1. Depresiasi, yakni saran dan prasarana non pembelajaran 2. Operasional, yakni biaya SDM manajerial dan non dosen
3. Pemeliharaan, dan 4. Lain-lain, seperti kegiatan pengembangan institusi.
2.4 Peramalan
Forecasting
Menurut Gasperz 2001 Peramalan atau forecast merupakan suatu fungsi bisinis yang berusaha memperkirakan penjualan, penggunaan produk, dan permintaan pasar
sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan perkiraan, tetapi dengan menggunakan teknik-teknik tertentu, maka
peramalan menjadi lebih dari sekedar perkiraan Ishak, 2010.
Dalam membuat peramalan, maka ada beberapa hal yang harus dipertimbangkan Ishak, 2010, yaitu:
1. Peramalan pasti mengandung kesalahan. Peramal hanya dapat mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian
tersebut. 2. Peramalan seharusnya memberikan informasi tentang bebrapa ukuran kesalahan.
3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Menurut Ishak 2010, peramalan dibedakan menjadi tiga jenis sesuai dengan
jangka waktunya: 1. Jangka pendek Short term
Peramalan ini mencakup jangka waktu harian ataupun mingguan. Peramalan ini biasanya digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah
tenaga kerja, penugasan kerja, dan tingkat produksi. 2. Jangka menengah Medium term
Peramalan ini mencakup jangka waktu bulanan atau kuartal. Peramalan ini berguna untuk merencanakan penjualan, perencanaan dan anggaran produksi, dan
menganalisis bermacam-macam rencana operasi. 3. Jangka panjang Long term
Peramalan ini bersifat tahunan. Peramalan ini digunakan untuk merencanakan produk baru, pembelanjaan modal, pengembangan fasilitas, serta penelitian.
Universitas Sumatera Utara
2.5 Logika
Fuzzy
Fuzzy dapat diartikan sebagai kabur atau samar-samar suatu nilai dapat bernilai benar atau bernilai salah secara bersamaan. Logika fuzzy diperkenalkan oleh Prof. lotfi
Zadeh tahun 1965. Logika fuzzy merupakan suatu logika yang memilih nilai kesamaan Fuzzyness antara benar atau salah, logika fuzzy memiliki derajat keanggotaan dalam
rentang 0 sampai 1.Logika fuzzy menunjukan sampai sejauh mana sebuah nilai itu benar dan sejauh mana sebuah nilai itu salah Nasution, 2012.
Logika fuzzy merupakan suatu cara untuk memetahkan suatu ruang input ke dalam ouput, memiliki nilai kontinu dan fuzzy dinyatakan dalam derajat keanggotaan atau
derajat dari kebenaran. Logika fuzzy digunakan untuk menerjemahkan besaran yang diekpresikan mengunakan bahasa Nasution, 2012.
Kelebihan dari logika fuzzy adalah mampu memproses penalaran secara bahasa sehingga dalam proses pembuatannya tidak memerlukan persamaan matematika dan
suatu objek yang akan dikendalikan Nasution, 2012.
2.5.1. Himpunan fuzzy
Himpunan fuzzy merupakan suatu kelompok yang dimana mewakili suatu kondisi tertentu untuk suatu variabel fuzzy. Contoh : untuk variabel umur yaitu Muda, Tua dan
Parobaya Amiruddin,2011. Grafik Himpnan fuzzy dapat dilihat pada Gambar 2.2
Gambar 2.2. Contoh grafik himpunan fuzzy pada variabel umur Amiruddin, 2011
Universitas Sumatera Utara
Di dalam Himpunan fuzzy terdapat 2 atribut yaitu linguistik dan numeris. Linguistik merupakan pemberian nama suatu kelompok yang mewakili kondisi
tertentu dengan mengunakan bahasa alami seperti : muda, tua dan parobaya dan numeris merupakan nilai yang menunjukan suatu ukuran pada variabel seperti : 20,
40, dan 35. Amiruddin,2011 2.5.2.
Fungsi keanggotaan fuzzy Fungsi keanggotaan member function merupakan sebuah kurva yang pemetaannya
melalui titik-titik input data ke dalam nilai keanggotaan derajat keanggotaan yang di dalamnya terdapat nilai 0 sampai 1 Amiruddin, 2011. Menurut Amiruddin 2011,
salah satu cara untuk mendapatkan nilai keanggotaan adalah dengan cara pendekataan fungsi, ada beberapa fungsi untuk menentukan sebuah nilai keanggotaan yaitu linear,
kurva segitiga, kurva trapesium dan metode lainnya. 1. Representasi Linear
Representasi Linear adalah pemetaan input ke derajat keanggotaanya digambarkan dalam garis lurus. Ada 2 dua jenis fuzzy linear yaitu linear naik dan linear
turun.Linear naik memiliki derajat keanggotaan nol 0 bergerak ke kanan menuju ke derajat keanggotaan yang lebih tinggi. Gambar Representasi Linear naik dapat
dilihat pada Gambar 2.3
Gambar 2.3. Grafik fungsi keanggotaan pada representasi linier naik
Fungsi Keanggotaan:
µ =
0; − − ;
1;
1
a b
Derajat Keanggotaan
µ[X]
Universitas Sumatera Utara
Linear turun adalah garis kurva yang dimulai dari domain tetinggi dari sisi sebelah kiri bergerak menurun ke domain derajat keanggotaan yang lebih rendah. Gambar
Representasi Linear turun dapat dilihat pada Gambar 2.4
Gambar 2.4. Grafik fungsi keanggotaan pada representasi linier turun
Fungsi Keanggotaan: µ
= − − ;
0; 2. Representasi Kurva Segitiga
Kurva Segitiga adalah gabungan antara 2 dua garis linear.Gambar Representasi Kurva Segitiga dapat dilihat pada Gambar 2.5
Gambar 2.5. Grafik fungsi keanggotaan pada representasi kurva segitiga
Fungsi Keanggotaan:
µ =
0; − − ;
− − ;
1
a b
Derajat Keanggotaan
µ[X]
domain
1
a b
Derajat Keanggotaan
µ[X]
domain c
Universitas Sumatera Utara
3. Representasi Kurva Trapesium Kurva Trapesium adalah meneyerupai bentuk segitiga, tapi ada beberapa titik yang
memiliki nilai keanggotaan bernilai 1 satu.Gambar Representasi Kurva Trapesium dapat dilihat pada Gambar 2.6
Gambar 2.6. Grafik fungsi keanggotaan pada representasi kurva trapesium
Fungsi Keanggotaan:
µ =
0; − − ;
1 − − ;
2.6 Evolving Connectionist System ECOS