Fuzzy-Expert System Dalam Menyelesaikan Procurement Tasks
HASIL PENELITIAN
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN
PROCUREMENT TASKS
Oleh
LIZA FITRIANA
107038036/TINF
PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASIUNIVERSITAS SUMATERA UTARA
2012
(2)
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN
PROCUREMENT TASKS
Oleh
LIZA FITRIANA
107038036/TINF
PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASIUNIVERSITAS SUMATERA UTARA
2012
(3)
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN
PROCUREMENT TASKS
TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar Magister dalam Program Studi Magister Teknik Informatika pada
Program Studi Magister Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara
Oleh
LIZA FITRIANA
107038036
PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASIUNIVERSITAS SUMATERA UTARA
M E D A N
(4)
PENGESAHAN
Judul Tesis : FUZZY-EXPERT SYSTEM DALAM
MENYELESAIKAN PROCUREMENT TASKS Nama Mahasiswa : LIZA FITRIANA
Nomor Induk Mahasiswa : 107038036
Program Studi : Magister Teknik Informatika
Fakultas : Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara
Menyetujui Komisi Pembimbing
Anggota
Dr. Erna Budhiarti Nababan, M.IT.
Ketua
Prof. Dr. Herman Mawengkang
Ketua Program Studi,
NIP. 19570701 198601 1 003 Prof. Dr. Muhammad Zarlis
Dekan,
NIP. 19570701 198601 1 003 Prof. Dr. Muhammad Zarlis
(5)
PERNYATAAN ORISINALITAS
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN
PROCUREMENT TASKS
T E S I S
Dengan ini saya nyatakan bahwa saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap satunya telah dijelaskan sumbernya dengan benar.
Medan, Juni 2012
NIM : 107038036 Liza Fitriana
(6)
PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH
UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan dibawah ini :
Nama : Liza Fitriana
N I M : 107038036
Program Studi : Tenik Informatika
Jenis Karya Ilmiah : Tesis
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royaliti Non-Eksklusif (Non –Exclusive Royalty Free Right) atas tesis saya yang berjudul :
”Fuzzy-Expert System Dalam Menyelesaikan Procurement Tasks”
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk data-base, merawat dan mempublikasikan Tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.
Demikian pernyataan ini dibuat dengan sebenarnya.
Medan, Juni 2012
NIM : 107038036 Liza Fitriana
(7)
Telah diuji pada Tanggal : 10 Juli 2012
PANITIA PENGUJI TESIS
Ketua : Prof. Dr. Herman Mawengkang Anggota : 1. Dr. Erna Budhiarti Nababan, M.IT.
2. Prof. Dr. Muhammad Zarlis 3. Prof. Dr. Tulus
(8)
DAFTAR RIWAYAT HIDUP
DATA PRIBADI
Nama lengkap berikut gelar : Liza Fitriana, S. Kom Tempat dan Tanggal Lahir : Medan, 18 Pebruari 1977
Alamat Rumah : Jl. Gedung Arca Gg. Jawa No. 5 Medan - 20217
Telepon/Faks/HP : +62617364279/+628126342505
Instansi Tempat Bekerja : Universitas Dian Nusantara
Alamat Kantor : Jl. Bromo No. 35 Medan – 20216
Telepon/Faks/HP : +62617368531, +62617364364
DATA PENDIDIKAN
SD : SD Nurul Islam Indonesia Medan Tamat : 1989
SMP : SMP Negeri 3 Medan Tamat : 1992
SMA : STM Telekomunikasi Sandhy Putra Medan Tamat : 1995
D3 : STMIK Budidarma Medan Tamat : 1999
Strata-1 : Universitas Panca Budi Medan Tamat : 2010
(9)
KATA PENGANTAR
Pertama-tama kami panjatkan puji syukur kepada Allah Subhana Wa Ta’ala atas segala limpahan rahmat dan karunia-Nya sehingga tesis ini dapat diselesaikan.
Dengan selesainya tesis ini, perkenankanlah kami mengucapkan terima kasih yang sebesar-besarnya kepada :
Rektor Universitas Sumatera Utara, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M.Sc. (CTM), Sp. A(K) atas kesempatan yang diberikan kepada kami untuk mengikuti dan menyelesaikan Pendidikan Program Magister.
Dekan Fakultas Ilmu Komputer dan Teknologi Informasi sekaligus Ketua Program Studi Magister Teknik Informatika Universitas Sumatera Utara, Prof. Dr. Muhammad Zarlis, atas kesempatan menjadi mahasiswa Program Magister pada Program Studi Magister Teknik Informatika Universitas Sumatera Utara.
Sekretaris Program Studi Teknik Informatika, M. Andri Budiman, ST., M.Comp.Sc., M.E.M., beserta seluruh Staf Pengajar pada Program Studi Magister Teknik Informatika Program Studi Magister Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
Terima kasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Herman Mawengkang selaku Promotor/Pembimbing Utama yang dengan penuh perhatian dan telah memberikan dorongan dan bimbingan, demikian juga kepada Dr. Erna Budhiarti Nababan, M.IT. selaku Co. Promotor/Pembimbing Lapangan yang dengan penuh kesabaran menuntun dan membimbing kami hingga selesainya penelitian ini.
Kepada Ayah Syamsuddin dan Ibu Nurjasmi (almh.) serta saudara-saudaraku tersayang dan anakku terkasih Daivina Hasanah Putri Edyza. Terima kasih atas segala pengorbanan kalian baik berupa moril dan materil, budi baik ini tidak dapat dibalas hanya diserahkan kepada Allah Subhana Wa Ta’ala.
Staff Pegawai dan Administrasi pada Program Studi Magister (S2) Teknik Informatika Program Studi Magister Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah memberikan bantuan dan pelayanan yang sangat baik kapada penulis selama mengikuti perkuliahan hingga penyelesaian laporan penelitian ini.
Rekan mahasiswa/i angkatan kedua tahun 2010 pada Program Studi Magister Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah banyak membantu penulis baik berupa dorongan semangat dan doa selama mengikuti perkuliahan hingga penyelesaian laporan penelitian ini.
Medan, Juni 2012
NIM : 107038036 Liza Fitriana
(10)
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN PROCUREMENT TASKS
ABSTRAK
Salah satu tugas dalam proses penyediaan barang/jasa (procurement) adalah melakukan pemilihan vendor yang tepat sehingga barang/jasa tersebut dapat diperoleh dengan biaya yang minimal, dapat diterima oleh pemakainya, dan tidak terlambat dari waktu yang dibutuhkan. Dalam mencapai ketiga hal tersebut, banyak faktor yang harus dipertimbangkan dimana faktor-faktor tersebut saling mempengaruhi saling berhubungan dan mempengaruhi antara satu dengan yang lainnya. Fuzzy Expert System merupakan salah satu alternatif dalam mengatasi hal ini, dimana pengalaman dan pengetahuan terhadap pemilihan vendor dapat ditampung dan ketidakpastian terhadap penilaian dari faktor-faktor yang mempengaruhinya dapat diatasi. Dalam penelitian ini kombinasi antara Fuzzy System dan Expert System dilakukan untuk menemukan nilai rating terhadap penawaran yang ada dimana nilai ini nantinya akan membantu para pembuat keputusan dalam menentukan vendor yang sesuai terhadap penyediaan barang/jasa tersebut.
(11)
FUZZY-EXPERT SYSTEM IN SOLVING PROCUREMENT TASKS
ABSTRACT
One of procurement tasks is to select an appropriate vendor in order to get material or service in minimal cost, can be acceptable by user (minimizing rejections), and minimizing late delivery. To achieve these three purposes there are many factors should be considered where every factor are related one to another. Many methods have been used to select vendor. Fuzzy Expert System approach is one of alternatives to solve this case, in which the heuristic and knowledge of supplier assessment accomodated and impreciseness and uncertainties of the influence factors can be handled. In this research, combination of Fuzzy System and Expert System is performed to score every bids which this score can assist the decision makers in choosing the appropriate vendor to supply material or to provide service.
(12)
DAFTAR ISI
Halaman
KATA PENGANTAR i
ABSTRAK ii
ABSTRACT iii
DAFTAR ISI iv
DAFTAR TABEL vi
DAFTAR GAMBAR vii
BAB I PENDAHULUAN ... 1
1.1 Latar Belakang ... 1
1.2 Rumusan Masalah ... 3
1.3 Batasan Masalah ... 3
1.4 Tujuan Penelitian ... 4
1.5 Manfaat Penelitian ... 4
BAB II TINJAUAN PUSTAKA ... 5
2.1 Sistem Pakar (Expert System) ... 2.1.1 Kelebihan-kelebihan dari Sistem Pakar ... 7
5 2.1.2 Komponen-komponen Pembentuk Sistem Pakar ... 9
2.1.3 Merancang Suatu Sistem Pakar ... 11
2.2 Sistem Fuzzy (Fuzzy System) ... 13
2.2.1 Himpunan Fuzzy (Fuzzy Set) ... 14
2.2.2 Logika Fuzzy (Fuzzy Logic) ... 16
2.2.3 Fungsi Keanggotaan (Membership Function) dalam Fuzzy Logic ... 16
2.2.4 Komponen-komponen Pembentuk Sistem Fuzzy... 17
2.2.5 Pengambilan Keputusan dalam Sistem Fuzzy ... 20
(13)
2.4 Procurement ... 21
2.4.1 Pengertian Procurement Tasks ... 22
2.4.2 Lingkup Kerja Procurement ... 22
2.4.3 Perhitungan Biaya ... 23
2.5 Penelitian Sebelumnya (Previous Research) ... 24
BAB III METODOLOGI PENELITIAN ... 29
3.1 Lingkungan Penelitian ... 30
3.2 Seleksi Data ... 30
3.3 Pembentukan Sistem Fuzzy ... 32
3.3.1 Himpunan Fuzzy... 33
3.3.2 Aturan Fuzzy ... 38
3.3.3 Inferensi Menggunakan Metode Sugeno Orde 0 ... 39
3.3.4 Defuzzifikasi Menggunakan Height Method ... 40
BAB IV HASIL DAN PEMBAHASAN ... 41
4.1 Hasil ... 41
4.1.1 Pemasukan Data Penawaran dari Vendor ... 43
4.1.2 Seleksi Penawaran ... 46
4.1.3 Hasil Rating ... 47
4.2 Pembahasan ... 47
4.2.1 Seleksi Penawaran Tahap I ... 48
4.2.2 Seleksi Penawaran Tahap II ... 49
4.2.3 Fuzzifikasi ... 50
4.2.4 Inferensi Menggunakan metode Sugeno Orde 0 ... 56
4.2.3 Defuzzifikasi Menggunakan Height Method ... 58
BAB V KESIMPULAN DAN SARAN ... 60
5.1 Kesimpulan ... 60
5.2 Saran ... DAFTAR KEPUSTAKAAN 62
61
(14)
DAFTAR TABEL
Nomor Halaman
Tabel
2.1 Riset Terkait 24
3.1 Basis Aturan Seleksi 32
4.1 Harga Penawaran dari Vendor 45
4.2 Spesifikasi Penawaran dari Vendor 45
4.3 Hasil seleksi Vendor berdasarkan Delivery Time 48
4.4 Hasil seleksi Vendor berdasarkan Spesifikasi 49
4.5 Hasil Perhitungan Biaya 50
4.6 Firing Strength dari Penawaran yang lolos seleksi 56
4.7 Hasil Inferensi 58
(15)
DAFTAR GAMBAR
Nomor Halaman
Gambar
2.1 Fungsi Dasar dari suatu Sistem Pakar 6
2.2 Perkembangan dari Sistem Pakar 8
2.3 Tahapan-tahapan Umum dalam Pengembangan suatu
Sistem Pakar 12
2.4 Diagram Blok Sistem Berbasis Aturan Fuzzy 19
3.1 Skema Analisis Penyelesaian Procurement Tasks 30
3.2 Flowchart Seleksi Data menggunakan Metode
Forward Chaining 31
3.3 Flowchart penentuan hasil menggunakan metode
Height Method 33
3.4 Himpunan variabel biaya 34
3.5 Himpunan variabel spesifikasi 37
3.6 Fungsi keanggotaan singletone untuk rating 39
4.1 Formulir Input Data Permintaan 42
4.2 Formulir Input Data Penawaran 44
4.3 Hasil seleksi vendor berdasarkan delivery time 46
4.4 Hasil seleksi vendor berdasarkan spesifikasi 47
4.5 Hasil Fuzzifikasi Variabel Spesifikasi 52
4.6 Hasil Fuzzifikasi Variabel Spesifikasi 54
4.7 Variabel Biaya terhadap penawaran dari PT. XYZ 56
4.8 Variabel Spesifikasi terhadap penawaran dari PT. XYZ 57
(16)
FUZZY-EXPERT SYSTEM DALAM MENYELESAIKAN PROCUREMENT TASKS
ABSTRAK
Salah satu tugas dalam proses penyediaan barang/jasa (procurement) adalah melakukan pemilihan vendor yang tepat sehingga barang/jasa tersebut dapat diperoleh dengan biaya yang minimal, dapat diterima oleh pemakainya, dan tidak terlambat dari waktu yang dibutuhkan. Dalam mencapai ketiga hal tersebut, banyak faktor yang harus dipertimbangkan dimana faktor-faktor tersebut saling mempengaruhi saling berhubungan dan mempengaruhi antara satu dengan yang lainnya. Fuzzy Expert System merupakan salah satu alternatif dalam mengatasi hal ini, dimana pengalaman dan pengetahuan terhadap pemilihan vendor dapat ditampung dan ketidakpastian terhadap penilaian dari faktor-faktor yang mempengaruhinya dapat diatasi. Dalam penelitian ini kombinasi antara Fuzzy System dan Expert System dilakukan untuk menemukan nilai rating terhadap penawaran yang ada dimana nilai ini nantinya akan membantu para pembuat keputusan dalam menentukan vendor yang sesuai terhadap penyediaan barang/jasa tersebut.
