BAB 1
PENDAHULUAN
1.1Latar Belakang
Ilmu matematika berkembang sangat pesat. Salah satunya adalah dalam kompleksnya bahasa yang menimbulkan kesamaran atau kekaburan. Kesamaran dinyatakan sebagai sebuah bahasa lazim yang diterima dengan arti yang berbeda di setiap tempat. Namun lambat laun ditemukan kesulitan dalam mengambil suatu keputusan. Sehingga untuk membuat suatu keputusan dilakukanlah peramalan ataupun prediksi.
Selama ini metode peramalan yang lazim digunakan adalah regresi linear. Regresi linear digunakan untuk membentuk suatu persamaan dari beberapa variabel bebas yang dinilai memiliki hubungan dengan variabel tidak bebas. Pada awalnya, regresi linear yang digunakan untuk melihat hubungan antara dua variabel adalah regresi linera sederhana. Namun pada kenyataan sehari-hari sering dijumpai sebuah kejadian yang dipengaruhi oleh lebih dari satu variable, oleh karenanya dikembangkanlah analisis regresi linier berganda. Analisis regresi berganda merupakan pengembangan dari analisis regresi sederhana. Kegunaannya yaitu untuk meramalkan nilai variabel terikat (Y) apabila variabel bebasnya (X) dua atau lebih yakni X1, X2, …., Xi (Algafari, 2000).
Dewasa ini juga telah dikembangkan salah satu metode yang digunakan untuk melakukan analisis sistem yang mengandung ketidakpastian, yaitu logika fuzzy (kabur). Logika fuzzy dapat digunakan untuk meramalkan suatu nilai dengan
Dalam kehidupan sehari-hari, dapat dijumpai banyak gejala kekaburan. Ambil suatu contoh, dalam suatu kelas seorang guru menyuruh muridnya yang memiliki sepeda angkta tangan, maka dengan mudah murid yang memiliki sepeda akan mengangkat tangannya. Namun ketika guru tersebut menyuruh muridnya yang pandai untuk mengangkat tangannya, maka akan timbul keragu-raguan apakah mereka termasuk kelompok yang pandai atau tidak. Batas antara “punya sepeda” dengan “tidak punya sepeda” adalah jelas dan tegas, tetapi tidak demikian halnya antara “pandai” dan “tidak pandai”. Dengan perkataan lain himpunan para murid yang pandai dan tidak pandai seakan-akan dibatasi secara tidak tegas atau kabur. Maka diperlukan suatu bahasa keilmuan baru yang mampu menangkap ketidaktegasan/kekaburan istilah bahasa sehari-hari yang memadai (Frans Susilo, SJ, 2006).
Bahasa semacam itulah yang diciptakan oleh Lotfi Asker Zadeh, seorang guru besar dari Universitas California. Amerika Serikat pada awal tahun 1965. Beliau memodifikasi teori himpunan yang lazim digunakan menjadi teori himpunan kabur (fuzzy). Teori ini dapat diaplikasikan dalam berbagai bidang, antara lain algoritma kontrol, diagnosa medis, sistem pendukung keputusan, ekonomi, teknik, psikologi, lingkungan, keamanan dan ilmu pengetahuan (Setiadji, 2009).
Dalam aplikasinya ada tiga metode dalam sistem inferensi fuzzy yang dapat digunakan untuk menentukan jumlah produksi yaitu: metode Tsukamoto, metode Mamdani dan metode Sugeno (Setiadji, 2009). Dimana dalam setiap metode, variabel X dan variabel Y diasumsikan ke dalam fungsi keanggotaan masing-masing sesuai jenisnya. Namun model inferensi fuzzy yang umum digunakan adalah model fuzzy-Mamdani dan model fuzzy-Sugeno (Thomas Sri Widodo, 2005). Sehingga dalam penelitian ini penulis memilih untuk menggunakan Metode Mamdani sebagai alat untuk meramalkan hasil produksi.
Baik regresi linear ataupun logika fuzzy, masing-masing memiliki variabel bebas (independent) yaitu berupa X1, X2, …, Xn dan variabel terikat (dependent) yaitu berupa Y. Namun dalam pengerjaannya kedua metode ini memiliki tahap-tahap yang berbeda satu sama lainnya. Oleh karena itu penulis ingin membandingkan penggunaan kedua metode ini sebagai alat peramalan dengan mengambil contoh kasus yang sama. Logika fuzzy yang digunakan adalah metode Mamdani, sementara untuk metode statistik yang digunakan adalah regresi linear berganda.
