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
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
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