(17)
FUZZY-EXPERT SYSTEM IN SOLVING PROCUREMENT TASKS
ABSTRACT
One of procurement tasks is to select an appropriate vendor in order to get material or service in minimal cost, can be acceptable by user (minimizing rejections), and minimizing late delivery. To achieve these three purposes there are many factors should be considered where every factor are related one to another. Many methods have been used to select vendor. Fuzzy Expert System approach is one of alternatives to solve this case, in which the heuristic and knowledge of supplier assessment accomodated and impreciseness and uncertainties of the influence factors can be handled. In this research, combination of Fuzzy System and Expert System is performed to score every bids which this score can assist the decision makers in choosing the appropriate vendor to supply material or to provide service.
(18)
BAB I
PENDAHULUAN
1.1 LATAR BELAKANG
Seiring dengan perkembangan zaman, penggunaan komputer tidak terbatas sebagai alat hitung saja sebagaimana fungsi awalnya pada saat diciptakan. Salah satu kegunaannya saat ini adalah sebagai alat bantu bagi manusia untuk membuat suatu keputusan. Permasalahannya adalah bagaimana komputer dapat mengambil keputusan terhadap suatu kenyataan yang di dalamnya mungkin saja terdapat hal-hal yang memiliki nilai yang kurang tegas, seperti antara “0” dan “1”, antara “ya” dan “tidak”, antara “benar” dan “salah”, atau yang lainnya.
Dengan adanya logika fuzzy, yang diperkenalkan oleh Prof. Zadeh pada tahun 1965, hal ini tidak menjadi masalah lagi. Karena komputer tidak hanya mengenal logika Boolean yang memiliki nilai tegas dan jelas (crisp) tetapi juga mengenal logika yang mempunyai nilai samar atau kabur (lebih dikenal dengan istilah fuzzy). Dalam logika fuzzy sebuah data dapat bernilai benar atau salah secara bersamaan namun seberapa besar nilai kebenaran atau kesalahannya tergantung kepada bobot keanggotaan yang dimilikinya.
Fuzzy Expert System (Sistem Pakar Fuzzy) merupakan gabungan antara Sistem Fuzzy (Fuzzy System) dengan Sistem Pakar (Expert System). Penerapan sistem Fuzzy dalam sistem pakar (Expert System) bertujuan untuk merepresentasikan pengetahuan pakar pada lingkungan yang tidak pasti (kabur), tidak lengkap, dan sangat kompleks. Dalam hal ini penulis menggunakan kombinasi antara Fuzzy System dengan Expert System untuk menyelesaikan
Procurement Tasks.
Teknik Fuzzy Expert System telah banyak dipergunakan dalam
(19)
hipertensi, Fuzzy Expert System for Management of Hypertension (Djam dan Kimbi, 2011) dan untuk mendiagnosa penyakit jantung/Heart Disease Diagnosis
(Ali dan Mehdi, 2010). Diluar bidang medis teknik ini juga dipergunakan untuk menganalisa keuntungan biaya (Uzoka, 2009) dan dalam penentuan Customer dan
Advisor dalam berbagai Contract Center (Shah et al, 2007).
Procurement Tasks meliputi hal-hal yang dilakukan dalam proses penyediaan barang atau jasa. Hal ini dimulai dengan adanya kebutuhan terhadap suatu barang atau jasa, dilanjutkan dengan proses untuk mendapatkan barang atau jasa tersebut sehingga barang tersebut didapatkan dan diterima oleh orang yang membutuhkan barang atau jasa tersebut.
Menurut Niraj dan Kumar (2011), kesuksesan dari suatu industri tergantung pada optimalisasi biaya produksi dan dalam mencapai tujuan terssebut pemilihan vendor harus tepat (tidak salah pilih) dan efisien. Pemilihan vendor, yang merupakan hal dasar dalam mata rantai Procurement, adalah masalah yang multi objektif yang melibatkan faktor-faktor kualitas dan kuantitas. 3 (tiga) tujuan utama dalam permasalahan pemilihan vendor : minimalisasi biaya, minimalisasi penolakan-penolakan, dan minimalisasi keterlambatan pengiriman (Kumar, 2004 dan Ramezani dan Montazer, 2006).
Beberapa teknik yang telah dipergunakan dalam menyelesaikan
Procurement Tasks, khususnya penyediaan barang, adalah teknik Fuzzy Expert Decision Support System (Niraj dan Kumar, 2011) dengan tujuan untuk memudahkan penggunanya dalam melakukan pemilihan supplier. Teknik yang sama juga telah dipergunakan sebelumnya untuk membantu komite pemilihan
vendor dalam membuat keputusan (Ramezani dan Montazer, 2006). Dalam kedua jurnal di atas, para penulisnya mengaplikasikan pengetahuan pakar dalam membentuk aturan-aturan fuzzy, dengan metode Mamdani sebagai metode inferensi dan metode Centre of Gravity untuk proses penegasan (defuzzification).
Dalam penelitian ini penulis melakukan kombinasi dari system Fuzzy System dengan sistem pakar dimana kedua teknik ini dipergunakan untuk melengkapi antara satu dengan yang lainnya. Sistem fuzzy mempunyai kemampuan yang sama dengan sistem pakar dalam menjelaskan (Negnevitsky,
(20)
2002) tetapi penulis mengharapkan adanya suatu efisiensi dalam proses pengolahan data dengan mengkombinasikan keduanya. Dimana sistem fuzzy tidak perlu melakukan proses terhadap data tertentu, yang telah diproses oleh sistem pakar, tetapi hanya mengolah data yang tidak bisa diproses oleh sistem pakar tersebut. Adapun metode inferensi yang dipergunakan adalah metode Sugeno Orde 0 dan penegasannya menggunakan Height Method. Dengan demikian diharapkan akan diperoleh suatu keputusan (decision) yang optimal dalam menangani Procurement Tasks.
1.2 RUMUSAN MASALAH
Dari uraian tersebut di atas maka penulis membuat suatu rumusan masalah bagaimana memanfaatkan kelebihan dari sistem pakar dan sistem fuzzy dan mengatasi kekurangan masing-masing sistem dalam menangani Procurement Tasks dengan cara mengkombinasikan kedua sistem tersebut.
1.3 BATASAN MASALAH
Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah ditetapkan dalam rumusan masalah, maka dibentuk batasan-batasan terhadap permasalahan, yaitu :
1. Sistem pakar digunakan untuk melakukan seleksi terhadap penawaran dari para vendor.
2. Variabel yang dipergunakan dalam melakukan seleksi adalah waktu pengiriman (delivery time) dan spesifikasi barang/jasa.
3. Proses perhitungan variabel biaya/cost dilakukan berdasarkan cara pembayaran (payment term) dan lokasi penerimaan (delivery point).
4. Rating penawaran vendor diperoleh dengan mempergunakan Fuzzy System
dengan mempergunakan variabel biaya dan spesifikasi/mutu yang ditawarkan oleh vendor sebagai inputnya.
(21)
5. Procurement Tasks yang diselesaikan dalam penelitian ini hanya sampai dengan pemilihan vendor, pembuatan dan penutupan kontrak tidak termasuk di dalamnya.
1.4 TUJUAN PENELITIAN
Tujuan penulisan tesis ini adalah untuk mendapatkan suatu sistem yang merupakan kombinasi antara sistem pakar dan sistem fuzzy untuk menyelesaikan proses penyediaan barang atau jasa.
1.5 MANFAAT PENELITIAN
Dengan adanya penelitian ini penulis lebih memahami tentang sistem pakar dan sistem fuzzy, cara kerjanya, serta cara mengaplikasikannya dalam membentuk suatu sistem baru untuk menyelesaikan suatu permasalahan. Penulis juga mengharapkan manfaat yang sama akan diperoleh oleh orang-orang yang membaca dan memahami laporan penelitian ini. Penulis berharap hasil penelitian ini juga dapat menjadi suatu acuan dalam pengembangan ilmu pengetahuan bidang informatika, khususnya mengenai sistem pakar dan sistem fuzzy. Aplikasi dari penelitian ini diharapkan dapat membantu para pembuat keputusan , terutama bidang Procurement, dalam mengambil suatu keputusan yang tepat dan objektif dalam menyelesaikan tugasnya.
(22)
BAB II
TINJAUAN PUSTAKA
2
2.1 SISTEM PAKAR (EXPERT SYSTEM)
Dalam ilmu komputer kita mendengar kata “kecerdasan buatan/artificial intelligent (AI)” yang secara etimology berarti inteligensia yang tidak alami / natural. Banyak defenisi yang disebutkan terhadap AI, tetapi defenisi yang umum disebutkan adalah “membuat komputer berfikir sebagaimana layaknya manusia”.
