LAPORAN TUGAS AKHIR
PENERAPAN LOGIKA FUZZY MAMDANI UNTUK
MENENTUKAN HARGA JUAL BATIK
Disusun oleh:
Nama : Andreas Widiyantoro
NIM : A11.2009.04839
Program Studi : Tehnik Informatika
FAKULTAS ILMU KOMPUTER
UNIVERSITAS DIAN NUSWANTORO
SEMARANG
2013
PERSETUJUAN LAPORAN TUGAS AKHIR
Nama Pelaksana : Andreas Widiyantoro
NIM : A11.2009.04839
Program Studi : Teknik Informatika Fakultas : Ilmu Komputer
Judul Tugas Akhir : Penerapan Logika Fuzzy Mamdani Untuk Menentukan Jual Harga Batik
Tugas Akhir ini telah diperiksa dan disetujui, Semarang, 18 July 2013
Menyetujui : Mengetahui :
Pembimbing Dekan Fakultas Ilmu Komputer
PENGESAHAN DEWAN PENGUJI
Nama Pelaksana : Andreas Widiyantoro
NIM : A11.2009.04839
Program Studi : Teknik Informatika Fakultas : Ilmu Komputer
Judul Tugas Akhir : Penerapan Logika Fuzzy Mamdani Untuk Menentukan Harga Jual Batik
Tugas akhir ini telah diujikan dan dipertahankan dihadapan Dewan Penguji pada Sidang tugas akhir tanggal 18 July 2013. Menurut pandangan kami, tugas akhir ini
memadai dari segi kualitas maupun kuantitas untuk tujuan penganugrahan gelar Sarjana Komputer (S.Kom.)
Semarang, 18 July 2013 Dewan Penguji:
Anggota Anggota
Bowo Nurhadiyono, S.Si, M.Kom Setia Astuti, S.Si, M.Kom
Ketua Penguji
PERNYATAAN KEASLIAN TUGAS AKHIR
Sebagai mahasiswa Universitas Dian Nuswantoro, yang bertanda tangan di bawah ini, saya:
Nama : Andreas Widiyantoro NIM : A11.2009.04839
Menyatakan bahwa karya ilmiah saya yang berjudul:
Penerapan Logika Fuzzy Mamdani Untuk Menentukan Harga Jual Batik
merupakan karya asli saya (kecuali cuplikan dan ringkasan yang masing-masing telah saya jelaskan sumbernya dan perangkat pendukung seperti web cam dll). Apabila di kemudian hari, karya saya disinyalir bukan merupakan karya asli saya, yang disertai dengan bukti-bukti yang cukup, maka saya bersedia untuk dibatalkan gelar saya beserta hak dan kewajiban yang melekat pada gelar tersebut. Demikian surat pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Semarang Pada tanggal : 18 July 2013
Yang menyatakan
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS
Sebagai mahasiswa Universitas Dian Nuswantoro, yang bertanda tangan di bawah ini, saya:
Nama : Andreas Widiyantoro NIM : A11.2009.04839
demi mengembangkan Ilmu Pengetahuan, menyetujui untuk memberikan kepada Universitas Dian Nuswantoro Hak Bebas Royalti Non-Ekskusif (Non-exclusive Royalty-Free Right) atas karya ilmiah saya yang berjudul:
Penerapan Logika Fuzzy Mamdani Untuk Menentukan Harga Jual Batik beserta perangkat yang diperlukan (bila ada). Dengan Hak Bebas Royalti Non-Eksklusif ini Universitas Dian Nuswantoro berhak untuk menyimpan, mengcopy ulang (memperbanyak), menggunakan, mengelolanya dalam bentuk pangkalan data (database), mendistribusikannya dan menampilkan/mempublikasikannya di internet atau media lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya selama tetap mencantumkan nama saya sebagai penulis/pencipta.
Saya bersedia untuk menanggung secara pribadi, tanpa melibatkan pihak Universitas Dian Nuswantoro, segala bentuk tuntutan hukum yang timbul atas pelanggaran Hak Cipta dalam karya ilmiah saya ini.
Demikian surat pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Semarang Pada tanggal : 18 July 2013 Yang menyatakan
ABSTRAK
Indonesia adalah negara yang amat sangat kaya akan keanekaragaman budaya dan banyak yang telah diakui UNESCO ((United Nations Educational, Scientific and Cultural Organitation). Salah satunya adalah batik yang ditetapkan sebagai Warisan Kemanusiaan untuk Budaya Lisan dan Nonbendawi (Masterpieces of the Oral and Intangible Heritage of Humanity) sejak 2 Oktober, 2009. Hal ini menjadikan batik sebagai lahan bisnis yang menjajikan. Namun banyak orang atau pengrajin baru yang terjun kedunia bisnis ini tanpa mempelajarinya lebih dalam sehingga banyak pengusaha yang gulung tikar karena tidak mampu bersaing. Kendala utama mereka terdapat pada penetapan harga batiknya. Banyak batik yang memiliki harga tidak sesuai dengan kualitasnya dan tidak sesuai dengan harga pasar. Untuk mengatasi masalah tersebut dibutuhkan sebuah sistem yang dapat membantu menentukan harga jual batik dengan menggunakan metode fuzzy mamdani. Hal ini memungkinkan sistem memberikan harga dengan perhitungan yang tepat dan diharapkan dengan adanya sistem ini akan memudahkan penjual atau pebisnis batik memberikan harga sesuai dengan harga pasar. Hasil dari penelitian ini adalah berupa prototype yang dapat mengolah inputan menjadi output yaitu harga jual batik.
(x + 61 halaman: 40 gambar; 10 tabel)
Kata Kunci : fuzzy mamdani, harga jual, batik Referensi : 12 (2006-2011)
UCAPAN TERIMAKASIH
Dengan memanjatkan puji syukur kehadirat Allah SWT. Tuhan Yang Maha Pengasih dan Maha Penyayang yang telah melimpahkan segala rahmat, hidayah dan inayah-Nya kepada penulis sehingga laporan tugas akhir dengan judul “PENERAPAN LOGIKA FUZZY UNTUK MENENTUKAN HARGA JUAL BATIK” dapat penulis selesaikan sesuai dengan rencana karena dukungan dari berbagai pihak yang tidak ternilai besarnya. Oleh karena itu penulis menyampaikan terimakasih kepada:
1. Dr.Ir. Edi Noersasongko,M.Kom, selaku Rektor Universitas Dian Nuswantoro Semarang.
2. Dr. Drs. Abdul Syukur, MM, selaku Dekan Fasilkom.
3. Ayu Pertiwi,S.Kom.,MT, selaku Ka.Progdi Teknik Informatika.
4. T.Sutojo, SSi.,M.Kom. selaku pembimbing tugas akhir yang memberikan ide penelitian, memberikan informasi referensi yang penulis butuhkan dan bimbingan yang berkaitan dengan penelitian penulis.
5. Dosen-dosen pengampu di Fakultas Ilmu Komputer Teknik Informatika Universitas Dian Nuswantoro Semarang yang telah memberikan ilmu dan pengalamannya masing-masing, sehingga penulis dapat mengimplementasikan ilmu yang telah disampaikan.
6. Ibu dan Bapak yang telah memberikan dukungan moril, doa, dan kasih sayang.
7. Oki Ria Citia Dewi, Afwatun Nikamah, Nurfianto Ariandanu, Sylvia Elita Esteriani, M. Miftah F.H, Aji Dewantoro, Rizky Tjandra, serta Riana Asri Arvitasari, selaku teman-teman yang bersama-sama bijibaku dan saling membantu untuk menyelesaikan tugas akhir masing-masing.
Semoga Tuhan yang Maha Esa memberikan balasan yang lebih besar kepada beliau-beliau, dan pada akhirnya penulis berharap bahwa penulisan laporan tugas akhir ini dapat bermanfaat dan berguna sebagaimana fungsinya.
