• Tidak ada hasil yang ditemukan

APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI

N/A
N/A
Protected

Academic year: 2021

Membagikan "APLIKASI METODE FUZZY MAMDANI DALAM PENENTUAN JUMLAH PRODUKSI"

Copied!
27
0
0

Teks penuh

(1)

APLIKASI METODE FUZZY MAMDANI DALAM

PENENTUAN JUMLAH PRODUKSI

Oleh

Enny Durratul Arifah

Dosen Pembimbing

1. Prof. Dr. Mohammad Isa Irawan, M.T.

2. DR. Imam Mukhlas, S.Si, M.T.

INSTITUT TEKNOLOGI SEPULUH NOPEMBER

SURABAYA

(2)

ABSTRAK

Banyak cara untuk menentukan jumlah produksi, salah satunya adalah dengan menggunakan logika fuzzy. Dalam penelitian ini, penentuan jumlah produksi bergantung pada banyaknya bahan baku, besar biaya produksi, banyaknya permintaan konsumen, dan banyaknya stok.

Penelitian ini bertujuan untuk menentukan berapa jumlah produksi dengan menggunakan metode fuzzy inference model Mamdani atau sering juga dikenal dengan metode min-max. Perancangan sistem untuk mendapatkan output dilakukan dalam beberapa tahap yaitu: (1) pembentukan himpunan fuzzy, (2) pembentukan aturan-aturan, (3) penentuan komposisi aturan, (4) penegasan (defuzzyfikasi). Pada penelitian ini defuzzyfikasi dilakukan dengan menggunakan metode

Composite Moment (centroid).

Dengan dibuatnya sistem ini diharapkan dapat membantu perusahaan dalam membuat keputusan untuk menentukan jumlah produksi yang harus diproduksi setiap bulan agar persediaan barang di gudang tetap stabil.

(3)

LATAR BELAKANG

Batik Madura merupakan sebuah bentuk karya seni budaya yang

banyak diminati dan digemari oleh konsumen dalam negeri dan luar negeri. Dengan bentuk dan motif yang khas batik Madura mempunyai keunikan tersendiri bagi para konsumen.

Melihat realita yang terjadi di lapangan perusahaan yang bergerak di bidang industri tekstil khususnya batik mengalami tantangan yang sangat delematis. Permasalahan yang sering terjadi yaitu adanya tingkat persaingan yang sangat tinggi, menuntut perusahaan lebih berdaya guna dalam mengakses jumlah produksi.

Banyak cara yang dilakukan untuk menentukan jumlah produksi, salah satunya adalah dengan menggunakan logika fuzzy. Dengan menggunakan metode tersebut diharapkan dapat membantu perusahaan dalam menentukan jumlah produksi.

Dengan logika fuzzy, akan dihasilkan suatu model dari suatu sistem yang mampu memperkirakan jumlah produksi.

(4)

RUMUSAN MASALAH

Bagaimana aplikasi logika fuzzy Mamdani dalam menentukan

jumlah produksi berdasarkan faktor banyaknya bahan baku, besar biaya produksi, jumlah permintaan dan jumlah stok?

RUMUSAN MASALAH

1. Produk yang diteliti adalah batik tulis Madura jenis santio

dengan 2 warna pada industri batik tulis Melati Mekar Mandiri Kabupaten Pamekasan.

2. Faktor-faktor yang mempengaruhi penentuan jumlah produksi adalah banyaknya bahan baku, besar biaya produksi, jumlah permintaan, dan jumlah stok.

3. Penalaran fuzzy menggunakan metode Mamdani.

(5)

TUJUAN PENELITIAN

Menentukan berapa jumlah produksi berdasarkan

sistem logika fuzzy dengan memperhatikan variabel

banyaknya bahan baku, besar biaya produksi,

jumlah permintaan, dan jumlah stok.

MANFAAT PENELITIAN

Masukan atau informasi bagi perusahaan dalam

menentukan jumlah produksi.

Tambahan ilmu pengetahuan dalam penerapan

konsep logika fuzzy terhadap bidang-bidang

industri.

(6)

BAB II

KAJIAN PUSTAKA

Penelitian-penelitian Sebelumnya

1. Penelitian yang dilakukan oleh Gokmen, dkk.

(2010) tentang evaluasi nilai pencapaian hasil

belajar siswa dengan menggunakan logika fuzzy.

2. Penelitian yang diakukan oleh Sivarao, dkk. (2009)

tentang pemodelan sistem inferensi mamdani

dalam memprediksi kekasaran permukaan

menggunakan mesin laser.

