tersebut, akan dihasilkan suatu model dari suatu sistem yang mampu memperkirakan penetuan stok beras.
Didalam logika fuzzy ada beberapa metode atau teknik yang dapat digunakan dalam penentuan masalah ketidakpastian. Adapun metode yang dapat
digunakan dalam pengaplikasian logika fuzzy pada penentuan stok beras antara lain adalah metode Mamdani, metode Sugeno dan metode Tsukamono. Pada
penelitian ini, penulis menggunakan metode logika Fuzzy-Sugeno dan Fuzzy- Mamdani untuk memperkirakan jumlah stok beras. Kemudian dengan berdasarkan
logika fuzzy tersebut penulis akan membandingkan hasil daripada metode fuzzy yang digunakan.
.
1.2 Perumusan Masalah
Permasalahan yang akan dibahas adalah bagaimana memperkirakan stok beras di Perum BULOG Divisi Regional Sumut dengan memperhatikan faktor penerimaan
beras dan penyaluran beras dan membandingkan nilai stok beras yang ditetapkan Perum BULOG Divisi Regional Sumut dengan hasil yang di dapatkan dengan
penggunaan metode Fuzzy-Sugeno dan metode Fuzzy-Mamdani dalam penentuan stok beras tersebut.
1.3 Batasan Masalah
Adapun batasan masalah dalam penelitian ini adalah: 1.
Data yang digunakan adalah data sekunder dari Perum BULOG Divre Sumut.
2. Penelitian difokuskan hanya pada masalah faktor – faktor yang
mempengaruhi persediaan stok beras yaitu penerimaan beras dan penyaluran beras.
3. Metode yang digunakan adalah metode Fuzzy-Sugeno dan Fuzzy-Mamdani.
4. Pengolahan data menggunakan bantuan software Matlab.
5. Faktor biaya tidak dibahas.
6. Harga beras tidak diperhitungkan.
1.4 Tinjauan Pustaka
Logika samar fuzzy merupakan teknologi yang lama ditunggu. Sejak 34 tahun yang lalu teori himpunan samar fuzzy diperkenalkan dalam berbagai macam
disiplin ilmu. Aplikasi – aplikasi teori ini dapat ditemukan dalam kecerdasan buatan, ilmu komputer, teknik kendali, teori pengambilan keputusan, sistem
pakar, ilmu manajemen, penelitian – penelitian, robotika dan lain – lain. Setiadji 2009
Logika fuzzy merupakan sebuah logika yang memiliki nilai kebenaran atau kesamaran fuzzyness antara benar dan salah. Dalam teori logika fuzzy sebuah
nilai bisa bernilai benar dan salah secara bersamaan namun berapa besar kebenaran dan kesalahan suatu nilai tergantung kepada bobot keanggotaan yang
dimilikinya. Fuzzy Set adalah himpunan yang setiap unsur – unsurnya mempunyai derajat keanggotaan atau kesesuaian dengan konsep yang merupakan syarat
keanggotaan himpunan tersebut. Fuzzy Set pertama sekali diperkenalkan oleh Lotfi. A. Zadeh pada tahun 1965 sebagai modifikasi dari teori himpunan. Dalam
teori himpunan dikenal fungsi karakteristik yaitu fungsi dari himpunan semesta X
ke himpunan {0,1}. Much. Djunaidi 2005 Sri Kusumadewi 2002 menyatakan bahwa fungsi keanggotaan
membership function adalah suatu kurva yang menunjukkan pemetaan titik–titik input data ke dalam nilai keanggotaannya sering juga disebut dengan derajat
keanggotaan yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah melalui pendekatan
fungsi. Ada beberapa fungsi yang dapat digunakan antara lain: a. Representasi Linier
b. Representasi Kurva Segitiga c. Representasi Kurva Trapesium
d. Representasi Kurva Bentuk Bahu e. Representasi Kurva-S
f. Representasi Kurva Bentuk Lonceng Bell Curve
Model Sugeno merupakan usaha untuk mengembangkan pendekatan sistematis untuk membangun aturan samar atau fuzzy dari himpunan data
masukan dan keluaran. Aturan Fuzzy – Sugeno biasanya didefenisikan sebagai:
JIKA x adalah A DAN y adalah B MAKA = ,
Dengan A dan B adalah himpunan fuzzy pada anteseden, dan = ,
merupakan fungsi crisp konsekuen. Untuk memperoleh output diperlukan 4 tahapan, diantaranya:
1. Pembentukan himpunan fuzzy
Pada metode Fuzzy – Sugeno, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi aturan
Menurut Cox 1994 metode Fuzzy – Sugeno terdiri dari dua jenis,yaitu: a.
Model Fuzzy – Sugeno orde nol Secara umum bentuknya adalah:
Jika x
1
adalah A
1
◦ x
2
adalah A
2
◦ x
3
adalah A
3
... ◦ x
i
adalah A
i
MAKA z = k
b. Model Fuzzy – Sugeno orde satu
Secara umum bentuknya adalah: Jika x
1
adalah A
1
◦ x
2
adalah A
2
◦ x
3
adalah A
3
... ◦ x
i
adalah A
i
MAKA =
∗ + ⋯ + ∗
+ Dengan A
1
adalah himpunan Fuzzy ke-i sebagai antiseden, konstanta tegas ke-i dan konstanta pada konsekuen
3. Komposisi aturan
Apabila sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan yaitu menghitung hasil dari
∑ dengan R banyaknya rule,
fire strength ke-r
4. Penegasan defuzzyfikasi
Menurut Sri Kusumadewi 2010 pada proses ini output berupa bilangan crisp. Defuzzyfication dilakukan dengan cara mencari nilai rata-ratanya
yaitu: =
∑ ∑
Dengan: = nilai keluaran
= derajat keanggotaan nilai keluaran Metode Fuzzy - Mamdani diperkenalkan oleh Ebrahim Mamdani pada
tahun 1975. Metode ini sering juga dikenal dengan metode Min – Max. Pada metode ini, aturan fuzzy didefinisikan sebagai:
IF x
1
is A
1
AND...AND x
n
is A
n
THEN y is B.
Dengan, A
1
,..., A
n
, dan B adalah nilai – nilai linguistik fuzzy set dan “x
1
is A
1
” menyatakan bahwa variabel x
1
adalah anggota fuzzy set A
1
. Untuk memperoleh output diperlukan 4 tahapan, diantaranya:
1. Pembentukan himpunan fuzzy
Pada metode Fuzzy – Mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi aturan
Pada metode Fuzzy – Mamdani, fungsi implikasi yang digunakan adalah Min.
, 3.
Komposisi aturan Metode yang digunakan yaitu metode Max maximum. Secara umum
dapat dituliskan: =
,
Dengan : = nilai keanggotaan solusi fuzzy sampai aturan ke i.
= nilai keanggotaan konsekuan fuzzy aturan ke i.
4. Penegasan defuzzyfikasi
Defuzzyfikasi pada komposisi aturan mamdani dengan menggunakan metode Centroid. Secara umum dirumuskan Sri Kusumadewi, 2010 :
Untuk variabel kontinu ∗=
Untuk variabel diskrit ∗=
∑ ∑
Dengan: ∗ = Nilai domain ke -
= Derajat keanggotaan
1.5 Tujuan Penelitian
