Bab 2 Tinjauan Pustaka

Bab 2 Tinjauan Pustaka Pdf Download Gratis

BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI 2.1 Tinjauan Pustaka - SISTEM UNTUK MENENTUKAN STOK BARANG DENGAN INFERENSI FUZZY (TSUKAMOTO) - UMBY repository

Penelitian dengan judul

“PERANCANGAN SISTEM INFORMASI

MANAJEMEN PERSEDIAAN BARANG ELECTROLUX AUTHORIZED

SERVICE CV. MOMENTUM TEKNIK”. Penelitian ini membahas tentang

permasalahan sistem inventory yang dimiliki “Electrolux Authorized Service CV.

Momentum Teknik” yang menggunakan pendokumentasian data barang masuk dan barang keluar secara manual sehingga membuat lambatnya kinerja perusahaan. Data- data tersebut tidak terintegrasi dan tidak terkonsolidasi. Karena itu dibuat perancangan sistem informasi manajemen persediaan barang secara komputerisasi dan terintegrasi agar mempercepat kinerja perusahaan. Guna menerapkan perancangan tersebut, maka digunakan metode System Development Life Cycle (SDLC) mulai dari perencanaan sistem hingga tahap perancangan sistem yang rinci, mencakup perancangan database, perancangan kontrol, perancangan input output, hingga teknologinya (Sawitri, 2013)

Penelitian dengan judul “PERANCANGAN SISTEM INFORMASI UNTUK

PENGENDALIAN STOK SECARA SIMULTAN DAN REAL TIME BERBASIS

MOBILE AGENT PADA SUPPLY CHAIN”. Persaingan global yang semakin

kompetitif menyebabkan siklus hidup produk menjadi lebih pendek dan kecenderungan penurunan harga dalam waktu yang relatif singkat. Perusahaan manufaktur sebagai produsen harus melakukan pengendalian produksi sesuai dengan permintaan kustomer di masing-masing distributor. Penjualan di tiap distributor mengalami perubahan setiap saat sehingga diperlukan monitoring perubahan stok dan penjualan secara simultan dan

real time. Untuk menjawab permasalahan di atas diperlukan perancangan sistem

informasi berbasis objek untuk pengendalian stok dan penjualan yang meliputi monitoring, updating dan prediksi. Proses monitoring dan updating stok dan penjualan dilakukan oleh mobile agent yang dapat berpindah dalam jaringan web, sedangkan prediksi posisi stok dan laju penjualan digunakan untuk membantu manajemen dalam menentukan produksi. Penelitian ini mencoba untuk mengembangkan sistem informasi untuk pengendalian stok dan penjualan dan pembangunan prototipe sistem yang akan diimplementasikan dengan Java dan Aglets sebagai agent server, sedangkan transaksi yang terjadi di masing-masing distributor diimplementasikan dengan script PHP yang berjalan pada server Apache dengan basis data MySQL. Verifikasi model dilakukan dengan pengujian prototipe untuk mensimulasikan kondisi yang terjadi dalam sistem sesungguhnya. Dari hasil simulasi, sistem yang dikembangkan mampu menjalankan fungsi pengendalian yang meliputi monitoring, updating dan prediksi stok dan penjualan di masing-masing distributor secara simultan dan real time (Ali, 2004).

