2
BAB 1 PENDAHULUAN
1.1. Latar Belakang
Fuzzy adalah sebuah sistem kontrol untuk pemecahan masalah berbasis komputer berbasis akuisisi data. Logika fuzzy mempunyai dua kemungkinan seperti 0 atau 1, benar atau salah . Meskipun nilai keanggotaannya sama namun fuzzy mampu membedakaan nilai dari keanggotaan tersebut dari bobot yang dimiliki. Fuzzymampu memodelkan fungsi-fungsi non linier yang sangat kompleks dan memiliki toleransi terhadap data yang tidak tepat dengan menggunakan bahasa alami sehingga mudah untuk di mengerti (Sutojo, 2011).
Fungsi Keanggotaan memiliki beberapa model dan setiap model memiliki hasil penyelesaian yang berbeda dalam menyelesaikan masalah. Fechera et al (2012) meneliti bahwa perbedaan penggunaan model fungsi keanggotaan (membership function) sangat mempengaruhi hasil output data. Alwi (2013) meneliti bahwa fungsi keanggotaan merupakan hal utama dari disain pengambilan keputusan dalam logika
fuzzy. Wanget al(2013) pemilihan fungsi keanggotaan merupakan kunci utama pada logika fuzzy karena disain fungsi keanggotaan sangat mempengaruhi ketepatan dan kualitas keputusan yang diselesaikan pada sistem tersebut. Widiarti et al
(2013) Metode Bootsrap menunjukan besar galat yang relatif lebih kecil untuk inferensia statistic yaitu pendugaan parameter dengan sebaran awal yang tidak diketahui.
Metode Mamdani adalah metode FIS (Fuzzy Inference System) yang sering diterapkan untuk memecahkan masalah Penilaian dan pengambilan Keputusan berbasis logika fuzzy. Sumiati et al (2013) meneliti bahwa Metode Mamdani membantu dan memberikan alternatif dalam melakukan penilaian, melakukan perubahan kriteria, pengambil keputusan dalam pemberian penghargaan.
Kaur (2012) Metode Mamdani tidak dapat ditingkatkan dengan menambahkan jumlah lebih banyak input dan output kombinasi menggunakan jaringan syaraf tiruan.
2
Menurut Arshdeep dan Amrit (2012), metode Sogeno memiliki keunggulan yang dapat terintegrasi dengan algoritma genetika dan teknik optimasinya lainnya.
Di sisi lain, fungsi keanggotaan fuzzy bersifat tetap yaitu ditentukan diawal perancangan. Penentuan fungsi keanggotaan umumnya dilakukan dengan perancangan dan perhitungan secara teoritis. Balochian & Ebrahimi (2013) menyatakan bahwa metode tersebut tergolong sulit dan tentu saja membutuhkan waktu yang lama. Di sisi lain, metode tersebut di atas tidak mendukung untuk kasus-kasus tertentu dimana dibutuhkan parameter yang adaptif dalam rangka mengantisipasi perubahan jumlah variabel input dan output yang tidak dapat diprediksi. Perancangan fungsi keanggotaan fuzzy selalu tergantung pada pengetahuan pakar atau basis pengetahuan (Boumediene, 2008). Peneliti lain (Permana & Zaiton, 2010) menyatakan bahawa sulit untuk menghilangkan unsur subjektifitas pada fungsi keanggotaan fuzzy karena ahli yang berbeda akan memiliki pandangan yang berbeda dalam memutuskan batasan linguistik fuzzy (dingin, sangat dingin, panas, sangat panas) sehingga hal sangat mempengaruhi performa suatu sistem.
Optimasi fungsi keanggotaan fuzzy merupakan bidang kajian riset yang menarik minat para peneliti dalam rangka mencari alternatif perbaikan fungsi keanggotaan
fuzzy. Vikas & Prabhas (2012) menerapkan algoritma Simulated Annealing
(SA) untuk optimasi dan tuning secara otomatis fungsi keanggotaan fuzzy, Acilar & Arslan (2008) meneliti optimasi fungsi keanggotaan fuzzy dengan menggunakan
Clonal Selectio Algorithm (CSA), Sruthi (2013) meneliti tentang optimasi fungsi keanggotaanfuzzydengan menggunakan Jaringan Saraf Tiruan (JST), Khosla (2013) meneliti dan menerapkan Artificial Ant Colony optimization (AACO) untuk mengoptimalkan fungsi keanggotaanfuzzy.
1.2. Perumusan Masalah
Fungsi keanggotaan adalah aspek yang sangat penting dalam sistem fuzzy
karena disain fungsi keanggotaan sangat mempengaruhi konsistensi, ketepatan dan kualitas keputusan yang diselesaikan pada sistem tersebut. Penentuan fungsi keanggotaaanfuzzytergantung sepenuhnya pada pendapat pakar sehingga unsur
3
subjektifitas sangat mempengaruhi fungsi keanggotaan fuzzy. Penelitian ini menganalisis galat fungsi keanggotaan yang dihasilkan pada metode Mamdani dan metode Sugeno.
1.3. Batasan Masalah
Luasnya cakupan masalah yang berkaitan dengan model fungsi keanggotaan, FIS, optimasi dan galat, maka agar penelitian ini efektif dan efisien dilakukan pembatasan masalah yaitu :
1. Model fungsi keanggotaan yang diterapkan adalah model segitiga 2. Metode FIS yang diterapkan adalah FIS mandani dan Sugeno orde-satu. 3. Metode Optimasi yang diterapkan adalah PSO klasik.
4. Metode pengukuran galat yang diterapkan adalah pengukuran galat error berbasisMAPE (Mean Absolute Percentage Error).
1.4. Tujuan Penelitian
Tujuan dari penulisan penelitian ini adalah untuk menganalisis galat fungsi keanggotaanfuzzy pada metode Mamdani dan metode Sugeno.
1.5. Manfaat Penelitian
Manfaat yang diharapkan dari tugas akhir ini adalah sebagai berikut :
1. Dengan mengetahui galat fungsi keanggotaan fuzzy maka dapat diperoleh nilai optimasi fungsi dengan cepat pada metode mamdani dan sugeno.
2. Hasil penelitian ini dapat menjadi rujukan para pembaca dalam memahami galat fungsi keanggotaan pada metode Mamdani dan metode Sugeno yang telah dioptimalkan.