Semarang, 18 July 2013 Penulis
DAFTAR ISI
Halaman
HALAMAN JUDUL ... i
PERSETUJUAN LAPORAN TUGAS AKHIR ... ii
PENGESAHAN DEWAN PENGUJI ... iii
PERNYATAAN KEASLIAN TUGAS AKHIR ... iv
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA TULIS ILMIAH .. v
ABSTRAK ... vi
UCAPAN TERIMAKASIH ... vii
DAFTAR ISI ... viii
DAFTAR GAMBAR ... ix DAFTAR TABEL ... x BAB I PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Rerumusan Masalah ... 3 1.3 Batasan Masalah ... 3 1.4 Tujuan Penelitian ... 3 1.5 Manfaat Penelitian ... 3
BAB II LANDASAN TEORI ... 4
2.1 Logika Fuzzy ... 4
2.1.1 Pengertian Logika Fuzzy ... 4
2.1.2 Himpunan Fuzzy ... 5
2.1.3 Fungsi Keanggotaan ... 6
2.1.4 Metode Mamdani ... 16
2.2 Batik ... 20
2.2.1 Pengertian ... 20
2.2.2 Motif atau Pola Batik ... 20
2.2.3 Proses Membatik ... 21
2.2.4 Penentuan Harga ... 23
BAB III METODELOGI PENELITIAN ... 25
3.1 Metode Pengumpulan Data ... 25
3.2 Rancangan Penelitian ... 25
3.3 Implementasi Program ... 36
3.4 Pengujian Program ... 36
BAB IV PEMBAHASAN DETAIL ... 38
4.1 Hasil Penelitian ... 38
4.1.1 Spesifikasi Perangkat Keras ... 49
4.1.2 Spesifikasi Perangkat Lunak ... 50
4.2 Implementasi Program ... 50
4.3 Pengujian Program ... 56
BAB V KESIMPULAN DAN SARAN ... 59
5.1 Kesimpulan ... 59
5.2 Saran ... 59
DAFTAR GAMBAR
Halaman
Gambar 2.1 Representasi Linier Naik ... 6
Gambar 2.2 Representasi Linier Turun ... 7
Gambar 2.3 Representasi Kurva Segitiga ... 8
Gambar 2.4 Representasi Kurva Trapesium ... 8
Gambar 2.5 Representasi Kurva Bentuk Bahu ... 9
Gambar 2.6 Representasi Kurva-S: PERTUMBUHAN ... 10
Gambar 2.7 Representasi Kurva-S:PENYUSUTAN ... 11
Gambar 2.8 Karakteristik fungsi Kurva-S ... 11
Gambar 2.9 Representasi fungsi Kurva PI ... 12
Gambar 2.10 Representasi fungsi Kurva Beta ... 13
Gambar 2.11 Representasi fungsi Kurva Gauss ... 14
Gambar 2.12 Batik Klasik ... 20
Gambar 2.13 Batik Modern ... 21
Gambar 2.14 Proses Mebatik ... 21
Gambar 2.15 Proses Nglorod ... 22
Gambar 3.1 Setruktur sistem inferensi fuzzy ... 26
Gambar 3.2 Grafik himpunan input fuzzy kain serat kayu ... 27
Gambar 3.3 Grafik himpunan input fuzzy kain katun ... 28
Gambar 3.4 Grafik himpunan input fuzzy kain sutra ... 29
Gambar 3.5 Grafik himpunan input fuzzy proses ... 30
Gambar 3.6 Grafik himpunan input fuzzy motif ... 31
Gambar 3.7 Grafik himpunan input fuzzy warna ... 33
Gambar 3.8 Grafik himpunan input fuzzy harga ... 34
Gambar 4.1 Grafik himpunan input fuzzy kain serat kayu ... 39
Gambar 4.2 Grafik himpunan input fuzzy kain katun ... 40
Gambar 4.3 Grafik himpunan input fuzzy kain sutra ... 41
Gambar 4.4 Grafik himpunan input fuzzy proses ... 42
Gambar 4.5 Grafik himpunan input fuzzy motif ... 43
Gambar 4.6 Grafik himpunan input fuzzy warna ... 44
Gambar 4.7 Grafik himpunan input fuzzy harga ... 45
Gambar 4.8 Tampilan Awal Program ... 51
Gambar 4.9 Variabel Input Kain Katun ... 51
Gambar 4.10 Variabel Input Kain Serat Kayu ... 52
Gambar 4.11 Variabel Input Kain Sutra ... 52
Gambar 4.12 Variabel Input Proses ... 53
Gambar 4.13 Variabel Input Motif ... 53
Gambar 4.14 Variabel Input Warna ... 54
Gambar 4.15 Variabel Output Harga ... 54
Gambar 4.16 Rule Editor ... 55
DAFTAR TABEL
Halaman
Tabel 3.1 Kain Serat Kayu ... 26
Tabel 3.2 Kain Katun ... 27
Tabel 3.3 Kain Sutra ... 27
Tabel 3.4 Proses ... 30
Tabel 3.5 Motif ... 31
Tabel 3.6 Warna ... 32
Tabel 3.7 Harga ... 34
Tabel 4.1 Spesifikasi Perangkat Keras ( Hardware ) ... 49
Tabel 4.2 Spesifikasi Perangkat Lunak ( Software ) ... 50
BAB I PENDAHULUAN
1.1 Latar Belakang Masalah
Indonesia merupakan negara kepulauan sehingga Indonesia memiliki beraneka ragam jenis suku bangsa, bahasa, dan budaya. Budaya Indonesia sudah banyak yang diakui oleh dunia salah satunya adalah badan organisasi PBB(Persatuan Bangsa-Bangsa) melalui UNESCO(United Nations Educational, Scientific and Cultural Organitation). Salah satu budaya Indonesia yang sudah diakui UNESCO(United Nations Educational, Scientific and Cultural Organitation) dan ditetapkan sebagai Warisan Kemanusiaan untuk Budaya Lisan dan Nonbendawi (Masterpieces of the Oral and Intangible Heritage of Humanity) sejak 2 Oktober, 2009 adalah batik.
Sejak jaman dulu sampai sekarang batik terus dikembangkan dan dilestarikan oleh masyarakat Indonesia bahkan pernah diakui sebagai budaya negara tetangga kita, namun atas kegigihan perjuangan pemerintah kita batik dapat diakui dunia sebagai budaya negara kita tercinta yaitu Indonesia. Bahkan sekarang banyak instansi-instansi seperti sekolah-sekolah, universitas, kantor swata maupun negri yang mewajibkan salah satu hari dalam seminggu untuk mengenakan batik sebagai seragam mereka.
Ini memunculkan peluang bisnis bagi kebanyakan orang untuk memulai usaha dalam bidang batik. Sehingga banyak orang yang belajar membatik untuk dijadikannya sebagai usaha untuknya. Banyak orang yang memulai bisnis batik ini tanpa belajar management bisnis terlebih dahulu dan mengakibatkan banyak orang yang tidak bertahan lama dalam menjalankan bisnis batik ini karena banyaknya saingan bisnis yang bahkan sudah lebih lama berkecimpung dalam bisnis batik ini.
Para pebisnis baru ini kebanyakan kalah dalam kualitas batik dan penentuan harga batik tersebut. Contohnya untuk kualitas batik yang sedang mereka menjualnya dengan harga yang lumayan tinggi sehingga
menimbulkan rasa ketidak puasan kepada konsumen mereka. Inilah yang membuat kebanyakan dari orang-orang yang baru memulai bisnis ini langsung gulung tikar karena tidak memiliki konsumen.
Dari sinilah penulis mendapatkan ide untuk mengangkat judul untuk tugas akhir yaitu “PENERAPAN LOGIKA FUZZY MAMDANI UNTUK MENENTUKAN HARGA JUAL BATIK”. Diharapkan dengan aplikasi ini dapat membantu para pengrajin-pengrajin batik baru ini untuk mementukan harga jual batik mereka sesuai dengan kualitas batik mereka.
Bahkan jika hasil dari aplikasi ini akurat (maksutnya penjual mendapat untung dan pembeli tidak merasa dirugikan) mungkin ini dapat menjadi standarisasi untuk menentukan harga jual batik bagi pebisnis atau pengrajin-pengrajin batik yang baru berkecimpung dalam usaha jaul beli batik ini. Aplikasi ini bisa membantu mereka untuk bertahan dalam bisnis ini karena mereka akan tetap mendapatkan untung tanpa merugikan pembeli. Untuk membuat aplikasi ini penulis akan menggunakan Matlab 7.1 karena Matlab dapat memudahka penulis untuk membuat aplikasi dengan menerapkan Logika Fuzzy.
Logika fuzzy adalah jika dibandingkan dengan logika konvensional logika fuzzy memiliki kelebihan sendiri yaitu kemampuannya dalam proses penalaran secara bahasa dalam perancangannya tidak memerlukan persamaan matematik yang rumit. Alasan kenapa penulis memilih menggunakan logika fuzzy adalah mudah dimengerti, memiliki toleransi terhadap data-data yang tidak tepat, mampu memodelkan fungsi-fungsi nonlinier yang sangat kompleks, dapat membangun dan mengaplikasikan pengalaman-pengalaman sipembuat secara langsung tanpa harus melalui proses pelatihan, dapat bekerja sama dengan teknik-teknik kendali secara konvensional dan didasarkan pada bahasa alami.