Penelitian dengan judul “SISTEM PENDUKUNG KEPUTUSAN

PENENTUAN JUMLAH PENGADAAN BARANG PADA CV. RODA BAJA

MANDIRI SEMARANG DENGAN METODE MAMDANI

”. Kebutuhan akan informasi yang cepat, tepat dan akurat merupakan suatu hal yang mutlak pada era yang serba cepat seperti ini. Suatu sistem yang baik harus mampu memberikan informasi pada waktunya, dengan data-data yang akurat dan tepat dalam proses pengolahannya. Salah satu faktor yang terjadi pada CV. Roda Baja Mandiri adalah Kelebihan stok besi digudang bisa mengakibatkan besi berkarat, sehingga secara kualitas sudah mengalami penyusutan. Jika konsumen mengetahui hal ini maka ketika menyerahkan suatu pesanan kontruksi akan meminta besi dengan kualitas terbaru. Sehingga besi yang mengalami penumpukan di gudang tidak akan dipakai. Sisa besi yang tertumpuk di gudang tidak bisa dikembalikan ke suplier karena dari awal transaksi suplai besi ke gudang dengan melakukan pembayaran cash. Pada intinya faktor utama yang harus diperhatikan adalah mengenai pengadaan stok barang. Distributor atau pedagang harus mampu menyesuaikan antara permintaan konsumen dengan stok barang yang harus tersedia di gudang. Diperlukan sebuah sistem pendukung keputusan yang mampu memberikan bantuan dalam menentukan secara otomatis jumlah pengadaan barang berdasarkan analisa data pada kurun waktu tertentu. Pembuatan laporan análisis pembelian barang masih disusun secara manual, dengan mengumpulkan data-data transaksi yang terjadi pada periode tertentu, sehingga banyak kesalahan data pada laporan yang dihasilkan, selainitu memerlukan waktu yang cukup lama. Metode yang digunakan adalah metode mamdani, metodeini berguna menentukan pengadaan yang sesuai untuk setiap barangnya. Hasil dari pemakaian metode mamdani adalah pengadaan yang dilakukan sesuai dengan realita barang yang laku untuk periode tertentu (Saputro, 2010).

Penelitian dengan judul

“SISTEM PERSEDIAAN KAYU JATI DENGAN

FUZZY TSUKAMOTO”. Indonesia merupakan negara agraris dengan hutan sebagai

mata pencaharian sebagian warga, baik untuk digunakan sebagai komoditas dalam negeri maupun komoditas ekspor. Salah satu komoditas yang dilakukan beberapa masyarakat Indonesia adalah pembuatan kerajinan rumah tangga dengan menggunakan kayu jati. Penggunaan kayu jati sudah dikenal sejak zaman dahulu, karena kayu jati mempunyai tekstur yang kuat sehingga dapat bertahan lama.Namun dengan penggunaan stok persediaan kayu yang baik, dapat berdampak pada efisiensi kerja dan beban biaya pengusaha. Dalam penelitian ini akan diteliti pembelian dan penjualan terhadap stok persediaan dengan menggunakan metode fuzzy Tsukamoto. Dengan diketahui stok yang ada, maka akan didapatkan jawaban apakah stok kurang atau sebaliknya. Sehingga pengusaha akan dapat melakukan kebijakan terhadap persediaan yang ada (Hayadi, 2015).

Penelitian dengan judul

“RANCANG BANGUN APLIKASI SISTEM

INFORMASI PENJUALAN DAN STOK BARANG DI TOKO WIDARI GARUT’

Sistem adalah Suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan atau untuk menyelesaikan suatu sasaran yang tertentu. Informasi merupakan data yang telah diolah menjadi suatu bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya. sistem Informasi merupakan Suatu sistem didalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan. Toko Widari Garut merupakan salah satu toko pakaian bordir yang berada di kabupaten Garut yang bergerak pada bidang penjualan baju muslim penjualan yang dilakukan secara tunai. Kegiatan pengolahan pencatatan barang masuk, barang keluar dan penjualan menjadi sesuatu yang sangat penting untuk kemajuan toko tersebut. Hampir di setiap harinya, kegiatan pencatatan barang masuk, barang keluar dan penjualan ini dilakukan. namun dalam kegiatan pemrosesan masih ditemukan banyak permasalahan yang timbul. pekerjaan yang dilakukan selama ini hanya menggunakan manual yang dimana penjualan, pencatatan barang masuk, barang keluar masih menggunakan pencatatan dalam sebuah buku, sehingga penumpukan berkas/catatan menjadi hal yang sangat tidak efisien. Dalam mendukung kegiatan sistem penjualan, barang masuk dan barang keluar , dibutuhkan suatu sistem yang lebih terkomputerisasi agar dapat memperlancar serta mempermudah proses penjualan, pencatatan barang masuk dan barang keluar. Metode perancangan sistem yang digunakan dalam Laporan Tugas Akhir ini adalah menggunakan metodologi sekuensial linier pendekatan waterfall, Model ini mengusulkan sebuah pendekatan kepada perkembangan software. Dimodelkan setelah siklus rekayasa konvensional, model sekuensial linier melingkupi aktivitas-aktivitas. Berdasarkan hasil penelitian Tugas Akhir ini, diharapkan dengan adanya Sistem Informasi penjualan, pencatatan barang masuk dan barang ini dapat membantu Toko Widari Garut dalam melakukantransaksi penjualan, pencatatan barang masuk dan barang keluar yang lebih terkomputerisasi, efisien dan akurat (Maulana, 2015)

