Representasi kurva segitiga
Fungsi keanggotaan: 0;
x ≤ a atau x ≥ c μ[x] = x – ab – a;
a ≤ x ≤ b c
– x c – b b ≤ x ≤ c
1 μx
a b
c
Gambar 11 Representasi kurva segitiga.
Representasi kurva trapesium
Fungsi keanggotaan: 0;
x ≤ a atau x ≥ d μ[x] = x – ab – a;
a ≤ x ≤ b 1;
b ≤ x ≤ c d
– x d – c x ≥ d
1 μx
a b
c d
Gambar 12 Representasi kurva trapesium.
2.8.2 Aplikasi 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 sebagai berikut IF x is A THEN y is B. Dengan x dan y adalah skalar, dan A dan B adalah himpunan fuzzy. Proposisi yang
mengikuti IF disebut sebagai antesenden sedangkan proposisi yang mengikuti THEN disebut konsekuen. Proposisi ini dapat diperluas dengan menggunakan
operator fuzzy seperti, IFx1 is
A1 o x2 is A2 o x3 is A3 o…o xN is AN THEN y is B dengan o adalah operator misal: OR atau AND.
Secara umum fungsi implikasi yang dapat digunakan yaitu 1 Min minimum, fungsi ini akan memotong output himpunan fuzzy; dan 2 Dot
product, fungsi ini akan menskala output himpunan fuzzy. Pada metode Sugeno ini, fungsi implikasi yang digunakan adalah fungsi min.
2.8.3 Defuzzifikasi
Input dari proses defuzzifikasi adalah himpunan fuzzy yang dihasilkan dari proses komposisi dan output adalah sebuah nilai crisp. Untuk aturan IF-THEN
fuzzy dalam persamaan RUk = IF x1 is A1k and… and xn is Ank THEN y is Bk,
dimana A1k dan Bk berturut-turut adalah himpunan fuzzy dalam Ui R U dan V adalah domain fisik, i = 1, 2, … , n dan x = x1, x2, … , xn U dan y V berturut-
turut adalah variabel input dan output linguistik dari sistem fuzzy. Pada metode Sugeno defuzzification dilakukan dengan perhitungan Weight Average WA :
α1z1 + α2z2 + α3 z3 +… + αnzn WA = ---------------------------------------------
α1 + α2 + α3 +… + αn
2.9 Peramalan
Peramalan adalah suatu proses dalam menggunakan data historis data masa lalu yang telah dimiliki untuk diproyeksikan ke dalam sebuah model dan
menggunakan model ini untuk memperkirakan keadaan di masa mendatang.
Tujuan dari peramalan adalah untuk menentukan jumlah permintaan produk pada masa yang akan datang. Dalam melakukan peramalan perlu ditentukan batasan-
batasan, yaitu produk yang diminta sudah teridentifikasi dan jumlah produk yang diminta dapat dibuat produsen.
Gambar 13 menunjukkan empat pola data permintaan Makridakis, 1983 yaitu 1 Horizontal atau fluktuasi data sekitar rata-rata yang konstan; 2 Trend,
atau kenaikanpenurunan
rata-rata yang
sistematis; 3
Seasonal, kenaikanpenurunan yang berulang tergantung pada waktu, hari, minggu, bulan,
musim; 4 Siklis, atau kenaikanpenurunan yang bertahap untuk periode yang panjang; 5 Random, tidak dapat diramalkan.
Gambar 13 Pola data peramalan. Makridakis 1983 menyatakan bahwa terdapat tiga hal yang juga harus
dipertimbangkan sebelum mempergunakan teknik peramalan yaitu: 1 Menentukan apa yang akan diramalkan; 2 Memilih metode peramalan yang akan
digunakan; 3 Menentukan jenis Hardware atau Software yang akan dipergunakan. Adapun tahapan dalam menentukan apa yang akan diramalkan
yaitu 1 membuat peramalan untuk family produk berdasarkan kesamaan permintaan, proses dan sebagainya; 2 menguraikan menjadi masing-masing
kelompok item; 3 Menentukan satuan unit yang digunakan. Dalam hal memilih metoda peramalan yang akan digunakan dapat menggunakan 1 Judgment method,
berdasarkan opini manajer, pakar atau hasil survey; 2 Causal method,
mempergunakan data masa lalu sebagai variabel bebas; 3 Time series Analysis, pendekatan statistik yang menitik beratkan pada data permintaan masa lalu untuk
diproyeksikan ke masa mendatang. Tahapan peramalan terdiri dari delapan tahap yaitu 1 Plot data permintaan
vs. waktu; 2 Pilih beberapa metoda peramalan sesuai dengan pola data hasil plot data permintaan; 3 Lakukan perhitungan dan pengujian peramalan dengan
menggunakan metode peramalan sesuai plot data; 4 Evaluasi kesalahan peramalan berdasarkan kriteria kesalahan peramalan; 5 Pilih metoda peramalan
dengan kesalahan peramalan terkecil; 6 Lakukan verifikasi peramalan berdasarkan metode peramalan terpilih; 7 Interpretasi hasil verifikasi peramalan;
8 Hitung peramalan permintaan untuk periode mendatang sesuai dengan kebutuhan perencanaan produksi dengan menggunakan metode peramalan
terpilih. Pada dasarnya, peramalan dengan komputer dapat menggunakan 1 Sistem manual. User memilih teknik peramalan yang akan digunakan dan
menentukan parameternya; 2 Sistem semi-automatic. User menentukan teknik peramalan, tetapi program yang akan menentukan parameter untuk model
tersebut; atau 3 Sistem automatic. Program mengamati data dan mengusulkan teknik peramalan yang sesuai. Beberapa model peramalan sesuai dengan
taksonomi peramalan ditunjukkan pada Gambar 14.
Peramalan Model
Kuantitatif Model
Kualitatif
Kausal Time
Series Rata-rata
Regresi
Metode Smoothing
Dekomposisi Exponential
Smoothing Moving
Average Siklik
Eksponensial Kuadratik
Linier
Gambar 14 Taksonomi model peramalan.
