BAB II. KAJIAN PUSTAKA A. Logika Fuzzy
1. Pengertian Logika Fuzzy
Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang
input ke dalam suatu ruang output. Sebagai contoh:
• Manajer pergudangan mengatakan pada manajer produksi seberapa banyak
persediaan barang pada akhir minggu ini, kemudian manajer produksi akan menetapkan jumlah barang yang harus diproduksi esok hari.
• Pelayan restoran memberikan pelayanan terhadap tamu, kemudian tamu
akan memberikan tip yang sesuai atas baik tidaknya pelayanan yang diberikan.
• Penumpang taksi berkata kepada sopir taksi seberapa cepat laju kendaraan
yang diinginkan, sopir taksi akan mengatur pijakan gas taksinya.
Salah satu contoh pemetaan suatu input-output dalam bentuk grafis seperti terlihat pada Gambar 1.
Antara input dan output terdapat satu kotak hitam yang harus memetakan
input ke output yang sesuai (Sri Kusumadewi dan Hari Purnomo, 2004). Ada
beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:
• Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari
penalaran fuzzy sangat sederhana dan mudah dimengerti.
• Logika fuzzy sangat fleksibel.
• Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
• Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks.
• Logika fuzzy dapat membangun dan mengaplikasikan
pengalaman-pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.
• Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali konvensional.
• Logika fuzzy didasarkan pada bahasa alami.
2. Himpunan Fuzzy
Pada himpunan tegas (crips), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan, yaitu:
• Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan, atau
0 2 SEDIKIT jumlah permintaan < 2
SEDANG 2 ≤ jumlah permintaan ≤ 200 BANYAK jumlah permintaan > 200
Nilai keanggotaan secara grafis, himpunan SEDIKIT, SEDANG dan BANYAK ini dapat dilihat pada Gambar 2.
Gambar 2. Himpunan SEDIKIT, SEDANG dan BANYAK
Pada Gambar dapat dijelaskan bahwa apabila jumlah permintaan barang = 1, maka masuk dalam kategori sedikit. Apabila jumlah permintaan barang = 21, maka masuk dalam kategori sedang.
Sebuah variabel dapat masuk kedalam dua himpunan yang berbeda, misalkan pada variabel permintaan dapat masuk ke dalam himpunan SEDIKIT dan SEDANG atau SEDANG dan BANYAK. Besaran nilai eksistensinya dalam himpunan tersebut dapat dilihat dari nilai keanggotaannya. Gambar 3 menunjukkan himpunan fuzzy untuk variabel permintaan.
Gambar 3. Himpunan fuzzy untuk variabel permintaan
Pada Gambar 3 dapat dilihat bahwa, apabila jumlah permintaan = 150, maka termasuk dalam himpunan SEDANG dengan µPmtSedang[150]= 0,5; akan tetapi jika masuk ke dalam himpunan BANYAK dengan µPmtBanyak[150]=0,5. 3. Fungsi Keanggotaan
Fungsi keanggotaan adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai keanggotaannya yang memiliki interval antara 0 sampai 1 (Sri Kusuma Dewi, 2003). Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan pendekatan fungsi. Ada beberapa fungsi yang dapat digunakan antara lain:
a. Representasi Linear Naik
Pada representasi linear naik, kenaikan himpunan dimulai pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju ke nilai domain yang memiliki derajat keanggotaan lebih tinggi. Representasi linear naik digambarkan pada Gambar 4.
0 2 100 200 1
µA[x]
Gambar 4. Representasi Linear Naik b. Representasi Linear Turun
Representasi linear turun merupakan kebalikan dari representasi linear naik. Garis lurus dimulai dari dominan dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai domain yang memiliki derajat keanggotaan lebih rendah. Representasi linear turun digambarkan pada Gambar 5.
Gambar 5. Representasi Linear Turun c. Representasi Kurva Segitiga
Kurva segitiga pada dasarnya merupakan gabungan antara 2 garis (linear) seperti terlihat pada Gambar 6.
Gambar 6. Kurva Segitiga 4. Sistem Inferensi Fuzzy Metode Sugeno
Penalaran ini hampir sama dengan penalaran Mamdani, hanya saja
output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa
konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno pada tahun 1985. Model fuzzy Sugeno merupakan pendekatan sistematis pembangkitan aturan fuzzy dari himpunan data masukan-keluaran yang diberikan. Aturan fuzzynya berbentuk : IF x is A AND y is B THEN Z=f(x,y), dengan A dan B adalah himpunan fuzzy dalam antecedent dan z=f(x,y) adalah fungsi tegas dalam konsekuensi. Biasanya f(x,y) adalah polynomial dalam variabel x dan y.
• Bila f: constant diperoleh model fuzzy Sugeno orde-nol dapat dipandang
fungsi halus dari variabel masukannya selama fungsi keanggotaan yang bertetanggaan cukup saling cakup. Secara umum bentuk model fuzzy
Sugeno orde-nol adalah : IF (X1 is A1) (X2 is A2) (X3 is A3).... (Xn is An)THEN z=k. Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah konstanta (tegas) sebagai konsekuen.