Sistem pakar dikembangkan sebagai perangkat riset pada tahun enam puluhan (60-an) sebagai suatu jenis khusus dari AI yang mampu dengan sukses mengatasi permasalahan yang rumit dalam ruang lingkup yang terbatas seperti diagnosa penyakit medis (Giarratano and Riley, 2005). Untuk mengatasai permasalahan tersebut tentu saja sistem pakar harus dilengkapi dengan pengetahuan tentang lingkup permasalahan itu sendiri. Sistem pakar berkembang dengan pesat pada tahun delapan puluhan (80-an) dan sekarang banyak dipergunakan dalam berbagai bidang, seperti : bisnis, medis, dan lainnya.
Ide dasarnya adalah jika seorang manusia dapat menyebutkan langkah-langkah yang dilakukan dalam mengatasi suatu permasalahan maka sistem pakar juga akan dapat melakukannya. Tujuan utama dari sistem pakar bukan untuk menggantikan kedudukan seorang ahli atau pakar, tetapi untuk membagikan pengetahuan dan pengalaman pakar dalam memecahkan suatu permasalahan.
Sistem pakar juga merupakan solusi yang cukup baik terhadap permasalahan AI yang klasik dalam kecerdasan pemograman. Menurut Feigenbaum (dalam Giarratano and Riley, 2005), Sistem pakar merupakan suatu program komputer buatan yang menggunakan pengetahuan dan prosedur-prosedur inferensi untuk memecahkan masalah-masalah yang cukup rumit yang
(23)
Pemakai/User
membutuhkan keahlian manusia yang signifikan untuk solusinya. Oleh sebab itu sistem pakar dapat juga diartikan sebagai suatu sistem komputer yang bertindak dalam sebagaimana layaknya seorang pakar dalam membuat suatu keputusan.
Seorang pakar dalam sistem pakar merupakan orang yang mempunyai keahlian dalam bidang tertentu, dimana pengetahuan atau keahliannya tersebut tidak diketahui atau dimiliki oleh orang banyak. Seorang pakar dapat memecahkan masalah yang tidak dapat dipecahkan oleh kebanyakan orang atau memecahkannya lebih efisien.
Pengetahuan dalam sistem pakar bisa berupa keahlian atau pengetahuan yang biasanya tersedia di buku-buku, majalah-majalah, dan orang yang berpengetahuan. Dalam hal ini, pengetahuan dianggap sebagai tingkatan yang lebih rendah daripada keahlian langka kebanyakan. Kata-kata expert system, knowledge-based system, dan knowledge-based expert system sering dianggap sama. Banyak orang yang mempergunakan expert system karena lebih singkat, walaupun mungkin tidak ada keahlian dalam expert system tersebut, melainkan pengetahuan.
Dalam penyusunannya, sistem pakar mengkombinasikan kaidah-kaidah penarikan kesimpulan (inference rules) dengan basis pengetahuan ( knowledge-base) tertentu yang diberikan oleh satu atau lebih pakar dalam bidang tertentu. Kombinasi dari kedua hal tersebut disimpan dalam komputer, yang selanjutnya digunakan dalam proses pengambilan keputusan untuk penyelesaian masalah tertentu. Untuk lebih jelasnya kita dapat melihat fungsi dasar dari sistem pakar pada gambar 2.1.
Fakta-fakta Keahlian
Sistem Pakar Gambar 2.1 Fungsi dasar dari suatu sistem pakar
(Sumber : Giarratano and Riley, 2005) Basis pengetahuan/
Mesin Inferensi/
(24)
Pada gambar 2.1, user memasukkan fakta-fakta atau informasi lainnya ke dalam sistem pakar dan menerima saran dari pakar atau keahlian sebagai tanggapannya. Secara internal, sistem pakar terdiri atas dua komponen utama.
Knowledge-base berisikan pengetahuan yang bekerja sama dengan inference engine dalam membuat kesimpulan-kesimpulan. Kesimpulan-kesimpulan ini merupakan tanggapan terhadap kebutuhan-kebutuhan user terhadap keahlian tertentu.
2.1.1 Kelebihan-kelebihan dari Sistem Pakar
Menurut Guarratano and Riley (2005), secara garis besar banyak kelebihan yang dimiliki oleh sistem pakar, antara lain :
1. Meningkatkan ketersediaan (increased availability) dimana keahlian dapat disediakan dalam berbagai perangkat keras komputer yang sesuai.
2. Mengurangi biaya (reduced cost) dimana biaya untuk menyediakan keahlian pada setiap user jauh lebih rendah.
3. Mengurangi bahaya (reduced danger) dimana sistem pakar dapat dipergunakan dalam lingkungan yang mungkin saja berbahaya bagi manusia.
4. Permanen (permanence), bahwa pengetahuan sistem pakar permanen tidak seperti manusia yang bisa pensiun, berhenti, atau meninggal sehingga keahliannya tidak dapat dipergunakan lagi.
5. Keahlian ganda (multiple expertise) dimana pengetahuan dari berbagai pakar dapat bekerja secara simultan dan bersambung dalam suatu masalah kapan saja.
6. Meningkatkan kepercayaan (increased reliability) dimana user
mendapatkan pendapat pembanding terhadap pendapat pakar lainnya (manusia bukan komputer) dari sistem pakar yang digunakan sehingga meningkatkan kenyamanan dalam mengambil suatu keputusan.
7. Penjelasan (explaination), sistem pakar dapat menjelaskan secara detil alasan yang mendukung pengambilan keputusan.
(25)
8. Tanggapan yang cepat (fast response) dimana sistem pakar dapat memberikan tanggapan yang lebih cepat dibandingkan dengan seorang manusia.
9. Tetap, tidak emosional, dan tanggapan yang lengkap setiap waktu, tidak seperti manusia yang dapat berubah kapan saja (tergantung pada emosinya).
10.Pengajar yang cerdas (intelligent tutor) dimana user dapat menjalankan contoh program dan menjelaskan alasan dari sistem.
11.Basis data yang cerdas (intelligent database) dimana sistem pakar dapat dipergunakan untuk mengakses basis data dengan cara yang cerdas, seperti
data mining.
Proses pengembangan sistem pakar memiliki keuntungan lain dimana dengan adanya penyimpanan keahlian dari seorang pakar di dalamnya yang membuat sistem pakar dapat diuji kebenarannya, konsistensinya, dan kelengkapannya, lalu diatur, suatu hal yang jarang dapat diaplikasikan terhadap seorang manusia pakar. Gambar 2.2 menunjukkan perkembangan dari suatu sistem pakar.
Dialog
Pengetahuan eksplisit
Gambar 2.2 Perkembangan dari Sistem Pakar (Sumber : Giarratano and Riley, 2005)
Manusia pakar /
Human expert
Teknisi pengetahuan /
Knowledge engineer
Basis pengetahuan dari sistem pakar /
Knowledge-based of Expert System
(26)
Pertama kali knowledge engineer membuat suatu dialog dengan pakar untuk mendapatkan pengetahuannya, yang dapat dianalogikan sebagai diskusi dengan klien terhadap kebutuhan-kebutuhan sistem dalam membuat suatu program. Knowledge engineer kemudian membuat pengkodean dari pengetahuan tadi ke dalam knowledge base. Lalu pakar mengevaluasi sistem pakar tersebut dan memberi masukan jika ada yang tidak sesuai sampai semuanya dianggap benar dan sesuai.
2.1.2 Komponen-komponen Pembentuk Sistem Pakar
Menurut Giarratano dan Riley (2005), dalam sistem pakar terdapat empat komponen yang saling berkaitan antara yang satu dengan yang lainnya, yaitu :
1. Basis Pengetahuan (knowledge-base), merupakan kumpulan pengetahuan dalam bidang tertentu pada tingkatan pakar dalam format tertentu.
2. Mesin Inferensi (inference machine), merupakan otak dari sistem pakar, berupa perangkat lunak yang melakukan tugas inferensi penalaran sistem pakar untuk mencari solusi dari suatu permasalahan.
Konsep yang biasanya digunakan dalam inference machine adalah :
a. Runut balik (top down) atau backward chaining
Yaitu proses penalaran yang berawal dari tujuan yang kita inginkan ataupun hipotesa setelah itu dicocokkan dengan keadaan awal (fakta). Jadi secara umum runut balik itu diaplikasikan ketika tujuan atau hipotesis yang dipilih itu sebagai titik awal penyelesaian masalah atau disebut juga goal driven search. Proses ini dapat dimodelkan sebagai berikut :
Tujuan, If (kondisi).
(27)
Pada metode ini proses dimulai dengan hipotesa terlebih dahulu sebagai praduga awal setelah itu dilanjutkan dengan pengecekan fakta-fakta yang ada. Jika seluruh fakta-fakta-fakta-fakta tersebut mendukung hipotesa maka praduga sistem benar dan dikeluarkan sebagai output. Jika fakta-fakta tersebut tidak mendukung hipotesa maka sistem akan mengecek fakta-fakta yang lainnya. Pencarian fakta dalam metode ini menggunakan teknik depth-first search yang dilengkapi dengan fasilitas penjelasan.
b. Runut maju (bottom up) atau forward chaining.
Yaitu proses penalaran yang bermula dari kondisi yang diketahui (fakta) menuju tujuan yang diinginkan. Jadi proses dimulai dari premis-premis atau informasi masukan (yang dikondisikan dalam pernyataan if) terlebih dahulu kemudian menuju kesimpulan atau
derived information (yang dikondisikan dalam pernyataan then) atau dapat dimodelkan sebagai berikut :
If (informasi masukan) Then (kesimpulan)
Informasi masukan dapat berupa data, bukti, temuan, atau pengamatan. Sedangkan kesimpulan dapat berupa tujuan, hipotesa, penjelasan, atau diagnosis. Sehingga jalannya penalaran runut maju dapat dimulai dari data menuju tujuan, dari bukti menuju hipotesa, dari temuan menuju kesimpulan, atau dari pengamatan menuju diagnosa. Pencarian fakta dalam metode ini menggunakan teknik breadth-first search tanpa dilengkapi dengan fasilitas penjelasan.
3. Model Antarmuka (Interface)
Merupakan mekanisme komunikasi antara pengguna (user) dengan sistem. 4. Memory Kerja (Working Memory)
Merupakan bagian yang menyimpan fakta-fakta yang diperoleh saat dilakukan proses konsultasi.
(28)
2.1.3 Merancang suatu Sistem Pakar
Ada banyak cara yang digunakan dalam membenuk suatu sistem pakar, tetapi satu hal yang pasti bahwa sebelum melakukannya kita harus mengetahui tujuan dari pembentukannya. Jadi sebelum membuat suatu sistem pakar kita harus memilih permasalahan yang tepat yang akan dipecahkan.
Hal ini penting mengingat kita akan melibatkan sejumlah orang, sumber daya, dan waktu dalam membentuk sistem pakar tersebut. Untuk lebih jelasnya hal-hal di bawah ini merupakan pertanyaan-pertanyaan yang menjadi pertimbangan dalam membentuk suatu sistem pakar.
