1 BAB I
PENDAHULUAN
1.1 Latar Belakang Masalah
Logika fuzzy dicetuskan oleh (Zadeh, 1965) seorang guru besar University of California. Dalam karya ilmiah tersebut, Zadeh membuat terobosan baru yang memperluas konsep himpunan tegas (Crisp Sets), dalam arti bahwa himpunan tegas merupakan kejadian khusus dari himpunan fuzzy (fuzzy sets). Himpunan fuzzy menggunakan persekitaran untuk menampilkan masalah yang komplek dalam model yang sederhana. Dalam perkembangannya, penggunaan teori himpunan fuzzy terbagi menjadi tiga periode yaitu fase belajar (1965-1977) yang ditandai dengan perkembangan dan perkiraan penggunaannya. Kemudian fase transisi (1978-1988) yang ditandai dengan perkembangan teori dan banyak sukses dalam praktek penggunaan. Yang terakhir fase ledakan fuzzy (Fuzzy Boom) (1989-sekarang) yang ditandai dengan peningkatan sukses dalam penggunaan di bidang industri, bisnis, dan penggunaan perangkat lunak (Soft Computing) (Klirr dkk, 1997). Pada prinsipnya himpunan fuzzy adalah perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu kedalam dua kategori, yaitu anggota dan bukan anggota. Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan μ A [x], memiliki 2 kemungkinan, yaitu : • Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. • Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau 1. Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan.
Dengan adanya logika fuzzy, berapapun masalah yang memiliki nilai yang kurang jelas tidak menjadi masalah lagi karena komputer tidak hanya mengenal logika Boolean yang memiliki nilai tegas dan jelas (crisp) tetapi juga mengenal logika yang mempunyai nilai samar atau kurang jelas. Dalam logika fuzzy sebuah data dapat bernilai benar atau salah secara bersamaan namun seberapa besar nilai kebenaran atau kesalahannya tergantung bagaimana bobot keanggotaan yang dimilikinya.
2
Fuzzy Tsukamoto merupakan salah satu metode yang sangat fleksibel dan memiliki toleransi pada data yang ada. Fuzzy Tsukamoto memiliki kelebihan yaitu lebih intuitif, diterima oleh banyak pihak, lebih cocok untuk masukan yang diterima dari manusia bukan mesin (Thamrin, Fanoeel, 2012). Fuzzy Tsukamoto pada dasarnya mengaplikasikan penalaran monoton pada setiap aturannya. Kalau pada penalaran monoton, sistem hanya memiliki satu aturan, pada metode tsukamoto, sistem terdiri atas beberapa aturan. Karena menggunakan konsep dasar penalaran monoton, pada metode tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp)
bedasarkan α-predikat (fire strength). Proses agregasi antar aturan dilakukan, dan hasil
akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot. Sedangkan Fuzzy Mamdani yang sering dikenal dengan nama metode Max-Min untuk mendapatkan output diperlukan 4 tahapan yaitu: 1. Pembentukan himpunan fuzzy, 2. Aplikasi fungsi implikasi, 3. Komposisi aturan, 4. Penegasan (defuzzy).
Berdasarkan penjelasan sistem inferensi fuzzy diatas, penulis melakukan penelitian tentang sistem inferensi fuzzy yang digunakan untuk menilai tingkat kesehatan perusahaan BUMN (Badan Usaha Milik Negara). Data yang digunakan dalam menilai tingkat kesehatan perusahaan BUMN akan dijadikan variabel – variabel untuk menghitung sistem inferensi fuzzy. Dalam perhitungan sistem akuntansi, untuk menilai tingkat kesehatan perusahaan BUMN menggunakan analisis aspek keuangan, aspek operasional dan aspek administrasi, tetapi dengan menggunakan sistem inferensi fuzzy aplikasi yang digunakan memiliki nilai monoton dan output yang dihasilkan dari inferensi fuzzy berasal dari aturan – aturan yang diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength).
Sistem inferensi fuzzy metode Tsukamoto telah banyak dipergunakan dalam menyelesaikan berbagai masalah seperti untuk perbandingan harga sepeda motor bekas (Istraniady, Priko Andrian, dan Mardiani), Analisis Komparasi Metode dalam Penjadwalan Kuliah (Yulia, Abdul, dan Romi), Perbandingan Sistem Inferensi Fuzzy Metode Mamdani dan Sugeno dalam memprediksi laju inflasi (Fajri Zufa).
2.2 Rumusan Masalah
Berdasarkan uraian latar belakang masalah diatas, maka dapat dirumuskan masalah
3
yaitu melakukan analisis terhadap sistem inferensi fuzzy apakah efektif atau tidak efektif digunakan dalam menilai tingkat kesehatan perusahaan BUMN.
2.3 Batasan Masalah
Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah ditetapkan dalam rumusan masalah dan untuk menghindari meluasnya pembahasan, maka dibentuk batasan-batasan terhadap permasalahan,yaitu:
1. Variabel yang dipergunakan dalam menilai tingkat kesehatan perusahaan BUMN adalah Aspek Keuangan, Aspek Operasional dan Aspek Administrasi. 2. Dalam menilai tingkat kesehatan perusahaan BUMN, aspek yang digunakan
hanya 3 (tiga), dan tidak membahas cara menghitung nilai dari setiap point-point didalam masing-masing variabel.
2.4 Tujuan Penelitian
Tujuan penulisan tesis ini dapat diuraikan sebagai berikut:
1. Untuk menganalisis ukuran kualitas dari proses penggunaan sistem inferensi fuzzy dalam menilai tingkat kesehatan perusahaan BUMN.
2. Menghitung tingkat akurasi pada penggunaan sistem inferensi fuzzy dalam menilai tingkat kesehatan perusahaan BUMN.
2.5 Manfaat Penulisan
Manfaat dari penelitian ini antara lain: 1. Peneliti
Untuk menganalisis sistem inferensi fuzzy dalam menilai tingkat kesehatan perusahaan BUMN dan mengukur tingkat error dan tingkat akurasi pada sistem inferensi fuzzy dalam menilai tingkat kesehatan perusahaan.
2. Institusi
Sebagai bahan pertimbangan dalam menentukan dan memprediksi tingkat kesehatan perusahaan BUMN.
3. Akademisi
Sebagai bahan perbandingan dan pengembangan mengenai analisis sistem inferensi fuzzy bagi penelitian selanjutnya.