• Bila F(x,y) polynomial orde satu, maka system inferensi fuzzy yang
dihasilkan disebut model fuzzy Sugeno orde satu seperti pada Gambar 7. Secara umum bentuk model fuzzy SUGENO Orde-Satuadalah : : IF (X1 is A1) ... (Xn is An)THEN z=p1*X1+...pn*Xn+q. Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan pi adalah suatu konstanta ke-i dan q merupakan konstanta dalam konsekuen. Apabila komposisi aturan menggunakan metode SUGENO maka defuzzy dilakukan dengan cara mencari nilai rata-ratanya. (Mustafidah, 2013)
Gambar 7. Model Fuzzy Sugeno Orde-Satu B. Java
Java menurut definisi dari Sun adalah nama untuk sekumpulan teknologi
untuk membuat dan menjalankan perangkat lunak pada kompter stand-alone
ataupun pada lingkungan jaringan. Java2 merupakan generasi kedua dari Java Model fuzzy Sugeno
platform (generasi awalnya adalah Java Development Kit). Java berdiri di atas sebuah mesin interpreter yang diberi nama Java Virtual Machine (JVM). JVM inilah yang akan membaca bytecode dalam file .class dari suatu program sebagai representasi langsung program yang berisi bahasa mesin. Oleh karena itu, bahasa
Java disebut sebagai bahasa pemrograman yang portable karena dapat dijalankan diberbagai sistem operasi, asalkan dalam sistem operasi tersebut ada JVM.
Dewasa ini kita mengenal banyak platform Operating System, mulai dari Windows, Apple, berbagai varian UNIX dan LINUX, dan sebagainya. Pada umumnya, program yang dibuat dan dikompile di suatu platform hanya bisa dijalankan di
platform tersebut. Java bersifat multi-platform, yakni dapat “diterjemahkan” oleh
Java Interpreter pada berbagai sistem operasi. Java juga bersifat multi-thread yang artinya dapat mengerjakan beberapa proses dalam waktu yang hampir bersamaan (Hermawan, 2011).
Netbeans adalah software development yang Open Source berbasiskan Java
dari Sun Microsystems yang berjalan di atas Swing. Swing sebuah teknologi Java
untuk pengembangan aplikasi Desktop yang dapat bejalan diberbagai macam
platforms seperti Windows, Linux, Mac OS X dan Solaris.
NetBeans merupakan sebuah proyek kode terbuka yang sukses dengan
C. Database MYSQL
MySQL (My Structure Query Language) merupakan program database yang
bersifat jaringan, sehingga dapat digunakan untuk aplikasi Multi User (Banyak Penguna). MySQL mengunakan bahasa Query (permintaan) standar SQL (Sructured
Query Language). SQL adalah suatu bahasa permintaan terstruktur, SQL telah
distandarkan untuk semua program pengakses database seperti oracle, PosgreSQL,
SQLserver dan lain-lain (Nugroho, 2008).
MySQL merupakan software RDBMS (Relasional Database Management
System) yang dapat mengelola database secara cepat, menampung data dalam
jumlah sangat besar, dapat diakses oleh banyak user (multi-user), dan dapat melakukan proses secara sinkron atau bersamaan (multi-threaded) (Raharjo, 2008).
D. Penelitian Yang Sejenis
Penelitian sebelumnya yang relevan dengan penelitian ini adalah penelitian yang berjudul “Penerapan Metode Tsukamoto (Logika Fuzzy) Dalam Sistem Pendukung Keputusan Untuk Menentukan Jumlah Produksi Barang Berdasarkan Data Persediaan Dan Jumlah Permintaan”, sebuah tesis. Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp)
berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan
Pada penelitian lainnya yang berjudul “Aplikasi Sistem Inferensi Fuzzy
Metode Sugeno Dalam Memperkirakan Produksi Air Mineral Dalam Kemasan” dapat diambil kesimpulan bahwa system inferensi fuzzy metode sugeno orde satu yang telah dibangun dapat memperkirakan jumlah produksi harian air minum dalam kemasan dan perkiraan jumlah permintaan pada periode berikutnya sebagai acuan penentuan perkiraan jumlah produksi dapat dilakukan dengan metode regresi kuadratik (Suwandi, Mohamad Isa Irawan dan Imam Mukhlas, 2011).
Penelitian yang berjudul “Alat Bantu Sistem Inferensi Fuzzy Metode Sugeno Orde Satu” mengatakan bahwa sistm fuzzy Sugeno memperbaiki kelemahan yang dimiliki oleh system fuzzy murni untuk menambah suatu nilai rata-rata tertimbang
(Weighted Average Values) di dalam bagian aturan fuzzy IF-THEN. Sistem fuzzy
Sugeno juga memiliki kelemahan terutama pada bagian THEN, yaitu dengan adanya perhitungan matematika sehingga tidak dapat menyediakan kerangka alami untuk merepresentasikan pengetahuan manusia dengan sebenarnya. Permasalahan berikutnya adalah tidak adanya kebebasan untuk menggunakan prinsip yang berbeda dalam logika fuzzy, sehingga ketidakpastian dari sitem fuzzy tidak dapat direpresentasikan secara baik (Lizda Iswari dan Fathul Wahid, 2005).
