Modul Praktikum Fuzzy Logic 2016

(1)

Modul Praktikum Fuzzy Logic

2016

IIB Darmajaya Lampung-YF

Page 1

FAKULTAS ILMU KOMPUTER

JURUSAN TEKNIK INFORMATIKA

INSTITUT INFORMATIKA & BISNIS DARMAJAYA

Fuzzy Logic

Praktikum 1

PERHITUNGAN HIMPUNAN

FUZZY dengan

Microsoft Excell

Waktu :

100 Menit

Leacturer : Yulmaini, S.Kom., M.Cs

Tujuan :

Mahasiswa dapat menentukan Himpunan Fuzzy menggunakan Formula Di Microsoft Excell

1. Representasi Linier Naik

Diketahui Persamaan Fungsi Keanggotaan Sebagai berikut :

Berapakah µ[40], µ[45], µ[50] ?

Langkah-langkahnya :

[1]

Ketik seperti tampilan berikut :

A B

1

umur

Tua

2

40

3

45

4

50

[2]

Letakkan Kursor di sel B2 untuk mencari nilai keanggotaan 40, dengan rumus

sebagai berikut : =IF(A2<=35,0,IF(A2>=60,1,(A2-35)/(60-35)))

[3]

Copy pada Sel B2, kemudian Paste pada cel B3..B4

[4]

Maka akan tampil hasil berikut :

umur

Tua

40

0.2000

45

0.4000

50

0.6000

(2)

Modul Praktikum Fuzzy Logic

2016

Page 2

2. Representasi Linier Turun

Berapakah µ[45], µ[55] ?

[1]

Ketik seperti tampilan berikut :

A B

1

umur

Tua

2

45

3

55

[2]

sebagai berikut :

=IF(A2>=60,0,(60-A2)/(60-35))

[3]

Copy pada Sel B2, kemudian Paste pada cel B3

[4]

Maka akan tampil hasil berikut :

umur

Tua

45

0.6000

55

0.2000

3. Representasi Segitiga























;

35

60

35

60

;

0

]

[

x

(3)

2016

Page 3

[1]

Ketik seperti tampilan berikut :

A

B

1

Umur

Tua

2

38

3

50

[2]

sebagai berikut :

=IF(OR(A2<25,A2>65),0,IF(A2<45,(A2-25)/20,(65-A2)/20))

[3]

Copy pada Sel B2, kemudian Paste pada cel B3

[4]

Maka akan tampil hasil berikut :

umur

Tua

38

0.6500

50

0.7500

SOAL LATIHAN :

Diketahui fungsi kenggotaan variabel nilai adalah seperti terlihat pada Gambar

Gambar

Cari nilai



[46],



[65],



[90]

Ketik Tabel berikut di Excell

Nilai

Rendah

Sedang

Tinggi

46

???

65

???

(4)

2016

Page 4

FAKULTAS ILMU KOMPUTER

JURUSAN TEKNIK INFORMATIKA

INSTITUT INFORMATIKA & BISNIS DARMAJAYA

Fuzzy Logic

Praktikum

FUZZY SIMPLE ADDITIVE

WEIGHTING METHOD (SAW)

Waktu :

100 Menit

Leacturer : Yulmaini, S.Kom., M.Cs

 Metode SAW sering juga dikenal istilah metode penjumlahan terbobot.

 Konsep dasar metode SAW adalah mencari penjumlahan terbobot dari rating

kinerja pada setiap alternatif pada semua atribut.

 Metode SAW membutuhkan proses normalisasi matriks keputusan (X) ke suatu

skala yang dapat diperbandingkan dengan semua rating alternatif yang ada.

Langkah-langkah Penyelesaian dengan Metode MADM SAW, adalah sebagai berikut :

1. Lakukan Normalisasi Matrik X, berdasarkan persamaan 1

dimana rij adalah rating kinerja ternormalisasi dari alternatif Ai pada atribut Cj;

i=1,2,...,m dan j=1,2,...,n.