1. Kenapa kita membuat suatu sistem pakar? 2. Apakah kegunaan dari sistem pakar tersebut?
3. Perangkat apa saja yang dibutuhkan dalam membentuk sistem tersebut? 4. Berapa biaya yang dibutuhkan terhadap sistem tersebut?
Lebih lanjut, pengembangan suatu sistem pakar akan tergantung pada sumber-sumber yang disediakan. Dimana pengembangan ini juga tergantung pada bagaimana proses diorganisasikan dan diatur.
Teknik manajemen proyek yang standar dan perangkat-perangkat lunak diharapkan menyediakan :
1. Manajemen aktifitas, yang meliputi : perencanaan, penjadwalan, kronologis, analisa.
2. Manajemen konfigurasi produk, yang meliputi : manajemen produk, manajemen perubahan.
3. Manajemen sumber daya, yang meliputi : perkiraan kebutuhan terhadap sumber daya, mendapatkan sumber daya, menetapkan tangung jawab terhadap penggunaan sumber daya maksimum, menyediakan sumber daya alternatif untuk mengatasi saat-saat kritis.
Pada gambar 2.3 memperlihatkan pandangan tingkat tinggi yang ideal dari aktivitas-aktivitas yang dibutuhkan dalam membentuk suatu sistem dan bagaimana sistem tersebut berjalan.
(29)
Paper atau studi banding untuk menunjukkan ketersedian proyek
Sistem pakar dengan cepat menampil-kan ide-ide, menunjukmenampil-kan keantusiasan, dan menggambarkan manajemen tingkat atas
Verifikasi dalam sistem pakar terhadap permasalahan-permasalahan yang nyata
yang dilakukan oleh knowledge
engineer dan pakar
Sistem diuji oleh user terseleksi (bukan
knowledge engineer atau pakar)
Validasi dan pengujian Dokumentasi user
Pelatihan
Dukungan cepat dari user melalui telepon dan/atau email
Perbaikan kesalahan-kesalahan
Peningkatan kemampuan-kemampuan
Gambar 2.3 Tahapan-tahapan Umum dalam Pengembangan Suatu Sistem Pakar (Sumber : Giarratano and Riley, 2005)
Pada gambar 2.3 diketahui bahwa pengembangan suatu sistem didasari oleh paper atau studi banding tentang suatu proyek. Sehingga muncul ide-ide untuk mengatasi permasalahan yang dihadapi pada sistem sebelumnya.
Selanjutnya dibuat sistem baru oleh knowledge engineer dan pakar dimana sistem akan diuji oleh user terseleksi untuk mengetahui apakah hasil yang diperoleh sesuai dengan tujuan yang hendak dicapai terhadap sistem baru ini.
Feasability Study
Commercial Qualitty System
Maintenance and Evolution
Field Testable (β -Test)
Refined System (α -test)
(30)
Setelah itu knowledge engineer dan pakar akan melakukan perbaikan terhadap kesalahan-kesalahan yang mungkin muncul ataupun melakukan peningkatan terhadap kemampuan sistem.
Dalam bentuk ideal, hasil dari pembentukan sistem pakar tidak akan diberikan kepada pemakai akhir/end user sampai dengan seluruh kesalahan-kesalahan diperbaiki dan sistem bekerja dengan benar. Secara sederhana, apabila seorang user menekan tombol “OK” maka sistem akan memberikan output sesuai dengan keahlian pakar.
2.2 SISTEM FUZZY (FUZZY SYSTEM)
Teori Fuzzy set dikemukakan pertama kali oleh Prof. Lotfi Zadeh di Universitas California, Berkeley, pada tahun enam puluhan (60-an), tepatnya pada tahun 1965. Sistem ini diciptakan karena logika Boolean/boolean logic hanya mempunyai logika 0 (nol) dan 1 (satu) saja sehingga diperlukan sistem yang dapat memiliki logika diantara 0 (nol) dan 1 (satu). Teori fuzzy set menyediakan sebuah kerangka kerja matematis untuk merepresentasikan dan memperlakukan ketidakpastian dalam bentuk kekaburan, ketidaktepatan, kebocoran informasi, dan bagian kebenaran (Tettamanzi and Tomassini, 2001).
Sering kali kita kehilangan informasi dalam memecahkan permasalahan di dunia nyata ke dalam komputer karena kualitas keahlian yang dimiliki oleh seorang pakar tidak bisa diformulasikan dalam angka yang pasti. Tetapi sejak teori fuzzy set ditemukan dan berkembang secara luas, maka hal ini tidak menjadi masalah lagi. Aplikasi dari teori fuzzy set pertama kali ditemukan oleh orang Jepang pada tahun tujuh puluhan (70-an).
Topik pembahasan mengenai hubungan antara kekaburan/fuzziness dan kemungkinan/probability sering dibicarakan dan terkadang agak kontroversial. Sebenarnya, fuzziness dan probability berhubungan dengan ketidakpastian, tetapi tipe hubungan yang terbentuk berbeda antara satu dengan yang lainnya. Jika dalam fuzziness terdapat ketidakpastian dengan tingkatan tertentu maka dalam
(31)
mungkin saja terjadi. Isu tentang hubungan antara fuzziness dan probability
dimulai dari titik awal logikanya. Dengan kata lain keanggotaan fuzzy
memberikan suatu ukuran terhadap pendapat atau keputusan, sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil bernilai benar dalam jangka panjang. Misalnya, jika nilai keanggotaan suatu fuzzy set
MUDA adalah 0,9 (nol koma sembilan) maka tidak perlu dipermasalahkan berapa seringnya nilai itu diulang secara individual untuk mengharapkan suatu hasil yang HAMPIR MUDA. Dilain pihak, nilai probabilitas 0,9 (nol koma sembilan) MUDA berarti 10 % (sepuluh persen) dari himpunan tersebut TIDAK MUDA.
2.2.1 Himpunan Fuzzy (Fuzzy Set)
Himpunan fuzzy (fuzzy set) merupakan sekumpulan obyek x dimana masing-masing obyek memiliki nilai keanggotaan (membership function) “μ” atau disebut
juga dengan nilai kebenaran. Jika X adalah sekumpulan obyek dan anggotanya dinyatakan dengan x maka fuzzy set dari A di dalam X adalah himpunan dengan sepasang anggota atau dapat dinyatakan dengan :
� = { µA(�) | �∶�∈X, �(�) ∈ [0,1] ∈ R } (2.1) Contoh : Terdapat suatu himpunan data yang berisikan variabel usia dengan klasifikasi sebagai berikut :
a. Muda : jika usia sampai dengan 30 tahun
b. Parobaya : jika usia lebih besar dari 30 tahun dan lebih kecil dari 50 tahun
c. Tua : jika usia lebih besar dari atau sama dengan 50 tahun Maka pada himpunan crisp untuk dapat disimpulkan bahwa :
1. Apabila seseorang berusia 29 tahun maka ia dikatakan Muda
(µMuda
2. Apabila seseorang berusia 32 tahun maka ia dikatakan Tidak Muda (µ
[29]=1).
Muda
Jika pada himpunan crisp, nilai keanggotaan hanya ada 2 (dua) kemungkinan, yaitu : 0 (nol) dan 1 (satu), maka pada fuzzy set nilai keanggotaan terletak pada rentang 0 (nol) sampai 1 (satu).
(32)
Dalam pembentukan suatu fuzzy set terdapat beberapa hal yang perlu diketahui, yaitu :
1. Variabel fuzzy, merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.
Contoh : usia, temperatur, dan lain-lain.
2. Himpunan Fuzzy (Fuzzy set), merupakan suatu grup yang memiliki suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
Contoh: Variabel usia memiliki himpunan MUDA, PAROBAYA, dan TUA.
3. Semesta pembicaraan adalah 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 atau sebaliknya. Nilai semesta pembicaraan dapat berupa bilangan positif maupun negatif.
Contoh semesta pembicaraan untuk variabel usia : [0 +∞]
4. Domain fuzzy set adalah keseluruhan nilai yang diizinkan dan boleh dioperasikan dalam suatu fuzzy set. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif maupun negatif.
Contoh domain fuzzy set untuk variabel usia : a. Muda = [0, 30]
b. Parobaya = [30, 50] c. Tua = [50, ∞].
Fuzzy set memiliki 2 (dua) atribut, yaitu :
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi tertentu dengan menggunakan bahasa alami, seperti : MUDA, PAROBAYA, TUA
2. Numeris, yaitu suatu nilai (angka) yang menunjukan ukuran dari suatu variabel, seperti : 40, 25, 35.
(33)
Fuzzy Logic dipergunakan untuk menempatkan hal-hal yang berhubungan dengan kekaburan/fuzzy, seperti himpunan, predikat-predikat, nilai-nilai, dan lainnya. Dalam arti sempit, fuzzy logic merupakan nama dari suatu jenis umum logika yang mempunyai banyak nilai, yang berhubungan dengan ketidakpastian, dan bagian kebenaran, yang mempunyai dasar teori fuzzy set (Tettamanzi and Tomassini, 2001).
Salah satu pengertian yang alami dan umum dari presentasi logika adalah kemampuannya sebagai metode penganalisa alasan. Objek dasar dari fuzzy logic
adalah pernyataan-pernyataan yang memiliki suatu nilai kebenaran. Dalam fuzzy logic, himpunan kebenaran dan pelengkapnya dan himpunan kesalahan dan pelengkapnya adalah kabur/fuzzy, dimana derajat kebenaran dari setiap set diberikan oleh derajat dari elemen yang berhubungan dengan himpunannya. Tujuan utama dari fuzzy logic adalah memformalkan mekanisme dari alasan yang tepat.
2.2.3 Fungsi Keanggotaan (Membership Function) dalam Fuzzy Logic
Fungsi keanggotaan adalah suatu kurva yang menunjukan pemetaan titik-titik input data kedalam nilai keanggotaannya (derajat keanggotaan) yang memiliki interval antara 0 (nol) sampai 1 (satu).
Didalam fuzzy, fungsi keangotaan memainkan peranan yang sangat penting untuk merepresentasikan masalah dan menghasilkan keputusan yang akurat. Macam-macam fungsi keanggotaan dalam fuzzy :
1. Representasi linear, pemetaan input ke derajat keanggotaannya
digambarkan sebagai suatu garis lurus. Keadaan linier himpunan fuzzy
terdiri dari dua keadaan linier naik dan linier turun. 2. Fungsi sigmoid
3. Fungsi Phi
4. Fungsi segitiga, dimana fungsi keanggotaannya ditandai oleh adanya 3 (tiga) parameter {a,b,c} yang akan menentukan koordinat x dari tiga sudut. Kurva ini pada dasarnya merupakan gabungan antara dua garis (linier).
(34)
5. Fungsi trapezium, yang pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1 (satu).
2.2.4 Komponen-komponen Pembentuk Sistem Fuzzy
Sistem fuzzy terdiri dari 3 (tiga) komponen utama sebagaimana dapat dilihat pada gambar 2.4, yaitu :
1. Fuzzifikasi/Fuzzyfication, mengubah masukan-masukan yang nilai kebenarannya bersifat pasti (crisp input) ke dalam bentuk fuzzy input, yang berupa nilai linguistic yang semantiknya ditentukan berdasarkan fungsi keanggotaan tertentu.
