PENERAPAN ALGORITMA FUZZY PADA USAHA KREATIF TAS POLO 1*
Dwi Yulian RL
Teknik Informatika, Sekolah Tinggi Ilmu Komputer PGRI, Banyuwangi, Indonesia
[email protected] Abstrak— Usaha kreatif Polo adalah sebuah perusahaan yang memproduksi tas. Namun, dalam menentukan jumlah produksi masih manual dan tak ada hitung-hitungan yang pasti dalam penentuan jumlah produksi. Selain itu jika produksi terlalu berlebih, maka biaya produksi akan sangat besar, jadi pemilik usaha ini sangat kerpotan dalam penentuan jumlah produksi.
1*
yang tidak tepat dan logika fuzzy didasarkan pada bahasa alami. Dalam logika fuzzy ini terdapat himpunan fuzzy dan fungsi keanggotaan. 2. Usaha Kreatif Polo Usaha Kreatif Polo beralamat di Jl. Bomo RogojampiBanyuwangi yang dikepalai oleh Bpk. Sunardi. 2.1 Sejarah Berdirinya Usaha Kreatif Polo. Usaha Kreatif Polo berdiri pada tahun 2006. Berawal dari hobby senang dengan desain dan keunikan, yang kemudian ide-ide desain beliau tuangkan dengan membuat produk handmade berupa tas dengan stlyle yang cukup artistic dan fashionable.
Pembuatan sistem baru dan cerdas merupakan solusi dari usaha kreatif Polo. Sistem ini akan bekerja menentukan jumlah produksi, dengan variabel-variabel yang ada. Sistem baru ini diharapkan mampu bekerja dengan tujuan: Mempercepat perhitungan, Efektif dan efisien , Hasil perhitungan bisa disimpan.
Usaha yang dikelola Bapak Sunardi ini mempunyai sekitar 20 Karyawan. Sebelumnya Bapak Sunardi produksi berbagai macam jenis tas, kemudian bapak sunardi melakukan survei pasar dan mengecek produknya sendiri akhirnya bapak sunardi memutuskan hanya membuat produksi tas yg bermotiv pernak-pernik.
Dalam penelitian ini di gunakan Logika Fuzzi yang memiliki kefleksibelan pada permasalan dengan cara yang mudah di mengerti karena menggunakan bahasa sehari – hari. Kata Kunci — Logika Fuzzi, Usaha Kreatifitas Polo, Fuzzy
2.2 Profesional Kerja Usaha Kreatif Polo dalam mengembangkan usahanya selalu mengedepankan profesianal kerja yang : - Kompeten - Inovatif - Efektif - Efisien
1. Pendahuluan Bagaimana mendefinisikan dunia tempat kita hidup di hari ini? Bagaimana kita melihat hal-hal di sekitar kita? Sebagian besar dari kita diajarkan dari usia yang sangat muda untuk melihat dunia dalam hal hitam dan putih, A-atau-bukan-A, Boolean 1 atau 0. Banyak ilmu pengetahuan, matematika, logika, dan bahkan budaya mengasumsikan dunia 1 dan 0 itu, benar atau salah, panas atau dingin, A-atau-tidak-A. Apakah ada atau setengah setengah hilang? Apakah setengah gelas penuh atau setengah kosong? Apakah mobil akan cepat atau lambat? Masing-masing pertanyaan ini mengenai hal Fuzzy di dunia biasanya menjelaskan dalam warna hitam dan putih.Rene Descartes berpikir tentang perubahan sepotong lilin seperti meleleh di depan perapian. Pada titik melakukan perubahan dari sepotong lilin menjadi genangan lilin? Ada beberapa periode perubahan dari padat menjadi cair.
2.3 Keunggulan Produk a. Quality Dari tahun berdirinya hingga sekarang, Usaha Kreatif Polo selalu mengutamakan kualitas. b. Exclucive Design Draft design sesuai permintaan dan menerima order satuan 2.4 Jaminan Kualitas Usaha Kreatif Polo memberikan pelayanan terbaik kepada costumer, jika ada barang/produk yang dipesan costumer ternyata cacat karena kesalahan produksi, maka akan diganti sebagai bukti tanggung jawab Usaha Kreatif Polo.
