BAB 1
PENDAHULUAN
1.1 Latar Belakang
Ilmu matematika berkembang sangat pesat. Salah satunya adalah dalam kompleksnya bahasa yang menimbulkan kesamaran atau kekaburan. Kesamaran
dinyatakan sebagai sebuah bahasa lazim yang diterima dengan arti yang berbeda di setiap tempat. Namun lambat laun ditemukan kesulitan dalam mengambil suatu
keputusan. Sehingga untuk membuat suatu keputusan dilakukanlah peramalan ataupun prediksi.
Selama ini metode peramalan yang lazim digunakan adalah regresi linear. Regresi linear digunakan untuk membentuk suatu persamaan dari beberapa
variabel bebas yang dinilai memiliki hubungan dengan variabel tidak bebas. Pada awalnya, regresi linear yang digunakan untuk melihat hubungan antara dua
variabel adalah regresi linera sederhana. Namun pada kenyataan sehari-hari sering dijumpai sebuah kejadian yang dipengaruhi oleh lebih dari satu variable, oleh
karenanya dikembangkanlah analisis regresi linier berganda. Analisis regresi berganda merupakan pengembangan dari analisis regresi sederhana. Kegunaannya
yaitu untuk meramalkan nilai variabel terikat Y apabila variabel bebasnya X dua atau lebih yakni X
1
, X
2
, …., X
i
Algafari, 2000.
Dewasa ini juga telah dikembangkan salah satu metode yang digunakan untuk melakukan analisis sistem yang mengandung ketidakpastian, yaitu logika
fuzzy kabur. Logika fuzzy dapat digunakan untuk meramalkan suatu nilai dengan
prosedur yang berbeda dengan regresi linear berganda.
Universitas Sumatera Utara
Dalam kehidupan sehari-hari, dapat dijumpai banyak gejala kekaburan. Ambil suatu contoh, dalam suatu kelas seorang guru menyuruh muridnya yang
memiliki sepeda angkta tangan, maka dengan mudah murid yang memiliki sepeda akan mengangkat tangannya. Namun ketika guru tersebut menyuruh muridnya
yang pandai untuk mengangkat tangannya, maka akan timbul keragu-raguan apakah mereka termasuk kelompok yang pandai atau tidak. Batas antara “punya
sepeda” dengan “tidak punya sepeda” adalah jelas dan tegas, tetapi tidak demikian halnya antara “pandai” dan “tidak pandai”. Dengan perkataan lain himpunan para
murid yang pandai dan tidak pandai seakan-akan dibatasi secara tidak tegas atau kabur. Maka diperlukan suatu bahasa keilmuan baru yang mampu menangkap
ketidaktegasankekaburan istilah bahasa sehari-hari yang memadai Frans Susilo, SJ, 2006.
Bahasa semacam itulah yang diciptakan oleh Lotfi Asker Zadeh, seorang guru besar dari Universitas California. Amerika Serikat pada awal tahun 1965.
Beliau memodifikasi teori himpunan yang lazim digunakan menjadi teori himpunan kabur fuzzy. Teori ini dapat diaplikasikan dalam berbagai bidang,
antara lain algoritma kontrol, diagnosa medis, sistem pendukung keputusan, ekonomi, teknik, psikologi, lingkungan, keamanan dan ilmu pengetahuan
Setiadji, 2009.
Logika fuzzy adalah logika yang menggunakan konsep sifat kesamaran. Sehingga logika fuzzy adalah logika dengan tak hingga banyak nilai kebenaran
yang dinyatakan dalam bilangan real dalam selang tertutup [0,1]. Angka 0 dan 1 inilah yang disebut derajat keanggotaan. Dengan kata lain, fungsi keanggotaan
dari suatu himpunan kabur �̃ dalam semesta X adalah pemetaan �
��
dari X ke selang [0,1] yaitu
�
��
∶ � → [0,1]. Nilai fungsi �
��
� menyatakan derajat keanggotaan unsur x
∈ X dalam himpunan kabur �̃. Nilai fungsi sama dengan 1 menyatakan keanggotaan penuh, dan nilai fungsi sama dengan 0 menyatakan
sama sekali bukan angota himpunan kabur tersebut Frans Susilo,2006.
Universitas Sumatera Utara
Dalam aplikasinya ada tiga metode dalam sistem inferensi fuzzy yang dapat digunakan untuk menentukan jumlah produksi yaitu: metode Tsukamoto,
metode Mamdani dan metode Sugeno Setiadji, 2009. Dimana dalam setiap metode, variabel X dan variabel Y diasumsikan ke dalam fungsi keanggotaan
masing-masing sesuai jenisnya. Namun model inferensi fuzzy yang umum digunakan adalah model fuzzy-Mamdani dan model fuzzy-Sugeno Thomas Sri
Widodo, 2005. Sehingga dalam penelitian ini penulis memilih untuk menggunakan Metode Mamdani sebagai alat untuk meramalkan hasil produksi.
Baik regresi linear ataupun logika fuzzy, masing-masing memiliki variabel bebas independent yaitu berupa X
1
, X
2
, …, X
n
dan variabel terikat dependent yaitu berupa Y. Namun dalam pengerjaannya kedua metode ini memiliki tahap-
tahap yang berbeda satu sama lainnya. Oleh karena itu penulis ingin membandingkan penggunaan kedua metode ini sebagai alat peramalan dengan
mengambil contoh kasus yang sama. Logika fuzzy yang digunakan adalah metode Mamdani, sementara untuk metode statistik yang digunakan adalah regresi linear
berganda.
Untuk dapat melihat perbedaan penggunaan kedua metode tersebut, maka dalam penelitian ini data yang akan digunakan sebagai contoh kasus adalah data
produksi kelapa sawit di PT. Perkebunan Nusantara III. Ada beberapa faktor yang dapat mempengaruhi produksi kelapa sawit. Standar beberapa faktor yang dinilai
merupakan syarat tumbuh tanaman kelapa sawit adalah faktor alam dan faktor manusia. Faktor alam misalnya adalah kondisi iklim, curah hujan, bentuk wilayah
dan kondisi tanah. Sedangkan unfuk faktor manusia adalah luas areal lahan, jumlah pemupukan, serta jumlah pekerja Dinas Perkebunan Provinsi Sumatera
Utara, 2011.
Dalam penelitian ini, penulis menggunakan faktor yang mempengaruhi produksi kelapa sawit Y adalah jumlah pemupukan X
1
, tenaga kerja X
2
dan rata-rata curah hujan X
3
. Nantinya kedua metode, baik metode fuzzy-Mamdani dan regresi linear berganda akan digunakan untuk meramalkan hasil produksi
Universitas Sumatera Utara
kelapa sawit di PT. Perkebunan Nusantara III berdasarkan variabel bebasnya. Dari hasil yang diperoleh, akan dilihat metode manakah yang memberikan hasil
peramalanprediksi yang paling dekat dengan data produksi yang telah ada. Berdasarkan uraian di atas, maka penulis memberi tulisan ini dengan judul
“PERBANDINGAN METODE FUZZY DENGAN REGRESI LINEAR BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI STUDI KASUS:
PRODUKSI KELAPA SAWIT PT. PERKEBUNAN NUSANTARA III PERSERO MEDAN TAHUN 2011- 2012”.
1.2 Perumusan Masalah