Penelitian dengan judul

“SISTEM INFORMASI PENGHITUNGAN STOK

BARANG PADA TOKO SEPATU MEDLEY MENGGUNAKAN METODE

ECONOMIC ORDER QUANTITY (EOQ)” Sistem stok barang merupakan kegiatan

dalam proses mengelola data transaksi dan persediaan dalam gudang, sistem stok barang biasanya terdiri dari sistem penerimaan barang, sistem pembelian barang dan sistem gudang. Sistem pendataan stok barang di Toko Sepatu Medley Palembang masih dilakukan dengan bantuan aplikasi perkantoran yaitu belum terkomputerisasi, dengan aplikasi ini pendataan dilakukan secara berulang-ulang, sering kali terjadi duplikasi data dan hasil pengetikan disimpan dalam map-map berupa arsip kertas. Solusi dari permasalahan diatas, dengan memanfaatkan suatu teknologi informasi untuk mengetahui stok barang dalam mencari data dan pembuatan laporan untuk pimpinan (Tanjung, 2015)

Penelitian ini fokus untuk menentukan informasi stok barang dengan mengunakan fuzzy tsukamoto dengan mengunakan beberapa variabel persedian dan permintaan. Sistem ini ditunjukan untuk membantu menentukan informasi stok barang. Optimasi jumlah pengadaan barang dilakukan dengan menggunakan dua variabel, yaitu persediaan dan permintaan. Variabel persediaan terdiri dari dua himpunan fuzzy, yaitu : turun dan naik, variabel permintaan terdiri dari dua himpunan fuzzy, yaitu : sedikit dan banyak. Dengan mengkombinasikan semua himpunan fuzzy tersebut, diperoleh empat aturan fuzzy, yang selanjutnya digunakan dalam setiap inferensi. Analisa dengan menggunakan metode Tsukamoto ini memperlihatkan kondisi rill yang harus dijalankan pihak penjual barang di Toko Ud Rezeki Barokah dalam melakukan proses pengadaan barang supaya lebih tepat sasaran.

2.2 Landasan Teori

2.2.1 Stok Barang

Stok Barang persediaan dapat diartikan sebagai barang-barang yang disimpan untuk digunakan atau dijual pada masa atau periode yang akan datang. Persediaan terdiri dari persediaan bahan baku, persediaan bahan setengah jadi dan persediaan barang jadi. Persediaan bahan baku dan bahan setengah jadi disimpan sebelum digunakan atau dimasukkan ke dalam proses produksi, sedangkan persediaan barang jadi atau barang dagangan disimpan sebelum dijual atau dipasarkan. Dengan demikian setiap toko yang melakukan kegiatan usaha umumnya memiliki persediaan. Persediaan merupakan suatu model yang umum digunakan untuk menyelesaikan masalah yang terkait dengan usaha pengendalian bahan baku maupun barang jadi dalam suatu aktifitas toko. Maka dapat diambil kesimpulan bahwa pengertian pengendalian persediaan merupakan suatu usaha memonitor dan menentukan tingkat komposisi bahan yang optimal dalam menunjang kelancaran dan efektifitas serta efisiensi dalam kegiatan toko (Jheon, 2017)

2.2.2 Definisi Stok Barang

Stok barang ialah sebagai suatu aktivitas lancar yang meliputi barang- barang yang merupakan milik perusahaan dengan sebuah maksud supaya dijual dalam suatu periode usaha normal ataupun persediaan barang-barang yang masih dalam pekerjaan sebuah proses produksi maupun persediaan bahan baku yang juga menunggu penggunaannya di dalam suatu proses produksi (Assauri, 2016).

2.2.3 Sistem Pendukung Keputusan

Sistem Pendukung Keputusan (Decision Support System) adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terst ruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Riadi, 2013)

sistem pendukung keputusan merupakan bagian dari sistem informasi berbasis komputer (termasuk sistem berbasis pengetahuan (knowledge management) yang digunakan untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.

Hal ini juga dapat dianggap sebagai sistem komputer yang mengolah data menjadi informasi untuk pengambilan keputusan-isu spesifik semi-terstruktur. Menurut Moore and Chang, SPK dapat digambarkan sebagai sistem yang dapat mendukung analisis data, dan pemodelan keputusan, orientasi perencanaan masa depan berorientasi keputusan, dan digunakan pada waktu yang tidak biasa.

Tahapan SPK : 1. Definisi masalah

Pengumpulan data atau elemen informasi yang relevan Pengo lahan data menjadi informasi baik dalam bentuk laporan grafik maupun tulisan.