1.2 Rumusan Masalah
Dari latar belakang yang sudah dipaparkan oleh penulis diatas maka didapatkan rumusan masalah sebagai berikut, bagaimana menerapkan logika fuzzy untuk menentukan harga jual batik?
1.3 Batasan Masalah
Untuk menghindari penyimpangan dari judul dan tujuan yang sebenarnya serta keterbatasan pengetahuan yang dimiliki penulis, maka penulis membuat ruang lingkup dan batasan masalah yakni penulis menyusun laporan akhir ini maksimal empat kriteria saja yaitu proses pembuatan batik, kain, warna dan motif yang digunakan untuk mentukan harga jual atau keluaran terakhir.
1.4 Tujuan Penelitian
Berdasarkan rumusan masalah diatas, maka tujuan dari laporan akhir yang dibuat adalah Menerapkan Logika Fuzzy Mamdani Untuk Menetukan Harga Jual Batik.
1.5 Manfaat penelitian
Manfaat dari laporan tugas akhir ini adalah : a. Bagi Penulis
Menambah wawasan mengenai budaya batik Indonesia dan dapat menyelesaikan Tugas Akhir.
b. Bagi Pengrajin Baru
Dapat membantu untuk menentukan harga jual batik yang dapat memberikan untung baginya dan tidak merugikan konsumen.
c. Bagi Adik Tingkat
Dapat memberikan tambahan refernsi untuk membantu menyelesaikan laporan Tugas Akhir mereka.
BAB II
LANDASAN TEORI
2.1 Logika Fuzzy
2.1.1 Pengertian Logika Fuzzy
Konsep tentang logika fuzzy diperkenalkan oleh Prof. Lotfi Astor Zadeh pada 1962. Logika fuzzy adalah metodologi sistem kontrol pemecahan masalah yang cocok untuk diimplementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil, embedded system, jaringan PC, multi-channel atau workstation berbasis akuisisi data, dan sistem kontrol. Metodologi ini dapat diterapkan pada perangkat keras, perangkat lunak, atau kombinasi keduanya. Dalam logika klasik dinyatakan bahwa segala sesuatu bersifat biner, yang artinya adalah hanya mempunyai dua kemungkinan , “Ya atau Tidak”, “Benar atau Salah”, “Baik atau Buruk”, dan lain sebagainya. Oleh karena itu semua ini dapat mempunyai nilai keanggotaan 0 atau 1. Akan tetapi, dalam logika fuzzy memungkinkan nilai keanggotaan berada diantara 0 dan 1. Artinya, bisa saja suatu keadaaan mempunyai dua nilai “ Ya dan Tidak”, “Benar atau Salah”, “Baik atau Buruk” secara bersamaan, namun besar nilainya tergantung pada bobot kenggotaan yang dimilikinya. Logika fuzzy dapat digunakan di berbagai bidang seperti pada sistem diagnosis penyakit ( dalam bidang kedokteran), pemodelan sistem pemasaran, riset operasi (dalam bidang ekonomi), kendali kualitas air, prediksi adanya gempa bumi, klasifikasi dan pencocokan pola (dalam bidang teknik).
2.1.2 Himpunan Fuzzy
Menurut Sri Kusumadewi dalam buku yang berjudul “Artificial Intelligence (Teknik dan Aplikasinya)” himpunan fuzzy memiliki dua atribut, yaitu :
a. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, separti : MUDA, PAROBAYA, TUA.
b. Numeris , yaitu suatu nilai atau angka yang menunjukkan ukuran dari suatu variabel seperti : 40, 25, 50
Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
1. Variabel fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.
Contoh : penghasilan, temperatur, permintaan, dan sebagainya. 2. Himpunan fuzzy
Himpunan fuzzy yaitu suatu kelompok yang mewakili suatu keadaan tertentu dalam suatu variabel fuzzy.
Contoh : Variabel permintaan terbagi menjadi 2 himpunan fuzzy, yaitu NAIK dan TURUN.
3. Semesta Pembicaraan
Semesta pembicaraan yaitu seluruh nilai yang diizinkan untuk dioperasikan dalam suatu variabel fuzzy. Contoh :
- Semesta pembicaraan untuk variabel permintaan: [0 + ∞) - Semesta pembicaraan untuk variabel temperatur: [-10 90] 4. Domain
Domain himpunan fuzzy yaitu seluruh nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Contoh :
- Domain himpunan TURUN = [0 5000] - Domain himpunan NAIK = [1000 +∞ )
2.1.3 Fungsi Keanggotaan
Fungsi Keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai ke-anggotaannya yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah melalui pendekatan fungsi.
1. Representai Linear
Pada representasi linear, pemetaan input ke derajat keanggotaannya digambarkan sebagai garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas.
Ada dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak kekanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. ( Gambar 2.1).
Fungsi Keanggotaan :
Fungsi Keanggotaan :
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai domain dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. (Gambar 2.2)
Fungsi Keanggotaan :
2. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis linear, seperti terlihat pada Gambar 2.3 Representasi Kurva Segitiga.
Gambar 2.2: Representasi Linier Turun
Fungsi Keanggotaan :
3. Representasi Kurva Trapesium
Kurva segitiga pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1. (Gambar 2.4)
Fungsi keanggotaan :
4. Representasi Kurva Bentuk Bahu
Daerah yang terletak di tengah-tengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun (misalkan: DINGIN bergerak ke SEJUK bergerak ke HANGAT dan bergerak ke PANAS). Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Sebagai contoh, apabila telah mencapai kondisi PANAS, kenaikan temperatur akan tetap berada pada kondisi
PANAS. Himpunan fuzzy ‘bahu’, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar. Gambar 2.5 menunjukkan variabel TEMPERATUR dengan daerah bahunya.
5. Representasi Kurva-S (Sigmoid)
Kurva PERTUMBUHAN dan PENYUSUTAN merupakan kurva- S atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara tak linear.
Kurva S atau PERTUMBUHAN akan bergerak dari sisi paling kiri (nilai keanggotaan=0) ke sisi paling kanan (nilai keanggotaan =1 ). Fungsi keanggotaannya akan tertumpu pada 50% nilai keanggotaanya yang sering disebut dengan titik infleksi (Gambar 2.6).
Kurva-S untuk PENYUSUTAN akan bergerak dari sisi palig kanan (nilai keanggotaan =1 ) ke sisi paling kiri (nilai keanggotaan = 0). Gambar 2.7
Kurva-S didefinisikan dengan menggunakan 3 parameter, yaitu: nilai keanggotaan nol (α), nilai keanggotaan lengkap (γ), dan titik infleksi atau crossover (β) yaitu titik yang memiliki domain 50% benar. Gambar 2.8 menunjukkan karakteristik kurva-S dalam bentuk skema.
Gambar 2.6 : Representasi Kurva-S: PERTUMBUHAN
Gambar 2.8 Karakteristik fungsi Kurva-S
Fungsi keanggotaan pada kurva PERTUMBUHAN adalah
Sedangkan fungsi keanggotaan pada kurva PENYUSUTAN adalah:
6. Representasi Kurva Lonceng
Untuk mepresentasikan bilangan fuzzy selain dengan kurva-kurva diatas bisa juga dengan menggunakan kurva-kurva berbentuk lonceng. Kurva berbentuk lonceng ini terbagi menjadi 3, yaitu kurva PI, kurva Beta, dan kurva Gauss. Ketiganya dibedakan dengan gradient dan bentuknya.
a. Kurva PI
Pada kurva PI keanggotaan 1 terletak pada pusat domain (γ) dan mempunyai lebar kurva (β).
b. Kurva Beta
Layaknya kurva PI, kurva beta pun berbentuk lonceng namun lebih rapat. Kurva ini juga didefinisikan dengan 2 parameter, yaitu nilai domain yang menunjukan pusat domain (γ) dan setengah lebar kurva (β), dan titik infleksi terletak pada (γ-β) dan (γ+β).
Fungsi Keangotaan
Kurva Beta mempunyai karakteristik yang berbeda dari kurva PI, yaitu fungsi keanggotaanya akan mendekati 0 jika nilai (β) sangat besar.
c. Kurva Gauss
Berbeda dengan kurva PI dan kurva Beta yang menggunakan 2 parameter yaitu (γ) dan (β), kurva Gauss juga menggunakan (γ) untuk menunjukkan nilai domain pada pusat kurva, namun parameter lebar kurva adalah (k).
Fungsi Keanggotaan :
2.1.4 Operasi Himpunan Fuzzy
Operasi himpunan fuzzy diperlukan untuk proses inferensi atau penalaran. Dalam hal ini yang dioperasikan adalah derajat keanggotaanya. Derajat keanggotaanya sebagai hasil dari opersi dua buah himpunan fuzzy disebut sebagai fire strength atau α-predikat. Berikut beberapa operasi dasar yang paling sering digunakan untuk mengkombinasi dan memodifikasi himpunan fuzzy.