3. Penelitian yang dilakukan oleh Djunaidi, dkk

(2005) tentang penentuan jumlah produksi dengan

aplikasi metode fuzzy-Mamdani.

(7)

LOGIKA FUZZY

Himpunan logika fuzzy diperkenalkan oleh Lotfi A. Zadeh pada tahun 1965 sebagai cara matematis untuk merepresentasikan ketidakpastian linguistik. Berdasarkan konsep logika fuzzy, faktor-faktor dan kriteria-kriteria dapat diklasifikasikan tanpa batasan yang mengikat. Logika fuzzy sangat berguna untuk menyelesaikan banyak permasalahan dalam berbagai bidang yang biasanya memuat derajat ketidakpastian (Gokmen, dkk., 2010).

Pada himpunan klasik (crisp), keanggotaan suatu elemen (x) dalam suatu himpunan (A), sering dinotasikan dengan , hanya ada 2 nilai keanggotaan, yaitu untuk x menjadi anggota A dan untuk x bukan anggota dari A (Chak, 1998).

Jika X adalah kumpulan obyek yang dinotasikan dengan x, maka himpunan fuzzy dalam X adalah himpunan pasangan

berurutan:

}

|

))

(

,

{(

x

x

x

X

A

=

µ

A

Himpunan Fuzzy Membership Function

(MF)

Semesta atau

(8)

FUNGSI KEANGGOTAAN

Fungsi keanggotaan (

membership function

) adalah

suatu kurva yang menunjukkan pemetaan titik-titik

input data ke dalam nilai keanggotaannya (derajat

keanggotaan) yang memiliki interval antara 0 sampai 1.

Salah satu cara yang dapat digunakan untuk

mendapatkan nilai keanggotaan adalah dengan melalui

pendekatan fungsi.

Ada beberapa fungsi yang bisa digunakan, antara lain:

representasi linear, representasi kurva segitiga,

representasi kurva trapesium, representasi kurva

bentuk bahu, representasi kurva-s, representasi kurva

bentuk lonceng.

(9)

Fuzzy Inferensi Sistem (FIS) Metode Mamdani

Metode Mamdani sering dikenal sebagai Metode Min-Max. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.

Untuk mendapatkan output, diperlukan 4 tahapan yaitu: 1. Pembentukan himpunan fuzzy

2. Mengaplikasikan metode implikasi 3. Komposisi aturan a. Metode max b. Metode additive c. Metode probabilistik 4. Penegasan (defuzzy) a. Metode centroid b. Metode bisektor

c. Metode mean of maximum

d. Metode largest of maximum

(10)

ARIMA

ARIMA merupakan suatu alat yang menggunakan nilai-nilai sekarang dan nilai-nilai lampau dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat.

Model ARIMA terdiri dari dua aspek yaitu aspek autoregressive dan moving average. Secara umum model ARIMA dirumuskan dengan notasi sebagai berikut:

ARIMA (p, d, q) Keterangan:

AR : p menunjukkan orde/derajat Autoregressive (AR)

I : d menunjukkan orde/derajat Differencing (pembedaan) MA : q menunjukkan orde/derajat Moving Average (MA)

Model ARIMA mempunyai 3 tahap yang terpisah. Tahap-tahap ini adalah tahap identifikasi model, tahap pengestimasian dan pengujian model, dan tahap penerapan model (Arsyad, 2001).

(11)

BAB III

METODA PENELITIAN

Langkah-langkah Penelitian

1. Pengumpulan Data

Meliputi data bahan baku, data biaya produksi, data

permintaan, data jumlah stok, dan data jumlah produksi

dari bulan September 2008 sampai dengan bulan

Februari 2011.

2. Identifikasi Data

Identifikasi data dilakukan untuk menentukan variabel

dan semesta pembicaraan yang diperlukan dalam

(12)

3. Pengolahan Data

Pengolahan data dilakukan dengan menggunakan bantuan

sofware Matlab

7.8.0 dengan menggunakan fasilitas yang

disediakan pada

toolbox fuzzy

dan melakukan

langkah-langkah sebagai berikut:

Pembentukan himpunan fuzzy

Pembentukan aturan-aturan

Penentuan komposisi aturan

Penegasan (

defuzzy

)

Pengujian

Sebelum melakukan langkah-langkah di atas terlebih

dahulu dilakukan peramalan. Hal ini dilakukan untuk

meramalkan permintaan periode berikutnya. Software

yang digunakan sebagai alat bantu peramalan adalah

minitab 11.