2. Menentukan alternatif-alternatif solusi (bisa dalam persentase) 3.

Tujuan dari SPK: a.

Membantu menyelesaikan masalah semi-terstruktur b.

Mendukung manajer dalam mengambil keputusan suatu masalah c. Meningkatkan efektifitas bukan efisiensi pengambilan keputusan d.

Dalam pengolahan, DSS bisa menggunakan bantuan sistem lain seperti Artificial Intelligence, Expert Systems, Fuzzy Logic, dan lain lain.

4. Manfaat Sistem Pendukung Keputusan SPK dapat memberikan berbagai manfaat dan keuntungan. Manfaat yang dapat diambil dari SPK adalah : a.

SPK memperluas kemampuan pengambil keputusan dalam memproses data informasi bagi pemakainya.

SPK membantu pengambil keputusan untuk memecahkan masalah, terutama dalam berbagai isu yang sangat kompleks dan tidak terstruktur.

SPK dapat menghasilkan solusi yang lebih cepat dan hasil yang lebih dapat diandalkan. Walaupun suatu SPK mungkin tidak dapat memecahkan masalah yang dihadapi oleh pengambil keputusan, tapi dia bisa menjadi stimulan bagi para pengambil keputusan dalam memahami masalah, karena mampu menghadirkan berbagai solusi alternatif.

Komponen Sistem Pendukung Keputusan secara umum, Sistem Pendukung Keputusan yang dikembangkan oleh tiga komponen utama, yaitu manajemen

database , Basis Model dan Sistem Software/User Interface. Komponen SPK dapat

digambarkan sebagai berikut.

Database Management Adalah subsistem dari data yang terorganisir dalam

database . Data adalah suatu sistem pendukung keputusan dapat berasal dari luar

dan dalam lingkungan.

Model Base Adalah model yang mewakili masalah dalam format kuantitatif (model matematika sebagai contoh) sebagai dasar simulasi atau pengambilan keputusan, termasuk tujuan permaslahan (tujuan), komponen terkait, keterbatasan yang ada (kendala), dan hal-hal terkait lainnya (Kurniawan, 2016).

2.2.4 Logika Fuzzy

Kosep tentang logika fuzzy diperkenalkan oleh Prof. Lotfi Astor Zedah pada tahun 1962. Fuzzy adalah metodelogi sistem control pemecah masalah, yang cocok untuk di implementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil, embedded system, jaringan PC, multi-chanel atau workstation berbasis akuisisi data, dan sistem kontrol. Metodelogi ini dapat diterapkan pada perangkat keras, perangkat lunak atau kombinasi pada keduanya. Dalam logika klasik klasik dinyatakan bahwa segalanya sesuatu bersifat biner, yang artinya adalah han ya mempunyai dua kemungkinan, “Ya” atau “Tidak”, “Benar” atau

“Salah”, “Baik” atau “Buruk” dan lain-lain, oleh karna itu, semua ini dapat mempunyai nilai keanggotaan 0 atau 1. Akan tetapi, dalam logika fuzzy memungkinkan nilai keanggotaan berada diantara 0 dan 1. Artinya, bisa saja suatu keadaan mempunya i dua nilai “Ya dan Tidak”, “Benar dan Salah”, “Baik dan

Buruk” secara bersamaan, namun besar nilainya tergantung pada bobot keanggotaan yang dimiliki. Logika fuzzy dapat digunakan di berbagai bidang, seperti pada sistem diagnosa penyakit (dalam bidang kedokteran); pemo delan sistem pemasaran, riset operasi (dalam bidang ekonomi); kendali kualitas air, predeksi adanya gempa bumi, klasifikasi dan pencocokan pola (dalam bidang tehnik).

Kontroler logika fuzzy dikategorikan dalam kontrol cerdas (intellegent

control ). Unit logika fuzzy memiliki kemampuan menyelesaikan masalah perilaku sistem yang kompleks, yang tidak dimiliki oleh kontroler konvensional Secara umum kontroler logika fuzzy memiliki kemampuan sebagai berikut : Beroperasi tanpa campur tangan manusia secara langsung tetapi memiliki efektivitas yang sama dengan kontroler manusia.

1. Mampu menangani sistem-sistem yang kompleks non-linier dan tidak tetap.

2. Memenuhi spesifikasi operasional dan kriteria kinerja.

3. Struktur sederhana, kokoh dan beroperasi real time.

Ada 4 tahapan dalam fuzzy logic, yaitu : fuzzifikasi, penalaran/ Inferensia (untuk penetapan Rule Base), aturan dasar dan defuzzifikasi, seperti diperlihatkan dalam blok diagram Gambar 2.1.