2. Inferensi/Inference, melakukan penalaran menggunakan fuzzy input dan
fuzzy rules yang telah ditentukan sehingga menghasilkan fuzzy output. Secara sintaks suatu fuzzy rule dituliskan sebagai berikut :
IF antecendent THEN consequent.
Metode-metode di bawah ini merupakan metode inferensi yang dipergunakan dalam fuzzy, yaitu :
a. Metode Tsukamoto
Setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya output hasil inferensi dari tiap-tiap aturan diberikan secara tegas berdasarkan α-predikat. Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. b. Metode Mamdani
Sering dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
c. Metode Sugeno
Penalaran ini hampir sama dengan penalaran Mamdani, hanya saja output (konsekuen) sistem tidak berupa himpunan fuzzy melainkan berupa konstanta atau persamaan linear. Metode ini disebut juga
(35)
dengan sebutan Takagi-Sugeno-Kang yang diperkenalkan pada tahun 1985.
1. Model Fuzzy Sugeno Orde Nol
IF (X1 is A1) - (X2 is A2) - (X3 is A3) - …. - (XNis AN
Dimana :
) THEN z = k
(2.2)
- Ai
- k adalah konstanta (tegas) sebagai konsekuen adalah himpunan fuzzy ke-i sebagai anteseden
Atau dapat juga digambarkan bahwa :
w
Dimana :
i =��� ���ℎ�� (�1(�),�2(�)) (2.3)
- wi
- F1, F2 adalah membership function dari input 1 dan input 2. adalah firing strength atau pada beberapa buku dinotasikan
dengan α
Dan output dari sistem dapat dihitung dengan rumusan :
Output =wi. zi (2.4)
2. Model Fuzzy Sugeno Orde Satu
IF (X1 is A1) - …. - (XNis AN) THEN z = p1* x1 + …+ pN* XN
Dimana :
+ q (2.5)
- Ai
- p
adalah himpunan fuzzy ke-i sebagai anteseden
i
- q merupakan konstanta dalam konsekuen. adalah suatu konstanta ke-i
3. Deffuzifikasi/Deffuzification, mengubah fuzzy output menjadi crisp rule
berdasarkan fungsi keanggotaan yang telah ditentukan. Terdapat beberapa metode defuzzifikasi, diantaranya adalah :
a. Centroid Method atau disebut juga Center of Area / Center of Gravity
b. Height method, dikenal juga sebagai prinsip keanggotaan maksimum karena metode ini secara sederhana memilih nilai crisp yang memiliki
(36)
derajat keanggotaan maksimum yang hanya dapat digunakan untuk sebuah singletone. Metode ini merupakan yang paling sederhana dan paling cepat karena hanya nilai-nilai puncak dari himpunan fuzzy yang dimodifikasi yang diambil dalam pertimbangan (Kermiche, 2006). c. First (or last) of Maxima,
d.
merupakan generalisasi dari Height method
untuk kasus dimana fungsi keanggotaan output memiliki lebih dari satu nilai maksimum.
Mean-Max method,
e.
disebut juga sebagai Middle of Maxima, merupakan generalisasi dari Height method untuk kasus dimana terdapat lebih dari satu nilai crisp yang memiliki derajat keanggotaan maksimum.
Weighted Average, m
Crisp input
etode ini mengambil nilai rata-rata dengan menggunakan pembobotan berupa derajat keanggotaan.
Fuzzy input
Fuzzy output
Crisp value
Gambar 2.4 Diagram blok sistem berbasis aturan fuzzy
Fuzzifikasi
Inferensi
(37)
2.2.5 Pengambilan Keputusan dalam Fuzzy System
Sistem Pengambilan Keputusan(Decision Support System) merupakan program-program komputer yang dapat membimbing usernya dalam membuat keputusan dalam domain yang biasa, sering membutuhkan keahlian khusus yang penting. Menurut Tettamanzi and Tomassini (2005), Suatu expert system yang klasik terdiri dari 3 (tiga, yaitu : mesin inferensi (inference engine), basis pengetahuan (knowledge base), dan memori kerja (working memory). Dalam fuzzy expert system (Tettamanzi and Tomassini, 2005), domain knowledge base
biasanya terdiri dari fuzzy rules dan membership functions yang menggambarkan
linguistic variable yang dipergunakan dalam aturan-aturannya.
Terdapat 2 (dua) cara dalam membentuk suatu domain knowledge base
dalam fuzzy, yaitu klasifikasi/classification dan pengelompokan/clustering. Pada dasarnya kedua istilah ini mempunyai pengertian yang sama yaitu membagi sekumpulan objek data kedalam kelas-kelas. Perbedaannya adalah pada
classification pembentukan kelas-kelas telah ditentukan sebelum objek data dimasukkan sedangkan pada clustering kelas-kelas terbentuk berdasarkan objek data yang dimasukkan.
2.3 FUZZY EXPERT SYSTEM
Komputer telah digunakan dalam berbagai bidang pekerjaan, bahkan dengan metode tertentu komputer dipergunakan untuk menggantikan fungsi manusia. Dalam hal ini komputer dipersiapkan untuk berfikir dan memberikan saran kepada pemakainya sesuai dengan keahlian tertentu. Permasalahan yang muncul adalah bagaimana membuat komputer yang biasanya berfikir antara “ya” dan “tidak” atau “on” dan “off” atau “1” dan “0” untuk berfikir seperti layaknya otak manusia yang mengenal kata-kata “mungkin” diantara kata “ya” dan “tidak” atau “antara on dan off” ataupun angka “antara 0 dan”. Terdapat beberapa istilah yang
(38)
diketahui oleh otak manusia tetapi nilainya agak kabur/kurang jelas bagi komputer untuk dimengerti. Untuk itulah logika fuzzy dipergunakan.
Menurut Anderson (dalam Giarratano and Riley, 2005), pikiran manusia dapat dituangkan dalam aturan-aturan. Untuk mengatasi ketidakpastian, kekaburan, dan kontradiksi, kita menggunakan teknik fuzzy systems, yang diimplementasikan oleh suatu fuzzy expert system. Satu hal yang penting bahwa dalam fikiran manusia proses ini tidaklah statis. Data dikumpulkan, dilakukan penelusuran hipotesa-hipotesa dan pengujiannya, ada hipotesa yang diterima, kadang juga ada hipotesa baru yang muncul, untuk itu diperlukan banyak data sehingga ditemukanlah suatu kesimpulan. Suatu program komputer harus berfikir dan melakukan proses yang sama seperti ini. Dalam hal ini dirancang suatu sistem yang disebut dengan Expert System, dimana sistem tersebut dapat melakukan keahlian-keahlian yang dimiliki oleh seorang pakar untuk berinteraksi dengan seseorang yang bukan pakar.
2.4 PROCUREMENT
Bagi orang yang tidak bergelut dalam bidang bisnis mungkin kata “procurement” agak jarang atau mungkin tidak pernah didengar. Tetapi manakala kita menyebutkan kata “pembelian” maka semua orang pasti memahaminya. Sebahagian besar orang mengartikan bahwa arti kata procurement sama dengan pembelian. Hal ini tidak sepenuhnya benar karena dalam bidang bisnis kata “pembelian” sama dengan purchasing dimana purchasing tersebut merupakan bagian dari procurement.
Procurement mempunyai posisi yang penting dalam rantai pengadaan proyek/project supply chain. Menurut Venkataraman (dalam Morris dan Pinto, 2007), keuntungan terbesar dalam meningkatkan nilai project supply chain berada dalam daerah ini. Procurement melibatkan seluruh kegiatan yang vital dalam pengadaan barang atau jasa yang dapat membuat suatu produsen memproduksi sesuatu atau menyelesaikan suatu proyek sesuai dengan keinginan pelanggannya.
(39)
2.4.1 Pengertian Procurement Tasks
Procurement adalah proses sistematis dalam memutuskan apa, kapan, dan berapa biaya pembelian, tindakan dalam pembelian, dan proses untuk memastikan bahwa yang dibutuhkan diterima pada waktu yang tepat baik dalam jumlah dan mutu yang diinginkan (Burt, 1984). Procurement memiliki arti yang lebih luas daripada
purchasing karena ia meliputi seluruh kegiatan yang terjadi dalam beberapa departemen (bagian).
Procurement Tasks merupakan bahasa Inggris yang terdiri dari dua suku kata, yaitu : procurement dan tasks (tugas-tugas). Jadi secara etimologi maka
procurement tasks berarti tugas-tugas dalam procurement.
2.4.2 Lingkup Kerja Procurement
Pada banyak perusahaan, pembelian material ataupun pembayaran jasa kepada
vendor merupakan hal yang sangat mempengaruhi biaya produksi ataupun biaya pelaksanaan kerja. Oleh karena itu, tentu saja procurement yang efektif dapat membuat suatu keuntungan dalam perusahaan ini.
Mungkin muncul pertanyaan kenapa procurement ini sangat
berpengaruh dalam suatu perusahaan? Menurut Venkataraman (dalam Morris dan Pinto, 2007), procurement meliputi identifikasi dan analisis kebutuhan-kebutuhan
user dan jenis pembelian, memilih supplier, negosiasi kontrak, bertindak sebagai penengah antara supplier dan user, dan mengevalusi serta merumuskan strategi bersama supplier.
Menurut Langford and Murray (dalam Morris dan Pinto, 2007), ruang lingkup pekerjaan dalam procurement terbagi 6 (enam), yaitu :
1. Perencanaan procurement/Procurement planning yang meliputi : faktor-faktor dalam pembuatan keputusan, analisis membuat atau membeli (make or buy), dan pemilihan jenis kontrak.
(40)
2. Perencanaan pengumpulan/Solicitation planning, meliputi : alat-alat dan teknik-teknik, spesifikasi-spesifikasi, isi dokumen procurement, kriteria evaluasi.
3. Pengumpulan/Solicitation, meliputi : pengembangan daftar vendor terpilih, menghubungi vendor yang prospektif, membuat suatu konferensi para peserta lelang (bidders).
4. Pemilihan sumber/Source selection, meliputi : sistem penyaringan dan pembobotan, penilaian penawaran, strategi negosiasi kontrak, membuat keputusan, elemen-elemn dari sebuah kontrak.
5. Administrasi kontrak/Contract administration, meliputi ; aturan-aturan, tanggung jawab, dan koordinasi, kickoff meeting, tanggung jawab pelaksanaan proyek, perubahan prosedur-prosedur kontrol, administrasi kontrak, sistem pembayaran.
6. Penutupan kontrak/Contract closeout, meliputi : dokumentasi kontrak,
langkah-langkah dalam mengajukan claim, pemutusan kontrak,
hikmah/lesson learned.
Dalam procurement, proses penyediaan tidak terbatas pada melakukan pembelian saja. Ada pilihan lain, yaitu : membuat, menyewa, atau membeli secara kredit atau mencicil, dapat merupakan pilihan yang sesuai untuk beberapa kebutuhan tertentu.
2.4.3 Perhitungan Biaya
Sebagaimana telah disebutkan sebelumnya bahwa salah satu tujuan dalam
procurement adalah meminimalisasi biaya. Biaya yang dimaksud dalam hal ini adalah seluruh biaya yang dikeluarkan terhadap pengadaan suatu barang/jasa.