1. Operasi Gabungan (Union)
Operasi gabunga (sering disebut operator OR) dari himpunan fuzzy A dan B dinyatakan sebagai A∪B. dalam sistem logika fuzzy, operasi gabungan disebut sebagai Max. Operasi Max ditulis dengan persamaan berikut :
μ c μa μb
μa μb ∈
Derajat keanggotaan setiap unsure himpunan fuzzy A∪B adalah derajat keanggotaan pada himpunan fuzzy A atau B yang memiliki nilai terbesar.
2. Operasi Irisan (Intersection)
Operasi irisan (sering disebut operator AND) dari himpunan fuzzy A dan B dinyatakan sebagai A ∩ B. Dalam sistem logika fuzzy operasi irisan disebut sebagai Min. Operasi Min ditulis dengan persamaan berikut :
μc μa μb
μa μb ∈
Derajat keanggotaan setiap unsure himpunan fuzzy A ∩ B adalah derajat keanggotaan pada himpunan fuzzy A dan B yang memiliki nilai terkecil.
3. Operasi Komplemen (Complemen)
Bila himpunan fuzzy A pada himpunan universal X mempunyai fungsi keanggotaan μa
2.1.5 Metode Mamdani
Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
Untuk mendapatkan output diperlukan 4 tahapan :
1. Pembentukan himpunan fuzzy
Pada Metode Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi (aturan)
Menyusun basis aturan, yaitu aturan-aturan berupa implikasi-implikasi. fuzzy yang menyatakan relasi antara variabel input dengan variabel output. Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. Bentuk umumnya adalah sebagai berikut :
Jika a adalah A¡ dan b adalah B¡, maka c adalah Ci
Dengan Ai, Bi, dan Ci adalah predikat-predikat fuzzy yang merupakan nilai linguistik dari masing-masing variabel. Banyaknya aturan ditentukan oleh banyaknya nilai linguistik untuk masing-masing variabel masukan.
3. Komposisi aturan
Tidak seperti panalaran monoton, apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan kolerasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu max, additive dan probabilistik OR. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu :
a. Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proposisi telah dievakuasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi. Secara umum dapat dituliskan :
μ (xi) = max ( μsf (xi),μkf (xi) ) dengan :
μsf (xi) = nilai keanggotaan solusi fuzzy sampai aturan ke-i μkf (xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i b. Metode Additive (Sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan :
μ (xi) = min (1, μsf (xi) + μkf (xi) ) dengan :
μsf (xi) = nilai keanggotaan solusi fuzzy sampai aturan ke-i μkf (xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i c. Metode probabilistik OR (probor)
Pada metode iini, solusi himpunan fuzzy diperoleh dengan cara melakukan product terhadap semua output daerah fuzzy. Secara umum dituliskan :
μ (xi) = (μsf (xi) + μkf (xi) ) - (μsf (xi) * μkf (xi) ) dengan :
μkf (xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i 4. Penegasan (defuzzy)
Input dari proses defuzzikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy , sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crsip tertentu sebagai output.
Ada beberapa metode defuzzikasi pada komposisi aturan MAMDANI, antara lain :
a. Metode centroid (Composite Moment)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzzy. Secara umum dirumuskan :
untuk domain kontinu dengan rumus:
untuk semesta diskret dengan rumus :
b. Metode Bisektor
Pada metode ini, solusi scrisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan separo dari jumlah total nilai keanggotaan pada daerah fuzzy.
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilali keanggotaan maksimum.
d. Metode largest of Maximum (LOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain yang memiliki nlai keanggotaan maksimum.
e. Metode Smallest of Maximum (SOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan maksimum.
2.2 Batik
2.2.1 Pengertian
Batik adalah salah satu cara pembuatan bahan pakaian yang suadah dikenal masyarakat Indonesia sejak ratusan taun lalu. Pengertian batik sediri dapat mengacu pada dua hal. Yang pertama adalah seni pewarnaan kain dengan teknik pencegahan pewarnaan menggunakan malam. Yang kedua adalah pembuatan kain dengan teknik tersebut termasuk motif-motif tertentu yang khas.
2.2.2 Motif atau Pola Batik
Batik yang kita lihat saat ini memiliki banyak sekali motif atau polanya, berbeda disetiap daerah bahkan setiap pengrajin memiliki pola khasnya sendiri. Namun secara garis besar batik berdasarkan motif dan polanya batik dibagi menjadi dua yaitu :
1. Batik Klasik
Batik klasik mempunyai mempunyai nilai dan cita rasa seni yang tinggi karena proses pembuatannya yang rumit dan membutuhkan waktu relatif lama.
Batik klasik mempunyai pola-pola dasar tertentu dengan berbagai macam variasi motif. Bahan dasar batik adalah kain katun putih dengan kualitas halus atau bahkan kain sutra putih karena dengan bahan tersebut akan dapat menghasilkan warna yang lebih hidup.
2. Batik Modern
Berbeda dengan batik klasik batik modern dapat dibuat dengan beraneka ragam corak. Batik modern juga menggunakan bahan-bahan dan proses pewarnaan yang mengikuti perkembangan bahan-bahan pewarnanya.
Terkadang penggunaan canting bisa diganti dengan kuas, sedangkan untuk pewarnaan kadang diterapkan langsung dengan menggunakan kapas atau kain. Dengan kata lain, proses pembuatan batik modern hamper seperti batik klasik hanya saja desain dan pewarnaannya tergantung pada cita rasa sang pembatik dan bahan-bahan yang digunakannya.
2.2.3 Proses Membatik
Gambar 2.13 : Batik Modern
Proses membatik yang diwariskan oleh leluhur kita dari dulu hingga sekarang yang masih terus dipakai adalah proses batik tulis yang membuat harganya juga lebih mahal karena memakan waktu yang
cukup lama untuk
menyelesaikan satu kainnya. Namun seiring perkembangan zaman proses membatik pun juga bertambah untuk dapat menyingkat waktu membatik, saat ini selain tulis ada juga proses batik cap dan print.
Proses batik tulis dimulai dari pemotongan bahan baku (mori) sesuai kebutuhan. Kemudian berlanjut ke proses selanjutnya yaitu mengetel atau menghilangkan mori dari kanji dengan merendam kain mori dalam larutan minyak kacang, soda abu, tipol dan air secukupnya. Lalu kain mori diuleni hingga rata kemudian dijemur. Proses ini diulangi selama tiga minggu agar nantinya pewarna dapat terserap sempurna dalam kain.
Proses selanjutnya adalah membuat pola batik pada kain mori lalu dari pola yang sudah dibuat saatnya untuk “nglengreng”(menggambar langsung pada kain mori dengan malam) dan “isen-isen”(membuat variasi pada motif yang sudah di lengreng), ini dilakukan pada kedua sisi kain. Pada kain batik ini tidak semua bagian akan diberi warna, karena itu bagian yang tidak diberi warna harus ditutup dengan malam proses ini disebut “nembok”.
Setelah semua dilakukan kita masuk ketahap akhir yaitu “ngobat” atau pemberian warna pada batik dengan cara mencelupkannya ke larutan zat pewarna. Setelah itu untuk menghilangkan lilinnya batik direbus dalam larutan soda abu
proses ini disebut dengan “nglorod”. Setelah lapisan lilin hilang dengan sempurna kain dicuci lalu dikeringkan dengan cara diangin-anginkan. Namun proses diatas hanya untuk satu warna saja, untuk memberikan warna lain proses batik harus diulangi lagi dari “nglengreng”.
Proses batik cap caranya tidak jauh berbeda dengan batik tulis. Jika dalam batik tulis ada proses yang disebut dengan “nglengreng”, “isen-isen” dan “nembok” dalam proses batik cap semua itu digantikan dengan cap. Untuk proses selanjutnya sama dengan batik tulis.
Namun proses batik print agak sedikit jauh berbeda karena sebagian besar proses digantikan dengan mesin. Pertama hal yang dilakukan adalah membuat pola, langkah selanjutnya yaitu membuat klise batik. Klise batik sablon adalah bahan awal (master) yang nantinya akan dipindahkan ke dalam plangkan screen dan menjadi alat cetak. Film klise adalah gambar pola yang dibuat di atas lembaran mika plastik bening dengan bahan tinta yang pekat dan tidak tembus cahaya. Hal ini disebebkan sistem afdruk menggunakan penyinaran. Pemindahan pola ke atas mika plastik bisa dilakukan dengan komputer, namun dapat pula dilakukan dengan tangan.