Fuzzy Sistem

Gambar 2. 1 Sistem fuzzy

Berdasarkan gambar Gambar 2.1, dalam sistem logika fuzzy terdapat beberapa tahapan operasional yang meliputi :

1. Fuzzifikasi adalah suatu proses pengubahan nilai tegas yang ada ke dalam fungsi keanggotaan.

2. penalaran adalah proses implikasi dalam menalar nilai masukan guna penentuan nilai keluaran sebagai bentuk pengambilan keputusan. Salah satu model penalaran yang banyak dipakai adalah penalaran max -min.

Dalam penalaran ini, proses pertama yang dilakukan adalah melakukan operasi max untuk mencari nilai keluaran yang selanjutnya akan didefuzzifikasikan sebagai bentuk keluaran. Aturan dasar (rule based) pada control logika fuzzy merupakan suatu bentuk aturan relasi “Jika-Maka” atau “if-then” seperti berikut ini: if x is A then y

is B dimana A dan B adalah linguistic values yang didefinisikan dalam rentang

variabel X dan Y . Pernyataan “x is A” disebut antecedent atau premis. Pernyataan “y is B” disebut consequent atau kesimpulan.

Defuzzifikasi Input dari proses defuzzifikasi adalah suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy tersebut. Sehingga jika diberikan suatu himpunan fuzzy dalam range tertentu, maka harus dapat diambil suatu nilai crisp tertentu.

Kelebihan dan kekurangan logika fuzzy Kelebihan dari logika fuzzy dapat disimpulkan sebagi berikut :

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti.

2. Logika Fuzzy sangat fleksibel.

3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.

4. Logika Fuzzy mampu memodelkan fungsi-fungsi non linear yang sangat kompleks.

5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman- pengalaman para pakar secara langsung tanpa harus melalui proses pelatihan.

6. Logika Fuzzy dapat bekerjasama dengan teknik-teknik kendali secara konvensional.

7. Logika fuzzy didasarkan pada bahasa alami.

Selain kelebihan yang telah dijelaskan di atas, ternyata Fuzzy Logic juga memiliki kekurangan. Dalam mendesain fuzzy logic, sering ditemukan kesulitan dalam menentukan preferensi atau parameter agar output yang dihasilkan akurat, yaitu (nocuproject, 2016)

1. Fuzzy logic lebih cocok untuk masalah intuitive dan untuk permasalahan yang menangani control.

2. Jumlah Nilai Linguistik untuk setiap variabel, harus merubah nilai crisp menjadi nilai linguisik. Jumlah dari nilai linguistik yang digunakan harus sesuai dengan permasalahan yang akan kita selesaikan.

1. Batas-batas nilai linguistik akan sangat berpengaruh pada akurasi fuzzy logic.

2. Fungsi keanggotaan segitiga dan trapesium.

2.2.4.1 Himpunan Fuzzy

Pada himpunan tegas (crisp), nilai keanggotaan suatu objek x dalam suatu himpunan A, yang sering ditulis dengan µA[x], memiliki 2 kemungkinan yaitu sebagai berikut: a.

Satu (1), yang berarti bahwa suatu objek menjadi anggota dalam suatu himpunan, atau b.

Nol (0), yang berarti bahwa suatu objek tidak menjadi anggota dalam suatu himpunan (Kusumadewi, 2004).

Misalkan variabel umur dibagi 3 kategori sebagai berikut : MUDA : umur < 35 tahun PAROBAYA

: 35 ≤ umur ≤ 55 tahun TUA : umur > 55 tahun

Apabila seseorang berusia 34 tahun, maka ia dikatakan MUDA (µMUDA [34thn] = 1). Apabila seseorang berusia 35 tahun kurang 1 hari, maka ia dikatakan TIDAK MUDA (µMUDA [35thn -1hr]=0).

Adanya perubahan kecil saja pada suatu nilai mengakibatkan perbedaan kategori yang cukup signifikan. Himpunan fuzzy digunakan untuk mengantisipasi hal tersebut. Seseorang dapat masuk dalam 2 himpunan yang berbeda, MUDA dan PAROBAYA, PAROBAYA dan TUA, dan sebagainya. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat berdasarkan nilai keanggotaannya. Himpunan

fuzzy memiliki 2 atribut yakni sebagai berikut: 1.

