistematis dalam memutuskan apa, kapan, dan berapa biaya pembelian, tindakan dalam pembelian, dan proses untuk memastikan bahwa
yang dibutuhkan diterima pada waktu yang tepat baik dalam jumlah dan mutu
yang diinginkan (Burt, 1984). Procurement memiliki arti yang lebih luas daripada
purchasing karena ia meliputi seluruh kegiatan yang terjadi dalam beberapa departemen (bagian).
Procurement Tasks merupakan bahasa Inggris yang terdiri dari dua suku kata, yaitu : procurement dan tasks (tugas-tugas). Jadi secara etimologi maka
procurement tasks berarti tugas-tugas dalam procurement.
2.4.2 Lingkup Kerja Procurement
Pada banyak perusahaan, pembelian material ataupun pembayaran jasa kepada
vendor merupakan hal yang sangat mempengaruhi biaya produksi ataupun biaya pelaksanaan kerja. Oleh karena itu, tentu saja procurement yang efektif dapat membuat suatu keuntungan dalam perusahaan ini.
Mungkin muncul pertanyaan kenapa procurement ini sangat
berpengaruh dalam suatu perusahaan? Menurut Venkataraman (dalam Morris dan
Pinto, 2007), procurement meliputi identifikasi dan analisis kebutuhan-kebutuhan
user dan jenis pembelian, memilih supplier, negosiasi kontrak, bertindak sebagai penengah antara supplier dan user, dan mengevalusi serta merumuskan strategi bersama supplier.
Menurut Langford and Murray (dalam Morris dan Pinto, 2007), ruang
lingkup pekerjaan dalam procurement terbagi 6 (enam), yaitu :
2. Perencanaan pengumpulan/Solicitation planning, meliputi : alat-alat dan teknik-teknik, spesifikasi-spesifikasi, isi dokumen procurement, kriteria evaluasi.
3. Pengumpulan/Solicitation, meliputi : pengembangan daftar vendor terpilih, menghubungi vendor yang prospektif, membuat suatu konferensi para peserta lelang (bidders).
4. Pemilihan sumber/Source selection, meliputi : sistem penyaringan dan pembobotan, penilaian penawaran, strategi negosiasi kontrak, membuat
keputusan, elemen-elemn dari sebuah kontrak.
5. Administrasi kontrak/Contract administration, meliputi ; aturan-aturan, tanggung jawab, dan koordinasi, kickoff meeting, tanggung jawab pelaksanaan proyek, perubahan prosedur-prosedur kontrol, administrasi
kontrak, sistem pembayaran.
6. Penutupan kontrak/Contract closeout, meliputi : dokumentasi kontrak,
langkah-langkah dalam mengajukan claim, pemutusan kontrak,
hikmah/lesson learned.
Dalam procurement, proses penyediaan tidak terbatas pada melakukan pembelian saja. Ada pilihan lain, yaitu : membuat, menyewa, atau membeli secara
kredit atau mencicil, dapat merupakan pilihan yang sesuai untuk beberapa
kebutuhan tertentu.
2.4.3 Perhitungan Biaya
Sebagaimana telah disebutkan sebelumnya bahwa salah satu tujuan dalam
procurement adalah meminimalisasi biaya. Biaya yang dimaksud dalam hal ini adalah seluruh biaya yang dikeluarkan terhadap pengadaan suatu barang/jasa.
Hal ini akan sangat gampang diketahui apabila delivery point yang ditawarkan sama dengan yang diinginkan. Tetapi jika tidak, maka dibutuhkan
alokasi dana untuk pengiriman sampai dengan barang atau jasa tersebut diterima
Jadi secara tidak langsung biaya dapat dihitung dengan ketentuan sebagai
berikut :
c = p + d +i (2.6)
Dimana :
c : biaya/cost
p : harga satuan/price dari suatu barang atau jasa yang ditawarkan
d : ongkos kirim/delivery cost
i : bunga/interest dari total harga barang atau jasa.
2.5 PENELITIAN SEBELUMNYA (PREVIOUS RESEARCH)
Terdapat beberapa riset yang telah dilakukan oleh banyak peneliti berkaitan
dengan penulisan penelitian ini. Adapun beberapa riset tersebut dapat dilihat pada
Tabel 2.1 di bawah ini.
Tabel 2.1 Riset Terkait
Nama Peneliti Judul Pembahasan Tahun
Djam, X.Y.
and Kimbi,
Y.H.