Konsep logika fuzzy pertama kali diperkenalkan oleh profesor Lotfi A.Zadeh dari Universitas California tahun 1965. Logika fuzzy merupakan generalisasi dari logika klasik (crisp set) yang hanya memiliki dua nilai keanggotaan yaitu 0 dan 1. Dalam logika fuzzy nilai kebenaran suatu pernyataan berkisar sepenuhnya benar sampai sepenuhnya salah. Keunggulan dari logika fuzzy adalah konsepnya sederhana dan mudah dimengerti, memiliki toleransi terhadap data – data
2.5 Pemasaran Produk Usaha Kreatif Polo pemasarannya lebih fokus di bali. Jadi barang produksi yang sudah selesai dibuat maka akan segera dikirim dibali. Barang yang dikirim pun jumlah dan modelnya sesuai permintaan sebuah galeri yang ada dibali. Karena untuk model tas pernak-pernik ini lebih disukai oleh turis-turis mancanegara.
19
3. Logika Fuzzy Fuzzy mungkin merupakan suatu kata yang agak asing bagi kita. Dalam terjemahan menurut kosa katanya fuzzy berari kabur. Logika berarti penalaran. Jika digabungkan menjadi satu kalimat berarti Penalaran Yang Kabur.
Apabila permintaan 35 permintaan dikatakan ( (35 – 1/2) = 0).
kurang 1/2, maka TIDAK SEDANG
Himpunan crisp umur masih belum adil, adanya perubahan kecil akan mempengaruhi perbedaan kategori yang cukup signifikan.
Konsep logika fuzzy pertama kali diperkenalkan oleh profesor Lotfi A.Zadeh dari Universitas California tahun 1965. Logika fuzzy merupakan generalisasi dari logika klasik (crisp set) yang hanya memiliki dua nilai keanggotaan yaitu 0 dan 1. Dalam logika fuzzy nilai kebenaran suatu pernyataan berkisar sepenuhnya benar sampai sepenuhnya salah. Keunggulan dari logika fuzzy adalah konsepnya sederhana dan mudah dimengerti, memiliki toleransi terhadap data – data yang tidak tepat dan logika fuzzy didasarkan pada bahasa alami. Dalam logika fuzzy ini terdapat himpunan fuzzy dan fungsi keanggotaan.
Himpunan Fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, SEDIKIT dan SEDANG, SEDANG dan BANYAK dan sebagainya.
a. Himpunan Fuzzy Himpunan tegas (crisp), nilai keanggotaan item x dalam suatu himpunan A, ditulis dengan memiliki 2 kemungkinan, yaitu: 1. Satu (1), berarti bahwa suatu item menjadi anggota dalam suatu himpunan. 2. Nol (0), berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan.
Gambar 2. Himpunan Fuzzy Penjelasan : Seseorang yang jumlah permintaannya 40, termasuk dalam himpunan SEDIKIT dengan (40) = 0.25, namun dia juga termasuk dalam himpunan SEDANG dengan (40) = 0.5
Contoh: Misalkan variabel permintaan dibagi menjadi 3 kategori, yaitu: SEDIKIT permintaan < 35 SEDANG 35 ≤ permintaan ≤ 55 BANYAK permintaan > 55 Nilai keanggotaan secara grafis, himpunan SEDIKIT, SEDANG, dan BANYAK bisa dilihat pada gambar berikut.
Seorang yang jumlah permintaannya 50, termasuk dalam himpunan BANYAK dengan (50) = 0.25 namun dia juga termasuk dalam himpunan SEDANG dengan (50) = 0.5. Himpunan fuzzy memiliki 2 atribut, yaitu: Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan penggunaan bahasa yang alami, seperti: MUDA, PAROBAYA, TUA. Numeris, yaitu suatu penilaian (angka) yang menunjukkan ukuran dari suatu variabel seperti: 40, 25, 50, dsb. Ada beberapa hal yang perlu diketahui dalam mengetahui sistem fuzzy, yaitu: 1.) Variabel fuzzy Variabel fuzzy adalah variabel yang hendak kita bahas dalam suatu sistem fuzzy. Contoh: umur, suhu, produksi, permintaan, dsb. 2.) Himpunan fuzzy Himpunan fuzzy merupakan suatu grup yg mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
Gambar 1. Himpunan : 1.SEDIKIT, 2.SEDANG, dan 3.BANYAK Penjelasan : Apabila permintaan 34, maka permintaan dikatakan SEDIKIT ( (34) = 1). Apabila permintaan 35, maka permintaan dikatakan TIDAK SEDIKIT ( (35) = 0). Apabila permintaan 35 kurang 1/2, maka permintaan dikatakan TIDAK SEDIKIT ( (35 – 1/2) = 0). Apabila permintaan 35, maka permintaan dikatakan SEDANG ( (35) = 1). Apabila permintaan 34, maka permintaan dikatakan TIDAK SEDANG ( (34) = 0). Apabila permintaan 55, maka permintaan dikatakan BANYAK ( (55) = 1).