2. Matrik Ternormalisasi R

3. Proses Perangkingan berdasarkan persamaan 2 (Nilai Vi)

Nilai preferensi untuk setiap alternatif (Vi)diberikan sebagai:

4. Menentukan Nilai Terbesar dari Vi

Nilai Vi yang lebih besar mengindikasikan bahwa alternatif Ai lebih terpilih













(cost)

biaya

atribut

adalah

j

jika

x

Min

(benefit)

keuntun

atribut

adalah

j

jika

x

Max

x

r

ij ij i ij i ij ij (Persamaan 1)





n 1 j ij j i

w

r

(5)

2016

Page 5

STUDI KASUS 1

Suatu perusahaan di Daerah Istimewa Yogyakarta (DIY) ingin membangun sebuah

gedung yang akan digunakan sebagai tempat untuk menyimpan sementara hasil

produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu :

A1 = Ngemplak, A2 = Kalasan, A3 = Kota Gedhe.

Ada 5 kriteria yang dijadikan acuan dalam pengambilan Keputusan, yaitu :

C1 = jarak dengan pasar terdekat (km)

C2 = kepadatan penduduk disekitar lokasi (orang/km2)

C3 = jarak dari pabrik (km)

C4 = jarak dengan gudang yang sudah ada (km)

C5 = harga tanah untuk lokasi (x1000 Rp/m2)

Ranting kecocokan setiap alternatif pada setiap kriteria, dinilai dengan 1 sampai 5,

yaitu :

1 = Sangat buruk 2 = Buruk 3 = Cukup

4 = Baik 5 = Sangat Baik

Tabel 1. Menunjukkan ranting kecocokan dari setiap alternatif pada setiap kriteria.

Sedangkan tingkat kepentingan setiap kriteria, juga dinilai dengan 1 sampai 5, yaitu :

1 = Sangat rendah 2 = rendah 3 = Cukup

4 = Tinggi 5 = Sangat Tinggi

Tabel 1 Ranting Kecocokan dari setiap Alternatif pada setiap kriteria

Alternatif

Kriteria

C1 C2 C3 C4 C5

A1 4 4 5 3 3

A2 3 3 4 2 3

A3 5 4 2 2 2

Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria merupakan

nilai kecocokan (nilai terbesar adalah terbaik), maka semua kriteria yang diberikan

diasumsikan sebagai kriteria keuntungan.

Pengambilan keputusan memberikan bobot preferensi sebagai :

(6)

Modul Praktikum Fuzzy Logic

2016

Page 6

Matriks keputusan dibentuk dari tabel kecocokan sebagai berikut :

4 4 5 3 3

X = 3 3 4 2 3

5 4 2 2 2

PENYELESAIAN KASUS DENGAN METODE SAW

1. Tulislah Matriks X sebagai berikut

2. Tuliskan Nilai Bobot tiap kriteria

3. Lakukan Normalisasi Matrik X (berdasarkan persamaan 1), untuk mencari nilai R11

– R35.

Mencari nilai R11 sebagai berikut :

Sehingga ketika di enter Nilai R11 = 0.8000

4. Lakukan Langkah 3 sampai mendapatkan nilai R35

5. sehingga akan di dapat nilai Matrik Ternormalisasi R sebagai berikut :

6. Proses Perangkingan berdasarkan persamaan 2 (Nilai Vi), untuk mencari nilai V1 –

V2.

(7)

Modul Praktikum Fuzzy Logic

2016

Page 7

Mencari Nilai V1

Sehingga ketika di enter Nilai V1 = 17.000

Mencari Nilai V2

Mencari Nilai V3

7. Hasil Nilai Proses perangkingan

(8)

2016

IIB Darmajaya Lampung-YF

Page 8

STUDI KASUS 2

Suatu perusahaan di Daerah Istimewa Yogyakarta (DIY) ingin membangun sebuah

gedung yang akan digunakan sebagai tempat untuk menyimpan sementara hasil

produksinya. Ada 3 lokasi yang akan menjadi alternatif, yaitu :

A1 = Ngemplak, A2 = Kalasan, A3 = Kota Gedhe.

Ada 5 kriteria yang dijadikan acuan dalam pengambilan Keputusan, yaitu :

C1 = jarak dengan pasar terdekat (km)

C2 = kepadatan penduduk disekitar lokasi (orang/km2)

C3 = jarak dari pabrik (km)

C4 = jarak dengan gudang yang sudah ada (km)

C5 = harga tanah untuk lokasi (x1000 Rp/m2)

Ranting kecocokan setiap alternatif pada setiap kriteria, dinilai dengan 1 sampai 5,

yaitu :

1 = Sangat buruk 2 = Buruk 3 = Cukup

4 = Baik 5 = Sangat Baik

Tabel 1. Menunjukkan ranting kecocokan dari setiap alternatif pada setiap kriteria.