(13)

DIAGRAM ALIR PENELITIAN

Mulai

Pengumpulan data

Identifikasi data

Pengolahan data:

1. Pembentukan himpunan fuzzy 2. Aplikasi fungsi implikasi 3. Komposisi aturan

4. penegasan (defuzzy)

Penarikan kesimpulan

(14)

P E N G U M P U L A N D A T A

(15)

PRA PENGOLAHAN DATA

Peramalan permintaan

Hasil plotting permintaan

30 20 10 500 400 300 200 Index P er m in ta an

(16)

Analisis Time series untuk Permintaan

(17)
(18)

MEMBUAT FUNGSI KEANGGOTAAN

Untuk merepresentasikan variabel kain,

malam, pewarna, biaya produksi, permintaan,

stok dan jumlah produksi digunakan kurva

linier turun (untuk himpunan fuzzy SEDIKIT),

kurva linier naik (untuk himpunan fuzzy

BANYAK) dan kurva bentuk segitiga (untuk

himpunan fuzzy SEDANG). Karena hubungan

antara data kain, malam, pewarna, biaya

produksi, permintaan, stok, dan jumlah

produksi adalah linier dan dipengaruhi oleh

waktu.

(19)
(20)
(21)

PEMBENTUKAN ATURAN LOGIKA FUZZY

Berdasarkan data yang ada, dapat dibentuk aturan

sebanyak 95 aturan. Salah satu contohnya adalah

sebagai berikut:

[R1] If (Kain is SEDIKIT) and (Malam is SEDIKIT) and

(Pewarna is SEDIKIT) and (BiayaProduksi is SEDIKIT)

and (Permintaan is SEDIKIT) and (Stok is SEDIKIT)

then (JumlahProduksi is SEDIKIT) (1)

[R39]If (Kain is SEDANG) and (Malam is SEDANG)

and (Pewarna is SEDANG) and (BiayaProduksi is

SEDANG) and (Permintaan is BANYAK) and (Stok is

SEDANG) then (JumlahProduksi is SEDANG) (1)

(22)

PENEGASAN

input jumlah kain sebesar 640 meter, jumlah

malam sebesar 80 gram, jumlah pewarna

sebesar 160 ons, jumlah biaya produksi

sebesar Rp 13760000, jumlah permintaan

sebesar 293 lembar (hasil peramalan), dan

jumlah stok sebesar 36 lembar menghasilkan

output jumlah produksi sebesar 353 lembar.

(23)
(24)

Dari pengujian yang telah dilakukan, dengan

menggunakan persamaan (2.1) didapat hasil perhitungan

Rata-rata Persentase Kesalahan Absolute (

Mean Absolute

Percentage Error =

MAPE) dari metode fuzzy Mamdani

yang digunakan adalah 8,25% sedangkan tingkat

kebenaran dari hasil perhitungan tersebut adalah

91,75%, maka dapat disimpulkan bahwa hasil dari

perhitungan metode fuzzy Mamdani pada sistem ini

sudah mendekati kebenaran. Dengan ini metode fuzzy

Mamdani ini sesuai digunakan untuk prediksi jumlah

produksi.

(25)

Kesimpulan

1. Fuzzy Inference System (FIS) dengan metode Mamdani yang telah dibangun dapat digunakan untuk memperkirakan jumlah produksi batik tulis Santio di perusahaan Melati Mekar Mandiri, dengan nilai kebenaran mencapai 91,75%.

2. Untuk menentukan jumlah produksi pada bulan Maret 2011, dilakukan pengolahan data dengan menggunakan bantuan software Matlab 7.8.0 Toolbox Fuzzy, dimana pada penegasan (defuzzyfikasi) dengan

menggunakan metode centroid. Dengan memasukkan variabel input, yaitu jumlah kain sebesar 640 meter, jumlah malam sebesar 80 gram, jumlah pewarna sebesar 160 ons, jumlah biaya produksi sebesar Rp 13.760.000, jumlah persediaan sebesar 293 lembar, dan jumlah stok sebesar 36 lembar, maka hasil yang didapatkan untuk jumlah produksi pada bulan Maret 2011 sebesar 353 lembar.

BAB V

PENUTUP

(26)

Saran

Adapun saran-saran yang diharapkan adalah sebagai

berikut:

1. Bagi para peneliti lain yang tertarik pada

permasalahan yang sama diharapkan untuk dapat

meneliti lebih lanjut faktor-faktor yang

mempengaruhi jumlah produksi dengan metode

yang berbeda, agar penelitian-penelitian yang akan

datang memiliki ruang lingkup yang lebih luas.