Linguistik adalah penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami. Suatu variabel linguistik adalah sebuah variabel yang memiliki nilai berupa kata-kata dalam bahasa alamiah. Setiap variabel linguistik berkaitan dengan sebuah fungsi keanggotaan (Kusumadewi, 2004). Seperti : MUDA, PAROBAYA, TUA.

2. Numeris adalah suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel seperti : 35, 55, dan sebagainya.

Dalarn membangun sistem fuzzy, ada hal - hal yang terdapat dalam sistem

fuzzy tersebut yaitu sebagai berikut : 1.

Variabel fuzzy merupakan variabel yang dibahas dalam suatu sistem fuzzy seperti umur, temperatur, permintaan dan sebagainya.

2. Himpunan fuzzy, merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh : variabel umur, terbagi atas 3 himpunan fuzzy, yaitu : MUDA, PAROBAYA, TUA.

3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraaan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan tidak dibatasi batas atasnya. Contoh : Semesta pembicaraan untuk variabel umur : [O +∞].

4. Domain adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam himpunan fuzzy.

2.2.4.2 Fungsi Keanggotaan

Fungsi keanggotaan (membership function) adalah kurva yang mendefinisikan bagaimana masing –masing titik dalam ruang input dipetakan ke dalam nilai keanggotaan (derajat keanggotaan) antara 0 dan 1. Fungsi keanggotaan µ memetakan elemen x dari himpunan semesta X, ke sebuah bilangan µ[x], yang menentukan derajat keanggotaan dari elemen dalam himpunan fuzzy A, Persamaan himpunannya dapat dilihat pada Persamaan 2.1.

A= {(x, µ[x]) Ix EX} Persamaan 2. 1 Kisaran nilai fungsi keanggotaan yang paling umum digunakan adalah interval

[0,1]. Dalam hal ini, masing

– masing fungsi keanggotaan memetakan elemen – elemen dari himpunan semesta x yang diberikan, merupakan suatu himpunan tegas ke dalam bilangan nyata dalam interval [O, 1] (arharni, 2005). Ada beberapa fungsi yang digunakan yaitu sebagai berikut : a.

Representasi Kurva Trapesium Kurva trapesium pada dasamya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1 (kusumadewi, 2004). Untuk Kurva trapesium dapat dilihat pada Gambar 2.2 dan untuk Fungsi Keanggotaan dapat dilihat pada Persamaan 2.2.

0; ≤ ≥ − − ≤ ≤

( ) = 1; ≤ ≤

− {

− ≤ ≤

Persamaan 2.2

Gambar 2. 2 Kurva Travesium b.

Representai Kurva Bahu Daerah yang terletak di tengah - tengah suatu variable yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun. Himpunan fuzzy bahu, bukan segitiga, digunakan untuk mengakhiri variabel suatu daerah fuzzy. Bahu kiri bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar (kusumadewi, 2004). Representasi Kurva Bahu dapat dilihat pada Gambar 2.3.

Gambar 2. 3 Kurva Bahu

2.2.4.3 Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa operasi yang didefinisikan secara khusus untuk mengkombinasikan dan memodifikasi himpunan

fuzzy . Nilai keanggotaan sebagai hasil dari operasi 2 himpunan yang dikenal dengan

nama fire strength atau a- predikat.

Ada tiga operasi dasar dalam himpunan fuzzy yaitu complement, irisan (intersection) dan gabungan (union) (Arharni, 2005). Untuk Tabel himpunan Fuzzy dapat dilihat pada Tabel 2.1

Tabel 2. 1 Himpunan Fuzzy

Operasi Fungsi Keanggotaansi Keanggotaan

Complenent µA’[x]=1-µA[x] Intersection µ = min(µ ( ))

∩ ( ), µ Union µ = max(µ ( ))

∩ ( ), µ

2.2.4.5 Sistem Inferensi Fuzzy

Sistem inferensi fuzzy merupakan kerangka komputasi yang didasarkan pada teori himpunan fuzzy, aturan fuzzy berbentuk IF - THEN, dan penalaran fuzzy (Kusumadewi, 2004)

2.2.5 Tsukamotto

Metode Tsukamoto merupakan perluasan dari penalaran menonton, Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang menoton (Gambar 2.1). Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan

α-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot (Kusumadewi, 2013).

Gambar 2.3 Metode Tsukamoto

Rata-rata terbobot :

2 Z = Persamaan 2.3