Hal ini akan sangat gampang diketahui apabila delivery point yang ditawarkan sama dengan yang diinginkan. Tetapi jika tidak, maka dibutuhkan alokasi dana untuk pengiriman sampai dengan barang atau jasa tersebut diterima oleh user. Hal lain yang mempengaruhi biaya adalah payment term karena berkaitan dengan bunga bank.
(41)
Jadi secara tidak langsung biaya dapat dihitung dengan ketentuan sebagai berikut :
c = p + d +i (2.6)
Dimana :
c : biaya/cost
p : harga satuan/price dari suatu barang atau jasa yang ditawarkan
d : ongkos kirim/delivery cost
i : bunga/interest dari total harga barang atau jasa.
2.5 PENELITIAN SEBELUMNYA (PREVIOUS RESEARCH)
Terdapat beberapa riset yang telah dilakukan oleh banyak peneliti berkaitan dengan penulisan penelitian ini. Adapun beberapa riset tersebut dapat dilihat pada Tabel 2.1 di bawah ini.
Tabel 2.1 Riset Terkait
Nama Peneliti Judul Pembahasan Tahun
Djam, X.Y. and Kimbi, Y.H.
Fuzzy Expert System for the Management of Hypertension
Penggunaan Fuzzy Logic
Expert System untuk mem-buktikan resiko hipertensi berdasarkan data pasien dengan menggunakan metode
Root Sum Square (RSS) pada proses defuzzifikasi
2011
Niraj, Malay and Kumar, Shalendra
Modelling For Supplier through Fuzzy Logic
Penggunaan Fuzzy Expert
Decision Support System
untuk pemilihan supplier dengan menggunakan metode
Centre of Gravity (COG) pada proses defuzzifikasi
(42)
Tabel 2.1 Riset Terkait (Lanjutan)
Nama Peneliti Judul Pembahasan Tahun
Ali, Adeli and Mehdi, Neshat
A Fuzzy Expert System for Heart Disease Diagnosis
Memprediksi kemungkinan seseorang menderita penyakit jantung dengan menggunakan teknik Fuzzy Expert System
dengan menggunakan metode Mamdani pada proses
inferensi dan Centre of
Gravity (COG) pada proses defuzzifikasi 2010 Fasanghari, Mehdi and Montazer, Gholam Ali
Design and Implemen-tation of Fuzzy Expert System for Tehran Stock Exchange Port-folio Recommendation
Penggunaan Fuzzy Expert
Systems dalam menentukan jumlah saham yang sesuai pada suatu waktu tertentu di Tehran Stock Exchange dengan menggunakan metode Mamdani pada proses
inferensi dan Centre of
Gravity (COG) pada proses defuzzifikasi
2010
Cheng-Yuan, Ku, et al.
Global Supplier Selection using Fuzzy Analytic Hierarchy Process and Fuzzy Goal Programming
Penggunaan Fuzzy AHP dan
Fuzzy Goal Programming
dalam menentukan supplier
yang terbaik dengan mempertimbangkan
(43)
faktor kualitatif dan kuantitatif
Tabel 2.1 Riset Terkait (Lanjutan)
Nama Peneliti Judul Pembahasan Tahun
Guney and Sarikaya
Comparison of Mamdani and Sugeno Fuzzy Inference System Models for Resonant Frequency Calculation of Rectangular
Microstrip Antennas
Membandingkan hasil perhi-tungan frekwensi antenna mikrostrip dengan meng-gunakan metode Mamdani dan Sugeno
2009
Ordoobadi, Sharon M.
Developoment of A Supplier Model using Fuzzy Logic
Penerapan Fuzzy Logic yang memungkinkan para peng-ambil keputusan dalam menentukan supplier yang tepat untuk memenuhi kebutuhan customer dalam suatu perusahaan dengan menggunakan berbagai pendekatan defuzzifikasi yang berbeda, yaitu : Centre of Area, Centre of Maxima, Centre of Sum, Max Membership, Weighted Average
2009
Carrera,
Diego A. and Mayorga,
Supply Chain Manage-ment: A Modular Fuzzy
Inference System
Penggunaan Fuzzy Inference Systems dalam menentukan
supplier yang tepat dalam
(44)
Rene V. Approach in Supplier Selection for New Product Development
menyediakan kebutuhan perusahaan dalam mem-produksi suatu barang
Tabel 2.1 Riset Terkait (Lanjutan)
Nama Peneliti Judul Pembahasan Tahun
Ramezani, Maryam and Montazer, G.A.
Design and Implemen-tation of A Fuzzy Expert Decision Support System for Vendor Selection
Penggunaan Fuzzy Expert
Decision Support System
untuk pemilihan supplier menggunakan metode Mamdani 2006 Kermiche, S, et al. Takagi-Sugeno Based Controller for Mobile Robot Navigation
Pembelajaran dan pengon-trolan sebuah robot yang bergerak melalui rintangan yang tetap tanpa tabrakan dengan metode defuzzifikasi
Height Method
2006
Kumar, Manoj, et al.
A Fuzzy Goal Programming Approach for Vendor Selection Problem in Supply Chain
Penggunaan pendekatan pemograman fuzzy (Fuzzy mixed integer goal programming model) dalam memecahkan permasalahan pemilihan vendor 2004 Ngai, E.W.T. and Wat,F.K.T.
Design and Develop-ment of a Fuzzy expert System for Hotel Selection
Pembuatan suatu sistem prototipe dengan meng-gunakan logika fuzzy, dise-but Hotel Advisory System
dengan mempergunakan algoritma inferensi Max-min
metode dan Centroid pada
(45)
defuzzifikasi, yang berguna untuk membantu para turis dalam memilih hotel
Tabel 2.1 Riset Terkait ((Lanjutan)
Nama Peneliti Judul Pembahasan Tahun
Kahraman, Cengiz, et al.
Multi-criteria Supplier selection Using Fuzzy AHP
Penggunaan Fuzzy AHP
dalam memilih perusahaan
supplier yang memberikan tingkat kepuasan tertinggi terhadap kriteria-kriteria yang diberikan 2003 Kwong, C.K., et al. Combining Scoring Method and Fuzzy Expert Systems Aproach to Supplier Assessment : A Case Study
Penggunaan kombinasi
antara metode scoring
dengan fuzzy expert systems
dalam pemilihan supplier
2002
Boer, Luitzen de, et al.
A review of methods supporting supplier selection
Tinjauan terhadap penelitian sebelumnya tentang pemilih-an supplier dan mengenali tahapan-tahapan dalam proses pembelian yang mengakomodir perbedaan situasi-situasi procurement
2001
Berdasarkan Tabel 2.1 dapat disimpulkan bahwa teknik Fuzzy Expert System dapat diimplementasikan dalam berbagai sektor seperti : bisnis dan medis, dimana variabel-variabel yang berpengaruh di dalamnya bernilai fuzzy. Dalam penelitian ini penulis melakukan proses kombinasi antara Expert System (untuk melakukan seleksi vendor dan perhitungan biaya) dan Fuzzy System (untuk
(46)
melakukan evaluasi terhadap penawaran dari para vendor sehingga muncul rating terhadap penawaran tersebut).
Dalam bab selanjutnya penulis akan membuat metodologi penelitian terhadap penyelesaian masalah dengan menggunakan teknik Fuzzy-Expert System.
(47)
Pengumpulan Data
Seleksi data menggunakan Expert
Hasil (Rating) Pembentukan Fuzzy
S
Identifikasi Masalah
BAB III
METODOLOGI PENELITIAN
3
Pada metodologi penelitian ini penulis mengemukakan 3 (tiga) hal, yaitu : lingkungan penelitian, seleksi data, dan pembentukan sistem fuzzy. Untuk lebih jelasnya, keseluruhan proses penelitian ini dapat dilihat pada skema yang terdapat dalam gambar 3.1.
Gambar 3.1 Skema analisis penyelesaian procurement tasks
Proses diawali dengan mengidentifikasi permasalahan yang akan diteliti yang dilanjutkan dengan mengumpulkan data yang terkait dengan penelitian. Lalu data tersebut dianalisis dengan menggunakan kombinasi Expert System dan Fuzzy System sehingga memberikan output (hasil) berupa rating.
(48)
3.1 LINGKUNGAN PENELITIAN
Lingkungan penelitian yang dimaksud dalam hal ini adalah batasan dimana terdapat subjek ataupun objek yang ditetapkan oleh peneliti untuk diteliti. Jika batasan tersebut terlalu luas, maka cukup dengan menggunakan contoh/sample
saja. Dalam hal ini penulis mengambil contoh pengadaan barang yang kemudian ditentukan variabel-variabel yang akan diteliti dari contoh tersebut. Metode pengumpulan data yang penulis lakukan adalah dengan menggunakan data penawaran yang dimiliki oleh suatu perusahaan konstruksi di Medan.
3.2 SELEKSI DATA
Berdasarkan data yang diperoleh dari penawaran yang diterima dari vendor maka penulis melakukan proses penyelesaian masalah. Adapun variabel-variabel yang digunakan dari data tersebut : harga, spesifikasi, waktu penyerahan/delivery time, lokasi penyerahan/delivery point, dan cara pembayaran/payment term.
Variabel-variabel di atas diseleksi dengan menggunakan metode forward chaining dari sistem pakar dengan acuan kriteria-kriteria yang diinginkan penerima jasa terhadap barang atau jasa tersebut. Pada tahap ini seleksi dilakukan berdasarkan spesifikasi dan delivery time dan spesifikasi barang/jasa yang ditawarkan oleh vendor dengan basis pengetahuan berupa aturan-aturan sebagai berikut :
1. Jika delivery time yang ditawarkan melebihi delivery time yang telah ditentukan maka abaikan penawaran tersebut.
2. Jika delivery time yang ditawarkan tidak melebihi delivery time yang telah ditentukan maka cek spesifikasi yang ditawarkan.
3. Jika tidak ada dari spesifikasi yang ditawarkan sesuai dengan yang telah ditentukan maka abaikan penawaran tersebut.
4. Jika spesifikasi yang ditawarkan ada yang sesuai dengan spesifikasi yang telah ditentukan maka hitung biaya dengan menggunakan rumus 2.6 Flowchart dari seleksi data dengan menggunakan metode forward chaining dalam sistem pakar dapat dilihat pada Gambar 3.2.
(49)
Tidak
Ya
Tidak
Ya Tidak
Ya
Gambar 3.2 Flowchart seleksi data menggunakan metode forward chaining Bunga = 7,5%/30 x
dtb x harga dtb ≤
dtr?
Spekb ≤ spekr?
Masukkan data permintaan / Request
(nama, pointr, dtr, spekr) Mulai
Masukkan data penawaran/ Bid (vendor, harga, pointb, dtb,
spekb, ongkir, cabar)
A Berhenti
Cabar = Tunai?