20
Gambar 3. Contoh Himpunan Fuzzy
Gambar 4. Representasi Linier Naik
3.1 Semesta Pembicaraan Semesta pembicaraan adalah seluruh nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Contoh: Semesta pembicaraan untuk variabel permintaan: [0 - ∞] 3.2 Domain Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu hipmunan fuzzy.
Gambar 5. Representasi Liniear Turun
Himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan biangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif. Contoh : SEDIKIT = [0 35] SEDANG = [35 55] BANYAK = [55 ∞]
b. Representasi Kerva Trapisium Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1.
3.3 Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan titik-titik input data ke dalam nilai keanggotaannya (sering juga disebut dengan derajad keanggotaan) yang memiliki interval 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan. Ada beberapa fungsi yang bisa digunakan.
Gambar 6. Representasi Linear Trapesium c. Representasi Kurva-S Kerva PERTUMBUHAN dan PENYUSUTAN merupakan kurva-S atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara linear. Fungsi keanggotaan akan tertumpu pada 50% nilai keanggotaannya yang sering disebut dengan titik infleksi.
a. Representasi Linear Pada representasi linear, pemetaan input ke derajad keanggotaannya digambarkan sebagai suatu garis lurus. Ada 2 keadaan himpunan fuzzy yang linear. Pertama kenaikan himpunan dimulai pada nilai domain yang memiliki derajad keanggotaan nol (0) bergerak ke kanan menuju ke nilai domain yang memiliki derajad keanggotaan lebih tinggi.
Gambar 6. Representasi Kurva-S Pertumbuhan
21
Fungsi keanggotaan :
Menurut Cox (1994), Metode TSK terdiri dari 2 jenis, 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
..........(2.5) Dengan Ai adalah himpunan fuzzy ke-i sebagai anteseden, dan k adalah suatukonstanta (tegas) sebagai konsekuen.
S
= derajat keanggotaan pada kurva-s = domain dengan µ(x)=0 —> α, µ(x)=0,5 —> β dan µ(x)=1=>ϒ
b. Model Fuzzy Sugeno Orde-Satu Secara umum bentuk model fuzzy SUGENO OrdeSatu adalah:
4. Operasi Logika Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasi dan memodifikasi himpunan fuzzy. Nilai keanggotaan sebagai hasil dari operasi 2 himpunan sering dikenal dengan nama fire strength atau α-predikat, ada 3 operator dasar yang diciptakan oleh Zadeh, yaitu: (Cox, 1994):
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 (tegas) ke-i dan q juga merupakan konstanta dalam konsekuan.
a. Operator AND AND diperoleh dengan mengambil nilai keanggotaan terkecil antar elemen pada himpunan yang bersangkutan.
4.2 Flowchart Flowchart adalah bagan-bagan yang mempunyai arus yang menggambarkan langkah-langkah penyelesaian suatu masalah. Flowchart merupakan cara penyajian dari suatu algoritma
AB = min(A[x], B[y])
Simbol
b. Operator OR OR diperoleh dengan mengambil nilai terbesar antar elemen pada himpunan-himpunan yang bersangkutan.
Nama Terminator Garis alir
AB = max(A[x], B[y])
Preparation
c. Operator NOT NOT diperoleh dengan mengurangi nilai keanggotaan elemen pada himpunan yang bersangkutan dari 1.
Proses
A’=1-A(x)
Input/output data
4.1 Fungsi Implikasi Tiap-tiap aturan (proposisi) pada basis pengetahuan fuzzy akan berhubungan dengan suatu relasi fuzzy. Bentuk umum dari aturan yang digunakan dalam fungsi implikasi adalah:
Decision
IF x is A THEN y is B
One pege connector
a. Hedge Pengubah linguistik (linguistic hedge/modifier) adalah suatu kata yang dipergunakan untuk mengubah suatu kata atau istilah menjadi kata atau istilah yang baru dengan makna yang baru pula. Dua pengubah linguistik yang biasa di pakai ”sangat” dan ”agak”.
Off page connector
b. Metode Sugeno Penalaran dengan metode sugeno 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 Kang pada tahun 1985, sehingga metode ini sering juga disebut dengan metode TSK.