Selanjutnya membuat plangkan master, kegiatan ini berisi pemindahan pola atau motif yang semula ada pada kertas ke permukaan plangkan. Proses selanjutnya adalah penyablonan yaitu pemindahan pola dari plangkan ke kain mori. Yang terakhir adalah proses finishing, finising dilakukan sesuai bahan sablon yang
Gambar 2.15 : Proses Nglorod Gambar 2.14 : Proses Membatik
digunakan. Untuk yang menggunakan bahan prison, soda kue dan manutek finisingnya adalah “nglorod”.
2.2.4 Penentuan Harga
Banyak patokan-patokan yang digunakan para pengrajin untuk menentukan harga jual sebuah kain batik. Harga jual batik dapat ditentukan dari jenis kain, proses membatik, motif, warna bahkan nilai historis dari batik tersebut, seperti si-pembuat batik dan batik tersebut pernah dipakai seorang tokoh tertentu.
Kain-kain yang digunakan untuk membatik sangatlah beraneka ragam seperti kain katun, kain sutra, kain serat nanas, kain serat kayu, kain doby, kain katun lurik, kain poplin, kain wol dan masih banyak lagi.
Pewarna yang digunakan pun beragam, pewarna batik dibagi menjadi dua jenis yaitu pewarna sintetis dan alami. Pewarna sentetis terdiri dari Rapid, indigosol, naptol, remasol dan porson untuk satu kainnya bisa menggunakan 10 gram pewarna dan dapat ditambah sesuai kecerahan warna yang diinginkan. Sedangkan, pewarna alami terdiri dari indigo, tingi (berasal dari batang pohon tingi), mahoni (berasal dari kulit pohon mahoni), secang (berasal dari kayu secang), jolawe dan tunjung. Keunggulan dari pewarna alami adalah hanya dengan kurang lebih 20 gram pewarna dapat digunakan untuk lebih dari satu kain.
Motif batik juga menjadi unsure penting dalam penentuan harga batik, karena motif batik memiliki tingkat kesulitan atau kerumitan yang berbeda-beda. Semakin rumit motif yang dibuat semakin mahal pula kain batiknya. Biasanya juga setiap pengrajin memiliki motif unggulan mereka sendiri contohnya karena didaerahnya terdapat banyak pohon jambe motif unggulan merekapun juga motif jambe dan lain sebagainnya.
BAB III
METODE PENELITIAN
3.1 Metode Pengumpulan Data 1. Studi Pustaka
Merupakan metode yang dilakukan dengan cara mencari sumber dari buku-buku tentang logika fuzzy, fuzzy mamdani dan buku tentang sistem pendukung keputusan.
2. Observasi Lapangan
Observasi merupakan metode pengumpulan data melalui pengamatan langsung atau peninjauan secara langsung dilapangan atau lokasi penelitian. Dalam hal ini, penulis perlu mengunjungi lokasi penelitian untuk mengamati secara langsung berbagai hal atau kondisi yang ada dilapangan. Dengan metode ini penulis akan mengamati secara langsung proses-proses yang ada dilapangan, contohnya mengamati proses pembuatan batik, proses pengemasan, pemberian harga dan proses jual belinya.
3.2 Rancangan Penelitian
Perancangan Fuzzy dilakukan untuk mendapatkan output berupa grafik perbandingan antar variable yaitu jenis kain dan proses pembuatan batik serta harga batik. Pada penelitian ini digunakan Logika Fuzzy untuk mendapatkan keluaran berupa harga batik. Berikut adalah rancangan himpunan fuzzy untuk penelitian ini :
1. Fuzzifikasi
a. Variabel Kain
Variabel kain disini dipakai untuk menyatakan harga bahan baku kain sebelum diproses. Variabel kain disini dibagi menjadi tiga sub variabel, sesuai dengan kain yang dipakai oleh para produsen batik sesuai dengan tingkatan kualitasnya. Berikut himpunan fuzzy pada kain :
No Harga Kain Tingkat Fuzzy
1 10000 – 12000 Rendah
2 11000 – 13000 Sedang
3 12000 – 14000 Tinggi
No Harga Kain Tingkat Fuzzy
1 9000 – 10000 Rendah
2 9400 – 10600 Sedang
3 10000 – 11000 Tinggi
Tabel 3.1: Kain Serat Kayu
Tabel 3.2: Kain Katun
Gambar 3.1 : Setruktur sistem inferensi fuzzy
Input Fuzzifikasi Mesin Inferensi Defuzzifikasi Output
No Harga Kain Tingkat Fuzzy
1 10000 – 12000 Rendah
2 11000 – 13000 Sedang
3 12000 – 14000 Tinggi
Implementasi kurva dari tabel diatas adalah sebagai berikut : = 1, x≤b c-x/c-b, b≤x≤c 0, x≥c µSedang [X] = 0, x≤b x-b/c-b, b≤x≤c d-x/d-c, c≤x≤d µTinggi [X] = 0, x≤c x-c/d-c, c≤x≤d 1, x≥d
Gambar 3.2 : Grafik himpunan input fuzzy kain serat kayu
a b c d e
= 1, x≤b c-x/c-b, b≤x≤c 0, x≥c µSedang [X] = 0, x≤b x-b/c-b, b≤x≤c d-x/d-c, c≤x≤d µTinggi [X] = 0, x≤c x-c/d-c, c≤x≤d 1, x≥d
Gambar 3.3 : Grafik himpunan input fuzzy kain katun
= 1, x≤b c-x/c-b, b≤x≤c 0, x≥c µSedang [X] = 0, x≤b x-b/c-b, b≤x≤c d-x/d-c, c≤x≤d µTinggi [X] = 0, x≤c x-c/d-c, c≤x≤d 1, x≥d
b. Variabel Proses Pembuatan
Variabel proses pembuatan digunakan untuk menyatakan macam proses yang digunakan untuk membatik. Kriterianya dibuat berdasarkan upah pengrajin batik. Berikut himpunan fuzzynya :
a b c d e
No Proses Pembuatan Tingkat Fuzzy
1 7500 – 20000 Print
2 20000 – 35000 Cap
3 35000 – 70000 Tulis
Implementasi kurva dari tabel diatas adalah sebagai berikut : = 1, x≤b c-x/c-b, b≤x≤c 0, x≥c µCap [X] = 0, x≤b x-b/c-b, b≤x≤c d-x/d-c, c≤x≤d µTulis [X] = 0, x≤c x-c/d-c, c≤x≤d 1, x≥d
Gambar 3.5 : Grafik himpunan input fuzzy proses pembuatan
a b c d e
c. Variabel Motif
Variabel motif digunakan untuk menyatakan tingkat kerumitan motif batik. Kriterianya dibuat berdasarkan upah pengrajin batik. Berikut adalah himpunan fuzzy pada motif :
No Upah Pengrajin Tingkat Fuzzy
1 25000 – 32500 Sederhana
2 32500 – 37500 Agak rumit
3 37500 – 50000 Rumit sekali
Implementasi kurva dari tabel diatas adalah sebagai berikut :
= 1, x≤b
c-x/c-b, b≤x≤c
0, x≥c
Gambar 3.6 Grafik himpunan input fuzzy motif
a b c d e
µAgak_rumit [X] = 0, x≤b x-b/c-b, b≤x≤c d-x/d-c, c≤x≤d µRumit_sekali [X] = 0, x≤c x-c/d-c, c≤x≤d 1, x≥d d. Variabel Warna
Variabel warna digunakan untuk menyatakan harga baku pewarna yang dipakai para pengrajin. Kriterianya dibuat sesuai dengan harga pewarnanya. Berikut himpunan fuzzy warna :
No Harga Pewarna Tingkat Fuzzy 1 5000 – 160000 Sintetis
2 40000 – 200000 Alam
Implementasi kurva dari tabel diatas adalah sebagai berikut :
= 1, x≤b c-x/c-b, b≤x≤c 0 , x≥c µAlam [X] = 0, x≤b x-b/c-b, b≤x≤c 1, x≥c e. Variabel Harga
Variabel harga merupakan output yang diharapkan dalam sistem ini. Kriterianya dibuat berdasarkan penelitian yang sudah penulis lakukan, hasil yang diharapkan penulis disini adalah harga yang lebih murah dibandingkan dengan harga yang telah diterapkan oleh para pelaku bisnis batik baru. Sehingga tidak memberatkan pembeli dan tidak merugikan penjual. Gambar 3.7 : Grafik himpunan input fuzzy warna
No Harga Batik Tingkat Fuzzy
1 65000 – 30000 Murah
2 300500 – 4000000 Sedang 3 4100000 – 8000000 Mahal
Implementasi kurva dari tabel diatas adalah sebagai berikut : = 1, x≤b c-x/c-b, b≤x≤c 0, x≥c µSedang [X] = 0, x≤b x-b/c-b, b≤x≤c d-x/d-c, c≤x≤d µMahal [X] = 0, x≤c x-c/d-c, c≤x≤d 1, x≥d
Gambar 3.8 : Grafik himpunan input fuzzy harga a
b d c e
2. Pembentukan Aturan
Setelah pembentukan variable dan himpunan fuzzy, dibentuk aturan yang bersesuian dengan penelitian yang dilakukan penulis.