Sedangkan tingkat kepentingan setiap kriteria, juga dinilai dengan 1 sampai 5, yaitu :

1 = Sangat rendah 2 = rendah 3 = Cukup

4 = Tinggi 5 = Sangat Tinggi

Tabel 1. Ranting Kecocokan dari setiap Alternatif pada setiap kriteria

Alternatif

Kriteria

C1 C2 C3 C4 C5

A1 4 Baik Sangat Baik Cukup Cukup

A2 3 Cukup Baik Buruk Cukup

A3 5 Baik Buruk Buruk Buruk

Karena setiap nilai yang diberikan pada setiap alternatif di setiap kriteria merupakan

nilai kecocokan (nilai terbesar adalah terbaik), maka semua kriteria yang diberikan

diasumsikan sebagai kriteria keuntungan.

Pengambilan keputusan memberikan bobot preferensi sebagai :

(9)

Modul Praktikum Fuzzy Logic

2016

Page 9

Matriks keputusan dibentuk dari tabel kecocokan sebagai berikut :

4 4 5 3 3

X = 3 3 4 2 3

5 4 2 2 2

PENYELESAIAN KASUS DENGAN METODE SAW

1. Tulislah Matriks X sebagai berikut

2. Tuliskan Nilai Bobot tiap kriteria

3. Lakukan Normalisasi Matrik X (berdasarkan persamaan 1), untuk mencari nilai R11

– R35.

Mencari nilai R11 sebagai berikut :

Sehingga ketika di enter Nilai R11 = 0.8000

4. Lakukan Langkah 3 sampai mendapatkan nilai R35

5. sehingga akan di dapat nilai Matrik Ternormalisasi R sebagai berikut :

6. Proses Perangkingan berdasarkan persamaan 2 (Nilai Vi), untuk mencari nilai V1 –

V2.

(10)

Modul Praktikum Fuzzy Logic

2016

Page 10

Mencari Nilai V1

Mencari Nilai V2

Mencari Nilai V3

7. Hasil Nilai Proses perangkingan

(11)

2016

IIB Darmajaya Lampung-YF

Page 11

LATIHAN

Perusahaan susu balita “SGM” akan melakukan penilaian kinerja karyawan dengan

menggunakan metode fuzzy simple additive weighted (F-SAW). Adapun criteria penilaian adalah sebagai berikut :

No Kriteria Penilaian Bobot

Preferensi

Keterangan

1 Kualitas dan

kuantitas kerja (C1)

Sangat Tinggi Menilai berapa jumlah dan

bagaimana kualitas pekerjaan yang telah diselesaikan karyawan

2 Ketaatan (C2) Tinggi Menilai tanggung jawab terhadap seluruh proses pelaksanaan tugas dan ketaatan terhadap aturan perusahaan

3 Kerjasama (C3) Cukup Menilai tingkat kemampuan bekerjasama dengan atasan dan rekan kerja dalam melaksanakan tugas

4 Semangat kerja (C4) Cukup Menilai motivasi secara terus menerus dalam pelaksanaan tugas dan antusiasme untuk

pengembangan dirinya

5 Disiplin kerja (C5) Tinggi Menilai ketepatan hadir di tempat kerja

Dari bilangan fuzzy bobot yang telah ditentukan dapat dikonversikan ke bilangan crips

: Sangat Rendah (SR) =0; Rendah (R)=0,25; Cukup (C)=0,5; Tinggi (T)=0,75; dan

Sangat Tinggi (ST)=1;

NO Alternatif Nilai Kriteria

C1 C2 C3 C4 C5

1 Ahmad Sholeh Baik Baik Sangat Baik

Cukup Baik

2 Eko Darmawanto Sangat Baik

Baik Baik Baik Sangat Baik 3 Kiswandi Baik Sangat

Baik

Cukup Baik Baik

4 Ibnu Nugroho Cukup Baik Cukup Cukup Baik

Semua kriteria terbagi atas 5 (lima) bilangan fuzzy, yaitu sangat kurang (SK), kurang

(K), cukup (C), baik (B), sangat baik (SB). Bilangan-bilangan fuzzy tersebut dapat