1
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Sekarang ini hampir semua perusahaan yang bergerak di bidang industri dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini mengharuskan perusahaan untuk merencanakan atau menentukan jumlah produksi agar dapat memenuhi permintaan pasar dengan tepat waktu dan dengan jumlah yang sesuai. Sehingga diharapkan keuntungan perusahaan akan meningkat. Pada dasarnya penentuan jumlah produksi ini direncanakan untuk memenuhi tingkat produksi guna memenuhi tingkat penjualan yang direncanakan atau tingkat permintaan pasar.
Banyak cara dan metode yang dilakukan untuk menentukan jumlah produksi barang yang optimal, salah satunya adalah dengan menggunakan logika fuzzy (logika samar). Dengan menggunakan metode tersebut diharapkan dapat membantu suatu perusahaan dalam menetukan jumlah produksi barang untuk tiap bulannya.
Logika fuzzy itu sendiri merupakan logika yang berhadapan dengan konsep kebenaran sebagian, dimana logika klasik menyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1). Logika fuzzy memungkinkan nilai keanggotaan antara 0 dan 1.
Logika fuzzy dianggap mampu untuk memetakan suatu input ke dalam suatu output tanpa mengabaikan faktor-faktor yang ada. Logika fuzzy diyakini dapat sangat fleksibel dan memiliki toleransi terhadap data yang ada. Berdasarkan logika fuzzy maka akan dihasilkan suatu model dari suatu sistem yang mampu memperkirakan jumlah produksi barang untuk memenuhi permintaan pasar. Faktor-faktor yang mempengaruhi dalam menentukan jumlah produksi barang dengan logika fuzzy antara lain jumlah penjualan, jumlah stok dan jumlah
Universitas Sumatera Utara
2
permintaan. Salah satu sistem inferensi fuzzy adalah dengan metode Sugeno. Fuzzy dengan metode ini bekerja dengan baik dalam hal optimisasi dan cocok untuk perhitungan matematis.
Berdasarkan kondisi-kondisi di atas, maka metode fuzzy sugeno sangat tepat digunakan untuk diaplikasikan dalam menentukan jumlah produksi pada PT Hutahaean Perkebunan dan Pabrik Tapioka.
1.2 Perumusan Masalah
Berdasarkan uraian latar belakang yang telah disampaikan, maka permasalahan dalam penelitian ini adalah bagaimana menentukan jumlah produksi berdasarkan logika fuzzy Sugeno dengan memperhatikan faktor jumlah permintaan dan jumlah persediaan.
1.3 Batasan Masalah
Agar penelitian yang dilakukan lebih terarah dan lebih fokus, maka penulis mengadakan beberapa pembatasan masalah, yakni: 1. Penelitian ini hanya membahas metode fuzzy Sugeno dalam menentukan banyaknya produksi barang. 2. Variabel dalam pengambilan keputusan produksi barang hanya 3 macam, yaitu permintaan, persediaan, dan produksi barang. 3. Masing-masing variabel mempunyai 2 nilai linguistik, yaitu: a. Untuk permintaan, nilai linguistiknya turun dan naik. b. Untuk persediaan, nilai linguistiknya sedikit dan banyak. c. Untuk produksi barang, nilai linguistiknya bertambah dan berkurang. 4. Besarnya permintaan dan persediaan ditetapkan secara eksak.
Universitas Sumatera Utara
3
1.4 Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah diperolehnya jumlah produksi yang optimal berdasarkan logika fuzzy Sugeno dengan memperhatikan variabel jumlah permintaan, persediaan, dan jumlah produksi.
1.5 Kontribusi Penelitian
Diharapkan melalui penelitian ini dapat diambil beberapa manfaat sebagai berikut: 1. Sebagai masukan atau informasi yang bermanfaat bagi perusahaan dalam menentukan atau mempertimbangkan jumlah produksi. 2. Diharapkan mampu sebagai alat ukur proses perencanaan produksi. 3. Menambah aplikasi ilmu pengetahuan dalam penerapan konsep logika fuzzy terhadap bidang-bidang industri.
1.6 Tinjauan Pustaka
Pencetus gagasan logika fuzzy adalah Prof. L.A. Zadeh (1965) dari California University. Pada prinsipnya himpunan fuzzy adalah perluasan himpunan crisp (tegas), yaitu himpunan yang membagi sekelompok individu ke dalam dua kategori, yaitu anggota dan bukan anggota (Heny Nurhidayanty, 2010).
Pada himpunan crisp, nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering ditulis dengan
, memiliki 2 kemungkinan, yaitu (Kusumadewi, 2003: 156):
1. Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan. 2. 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 logika fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel logika fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai
Universitas Sumatera Utara
4
semesta pembicaraan dapat berupa bilangan positif maupun negatif (Kusumadewi, 2003: 159). Domain himpunan logika fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan logika fuzzy.
Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai 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 diantaranya: a. Representasi linier b. Representasi segitiga c. Representasi trapezium d. Representasi kurva bentuk bahu e. Representasi kurva S f. Representasi bentuk lonceng
Sistem inferensi fuzzy metode Takagi Sugeno Kang (TSK) merupakan metode inferensi fuzzy untuk aturan yang direpresentasikan dalam bentuk IF-THEN, dimana output (konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linier. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985.
Sistem fuzzy Sugeno memperbaiki kelemahan yang dimiliki oleh sistem fuzzy murni untuk menambah suatu perhitungan matematika sederhana sebagai bagian THEN. Pada perubahan ini, sistem logika fuzzy memiliki suatu nilai rata-rata tertimbang (Weighted Average Values) di dalam bagian aturan fuzzy IF-THEN.
Ada 2 model pada sistem fuzzy TSK, yaitu: a. Model Fuzzy Sugeno Orde-Nol 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
adalah himpunan fuzzy ke-n sebagai anteseden, dan k adalah suatu konstanta
(tegas) sebagai konsekuen. Model ini dapat dipandang sebagai kasus khusus sistem inferensi fuzzy Mamdani yang mana setiap konsekuensi aturan dispesifikasikan dengan singleton fuzzy. (Thomas Sri Widodo, 2005)
Universitas Sumatera Utara
5
b. Model Fuzzy Sugeno Orde-Satu Secara umum bentuk model fuzzy Sugeno Orde-Satu adalah: IF (x1 is A1) •.......• (xN is AN) THEN z =p1*x1 + .....+ pN*xN + q Dengan
adalah himpunan fuzzy ke-n (nilai-nilai linguistik) sebagai anteseden, “x1 is
A1” menyatakan bahwa variabel x1 adalah anggota fuzzy set A1, dan
adalah suatu
konstanta (tegas) ke-n dan q juga merupakan konstanta dalam konsekuen (Lizda Iswari dan Fathul Wahid, 2005).
Apabila komposisi aturan menggunakan metode Sugeno, maka deffuzifikasi dilakukan dengan cara mencari nilai rata-ratanya.
1.7 Metodologi Penelitian
Metode penelitian yang digunakan dalam penelitian ini adalah: 1. Melakukan study yang berhubungan dengan fuzzy Sugeno dan penentuan jumlah produksi. 2. Mengumpulkan data suatu perusahaan untuk mengetahui jumlah produk yang diproduksi oleh perusahaan tersebut. 3. Melakukan analisis jumlah produksi yang diproduksi oleh perusahaan tersebut. 4. Menarik kesimpulan.
Universitas Sumatera Utara