3. Aplikasi Fungsi Implikasi (Mesin Inferensi)
Setelah Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min. Bentuk umumnya adalah sebagai berikut :
Jika a adalah A¡ dan b adalah B¡, maka c adalah Ci
Dengan Ai, Bi, dan Ci adalah predikat-predikat fuzzy yang merupakan nilai linguistik dari masing-masing variabel. Banyaknya aturan ditentukan oleh banyaknya nilai linguistik untuk masing-masing variabel masukan.
4. Komposisi Aturan
Dari aturan predikat yang sudah didapatkan melalui aturan fungsi implikasi, dihasilkan himpunan fuzzy baru dengan menggunakan motode MAX. Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR (union). Jika semua proposisi telah dievakuasi, maka output akan berisi suatu himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi. Secara umum dapat dituliskan :
μ (xi) = max ( μsf (xi),μkf (xi) ) dengan :
μsf (xi) = nilai keanggotaan solusi fuzzy sampai aturan ke-i μkf (xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i
5. Defuzzyfikasi
Metode Defuzzy yang digunakan adalah metode centroid. Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*) daerah fuzzy.
Dengan menggunakan rumus tersebut nantinya akan didapatkan hasil akhir yang diharapkan.
3.3 Implementasi Program
Pada tahap ini akan dirancang sebuah program dengan menggunakan MATLAB 7.1 sebagai alat yang dapat mengimplementasikan logika fuzzy untuk menentukan harga batik. Dalam program ini terdiri dari himpunan variabel seperti yang sudah tertera diatas, rules editor yang berisi aturan-aturan dalam sistem ini yang nantinya dapat menentukan hasil yang diharapkan dan selanjutnya adalah rule viewer dan disinilah nantinya inputan berdasarkan kriteria fuzzy yang ada diinputkan lalu hasilnya akan terlihat.
3.4 Pengujian Program
Untuk menguji kevalidasian program ini nantinya akan disertakan pelatihan data dengan menggunakan metode MAPE (Meant Absolute Percentage Error). MAPE adalah suatu metode yang digunakan untuk mengukur tingkat validasi dari suatu model. Adapun perhitungan nilai MAPE adalah :
Dimana ŷi adalah nilai dugaan yang dihasilkan oleh model, yi adalah nilai yang sesungguhnya dan n adalaha jumlah keseluruhan data. Hasil akhir yang didapatkan dikatakan baik jika nilanya dibawah 15%.
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil Penelitian
Dalam penyusunan penerapan logika fuzzy mamdani untuk menentukan harga jual batik ini penulis melakukan beberapa langkah untuk mendapatkan data yang valid dalam penyusunannya. Hal tersebut dilakukan untuk mendapatkan hasil jumlah produksi yang diharapkan.
Setelah dilakukannya perhitungan dan percobaan, maka didapatlah hasil penentuan harga batik menggunakan metode fuzzy mamdani dengan matlab.
1. Himpunan Fuzzy
Pada tahap ini, nilai keanggotaan himpunan kain, proses, motif, dan warna, saat ini dicari menggunakan fungsi keanggotaan himpunan fuzzy.
a. Variabel Kain
Untuk variabel kain merupakan variable input dan dibagi menjadi tiga yaitu Kain Serat Kayu, Katun dan Sutra. Namun pada setiap kain memiliki kriteria fuzzy tersendiri. Serat Kayu kualitas Rendah (10000-12000), kualitas Sedang (11000-13000), kualitas Tinggi (12000-14000). Katun kualitas Rendah (9000-10000), kualitas Sedang (9400-10600), kualitas Tinggi (10000-11000). Sutra kualitas Rendah (18000-20000), kualitas Sedang (19000-21000), kualitas Tinggi (20000-22000)
= 1, x≤1,1 1,2-x/0,1, 1,1≤x≤1,2 0, x≥1,2 µSedang [X] = 0, x≤1,1 x-1,1/0,1, 1,1≤x≤1,2 1,3-x/0,1, 1,2≤x≤1,3 µTinggi [X] = 0, x≤1,2 x-1,2/0,1, 1,2≤x≤1,3 1, x≥1,3
Gambar 4.1 : Grafik Himpunan Input Fuzzy Kain Serat Kayu ProsePembuatan
= 1, x≤0,94 1,2-x/0,06, 0,94≤x≤1 0, x≥1 µSedang [X] = 0, x≤0,94 x-0,94/0,06, 0,94≤x≤1 1,06-x/0,06, 1≤x≤1,06 µTinggi [X] = 0, x≤1 x-1/0,06, 1≤x≤1,06 1, x≥1,06
Gambar 4.2 : Grafik Himpunan Input Fuzzy Kain Katun rosePembuatan
= 1, x≤1,9 2-x/0,1, 1,9≤x≤2 0, x≥2 µSedang [X] = 0, x≤1,9 x-1,9/0,1, 1,9≤x≤2 2,1-x/0,1, 2≤x≤2,1 µTinggi [X] = 0, x≤2 2,1-x/0,1, 2≤x≤2,1 1, x≥2,1
b. Variabel Proses Pembuatan
Variabel Proses Pembuatan dibagi menjadi tiga kriteria sesuai dengan proses membatik yang ada yaitu Print (7500-20000) Cap (20000-35000) Tulis (35000-70000). Gambar 4.3 : Grafik Himpunan Input Fuzzy Kain Sutra
= 1, x≤2 3,5-x/1,5, 2≤x≤3,5 0 , x≥3,5 µCap [X] = 0, x≤2 x-2/1,5, 2≤x≤3,5 5-x/1,5, 3,5≤x≤5 µTulis [X] = 0, x≤3,5 5-x/1,5, 3,5≤x≤5 1, x≥5 c. Variabel Motif
Variabel Motif dibagi menjadi tiga kriteria sesuai dengan tingkat kerumitan motif batik yang ada yaitu Sederhana (7500-20000), Agak Rumit (20000-35000) dan Rumit Sekali (35000-70000).
Gambar 4.4 : Grafik Himpunan Fuzzy Input Proses Pembuatan
= 1, x≤3,25 3,75-x/0,5, 3,25≤x≤3,75 0 , x≥3,75 µAgak_rumit [X] = 0, x≤3,25 x-3,25/0,5, 3,4≤5x≤3,75 4,25-x/0,5, 3,75≤x≤4,25 µRumit_sekali [X]= 0, x≤3,75 4,25-x/0,5, 3,75≤x≤4,25 1, x≥4,25 d. Variabel Warna
Variabel warna dibagi menjadi dua kriteria sesuai dengan jenis pewarna yang dipakai pengrajin, yaitu Sintetis (5000-160000) dan Alam (40000-200000).
= 1, x≤0,4 1,6-x/1,2, 0,4≤x≤1,6 0 , x≥1,6 µAlam [X] = 0, x≤0,4 x-0,4/1,2, 0,4≤x≤1,6 1, x≥1,6 e. Variabel Harga
Variabel harga adalah variable output dan juga dikelompokan menjadi tiga bagian yaitu Murah (65000-30000), Sedang (300500-4000000), Mahal (4100000-8000000).
= 1, x≤0,09 0.3-x/0,21, 0,09≤x≤0,3 0, x≥0,3 µSedang [X] = 0, x≤0,09 x-0,09/3, 0,09≤x≤0,3 6-x/5,5, 0,9≤x≤6 µMahal [X] = 0, x≤0,9 x-1/5,5, 0,9≤x≤6 1, x≥6 2. Pembentukan Aturan
Setelah pembentukan variable dan himpunan fuzzy, dibentuk aturan yang bersesuian dengan penelitian yang dilakukan.
