Logika Fuzzy Fuzzy Failure Mode and Effect Analysis

3.3.9. Identifikasi Tindakan yang Direkomendasikan Recommended Action

Recommended action adalah tindakan yang direkomendasikan oleh tim FMEA, baik berupa preventive pencegahan maupun detective untuk mengeliminasi atau mengurangi kegagalan. Umumnya untuk nilai severity 9 atau 10, harus ada perhatian khusus untuk memastikan bahwa resiko kegagalan sudah dianalisis dan diantisipasi. Berapa pun nilai RPN yang diperoleh, bila akibat yang ditimbulkan dapat membahayakan operatorproses, harus dilakukan tindakan perbaikan atau pencegahan. Setelah fokus pada nilai severity 9 dan 10, tim FMEA berfokus pada penurunan nilai severity, kemudian nilai occurrence, kemudian nilai detection.

3.4. Logika Fuzzy

6 1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat sederhana dan mudah dimengerti. Teori fuzzy pertama kali diperkenalkan oleh Zadeh pada tahun 1965. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input ke dalam suatu ruang output. Beberapa alasan digunakannya logika fuzzy antara lain: 2. Logika fuzzy sangat fleksibel. 3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 6 Kusumadewi, Sri. Aplikasi Logika Fuzzy Untuk Pendukung Keputusan. Hal 2-8 Universitas Sumatera Utara 4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear 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. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy yaitu variabel fuzzy, himpunan fuzzy, semesta pembicaraan dan domain. a. Variabel fuzzy Merupakan variabel yang hendak dibahas dalam suatu sustem fuzzy. Misalnya: umur, temperatur, pemintaan, dsb. b. Himpunan fuzzy Merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. Contoh: variabel umur, terbagi menjadi 3 himpunan fuzzy yaitu muda, parobaya dan tua. c. Semesta pembicaraan Merupakan keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik bertambah secara monoton dari kiri ke kanan. Universitas Sumatera Utara d. Domain Merupakan keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan bilangan real yang senantiasa naik bertambah secara monoton dari kiri ke kanan.