Biaya = harga + ongkir + bunga Bunga = 7,5%/30
x dp x harga
BASIS
(50)
Keterangan gambar :
nama : nama barang / jasa
pointr : delivery point yang diinginkan oleh user dtr : delivery time yang diinginkan oleh user spekr : spesifikasi yang diinginkan oleh user vendor : nama vendor yang mengajukan penawaran
harga : harga material atau biaya jasa
pointb : delivery point yang diajukan oleh vendor dtb : delivery time yang diajukan oleh vendor spekb : spesifikasi yang diajukan oleh vendor
ongkir : ongkos kirim barang atau biaya mobilisasi dan demobilisasi personil/peralatan
cabar : cara pembayaran yang ditawarkan oleh vendor dp : uang muka (down payment)
Untuk lebih jelasnya, aturan-aturan yang dipergunakan dalam proses seleksi dapat dilihat pada tabel 3.1.
Tabel 3.1 Basis Aturan Seleksi
3.3 PEMBENTUKAN SISTEM FUZZY
Sesuai dengan langkah-langkah yang harus dilakukan dalam memperoleh hasil rating terhadap penyelesaian Procurement Tasks,maka penulis melakukan proses pembentukan himpunan fuzzy, menentukan aturan-aturan fuzzy dengan dengan menggunakan metode Sugeno Orde 0 sebagai inferensi dan Height Method pada proses defuzzifikasi yang dapat dilihat lebih jelas pada gambar 3.3.
(51)
Gambar 3.3 Flowchart penentuan hasil menggunakan metode height method 3.3.1 Himpunan Fuzzy
Untuk memperoleh suatu rating penawaran dengan metode Sugeno maka penulis menentukan variabel biaya (C) dan variabel spesifikasi/mutu (S) sebagai pembentuk himpunan fuzzy.
Variabel biaya digunakan untuk menentukan biaya yang diperlukan sampai dengan barang/jasa tersebut diterima oleh pemakainya. Dalam hal ini variabel biaya dikelompokkan dalam 3 (tiga) bagian, yaitu : mahal, sedang, dan murah. Pengelompokan ini menggunakan metode klasifikasi/classification
berdasarkan penawararan dari vendor dengan ketentuan sebagai berikut :
1. Biaya yang paling kecil merupakan nilai batas terendah variabel biaya yang juga merupakan nilai batas terendah dalam himpunan variabel “murah”.
Misal : biaya paling rendah adalah B0, maka nilai batas terendah dari Biayamurah=B0.
A
Pembentukan himpunan variabel Biaya dan Spesifikasi
Inferensi dengan menggunakan model Sugeno Orde 0
Defuzzifikasi dengan menggunakan Height Method
Hasil (Rating)
Berhenti
(52)
2. Biaya yang paling besar merupakan nilai batas tertinggi dalam variabel biaya yang juga merupakan nilai batas tertinggi dalam himpunan variabel “mahal”.
Misal : biaya paling tinggi adalah B4, maka nilai batas tertinggi dari Biayamahal
3. Nilai tengah dari kedua nilai batas terendah dan tertinggi ditetapkan sebagai nilai batas tengah dari himpunan variabel “sedang” dan juga merupakan nilai batas tertinggi dari himpunan variabel “murah” serta nilai batas terendah dari himpunan variabel “mahal”.
= B4.
Misal : nilai batas tengah Biayasedang adalah B2, maka nilai batas
tengah Biayasedang dan nilai batas tertinggi dari Biayamurah dan nilai
batas terendah Biayamahal
4. Nilai batas terendah dari himpunan variabel “sedang” merupakan nilai tengah dari nilai batas terendah dari himpunan variabel “murah” dengan nilai batas tengah himpunan variabel “sedang”.
atau B2 = (B0 + B4) / 2.
Misal : nilai batas terendah Biayasedang adalah B1, maka nilai batas
terendah Biayasedang
5. Nilai batas tertinggi dari himpunan variabel “sedang” merupakan nilai tengah dari nilai batas tertinggi dari himpunan variabel “mahal” dengan nilai batas tengah himpunan variabel “sedang”.
atau B1 = (B0 + B2) / 2.
Misal : nilai batas tertinggi Biayasedang adalah B3, maka nilai batas
tertinggi Biayasedang
Bentuk dari variabel biaya dapat dilihat pada gambar 3.3. atau B3 = (B4 + B2) / 2.
(53)
Dari gambar 3.3 maka derajat keanggotaan variabel biaya dapat dihitung dengan rumus sebagai berikut :
Himpunan variabel Biaya µ���������ℎ[�]�
0;� ≥ �2
�2− �
�2− �0; 0≤ � ≤ �2 murah
(3.1) Dimana :
- x = biaya yang ditawarkan oleh vendor
- B2 = nilai tertinggi dalam himpunan variabel “murah” - B0 = nilai terendah dalam himpunan variabel “murah”
Himpunan variabel Biaya
µ�����������[�] ⎩ ⎪ ⎨ ⎪
⎧0;� − �� ≤ �11 ���� � ≥ �3 �2− �1;�1≤ � ≤ �2
�3− �
�3− �2;�2≤ � ≤ �3 sedang
(3.2) Dimana :
- x = biaya yang ditawarkan oleh vendor
- B1 = nilai terendah dalam himpunan variabel “sedang” - B2 = nilai tengah dalam himpunan variabel “sedang” - B3 = nilai tertinggi dalam himpunan variabel “sedang”
Himpunan variabel Biaya
µ�������ℎ��[�]�
0;� ≤ �2
� − �2
�4− �2;�2≤ � ≤ �4 1;� ≥ �4
mahal
(3.3)
Dimana :
- x = biaya yang ditawarkan oleh vendor
- B2 = nilai terendah dalam himpunan variabel “mahal” - B4 = nilai tertinggi dalam himpunan variabel “mahal”
(54)
Variabel spesifikasi (S) digunakan untuk menentukan spesifikasi/mutu dari barang/jasa yang ditawarkan oleh. Dalam hal ini variabel spesifikasi dikelompokkan dalam 3 (tiga) bagian, yaitu : bagus, sedang, dan kurang. Penilaian terhadap variabel ini diklasifikasikan berdasarkan jumlah spesifikasi yang cocok antara permintaan dengan penawaran. Pengelompokan ini menggunakan metode klasifikasi/classification dengan ketentuan sebagai berikut :
1. Nilai spesifikasi yang paling kecil merupakan nilai batas terendah variabel spesifikasi yang juga merupakan nilai batas terendah dalam himpunan variabel “kurang”.
Misal : Spesifikasi paling rendah adalah S0, maka nilai batas terendah dari Spesifikasikurang
2. Nilai spesifikasi yang paling besar merupakan nilai batas tertinggi dalam variabel spesifikasi yang juga merupakan nilai batas tertinggi dalam himpunan variabel “bagus”.
=S0.
Misal : Spesifikasi paling tinggi adalah S4, maka nilai batas tertinggi dari Spesifikasibagus
3. Nilai tengah dari kedua nilai batas terendah dan tertinggi ditetapkan sebagai nilai batas tengah dari himpunan variabel “sedang” dan juga merupakan nilai batas tertinggi dari himpunan variabel “kurang” serta nilai batas terendah dari himpunan variabel “bagus”.
= S4.
Misal : nilai batas tengah Spesifikasisedang adalah S2, maka nilai batas
tengah Spesifikasisedang dan nilai batas tertinggi dari Spesifikasikurang
dan nilai batas terendah Spesifikasibagus
4. Nilai batas terendah dari himpunan variabel “sedang” merupakan nilai tengah dari nilai batas terendah dari himpunan variabel “kurang” dengan nilai batas tengah himpunan variabel “sedang”.
atau S2 = (S0 + S4) / 2.
Misal : nilai batas terendah Spesifikasisedang adalah S1, maka nilai
(55)
5. Nilai batas tertinggi dari himpunan variabel “sedang” merupakan nilai tengah dari nilai batas tertinggi dari himpunan variabel “bagus” dengan nilai batas tengah himpunan variabel “sedang”.
Misal : nilai batas tertinggi Spesifikasisedang adalah S3, maka nilai batas
tertinggi Spesifikasisedang
Bentuk dari variabel spesifikasi dapat dilihat pada gambar 3.4. atau S3 = (S4 + S2) / 2.
Gambar 3.4 Himpunan variabel spesifikasi
Dari gambar 3.4 maka derajat keanggotaan variabel spesifikasi dapat dihitung dengan menggunakan rumus sebagai berikut :
Himpunan variabel Spesifikasi µ�����������������[�]�
0;� ≥ �2
�2− �
�2− �0; 0≤ � ≤ �2 kurang
(3.4) Dimana :
- x = nilai spesifikasi yang ditawarkan oleh vendor - S2 = nilai terbagus dalam himpunan variabel “kurang” - S0 = nilai terendah dalam himpunan variabel “kurang”
Himpunan variabel Spesifikasi
µ�����������������[�] ⎩ ⎪ ⎨ ⎪
⎧0;� − �� ≤ �11 ���� � ≥ �3 �2− �1;�1≤ � ≤ �2
�3− �
�3− �2;�2≤ � ≤ �3 sedang
(56)
Dimana :
- x = nilai spesifikasi yang ditawarkan oleh vendor - S1 = nilai terendah dalam himpunan variabel “sedang” - S2 = nilai tengah dalam himpunan variabel “sedang” - S3 = nilai terbagus dalam himpunan variabel “sedang”
Himpunan variabel Spesifikasi
µ����������������[�]�
0;� ≤ �2
� − �2
�4− �2;�2≤ � ≤ �4 1;� ≥ �4 bagus
(3.6) Dimana :
- x = nilai spesifikasi yang ditawarkan oleh vendor - S2 = nilai terendah dalam himpunan variabel “bagus” - S4 = nilai terbagus dalam himpunan variabel “bagus”
3.3.2 Aturan Fuzzy
Untuk memperoleh rating penawaranberdasarkan variabel-variabel di atas maka dibentuk 9 (sembilan) aturan fuzzy sebagai berikut :
R1 : Jika Biaya “mahal” dan Spesifikasi “kurang” maka rating “rendah”.
R2 : Jika Biaya “sedang” dan Spesifikasi “kurang” maka rating “rendah”.
R3 : Jika Biaya “murah” dan Spesifikasi “kurang” maka rating “sedang”.
R4 : Jika Biaya “mahal” dan Spesifikasi “sedang” maka rating “sedang”.
R5 : Jika Biaya “sedang” dan Spesifikasi “sedang” maka rating “sedang”.
R6 : Jika Biaya “murah” dan Spesifikasi “sedang” maka rating “sedang”.
(57)
R7 : Jika Biaya “mahal” dan Spesifikasi “bagus” maka rating “sedang”. R8 : Jika Biaya “sedang” dan Spesifikasi “bagus” maka rating
“sedang”.
R9 : Jika Biaya “murah” dan Spesifikasi “bagus” maka rating “tinggi”.
3.3.3 Inferensi Menggunakan Metode Sugeno Orde 0
Model Sugeno menggunakan fungsi keanggotaan yang lebih sederhana dibandingkan Model Mamdani. Setiap output yang dihasilkan oleh suatu nilai
crisp tunggal digambarkan pada satu Singletone, yang memiliki derajat keanggotaan 1 (satu) pada suatu nilai crisp tunggal dan 0 (nol) pada semua nilai
crisp yang lain. Dari aturan fuzzy di atas dapat dibuat fungsi singletone untuk rating penawaran seperti gambar 3.6.