[R.1] Jika Kain Katun Rendah, Proses Print, Warna Sintetis Maka Harga Murah
[R.2] Jika Kain Katun Sedang, Proses Cap, Warna Sintetis Maka Harga Murah
[R.3] Jika Kain Katun Tinggi, Proses Cap, Warna Sintetis Maka Harga Sedang
[R.4] Jika Kain Katun Tinggi, Proses Tulis, Motif Sederhana Warna Sintetis, Maka Harga Sedang
[R.5] Jika Kain Katun Tinggi, Proses Tulis, Motif Sederhana Warna Alam, Maka Harga Sedang
[R.6] Jika Kain Katun Tinggi, Proses Tulis, Motif Agak Rumit Warna Alam, Maka Harga Mahal
[R.7] Jika Kain Katun Tinggi, Proses Tulis, Motif Rumit Sekali Warna Alam, Maka Harga Mahal
[R.8] Jika Kain Serat Kayu Rendah, Proses Print, Warna Sintetis, Maka Harga Murah
[R.9] Jika Kain Serat Kayu Sedang, Proses Print, Warna Sintetis, Maka Harga Murah
[R.10] Jika Kain Serat Kayu Sedang, Proses Cap, Warna Sintetis, Maka Harga Sedang
[R.11] Jika Kain Serat Kayu Tinggi, Proses Cap, Warna Sintetis, Maka Harga Sedang
[R.12] Jika Kain Sutra Rendah, Proses Cap, Warna Sintetis, Maka Harga Murah
[R.13] Jika Kain Sutra Sedang, Proses Cap, Warna Sintetis, Maka Harga Sedang
[R.14] Jika Kain Sutra Sedang, Proses Tulis, Motif Sederhana, Warna Sintetis, Maka Harga Sedang
[R.15] Jika Kain Sutra Tinggi, Proses Tulis, Motif Sederhana, Warna Alam, Maka Harga Mahal
[R.16] Jika Kain Sutra Tinggi, Proses Tulis, Motif Agak Rumit, Warna Alam, Maka Harga Mahal
[R.17] Jika Kain Sutra Tinggi, Proses Tulis, Motif Rumit Sekali, Warna Alam, Maka Harga Mahal
3. Aplikasi Fungsi Implikasi
Setelah aturan dibentuk, maka dilakukan aplikasi fungsi implikasi.
Sebagai contoh terdapat sebuah kasus sebagai berikut, berapa jumlah yang harus diproduksi jika :
Kain Serat Kayu = 1,15
Proses = 2
Warna = 0,6
Berdasarkan data tersebut maka aturan yang dipakai hanyalah aturan untuk kain serat kayu sehingga aturan predikat yang ada antara lain:
1. Jika Kain Serat Kayu Rendah, Proses Print, Warna Sintetis, Maka Harga Murah
α_predikat 1 = µRendah ∩ µPrint ∩ µSintetis = min(-10.3,2.2,1.1)
= -10,3
2. Jika Kain Serat Kayu Sedang, Proses Print, Warna Sintetis, Maka Harga Murah
α_predikat 1 = µRendah ∩ µCap ∩ µSintetis = min(-10.3,0.7,1.1)
= -10.3
3. Jika Kain Serat Kayu Sedang, Proses Cap, Warna Sintetis, Maka Harga Sedang
α_predikat 1 = µSedang ∩ µCap ∩ µSintetis = min(-9.85,0.7,1.1)
4. Jika Kain Serat Kayu Tinggi, Proses Cap, Warna Sintetis, Maka Harga Sedang
α_predikat 1 = µTinggi ∩ µCap ∩ µSintetis
= min(0,0.7,1.1)
= 0
4. Komposisi Aturan
Dari aturan predikat yang ada, dapat dihasilkan komposisi aturan baru sebagai berikut :
(0,3-a1)/0,21 = -10,3 a1 = 2,463 (0,3-a2)/0,21 = 0 a2 = 0,3 µ[x] = 0, x ≤0,3 (0,3-x)/0,21, 0,3≤x≤2,463 -10,3, x≥2,463 5. Defuzzyfikasi
Metode Defuzzy yang digunakan adalah metode centroid
x* = ∫ ∫ ∫ zdz ∫ ∫ ∫ dz x* = -9,85 0 a1 a2 10,3
x* =
x* = 1,545 x 105= 154500
Dari proses-proses fuzzyfikasi yang sudah dilakukan diatas dengan memberikan sampel yang harus dihitung sehingga didapatkan harga jual batik, setelah dilakukan penerapan logika fuzzy akhirnya didapatkan harga jual batik sebagai berikut Rp 154.500. Hasilnya masih ada di range harga murah (65000-300000) dan itu berarti hasil yang didapat sudah sesuai dengan aturannya
4.1.1 Spesifikasi Perangkat Keras
Perangkat keras (Hardwere) yang dipakai dalam proses pembuatan sistem penerapan logika fuzzy mamdani untuk menentukan harga batik yaitu :
No Jenis Hardwere Spesifikasi Hardwere
1 Processor Intel Core 2 Duo
2 RAM 0,99 GB
3 HDD 3-4 GB untuk MATLAB
4 Monitor 14” HD LED
5 Modem Samsung Galaxy Mini
GT-S5570
6 Printer Canon Pixma™ MP287
4.1.2 Spesifikasi Perangkat Lunak
Perangkat lunak (softwere) yang digunakan dalam proses pembuatan aplikasi sistem penerapan logika fuzzy mamdani untuk menentukan harga batik yaitu :
No Jenis Softwere Nama Softwere
1 Sistem Operasi Windows XP
2 Aplikasi Program Matlab R2009a
3 Versi 7.1
4.2 Implementasi Program
Pada implementasi dalam program ini, metode Mamdani untuk menentukan harga batik diterapkan dalam bahasa pemrograman MATLAB. Berikut ini adalah hasil implementasi metode Mamdani dalam penentuan harga batik. Tampilan awal dari progam penentuan harga batik menggunakan metode mamdani dapat dilihat pada Gambar 4.8. Dalam tampilan tersebut terdapat 6 buah input yaitu kain katun, kain serat kayu, kain sutra, prosesi, motif dan warna, serta satu buah output yaitu harga.
Tabel 4.2 : Spesifikasi Perangkat Lunak ( Software )
Gambar 4.8 : Tampilan Awal Program
Gambar 4.9 : Variabel Input Kain Serat Kayu
Gambar 4.11 : Variabel Input Kain Sutra
Gambar 4.13 : Variabel Input Motif
Selanjutnya adalah Rule Editor disinilah penulis dapat menciptakan, mengelola dan mengatur aturan yang dapat dipakai untuk menentukan harga batik. Seperti yang terdapat pada Gambar 4.16 berikut ini :
Gambar 4.15 : Variabel Output Harga
Berikutnya adalah Rule Viewer disinilah penulis dapat mengeksekusi dan mencoba program yang sudah dibuat serta melihat bagaimana hasilnya apakah sudah sesuai dengan yang diharapkan atau belum.