Fuzzy Expert System
for the Management of
Hypertension
Penggunaan Fuzzy Logic
Expert System untuk mem-buktikan resiko hipertensi
Penggunaan Fuzzy Expert
Decision Support System
untuk pemilihan supplier
dengan menggunakan metode
Centre of Gravity (COG) pada proses defuzzifikasi
Tabel 2.1 Riset Terkait (Lanjutan)
Nama Peneliti Judul Pembahasan Tahun
Ali, Adeli and
Mehdi, Neshat
A Fuzzy Expert System
for Heart Disease
Diagnosis
Memprediksi kemungkinan
seseorang menderita penyakit
jantung dengan menggunakan
teknik Fuzzy Expert System
dengan menggunakan metode
Mamdani pada proses
inferensi dan Centre of
Gravity (COG) pada proses defuzzifikasi
Design and
Implemen-tation of Fuzzy Expert
System for Tehran
Stock Exchange
Port-folio Recommendation
Penggunaan Fuzzy Expert
Systems dalam menentukan jumlah saham yang sesuai
pada suatu waktu tertentu di
Tehran Stock Exchange
dengan menggunakan metode
Mamdani pada proses
inferensi dan Centre of
Gravity (COG) pada proses defuzzifikasi
Process and Fuzzy Goal
Programming
Penggunaan Fuzzy AHP dan
Fuzzy Goal Programming
dalam menentukan supplier
yang terbaik dengan
mempertimbangkan
faktor kualitatif dan
kuantitatif
Tabel 2.1 Riset Terkait (Lanjutan)
Nama Peneliti Judul Pembahasan Tahun
Guney and
menentukan supplier yang tepat untuk memenuhi
kebutuhan customer dalam suatu perusahaan dengan
menggunakan berbagai
pendekatan defuzzifikasi
yang berbeda, yaitu : Centre of Area, Centre of Maxima, Centre of Sum, Max
ment: A Modular Fuzzy
Inference System
Penggunaan Fuzzy Inference Systems dalam menentukan
supplier yang tepat dalam
Rene V. Approach in Supplier
Tabel 2.1 Riset Terkait (Lanjutan)
Nama Peneliti Judul Pembahasan Tahun
Ramezani,
Penggunaan Fuzzy Expert
Decision Support System
trolan sebuah robot yang
bergerak melalui rintangan
yang tetap tanpa tabrakan
dengan metode defuzzifikasi programming model) dalam memecahkan permasalahan
ment of a Fuzzy expert
System for Hotel
Selection
Pembuatan suatu sistem
prototipe dengan
meng-gunakan logika fuzzy, dise-but Hotel Advisory System
dengan mempergunakan
algoritma inferensi Max-min
metode dan Centroid pada
defuzzifikasi, yang berguna
untuk membantu para turis
dalam memilih hotel
Tabel 2.1 Riset Terkait ((Lanjutan)
Nama Peneliti Judul Pembahasan Tahun
Kahraman,
supplier yang memberikan tingkat kepuasan tertinggi
to Supplier Assessment :
A Case Study
Penggunaan kombinasi
antara metode scoring
dengan fuzzy expert systems
dalam pemilihan supplier
2002
Boer, Luitzen
de, et al.
A review of methods
supporting supplier
selection
Tinjauan terhadap penelitian
sebelumnya tentang
pemilih-an supplier dan mengenali tahapan-tahapan dalam
proses pembelian yang
mengakomodir perbedaan
situasi-situasi procurement
2001
melakukan evaluasi terhadap penawaran dari para vendor sehingga muncul rating terhadap penawaran tersebut).
Dalam bab selanjutnya penulis akan membuat metodologi penelitian
Pengumpulan Data
Seleksi data menggunakan Expert
Hasil (Rating) Pembentukan Fuzzy
S
Identifikasi Masalah
BAB III
METODOLOGI PENELITIAN
3
Pada metodologi penelitian ini penulis mengemukakan 3 (tiga) hal, yaitu :
lingkungan penelitian, seleksi data, dan pembentukan sistem fuzzy. Untuk lebih jelasnya, keseluruhan proses penelitian ini dapat dilihat pada skema yang terdapat
dalam gambar 3.1.