Prodefined process
Fungsi Permulaan/akhir program Arah aliran program Proses inisialisasi/ pemberian nilai awal Proses pengolahan data Proses input/output data, parameter Penyeleksian data yang memberikan pilihan untuk langkah selanjutnya Penghubung bagian-bagian flowchart yang berada dalam satu halam an Penghubung bagian-bagian flowchart yang berada pada halaman berbeda Permulaan sub program/proses menjalankan sub program
Gambar 7. Simbol-simbol Flowchart
22
5. a.
Hasil Uji Coba Data yang Digunakan Data bahan baku (kain, benang), biaya produksi, permintaan, stok, dan jumlah produksi dalam kurun waktu bulan agustus 2010 sampai maret 2012.
Tabel 5. Variabel Permintaan dan Himpunan Fuzzy Nama Himpunana Domain Variabel Fuzzy Sedikit 210 – 324 Permintaan Sedang 267 – 381 Banyak 324 – 438
Tabel 1. Data Jumlah Produksi Agustus 2010 - maret 2012 Nama Variabel Jumlah Produksi a.
Himpunana Fuzzy Sedikit Sedang Banyak
Tabel 6. Variabel Stok dan Himpunan Fuzzy Nama Variabel
Domain 210 – 330 270 – 390 330 – 450
Stok
Domain 28 – 52 40 – 64 52 – 76
Tabel 7. Variabel Jumlah Produksi dan Himpunan Fuzzy
Himpunan Fuzzy Berdasarkan data pada tabel 1 dan uraian data bahan baku, data persediaan, biaya produksi dan stok dapat ditentukan himpunan semesta pembicaraan dan domaian.
Bahan Baku Bulan
Semesta Pembicaraan
08/201 0 09/201 0 10/201 0 11/201 0 12/201 0 01/201 1 02/201 2 03/201 3
Tabel 2. Variabel dan Semesta Pembicaraan Nama Variabel Semesta Ketera Pembicaraan ngan Kain (420 – 8000) Input Benang (52 – 112) Input Biaya Produksi (13795000 – Input 5930500) Permintaan (210 – 438) Input Persediaan (28 – 76) Input (stok) Jumlah (210 – 450) Output Produksi
Biaya Produksi
Permi ntaan
Sto k
Jum lah prod uksi
600
Bena ng 100
10500000
355
50
450
425
67
6000800
219
35
230
400
53
5930500
197
33
210
495
70
6314000
235
35
255
510
67
7896300
254
32
255
476
61
7339400
236
39
238
530
88
9862750
350
46
340
436
55
6636000
290
38
212
Kain
1.)
Himpunana Fuzzy Sedikit Sedang Banyak
Tabel 7. Variabel Jumlah Produksi dan Himpunan
Tabel 2. Variabel Kain dan Himpunan Fuzzy Nama Himpunana Domain Variabel Fuzzy Sedikit 420 – 610 Kain Sedang 515 – 705 Banyak 610 – 800
2.) Fungsi Keanggotaan Fungsi keanggotaan ini di buat untuk memetakan himpunan fuzzy dengan menggunakan pendekatan fungsi linear dan segitiga.
Tabel 3. Variabel Benang dan Himpunan Fuzzy Nama Himpunana Domain Variabel Fuzzy Sedikit 52 – 82 Benang Sedang 67 – 97 Banyak 82 – 112 Tabel 4. Variabel Biaya Produksi dan Himpunan Fuzzy Nama Himpunana Fuzzy Domain Variabel Sedikit 5930500 – 9862750 Biaya Sedang 7896635 – Produksi 11828875 Banyak 9862750 – 13795000
Gambar 8. Fungsi Keanggotaan Variabel Kain
23
Gambar 9. Fungsi Keanggotaan Variabel Benang
Gambar 10. Fungsi Keanggotaan Variabel Permintaan 6. Penutup 6.1 Kesimpulan Logika fuzzy sangat cocok jika di gunakan dalam dunia pemrograman karena memilki tingkat keakuratan yang tinggi dari pada penghitungan lainnya 6.2 Saran Sebaiknnya penggunaan logika fuzzy ini dapat di kembangkan lebih dalam. Pengembangan logika fuzzy yang berhasil di ciptakan di share secara online,supaya teruz berkembang dan bermanfaat bagi yang membacanya. Daftar Pustaka [1]
Aziz, Shahariz Abdul. “You Fuzzyin’ With Me?” 1996. Online posting. 13 Dec. 2002.
[2]
Blair, Betty. “Interview with Lotfi Zadeh.” Azerbaijan International. 2.4 (1994). 4 Dec. 2002.
[3]
“Chapter 1: Fuzzy Mathematics: Fuzzy Logic, Fuzzy Sets, Fuzzy Numbers.” 14 Dec. 2002.
24