Sistem Inferensi fuzzy Fuzzy
Pada dasarnya sistem inferensi fuzzy fuzzy inference system terdiri atas lima bagian Jang Sun, 1994:
• basis aturan berisi sejumlah kaidah fuzzy jika-maka atau if-then; • basis data yang mendefinisikan fungsi keanggotaan himpunan fuzzy digunakan dalam
aturan-aturan fuzzy; • pembuat keputusan yang mentransformasikan operasi inferensi dalam aturan-aturan;
• interface fuzifikasi yang mentransformasikan asupan yang bernilai tunggal crisp
dalam derajat keanggotaan sesuai dengan nilai linguistiknya; • interface defuzifikasi yang mentransformasikan hasil inferensi fuzzy menjadi keluaran
bernilai tunggal Aturan dasar fuzzy jika-maka atau if-then yang dikenal juga sebagai pernyataan
bersyarat conditional statement fuzzy merupakan ekspresi dari bentuk IF A THEN B, di mana A dan B merupakan nilai suatu himpunan fuzzy yang dinyatakan berupa fungsi
keanggotaan yang sesuai. Karena bentuknya yang sederhana, aturan fuzzy if-then sering digunakan dalam penerjemahan makna dari alasan-alasan yang memiliki model tidak pasti
yang berperan penting dalam pengambilan keputusan. Contohnya: JIKA tekanan is tinggi, MAKA volume is kecil
di mana tekanan dan volume merupakan peubah linguistik, sedangkan tinggi dan kecil adalah nilai linguistik yang dicirikan oleh fungsi keanggotaan.
Umumnya basis aturan dan basis data digabung dalam knowledge base. Sistem inferensi fuzzy ini juga dikenal sebagai fuzzy rule-based systems, fuzzy models, fuzzy
associative memories FAM, atau fuzzy controllers ketika digunakan pada proses kontrol.
Gambar 19. Pola umum inferensi fuzzy.
Langkah-langkah fuzzy reasoning atau penalaran fuzzy operasi inferensi berdasarkan aturan fuzzy if-then yang dilakukan oleh sistem inferensi fuzzy adalah sebagai
berikut Gambar 19: 1. Mentransformasikan peubah asupan dengan fungsi keanggotaan pada bagian
anteseden if guna memperoleh nilai keanggotaan dari setiap nilai linguistik, proses ini disebut fuzifikasi.
2. Menggabungkan nilai keanggotaan pada bagian anteseden guna mendapatkan fungsi aktivasi atau firing strength bobot dari setiap aturan.
3. Membangkitkan akibat atau konsekuen yang pantas dipilih baik fuzzy atau crisp dari tiap aturan tergantung fungsi aktivasinya.
4. Menjumlahkan akibat atau konsekuen then yang layak dipilih guna menghasilkan keluaran tunggal, proses ini disebut defuzifikasi.
Defuzifikasi merupakan proses pengubahan keluaran fuzzy menjadi keluaran yang bernilai tunggal crisp. Metoda defuzifikasi yang biasa digunakan adalah metoda
Centroid dan Maximum. Dalam metoda Centroid, nilai tunggal dari peubah keluaran dihitung dengan menemukan nilai peubah dari center of gravity suatu fungsi keanggotaan
untuk nilai fuzzy. Sedangkan di dalam metoda Maximum, satu dari nilai-nilai peubah yang merupakan nilai kepercayaan maksimum gugus fuzzy dipilih sebagai nilai tunggal untuk
peubah output Marimin 2002, Kusumadewi, 2000; Bojadziev Bojadziev, 1999; Kauffman Gupta, 1988; Schmucker, 1984.
Metoda fuzzy sangat layak dijadikan salah satu instrumen dalam model manajemen krisis yang komprehensif bagi suatu perusahaan agroindustri. Aplikasi metoda fuzzy ini
berlangsung mulai dari pengukuran kriteria subyektif dan kualitatif beberapa responden pakar sampai pada perumusan tingkat krisis dan pemilihan alternatif solusi krisis.
Pengolahan terhadap penilaian pakar sebenarnya bisa dilakukan dengan menggunakan beberapa metoda yang relevan di antaranya adalah metoda AHP dan metoda Multi Expert
Multi Criteria Decision Making ME-MCDM, yang masing-masing memiliki karakteristik yang berbeda.
Perbandingan beberapa metoda pengambilan keputusan, dapat dilihat pada Tabel 3.
Metoda Karakteristik
Fuzzy AHP ME-MCDM
Penilai penilaian bisa dilakukan
baik oleh pakar maupun responden umum
Penilaian hanya dilakukan oleh pakar
Penilaian hanya bisa dilakukan
oleh pakar Teknik Penilaian
Mudah Sulit
Mudah Teknik perhitungan
nilai keputusan Pendefinisian Fungsi
keanggotaan yang dilanjutkan dengan
fuzifikasi dan defuzifikasi Perbandingan
berpasangan pair wise comparison
Agregasi pakar dan agregasi
criteria
Proses pengolahan Kesulitan Tergantung pada
fungsi keanggotaan yang digunakan untuk
merepresentasikan penilaian pakar, urutan kompleksitas
adalah TFN Triangular Function Number,
Trapezoida dan Sigmoida Relatif rumit karena
mempersyaratkan konsistensi penilaian
pakar, sehingga penilaian pakar bisa diulang
beberapa kali sampai diperoleh tingkat
konsistensi tertentu Relatif sederhana
Ketersediaan alat bantu software
Matlab atau dengan membuat program komputer
sendiri Software Criteria
Decision Plus CDP dan Expert Choice
Belum tersedia software
Sifat nilai keputusan Menghilangkan vagueness
dalam penilaian Nilai keputusan mutlak
Nilai keputusan mutlak
Efektivitas hasil Efektif pada penilai yang
heterogen maupun homogen kapasitasnya
Efektif jika penilai memiliki kapasitas yang
homogen Efektif jika penilai
memiliki kapasitas yang homogen
Efisiensi Efisien pada kasus penilaian
terhadap banyak aspek Efisien untuk jumlah
pakar dan kriteria yang relatif sedikit
Efisien bagi jumlah pakar dan
kriteria yang relatif sedikit
Keakuratan hasil Cukup akurat
Sangat akurat Cukup akurat