Gambar 3.1 Skema analisis penyelesaian procurement tasks
Proses diawali dengan mengidentifikasi permasalahan yang akan diteliti
yang dilanjutkan dengan mengumpulkan data yang terkait dengan penelitian. Lalu
3.1 LINGKUNGAN PENELITIAN
Lingkungan penelitian yang dimaksud dalam hal ini adalah batasan dimana
terdapat subjek ataupun objek yang ditetapkan oleh peneliti untuk diteliti. Jika
batasan tersebut terlalu luas, maka cukup dengan menggunakan contoh/sample
saja. Dalam hal ini penulis mengambil contoh pengadaan barang yang kemudian
ditentukan variabel-variabel yang akan diteliti dari contoh tersebut. Metode
pengumpulan data yang penulis lakukan adalah dengan menggunakan data
penawaran yang dimiliki oleh suatu perusahaan konstruksi di Medan.
3.2 SELEKSI DATA
Berdasarkan data yang diperoleh dari penawaran yang diterima dari vendor maka penulis melakukan proses penyelesaian masalah. Adapun variabel-variabel yang
digunakan dari data tersebut : harga, spesifikasi, waktu penyerahan/delivery time, lokasi penyerahan/delivery point, dan cara pembayaran/payment term.
Variabel-variabel di atas diseleksi dengan menggunakan metode forward chaining dari sistem pakar dengan acuan kriteria-kriteria yang diinginkan penerima jasa terhadap barang atau jasa tersebut. Pada tahap ini seleksi dilakukan
berdasarkan spesifikasi dan delivery time dan spesifikasi barang/jasa yang ditawarkan oleh vendor dengan basis pengetahuan berupa aturan-aturan sebagai berikut :
1. Jika delivery time yang ditawarkan melebihi delivery time yang telah ditentukan maka abaikan penawaran tersebut.
2. Jika delivery time yang ditawarkan tidak melebihi delivery time yang telah ditentukan maka cek spesifikasi yang ditawarkan.
3. Jika tidak ada dari spesifikasi yang ditawarkan sesuai dengan yang telah
ditentukan maka abaikan penawaran tersebut.
4. Jika spesifikasi yang ditawarkan ada yang sesuai dengan spesifikasi yang
telah ditentukan maka hitung biaya dengan menggunakan rumus 2.6
Tidak
Ya
Tidak
Ya
Tidak
Ya
Gambar 3.2 Flowchart seleksi data menggunakan metode forward chaining Bunga = 7,5%/30 x
dtb x harga dtb ≤
dtr?
Spekb ≤ spekr?
Masukkan data permintaan / Request
(nama, pointr, dtr, spekr) Mulai
Masukkan data penawaran/ Bid (vendor, harga, pointb, dtb,
spekb, ongkir, cabar)
A Berhenti
Cabar = Tunai?
Biaya = harga + ongkir + bunga Bunga = 7,5%/30
x dp x harga
BASIS
Keterangan gambar :
nama : nama barang / jasa
pointr : delivery point yang diinginkan oleh user dtr : delivery time yang diinginkan oleh user spekr : spesifikasi yang diinginkan oleh user vendor : nama vendor yang mengajukan penawaran
harga : harga material atau biaya jasa
pointb : delivery point yang diajukan oleh vendor dtb : delivery time yang diajukan oleh vendor spekb : spesifikasi yang diajukan oleh vendor
ongkir : ongkos kirim barang atau biaya mobilisasi dan demobilisasi personil/peralatan
cabar : cara pembayaran yang ditawarkan oleh vendor dp : uang muka (down payment)
Untuk lebih jelasnya, aturan-aturan yang dipergunakan dalam proses
seleksi dapat dilihat pada tabel 3.1.
Tabel 3.1 Basis Aturan Seleksi
3.3 PEMBENTUKAN SISTEM FUZZY
Sesuai dengan langkah-langkah yang harus dilakukan dalam memperoleh hasil
Gambar 3.3 Flowchart penentuan hasil menggunakan metode height method
3.3.1 Himpunan Fuzzy
Untuk memperoleh suatu rating penawaran dengan metode Sugeno maka penulis
menentukan variabel biaya (C) dan variabel spesifikasi/mutu (S) sebagai
pembentuk himpunan fuzzy.
Variabel biaya digunakan untuk menentukan biaya yang diperlukan
sampai dengan barang/jasa tersebut diterima oleh pemakainya. Dalam hal ini
variabel biaya dikelompokkan dalam 3 (tiga) bagian, yaitu : mahal, sedang, dan
murah. Pengelompokan ini menggunakan metode klasifikasi/classification
berdasarkan penawararan dari vendor dengan ketentuan sebagai berikut :
1. Biaya yang paling kecil merupakan nilai batas terendah variabel biaya
yang juga merupakan nilai batas terendah dalam himpunan variabel
“murah”.
Misal : biaya paling rendah adalah B0, maka nilai batas terendah dari
Biayamurah=B0.