3.5. Fuzzy Failure Mode and Effect Analysis

7 1. Fuzzy membership function Sistem fuzzy dibentuk dan dikembangkan dari aturan logika fuzzy IF- THEN. Metode perhitungannya adalah dengan menggunakan metode Mamdani. Metode Mamdani ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Metode Mamdani ini lebih sering dikenal dengan metode max- min. Untuk memperoleh hasil akhir, dilakukan empat tahapan yaitu: 2. Fuzzy rule bases 3. Fuzzy inference process 4. Deffuzzification Empat tahapan dalam metode ini dapat dilihat pada Gambar 3.1. 7 Ibid. hal 39-45 Universitas Sumatera Utara Gambar 3.1. Tahapan Penggunaan Fuzzy FMEA 1. Fuzzy membership function 8 Merupakan kurva yang menunjukkan peta titik-titik data ke dalam nilai keanggotaannya degree of membership dengan interval 0-1. Untuk memproleh nilai tersebut, digunakan pendekatan fungsi. Fungsi yang digunakan dalam fuzzy FMEA yaitu dengan pola segitiga dan trapezium. Fungsi keanggotaan untuk pola segitiga yaitu: Grafik fungsi keanggotaan segitiga dapat dilihat pada Gambar 3.2. 1 a b c μ [x] Gambar 3.2. Grafik dengan Fungsi Keanggotaan Segitiga 8 Kosasih, Wilson. Applied Fuzzy Assessment of FMEA for Production Plant of Paper Cutting Knives Case Study: PT. XYZ Universitas Sumatera Utara Fungsi keanggotaan untuk pola trapesium yaitu: Grafik fungsi keanggotaan trapesium dapat dilihat pada Gambar 3.3. 1 a b c μ [x] d Gambar 3.3. Grafik dengan Fungsi Keanggotaan Trapesium Input untuk fungsi anggota dalam kategori-kategori tersebut yaitu untuk kriteria severity, occurrence dan detection. Kategori tersebut dapat dilihat pada Tabel 3.4. Tabel 3.4. Kategori Untuk Input Variabel Rangking Kategori Severity S Occurence O Detection D 1 1 1 VL 2, 3 2, 3 2, 3 L 4, 5, 6 4, 5, 6 4, 5, 6 M 7, 8 7, 8 7, 8 H 9, 10 9, 10 9, 10 VH Sumber: Kosasih, Wilson. Applied Fuzzy Assessment of FMEA for Production Plant of Paper Cutting Knives Case Study: PT. XYZ Ketiga kriteria tersebut memiliki pola keanggotaan sendiri dalam bentuk pola segitiga dan trapesium berdasarkan nilai yang berada di Tabel 3.4. Pola kriteria tersebut dapat dilihat pada Gambar 3.4 hingga Gambar 3.6. Universitas Sumatera Utara Gambar 3.4. Fungsi Anggota dan Nilai Severity Gambar 3.5. Fungsi Anggota dan Nilai Occurrence Gambar 3.6. Fungsi Anggota dan Nilai Detection Ketiga kriteria itu jika dikalikan akan menghasilkan nilai FRPN. Nilai FRPN nilai output resiko dikelompokkan dalam kategori-kategori yang memiliki rentang nilai yang dapat dilihat pada Tabel 3.5. Fungsi keanggotaannya berbentuk pola segitiga dapat dilihat pada Gambar 3.7. Universitas Sumatera Utara Tabel 3.5. Kategori untuk Variabel Output Resiko Risk Priority Number Kategori 1 – 50 Very Low 50 – 100 Very Low – Low 100 – 150 Low 150 – 250 Low – Moderate 250 – 350 Moderate 350 – 450 Moderate – High 450 – 600 High 600 – 800 High – Very High 800 – 1000 Very High Sumber: Kosasih, Wilson. Applied Fuzzy Assessment of FMEA for Production Plant of Paper Cutting Knives Case Study: PT. XYZ Gambar 3.7. Fungsi Anggota untuk Fuzzy RPN 2. Fuzzy rule bases Pada tahapan ini, menggunakan aturan fuzzy IF-THEN. Bagian IF merupakan variabel input S, O dan D sedangkan bagian THEN adalah variabel output. Contoh penggunaannya seperti berikut: jika nilai Severity dalam kategori Very High VH, dan nilai Occurence dalam kategori Low L dan nilai Detection dalam kategori High H, maka diperoleh nilai FRPN adalah Very High VH. Penggunaan aturan ini akan lebih mudah digunakan dengan menggunakan pedoman yang dapat dilihat pada Gambar 3.8. Universitas Sumatera Utara Gambar 3.8. Aturan Fuzzy dalam IF-THEN 3. Fuzzy inference process Sebelumnya telah dijelaskan, bahwa digunakan metode Mamdani. Maka diperoleh kesimpulan yang minimum. Penggunaannya yaitu: a. Minimum untuk “and” di bagian IF dalam aturan tersebut dan maksimum untuk “or” di bagian IF dalam aturan tersebut. b. Kombinasi gabungan dalam mengagregatkankan hasil aturan-aturan tersebut secara individual. Universitas Sumatera Utara 4. Deffuzification Input untuk proses terakhir ini yaitu fuzzy set 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 sebagai output. Ada beberapa metode defuzzifikasi pada komposisi aturan MAMDANI seperti berikut: 1. Metode Centroid Composite Moment Solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy. Secara umum dirumuskan: ∫ ∫ = z z dz z dz z z z µ µ 2. Metode Bisektor Solusi crisp diperoleh dengan cara mengambil nilai pada domain fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total nilai keanggotaan pada daerah fuzzy. 3. Metode Mean of Maximum MOM Solusi crisp diperoleh dengan cara mengambil nilai rata-rata domain yang memiliki nilai keanggotaan maksimum. 4. Metode Largest of Maximum LOM Solusi crisp diperoleh dengan cara mengambil nilai terbesar dari domain yang memiliki nilai keanggotaan maksimum. Universitas Sumatera Utara 5. Metode Smallest of Maximum SOM Solusi crisp diperoleh dengan cara mengambil nilai terkecil dari domain yang memiliki nilai keanggotaan maksimum.

3.6. Definisi Sample dan Teknik Sampling