2. Untuk memperbaiki akurasi perhitungan, dapat

dilakukan dengan cara mengubah aturan-aturan

dan pendefinisian himpunan fuzzy.

(27)

DAFTAR PUSTAKA

Arsyad, Lincolin. (2001), Peramalan Bisnis, BPFE Yogyakarta, Yogyakarta.

Chak, C.K., Feng, G., Palaniswani, Marimuthu. (1998), Implementation of Fuzzy Systems dalam Kusumadewi, Sri dan Hartati, Sri. (2006), Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf , Graha Ilmu, Yogyakarta.

Cox, Earl. (1994), The Fuzzy Systems Handbook Kusumadewi, sri dan Purnomo, Hari. (2010), Aplikasi Logika Fuzzy

untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta.

Gokmen, G., Akinci, T.C., Tektas, M., Onat, N.. (2010), “Evaluation of Student Performance in Laboratory Applications using Fuzzy Logic”, Procedia Social and Behavioral Sciences, No. 2, hal 902-909.

Jang, J.S.R, Sun, C.T, dan Mitzutani, E. (1997), Neuro Fuzzy and Soft Computing, Prentice-Hall International, New Jersey.

Klir, G.J, dan Yuan, Bo. (2001), Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall, New Delhi. Kusumadewi, Sri. (2003), Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu, Yogyakarta.

Kusumadewi, Sri dan Hartati, Sri. (2006), Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf , Graha Ilmu, Yogyakarta.

Kusumadewi, sri dan Purnomo, Hari. (2010), Aplikasi Logika Fuzzy untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta.

Kusuma, Hendra. (2009), Manajemen Produksi, Andi, Yogyakarta.

Nasution, Arman Hakim. (2006), Manajemen Industri, Andi, Yogyakarta.

Negoita, C.V., dan Ralescu, D.A. (1975), Application of Fuzzy Sets to System Analysis dalam Zimmermann, H. J. (2000), Fuzzy Set Theory and Its Applications, Kluwer Academic Publishers, London.

Ross, T.J. (2004), Fuzzy Logic With Engineering Aplication, John Wiley & Cons Ltd, USA.

Sivarao, Brevern, P.N.S.M, El-Tayeb, Vengkatesh, V.C. (2009), “Mamdani Fuzzy Inference System Modeling to Predict Surface Roughness in Laser Machining”, International Journal of Intelligent Technology Application, No. 2, hal 12-18.

Supriyono, Azmi, B. (2008), “Model Simulasi untuk Optimasi Penentuan Waktu Memasak Buah Kelapa Sawit dengan Logika Fuzzy”, Seminar Nasional IV SDM Teknologi Nuklir, hal. 119-126.

The Mathworks. (2009), Fuzzy Logic Toolbox User’s Guide dalam Gokmen, G., Akinci, T.C., Tektas, M., Onat, N.. (2010), “Evaluation of Student Performance in Laboratory Applications using Fuzzy Logic”, Procedia Social and

Behavioral Sciences, No. 2, hal 902-909.

Referensi

Dokumen terkait

Berbagai paparan peraturan yang mengatur terkait dengan BUM Desa diatas dapat diambil suatu kesimpulan bahwa klasifikasi pembentukan BUM Desa terpolarisasi menjadi BUM

Tahun 2OO4 tentang Pemerintahan Daerah, Pasal 65 Peraturan Pemerintah Nomor 6 Tahun 2006 tentang Pengelolaan Barang Milik Negara/Daerah, dan Pasal 81 ayat (3)

Dari analisis dengan jumlah sampel 302 hasil pembacaan radiologis (mamografi, USG payudara dan pemeriksaan kombinasi mamografi dan USG payudara) yang dibaca oleh divisi payudara

1) Atas kelebihan pembayaran Retribusi, Wajib Retribusi dapat mengajukan permohonan pengembalian kepada Gubernur. 2) Gubernur dalam jangka waktu paling lama 6 (enam) bulan

yang membuat sikap Hendrik juga semakin cuek dan tidak peduli dengan orang-. orang

Maka dapat disimpulkan bahwa kebijakan hutang memiliki dampak negatif dan positif terhadap nilai perusahaan, dalam hal ini manajer perusahaan dituntut agar mampu menentukan

Puji Syukur penulis panjatkan kepada Tuhan Yang Maha Esa, karena atas berkat dan rahmatNya, penulis mampu menyelesaikan skripsi ini dengan judul “Analisis Pengaruh Kualitas