A
Pembentukan himpunan variabel Biaya dan Spesifikasi
Inferensi dengan menggunakan model Sugeno Orde 0
Defuzzifikasi dengan menggunakan Height Method
Hasil (Rating)
Berhenti
2. Biaya yang paling besar merupakan nilai batas tertinggi dalam variabel
biaya yang juga merupakan nilai batas tertinggi dalam himpunan
variabel “mahal”.
Misal : biaya paling tinggi adalah B4, maka nilai batas tertinggi dari
Biayamahal
3. Nilai tengah dari kedua nilai batas terendah dan tertinggi ditetapkan
sebagai nilai batas tengah dari himpunan variabel “sedang” dan juga
merupakan nilai batas tertinggi dari himpunan variabel “murah” serta
nilai batas terendah dari himpunan variabel “mahal”. = B4.
Misal : nilai batas tengah Biayasedang adalah B2, maka nilai batas
tengah Biayasedang dan nilai batas tertinggi dari Biayamurah dan nilai
batas terendah Biayamahal
4. Nilai batas terendah dari himpunan variabel “sedang” merupakan nilai
tengah dari nilai batas terendah dari himpunan variabel “murah”
dengan nilai batas tengah himpunan variabel “sedang”. atau B2 = (B0 + B4) / 2.
Misal : nilai batas terendah Biayasedang adalah B1, maka nilai batas
terendah Biayasedang
5. Nilai batas tertinggi dari himpunan variabel “sedang” merupakan nilai
tengah dari nilai batas tertinggi dari himpunan variabel “mahal”
dengan nilai batas tengah himpunan variabel “sedang”. atau B1 = (B0 + B2) / 2.
Misal : nilai batas tertinggi Biayasedang adalah B3, maka nilai batas
tertinggi Biayasedang
Bentuk dari variabel biaya dapat dilihat pada gambar 3.3. atau B3 = (B4 + B2) / 2.
Dari gambar 3.3 maka derajat keanggotaan variabel biaya dapat dihitung
dengan rumus sebagai berikut :
Himpunan variabel Biaya
- B2 = nilai tertinggi dalam himpunan variabel “murah” - B0 = nilai terendah dalam himpunan variabel “murah”
Himpunan variabel Biaya
- B1 = nilai terendah dalam himpunan variabel “sedang” - B2 = nilai tengah dalam himpunan variabel “sedang” - B3 = nilai tertinggi dalam himpunan variabel “sedang”
Himpunan variabel Biaya
Variabel spesifikasi (S) digunakan untuk menentukan spesifikasi/mutu
dari barang/jasa yang ditawarkan oleh. Dalam hal ini variabel spesifikasi dikelompokkan dalam 3 (tiga) bagian, yaitu : bagus, sedang, dan kurang. Penilaian
terhadap variabel ini diklasifikasikan berdasarkan jumlah spesifikasi yang cocok
antara permintaan dengan penawaran. Pengelompokan ini menggunakan metode
klasifikasi/classification dengan ketentuan sebagai berikut :
1. Nilai spesifikasi yang paling kecil merupakan nilai batas terendah
variabel spesifikasi yang juga merupakan nilai batas terendah dalam
himpunan variabel “kurang”.
Misal : Spesifikasi paling rendah adalah S0, maka nilai batas terendah
dari Spesifikasikurang
2. Nilai spesifikasi yang paling besar merupakan nilai batas tertinggi
dalam variabel spesifikasi yang juga merupakan nilai batas tertinggi
dalam himpunan variabel “bagus”. =S0.
Misal : Spesifikasi paling tinggi adalah S4, maka nilai batas tertinggi
dari Spesifikasibagus
3. Nilai tengah dari kedua nilai batas terendah dan tertinggi ditetapkan
sebagai nilai batas tengah dari himpunan variabel “sedang” dan juga
merupakan nilai batas tertinggi dari himpunan variabel “kurang” serta
nilai batas terendah dari himpunan variabel “bagus”. = S4.
Misal : nilai batas tengah Spesifikasisedang adalah S2, maka nilai batas
tengah Spesifikasisedang dan nilai batas tertinggi dari Spesifikasikurang
dan nilai batas terendah Spesifikasibagus
4. Nilai batas terendah dari himpunan variabel “sedang” merupakan nilai
tengah dari nilai batas terendah dari himpunan variabel “kurang”
dengan nilai batas tengah himpunan variabel “sedang”.
atau S2 = (S0 + S4) / 2.
Misal : nilai batas terendah Spesifikasisedang adalah S1, maka nilai