Gambar 3.5 Fungsi keanggotaan singletone untuk rating
Untuk mendapatkan fungsi keanggotaan pada rating penawaran ada beberapa proses yang harus dilakukan terlebih dahulu, yaitu :
1. Gunakan aturan Conjunction (^) dengan memilih derajat keanggotaan
minimum dari nilai-nilai linguistik yang dihubungkan oleh ^
2. Hasil clipping dipilih derajat keanggotaan maksimum dari nilai-nilai linguistic yang dihubungkan dengan aturan Disjunction (v).
dan lakukan Clipping untuk Rating Penawaran
Output dari hasil clipping dimasukkan ke dalam fungsi keanggotaan
(58)
Dalam hal ini rating dikelompokkan dalam 3 (tiga) nilai crisp tunggal, yaitu : “rendah”, “sedang”, dan “tinggi”. Dimana dalam hal ini penulis menetapkan konstansta-konstanta sebagai berikut untuk mewakili nilai crisp
tunggal tersebut :
- 1 (satu) pada nilai crisp “rendah” - 2 (dua) pada nilai crisp “sedang” - 3 (tiga) pada nilai crisp “tinggi”
3.3.4 Proses Defuzzifikasi menggunakan Height Method
Dengan menggunakan Height method pada
Dari nilai maksimum ini rating penawaran diperoleh sehingga dapat ditentukan ranking dari masing-masing penawaran untuk menentukan vendor
mana yang akan dipilih dalam menyelesaikan Procurement Tasks.
proses defuzzyfikasi, maka nilai yang diambil dari seluruh fuzzy set yang terbentuk adalah nilai maksimumnya.
Pada bab selanjutnya, penulis membahas tentang implementasi dari metodologi penelitian yang telah diuraikan di atas.
(59)
BAB IV
HASIL DAN PEMBAHASAN
4
Bab berikut ini menjelaskan mengenai hasil penelitian yang dilakukan penulis terhadap penawaran yang diterima dari para vendor. Dari hasil penelitian tersebut nantinya dapat diketahui berapa rating yang diperoleh dari setiap vendor berdasarkan penawaran yang telah diajukannya. Terdapat 2 (dua) kali proses seleksi terhadap penawaran yang masuk, dimana setiap penawaran yang tidak lulus pada setiap tahapan seleksi akan dieliminasi dengan menggunakan teknik penalaran forward chaining. Proses fuzzifikasi dilakukan untuk setiap penawaran yang telah lolos proses seleksi dan terbentuklah batas nilai dari setiap himpunan variabel dari setiap variabel yang fuzzy tersebut. Dalam hal penentuan rating untuk penawaran yang dilakukan dengan menggunakan Fuzzy Inference System Model Sugeno Orde 0. Dimana hasil dari rating ini akan dipergunakan dalam pengambilan keputusan oleh pengambil keputusan/ decision maker. Untuk mengimplementasikan penerapan metode-metode tersebut di atas, maka dilakukanlah proses ujicoba.
4.1 HASIL
Sebuah penawaran tidak akan berguna bagi para user apabila mereka tidak sedang membutuhkan apa yang ditawarkan dalam penawaran tersebut. Oleh karena itu penelitian akan dimulai dengan proses permintaan yang dilakukan oleh para user. Dalam permintaannya user menentukan hal-hal sebagai berikut:
(60)
- Nama barang/jasa yang dibutuhkan, dimana dalam sistem nama barang/jasa ini akan diberi nomor pengenal yang dalam hal ini penulis menggunakan nama No. RFQ pada nomor pengenal tersebut.
- Jenis permintaan, apakah permintaan barang atau jasa yang dibutuhkan. - Spesifikasinya dari barang atau jasa, dalam sistem dikenal dengan
Spesifikasi
- Batasan waktu maksimal dalam memenuhi kebutuhan tersebut, dalam sistem dikenal dengan delivery time
- Lokasi penerimaan barang/jasa, dalam sistem dikenal dengan delivery point.
Aplikasi dari permintaan tersebut dituangkan dalam sestem, sebagaimana yang terlihat pada gambar 4.1 di bawah.
Gambar 4.1 Formulir Input Data Permintaan Dalam hal ini penulis memasukkan data permintaan sebagai berikut :
- No. RFQ : 0504
- Jenis Request : Penyediaan Barang
- Nama Barang : Double Coupler
- Delivery Point : Jambi - Delivery Time : 30 hari
(1)
Ket = "Rendah" R = 1
ElseIf KTG = "Sedang" And FY = "Bagus" Then Ket = "Sedang"
R = 2
ElseIf KTG = "Sedang" And FY = "Sedang" Then Ket = "Sedang"
R = 2
ElseIf KTG = "Sedang" And FY = "Kurang" Then Ket = "Sedang"
R = 2
ElseIf KTG = "Mahal" And FY = "Bagus" Then Ket = "Sedang"
R = 2
ElseIf KTG = "Sedang" And FY = "Sedang" Then Ket = "Sedang"
R = 2
ElseIf KTG = "Mahal" And FY = "Kurang" Then Ket = "Rendah"
R = 1 End If
'< MENGHITUNG OUTPUT > If Mx > MFy Then
z = R - (1 - Mx) Else
z = R - (1 - MFy) End If
xJSS = SP / xJs
X.SubItems(7) = Format(MFy, "fixed") '=> Menampilkan Nilai Fuzzy spesifikasi pada kolom 9 ListView
X.SubItems(8) = FY X.SubItems(9) = Ket
X.SubItems(10) = Format(z, "fixed") X.SubItems(11) = !Noreg
End If .MoveNext Wend End With End Sub
(2)
Sub Hitung()
If vRFQ.Caption = "" Then
MsgBox ("Silahkan tentukan jenis request terlebih dahulu") Exit Sub
End If Call Connect
rsSL.Open "Select * from tbSeleksi_2 where Left(Noreg,4)='" & vRFQ & "'", KN If Not rsSL.EOF Then
Call Connect
rsHS.Open "Select max(TBiaya) as BTT,min(TBiaya) as BTR from tbSeleksi_2 where Left(Noreg,4)='" & vRFQ.Caption & "'", KN
B0 = rsHS!BTR B4 = rsHS!BTT
B2 = (CCur(B0) + CCur(B4)) / 2 B1 = (CCur(B0) + CCur(B2)) / 2 B3 = (CCur(B2) + CCur(B4)) / 2 Else
B0 = "" B4 = "" B2 = "" B1 = "" B3 = "" End If End Sub
Private Sub B0_Change()
B0.Caption = Format(B0.Caption, "#,##0") End Sub
Private Sub B1_Change()
B1.Caption = Format(B1.Caption, "#,##0") End Sub
Private Sub B2_Change()
B2.Caption = Format(B2.Caption, "#,##0") End Sub
Private Sub B3_Change()
B3.Caption = Format(B3.Caption, "#,##0") End Sub
Private Sub B4_Change()
B4.Caption = Format(B4.Caption, "#,##0") End Sub
(3)
Sub Hitung_Jlh_Spek() Call Connect
rsSP.Open "Select count(Jenis) as JSPK from tbSpekRQ where NoRFQ='" & vRFQ & "'", KN
JSP = rsSP!JSPK vJSP = JSP S0 = 1 S4 = JSP
S2 = (Val(S0) + Val(S4)) / 2 S1 = (Val(S0) + Val(S2)) / 2 S3 = (Val(S2) + Val(S4)) / 2 End Sub
Option Explicit Dim JS, KR As String Private Sub Form_Activate() Call Connect
Text1.Clear
rsHS.Open "SELECT DISTINCT JENIS FROM tbSpekRQ WHERE NoRFQ='" & Left(RFQ.Caption, 4) & "'", KN
Do While Not rsHS.EOF Text1.AddItem rsHS!JENIS rsHS.MoveNext
Loop End Sub
Private Sub Form_Load() Dim X
Call Connect
rsSP.Open "Select * from TempSP", KN LV.ListItems.Clear
While Not rsSP.EOF
Set X = LV.ListItems.Add(, , rsSP!JENIS) X.SubItems(1) = rsSP!TIPE
rsSP.MoveNext Wend
End Sub
Sub Tampil_LV() Dim X
Call Connect
rsSP.Open "Select * from tbSpekPW where Noreg='" & RFQ.Caption & "'", KN LV.ListItems.Clear
While Not rsSP.EOF
(4)
X.SubItems(1) = rsSP!TIPE rsSP.MoveNext
Wend End Sub
Function CariData() Call Connect
rsSP.Open "Select * From TempSP where Jenis='" & Text1 & "'", KN End Function
Private Sub KosongkanText() Text1 = ""
Text2 = "" Text1.SetFocus End Sub
Private Sub KondisiAwal() Form_Load
KosongkanText
CmdBatal.Caption = "&Tutup" CmdInput.Caption = "&Simpan" CmdHapus.Enabled = False End Sub
Private Sub TampilkanData() With rsSP
If Not .EOF Then Text1 = !JENIS Text2 = !TIPE End If
End With
CmdHapus.Enabled = True End Sub
Private Sub cmdInput_Click()
If CmdInput.Caption = "&Simpan" Then If Text1 = "" Or Text2 = "" Then MsgBox "Data Belum Lengkap...!" Text1.SetFocus
Else
SQLTambah = "Insert Into TempSP values ('" & Text1 & "','" & Text2 & "')" KN.Execute SQLTambah
KondisiAwal Form_Load
CmdInput.Enabled = True End If
(5)
End If End Sub
Private Sub cmdHapus_Click() Dim PS
If CmdHapus.Caption = "&Hapus" Then CmdInput.Enabled = False
CmdBatal.Caption = "&Tutup" Call CariData
If Not rsSP.EOF Then TampilkanData
PS = MsgBox("Yakin akan dihapus", vbYesNo, "Konfirmasi") If PS = vbYes Then
SQLHapus = "Delete From TempSP where Jenis= '" & Text1 & "'" KN.Execute SQLHapus
KondisiAwal Else
KondisiAwal End If
Else
MsgBox "Data Tidak ditemukan" End If
End If End Sub
Private Sub cmdBatal_Click() Select Case CmdBatal.Caption Case "&Batal"
KondisiAwal Case "&Tutup" Unload Me If F = "PW" Then frmPenawaran.Show Else
frmRequest.Show End If
End Select End Sub
Private Sub LV_Click()
If LV.ListItems.Count <> 0 Then Text1.Text = LV.SelectedItem Call CariData
TampilkanData End If
(6)
Private Sub Text1_Click() Text2.Clear
Call Connect
rsSP.Open "SELECT TIPE FROM tbSpekRQ WHERE NoRFQ='" & Left(RFQ.Caption, 4) & "'", KN
If Not rsSP.EOF Then Text2.AddItem rsSP!TIPE rsSP.MoveNext
End If
Text2.SetFocus End Sub
Private Sub Text1_KeyPress(KeyAscii As Integer) If KeyAscii = 13 Then
If CmdInput.Caption = "&Simpan" Then Call CariData
If Not rsSP.EOF Then TampilkanData
MsgBox "NoRFQ Sudah Ada" KosongkanText
Text1.SetFocus End If
End If End If End Sub
Private Sub Text2_KeyPress(KeyAscii As Integer) If KeyAscii = 13 Then
If CmdInput.Enabled = True Then CmdInput.SetFocus
End If End If End Sub