Fuzzy-Expert System Dalam Menyelesaikan Procurement Tasks

(1)

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 INFORMASI

UNIVERSITAS SUMATERA UTARA

2012

(2)

FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN

PROCUREMENT TASKS

Oleh

LIZA FITRIANA

107038036/TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA

(3)

FUZZY-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

UNIVERSITAS SUMATERA UTARA

M E D A N

(4)

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,

(5)

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

(6)

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

(7)

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

(8)

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

Email

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

(9)

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

(10)

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.

(11)

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.

(12)

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

(13)

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

(14)

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

(15)

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

(16)

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.

(17)

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.

(18)

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

(19)

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).

(20)

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

(21)

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

(22)

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

(23)

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/

(24)

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.

(25)

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 /

(26)

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,

(27)

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

(28)

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

(29)

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.

(30)

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

(31)

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).

(32)

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.

(33)

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.

(34)

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

(35)

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

(36)

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

(37)

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

(38)

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

(39)

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 :

(40)

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

(41)

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

(42)

Tabel 2.1 Riset Terkait (Lanjutan)

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

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

Systems dalam menentukan jumlah saham yang sesuai

pada suatu waktu tertentu di

Tehran Stock Exchange

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

(43)

faktor kualitatif dan

kuantitatif

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

(44)

Rene V. Approach in Supplier

Ramezani,

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

(45)

defuzzifikasi, yang berguna

untuk membantu para turis

dalam memilih hotel

Tabel 2.1 Riset Terkait ((Lanjutan)

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

(46)

melakukan evaluasi terhadap penawaran dari para vendor sehingga muncul rating terhadap penawaran tersebut).

Dalam bab selanjutnya penulis akan membuat metodologi penelitian

(47)

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

(48)

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

(49)

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

(50)

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

(51)

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

(52)

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.

(53)

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”

- B1 = nilai terendah dalam himpunan variabel “sedang” - B2 = nilai tengah dalam himpunan variabel “sedang” - B3 = nilai tertinggi dalam himpunan variabel “sedang”

(54)

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