Untuk dapat melihat perbedaan penggunaan kedua metode tersebut, maka dalam penelitian ini data yang akan digunakan sebagai contoh kasus adalah data produksi kelapa sawit di PT. Perkebunan Nusantara III. Ada beberapa faktor yang dapat mempengaruhi produksi kelapa sawit. Standar beberapa faktor yang dinilai merupakan syarat tumbuh tanaman kelapa sawit adalah faktor alam dan faktor manusia. Faktor alam misalnya adalah kondisi iklim, curah hujan, bentuk wilayah dan kondisi tanah. Sedangkan unfuk faktor manusia adalah luas areal lahan, jumlah pemupukan, serta jumlah pekerja (Dinas Perkebunan Provinsi Sumatera Utara, 2011).
kelapa sawit di PT. Perkebunan Nusantara III berdasarkan variabel bebasnya. Dari hasil yang diperoleh, akan dilihat metode manakah yang memberikan hasil peramalan/prediksi yang paling dekat dengan data produksi yang telah ada. Berdasarkan uraian di atas, maka penulis memberi tulisan ini dengan judul “PERBANDINGAN METODE FUZZY DENGAN REGRESI LINEAR BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (STUDI KASUS: PRODUKSI KELAPA SAWIT PT. PERKEBUNAN NUSANTARA III (PERSERO) MEDAN TAHUN 2011- 2012)”.
1.2Perumusan Masalah
Perumusan masalah yang akan dibahas adalah membandingkan hasil peramalan dengan penggunaan metode fuzzy dengan regresi linear berganda dalam penentuan jumlah produksi kelapa sawit dengan memperhatikan faktor jumlah pemupukan, jumlah pekerja dan rata-rata curah hujan.
1.3Batasan Masalah
Agar tidak terlalu luas, maka batasan masalah dalam penelitian ini adalah :
1. Banyaknya variabel yang digunakan hanyalah empat macam yaitu jumlah produksi kelapa sawit, jumlah pemupukan, jumlah pekerja dan rata-rata curah hujan. Faktor lainnya yang mempengaruhi tidak dibahas dalam penelitian ini.
2. Metode yang digunakan adalah metode fuzzy-Mamdani dan regresi linear berganda untuk menentukan jumlah produksi kelapa sawit.
1.4Tinjauan Pustaka
Dalam penelitian ini, ada beberapa penelitian yang telah dilakukan telebih dahulu yang berhubungan dengan penelitian ini antara lain:
1. Supriyono (2007), dalam penelitiannya membandingkan penggunaan metode fuzzy dan regresi linear berganda dengan menggunakan data simulasi. Dari
penelitian tersebut diperoleh kesimpulan bahwa regresi linear lebih tepat untuk digunakan.
2. Resti Athayani (2009), dalam penelitiannya membandingkan penggunaan metode fuzzy dan regresi linear berganda dengan menggunakan data primer, yaitu data tentang nilai ketidakpuasan konsumen, karakteristik kategori produk, dan kebutuhan mencari variasi pada mahasiswa Universitas Indonesia. Dari penelitian tersebut diperoleh bahwa metode fuzzy lebih tepat untuk digunakan.
3. Nove Maria Sihombing (2010), meneliti tentang faktor-faktor yang mempengaruhi hasil produksi kelapa sawit pada PT. Perkebunan Nusantara III (PERSERO) Medan antara lain luas lahan, tenaga kerja dan jumlah pemupukan. Dari penelitian tersebut diperoleh hasil bahwa baik luas lahan, tenaga kerja dan jumlah pemupukan sama-sama memberikan pengaruh positif terhadap produksi kelapa sawit.
1.5Tujuan Penelitian
Tujuan dari penelitian ini adalah:
1. Untuk melihat hasil produksi kelapa sawit baik menggunakan perhitungan metode fuzzy-Mamdani maupun analisis regresi linear berganda dengan menggunakan variabel yang sama.
3. Untuk melihat metode yang paling tepat digunakan dalam meramalkan jumlah produksi kelapa sawit.
1.6Kontribusi Penelitian
Manfaat dari penelitian ini adalah sebagai berikut:
1. Membantu penulis dalam menerapkan ilmu yang telah didapat selama di perkuliahan ke dalam dunia nyata.
2. Menambah pengetahuan penulis tentang persoalan logika fuzzy dan regresi linear berganda.
3. Sebagai dasar dan contoh pengembangan dan penerapan logika fuzzy khususnya metode Mamdani dan regresi linear berganda.
4. Sebagai bahan masukan bagi pihak PT. Perkebunan III dalam penentuan anggaran produksi kelapa sawit untuk tahun-tahun berikutnya.
1.7 Metode Penelitian
Penelitian ini adalah penelitian dengan menggunakan studi kepustakaan (literature) dengan menggunakan contoh kasus yang dalam hal ini adalah data sekunder. Adapun langkah-langkah dalam penyusunan penelitian ini adalah sebagai berikut:
1. Memahami konsep metode fuzzy-Mamdani dan regresi linear berganda melalui literatur berupa buku-buku, jurnal, maupun internet yang berhubungan dengan penelitian ini.
2. Pengolahan data dalam metode fuzzy dengan menggunakan metode fuzzy-Mamdani.
3. Penurunan persamaan linear berganda dengan menggunakan metode kuadrat terkecil.
5. Perhitungan dan perbandingan rata-rata jumlah kesalahan relatif (error) untuk tiap nilai peramalan kedua metode tersebut.