4.4 Pengujian Program
Pengujian program ini dilakukan untuk mengetahui kevaliditasan data yang dihasilkan sistem. Data yang dihasilkan sistem nantinya akan dibandingkan dengan data nyata yang ada dilokasi penelitian atau harga sistem dibandingkan dengan harga standart dari kain batik yang ada dipasaran. Dengan menggunakan metode MAPE (Meant Absolute Percentage Error) nantiny akan deketahui tingkat error pada sistem. Sistem dikatakan berhasil jika tingkat error mencapai kurang dari 15%. Berikiut adalah hasil pengujian program yang telah dilakukan dengan membandingkan harga nyata dan harga dari sistem :
No Jenis Kain Harga Kain
Proses Motif Warna Harga Sistem Harga Nyata Selisih MAPE 1 Serat Kayu 10000 7500 5000 107000 123000 16000 0,149533 2 Serat Kayu 10000 20000 5000 107000 123000 16000 0,149533 3 Serat Kayu 10000 25000 5000 107000 123000 16000 0,149533 4 Serat Kayu 10000 30000 5000 118500 123000 4500 0,037975 5 Serat Kayu 10000 35000 20000 107000 117000 10000 0,093458 6 Serat Kayu 10000 30000 30000 107000 117000 10000 0,093458 7 Serat Kayu 10000 30000 50000 109000 117000 8000 0,073394 8 Serat Kayu 10000 35000 60000 112000 130500 18500 0,165179 9 Serat Kayu 10000 35000 70000 115000 130500 15500 0,134783 10 Serat Kayu 11000 35000 80000 118000 130500 12500 0,105932 11 Serat Kayu 11000 35000 90000 122000 130500 8500 0,069672 12 Serat Kayu 11000 35000 100000 127000 155500 28500 0,224409 13 Serat Kayu 11000 35000 110000 129000 155500 26500 0,205426 14 Serat Kayu 11000 35000 120000 132000 155500 23500 0,17803 15 Serat Kayu 11000 35000 130000 137000 155500 18500 0,135036 16 Serat Kayu 11000 35000 140000 146000 155500 9500 0,065068 17 Serat Kayu 11000 35000 150000 154000 155500 1500 0,00974 18 Serat Kayu 12000 35000 10000 411000 420500 9500 0,023114 19 Serat Kayu 12000 35000 50000 415000 425000 10000 0,024096 20 Serat Kayu 14000 35000 80000 431000 440500 9500 0,022042 21 Serat Kayu 14000 35000 100000 440000 440500 500 0,001136 22 Katun 9000 7500 5000 107000 120000 13000 0,121495 23 Katun 9000 10000 50000 109000 120000 11000 0,100917 24 Katun 9000 30000 50000 118000 130000 12000 0,101695 25 Katun 9000 30000 60000 112000 120500 8500 0,075893 26 Katun 9000 30000 70000 115000 125500 10500 0,091304 27 Katun 9000 30000 80000 118000 125500 7500 0,063559 28 Katun 9000 30000 90000 122000 130500 8500 0,069672 29 Katun 9000 30000 100000 127000 137000 10000 0,07874 30 Katun 10000 40000 50000 118000 137000 19000 0,161017 31 Katun 10000 40000 100000 127000 140000 13000 0,102362 32 Katun 11000 40000 50000 394000 410000 16000 0,040609 33 Katun 11000 40000 90000 406000 415000 9000 0,022167 34 Katun 11000 40000 100000 419000 430000 11000 0,026253 35 Katun 11000 50000 25000 50000 529000 535000 6000 0,011342 36 Katun 11000 50000 25000 80000 529000 535000 6000 0,011342 37 Katun 11000 50000 25000 100000 529000 535000 6000 0,011342 Tabel 4.3 : Hasil Pengujian Program
38 Katun 11000 60000 32000 150000 529000 540000 11000 0,020794 39 Katun 11000 70000 35000 200000 529000 540500 11500 0,021739 40 Katun 11000 70000 38000 180000 2990000 3100500 110500 0,036957 41 Katun 11000 70000 39000 200000 4070000 4080000 10000 0,002457 42 Katun 11000 70000 40000 180000 4590000 4600000 10000 0,002179 43 Katun 11000 70000 47000 200000 5510000 5510000 0 0 44 Katun 11000 70000 50000 200000 5510000 5510000 0 0 45 Sutra 18000 35000 10000 107000 125000 18000 0,168224 46 Sutra 18000 35000 50000 109000 125000 16000 0,146789 47 Sutra 18000 35000 70000 115000 125000 10000 0,086957 48 Sutra 18000 35000 80000 118000 130000 12000 0,101695 49 Sutra 18000 35000 90000 122000 130000 8000 0,065574 50 Sutra 18000 35000 100000 127000 150000 23000 0,181102 51 Sutra 20000 35000 10000 411000 430000 19000 0,046229 52 Sutra 20000 35000 50000 415000 430000 15000 0,036145 53 Sutra 20000 35000 60000 420000 430000 10000 0,02381 54 Sutra 20000 35000 70000 425000 480500 55500 0,130588 55 Sutra 20000 35000 80000 431000 480500 49500 0,114849 56 Sutra 20000 35000 90000 435000 480500 45500 0,104598 57 Sutra 20000 35000 100000 440000 480500 40500 0,092045 58 Sutra 20000 45000 25000 50000 479000 490000 11000 0,022965 59 Sutra 20000 49000 30000 50000 5230000 5550000 320000 0,061185 60 Sutra 20000 49000 30000 90000 5290000 5550000 260000 0,049149 61 Sutra 20000 50000 30000 90000 5350000 5550000 200000 0,037383 62 Sutra 22000 50000 30000 150000 5450000 5900000 450000 0,082569 63 Sutra 22000 50000 30000 160000 5510000 5900000 390000 0,07078 64 Sutra 22000 50000 30000 200000 5510000 5900000 390000 0,07078 65 Sutra 22000 70000 38000 200000 5550000 6000000 450000 0,081081 66 Sutra 22000 70000 50000 200000 5510000 6000000 490000 0,088929 TOTAL 79012500 82888500 3876000 7,799716
Setelah dilakukan pengujian dengan metode MAPE (Meant Absolute Percentage Error) diketahui hasil dari pengujian tersebut memiliki tingkat error dibawah 15% yaitu 7,79% . Dengan demikian dapat disimpulkan bahwa pemodelan dari sistem penentuan harga jual batik ini bisa dikatakan baik.
BAB V PENUTUP
5.1 Kesimpulan
Jadi kesimpulan dari laporan ini adalah penentuan harga batik dapat menerapkan logika fuzzy mamdani. Dengan ini para penjual atau pengrajin yang baru saja berkecimpung dalam dunia bisnis batik dapat menggunakan sistem ini untuk membantu menentukan harga batiknya, karena harga yang dihasilkan pada sistem ini sudah bisa dikatakan harga standart batik di pasaran. Jadi jika penjual batik menerapkan harga dari sistem ini harga yang diterapkan sudah sesuai dengan kualitas batik yang akan dijual.
5.2 Saran
1. Penerapan logika fuzzy mamdani untuk menentukan harga jual batik ini masih menggunakan Matlab 7.1 dalam pemodelan sistemnya yang biasanya Matlab memang digunakan sebagai pendukung penelitian, sehingga bisa dikembangka dengan menggunakan alat bantu lain seperti Delphi, PHP, Visual Basic dan lain sebagainya agar nantinya bisa didapatkan interface yang lebih interaktif bagi user dan dapat digunakan untuk halayak luas.
2. Penerapan logika fuzzy mamdani disini hanya memfokuskan pada objek batik saja, sehingga masih bisa dikembangkan untuk objek lainnya.
DAFTAR PUSTAKA
[1] Kusumadewi, Sri. Artificial Iinteligence ( Teknik dan Aplikasinya). Yogjakarta: Graha Ilmu, 2006.
[2] Sutojo, T., Mulyanto Edy., dan Suhartono Vincent., Kecerdasan Buatan. Yogjakarta: Andi Offset, 2011.
[3] Setiati, Destin Heru., Membatik.,Yogyakarta: KTSP, 2008.
[4] Ramadhan, Ganjar., Menentukan Harga Mobil Bekas Toyota Avanza Menggunakan Metode Tsukamoto, Universitas Islam Negeri Syarif
Hidayatullah Jakarta.2011. [e-journal]
http://ganjarramadhan.files.wordpress.com/2011/05/jurnal-ganjar.pdf/ (diakses 6 Juni 2013).
[5] Ayuningtiyas, Kurnianti Ika.,Saptono Fajar., dan Hidayat, Taufiq. Sistem Pendukung Keputusan Penanganan Kesehatan Balita Menggunakan Penalaran Fuzzy Mamda, Universitas Islam Indonesia
Yogyakarta.2007. [e-journal]
http://journal.uii.ac.id/index.php/Snati/article/view/1757/1537/ (diakses 6 Juni 2013)
[6] Solikin, Fajar. (2011). Aplikasi Logika Fuzzy Ddalam Optimasi Produk Menggunakan Metode Sugeno. Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Negeri Yogyakarta. [e-journal]
[7] Abdurahman, Ginanjar. (2011). Penerapan Metode Tsukamoto (Logika Fuzzy) Dalam Sistem Pendukung Keputusan Untuk Menentukan Jumlah Produksi Barang Berdasarkan Data Persediaan Dan Jumlah Permintaan. Fakultas Matematika Dan Ilmu Pengetahuan Alam
Universitas Negeri Yogyakarta. [e-journal]
:http://eprints.uny.ac.id/1790/1/GINANJAR_ABDURRAHMAN.pdf (diakses 26 Februari 2013).
[8] Repository IPB. “Metode MAPE” Repository IPB Online. Home page
on-line. Didapatkan dari
http://repository.ipb.ac.id/bitstream/handle/123456789/47160/BAB%20 III%20Metode_%20G11dsa.pdf?sequence=6; Internet; diakses 11 Juni 2013.
[9] Putri Kawung “Proses Membatik” Putri Kawung Online. Home page
on-line. Didapatkan dari
http://putrikawung.wordpress.com/2012/08/12/proses-membatik/; Internet; diakses 6 Juni 2013.
[10] Sanggar Batik Katura “Proses Membatik” Sanggar Batik Katura Online. Home page on-line. Didapatkan dari http://sanggarbatikkatura.com/proses-pembuatan-batik/; Internet; diakses 6 Juni 2013.
[11] Wikipedia “Batik Cap” Wikipedia Online. Home page on-line. Didapatkan dari http://id.wikipedia.org/wiki/Batik_cap/; Internet; diakses 6 Juni 2013.
[12] Blogspot “Batik Printing” Blogspot Online. Home page on-line. Didapatkan dari http://parasakti7970.blogspot.com/2012/08/urut-urutan-pembuatan-batik-printing.html; Internet; diakses 6 Juni 2013.
