Perbandingan Metode Fuzzy Dengan Regresi Linear Berganda Dalam Peramalan Jumlah Produksi (Studi Kasus: Produksi Kelapa Sawit di PT. Perkebunan Nusantara III (PERSERO) Medan Tahun 2011-2012)
PERBANDINGAN METODE FUZZY DENGAN REGRESI LINEAR BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (Studi Kasus : Produksi Kelapa Sawit di PT. Perkebunan Nusantara III (PERSERO) Medan Tahun 2011-2012) SKRIPSI SISKA ERNIDA WATI 110823009
DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2013
PERBANDINGAN METODE FUZZY DENGAN REGRESI LINEAR BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI (Studi Kasus : Produksi Kelapa Sawit di PT. Perkebunan Nusantara III (PERSERO) Medan Tahun 2011-2012) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains SISKA ERNIDA WATI 110823009 DEPARTEMEN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2013
PERSETUJUAN
Judul : Perbandingan Metode Fuzzy Dengan Regresi Linear Berganda Dalam Peramalan Jumlah Produksi (Studi Kasus: Produksi Kelapa Sawit di PT. Perkebunan Nusantara III (PERSERO) Medan Tahun 2011- 2012)
Kategori : Skripsi Nama : Siska Ernida Wati Nomor Induk Mahasiswa : 110823009 Program Studi : Sarjana (S1) Matematika Departemen : Matematika Fakultas : Matematika Dan Ilmu Pengetahuan Alam
Universitas Sumatera Utara Disetujui di
Medan, Juli 2013 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Drs. Rachmad Sitepu, M. Si Drs. Djakaria Sebayang, M. Si NIP. 19530418 198703 1 001 NIP. 19511227 198503 1 002 Diketahui/ Disetujui oleh Departemen Matematika FMIPA USU Ketua, Prof. Dr. Tulus, M.Si. Ph.D NIP. 19620901 198803 1 002
PERNYATAAN
PERBANDINGAN METODE FUZZY DENGAN REGRESI LINEAR
BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI(STUDI KASUS: PRODUKSI KELAPA SAWIT DI
PT. PERKEBUNAN NUSANTARA III (PERSERO)
MEDAN TAHUN 2011-2012)
SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing–masing disebut sumbernya.
Medan, Juli 2013 SISKA ERNIDA WATI 110823009
PENGHARGAAN
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Pemurah dan Maha Penyayang, dengan limpah karunia-Nya penulis dapat meyelesaikan penyusunan skripsi ini dengan judul Perbandingan Metode Fuzzy Dengan Regresi Linear Berganda dalam Peramalan Jumlah Produksi (Studi Kasus: Produksi Kelapa Sawit di PT. Perkebunan Perkebunan Nusantara III (Persero) Medan Tahun 2011-2012).
Terimakasih penulis sampaikan kepada Drs. Djakaria Sebayang, M.Si selaku pembimbing 1 dan Drs. Rachmad Sitepu, M.Si selaku pembimbing 2 yang telah meluangkan waktunya selama penyusunan skripsi ini. Terimakasih kepada Prof. Dr. Tulus, M.Si. Ph.D dan Ibu Dra. Mardiningsih, M.Sc selaku Ketua Departemen dan Sekertaris Departemen Matematika FMIPA-USU Medan, Dekan dan Pembantu Dekan FMIPA USU, seluruh Staff dan Dosen Matematika FMIPA USU, pegawai FMIPA USU dan rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Bapak, Ibu dan keluarga yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Tuhan Yang Maha Esa akan membalasnya.
PERBANDINGAN METODE FUZZY DENGAN REGRESI LINEAR
BERGANDA DALAM PERAMALAN JUMLAH PRODUKSI(STUDI KASUS: PRODUKSI KELAPA SAWIT DI
PT. PERKEBUNAN NUSANTARA III (PERSERO)
MEDAN TAHUN 2011-2012)
ABSTRAK
Kajian ini bertujuan untuk membandingkan hasil suatu peramalan dengan menggunakan metode fuzzy dan regresi linear berganda. Dalam kajian ini, digunakan data produksi kelapa sawit sebagai output atau variabel terikat (Y) dan faktor yang mempengaruhinya yaitu pemupukan, tenaga kerja dan rata-rata curah hujan sebagai input atau variabel bebas X
1 ,X 2 ,X 3 . Variabel pemupukan (X 1 )
terdiri atas 3 himpunan fuzzy yaitu: sedikit, standar, dan banyak. Untuk variabel tenaga (X ) terdiri atas 3 himpunan fuzzy yaitu : sedikit, sedang, dan banyak. Dan
2
untuk variabel rata-rata curah hujan (X
3 ) terdiri atas 3 himpunan fuzzy yaitu:
rendah, standar, dan tinggi. Sementara variabel jumlah produksi (Y) terdiri atas 3 himpunan fuzzy yaitu: berkurang, tetap, dan bertambah. Aturan fuzzy yang digunakan ada 16 aturan. Metode penyelesaian yang digunakan adalah metode
fuzzy Mamdani. Untuk regresi linear berganda diselesaikan dengan menggunakan
metode kuadrat terkecil (Least Squares Method). Dengan menunjukkan nilai rata- rata kesalahan relatif dari peramalan setiap metode, diperoleh nilai rata-rata kesalahan relatif metode fuzzy sebesar 0,20748 atau 20,748% dan regresi linear berganda sebesar 0,09383 atau 9,383%. Besarnya nilai tersebut memperlihatkan bahwa nilai rata-rata kesalahan relatif regresi linier berganda lebih kecil daripada metode fuzzy. Maka untuk kasus dengan variabel input dan output dalam penelitian ini dapat disimpulkan bahwa peramalan dengan menggunakan regresi linier berganda lebih baik daripada dengan metode fuzzy.
Kata kunci : Perbandingan, Logika Fuzzy, Regresi Linear Berganda, Produksi Kelapa Sawit, Pemupukan, Tenaga Kerja, Rata-Rata Curah Hujan, Peramalan.
THE COMPARISON FUZZY SETS AND MULTIPLE LINEAR REGRESSION FOR PREDICTION OF PRODUCTION (CASE: PRODUCTION OF PALM OIL IN
PT. PERKEBUNAN NUSANTARA III
(PERSERO) MEDAN FOR 2011-2012)
ABSTRACTThis study is shown how to compare the result of prediction by using Fuzzy Sets and multiple linear regression. In this study, production of palm oil is used as output or dependent variable (Y), and the manuring, worker, and avarage of rainfall are used as output or independent variable X
1 , X 2 , and X 3 . The manuring
variable (X
1 ) consist of three fuzzy sets : minimum, standard, maximum. For
worker variable (X 2 ) consist of three fuzzy sets : minimum, normal, maximum. For avarage of rainfall (X ) consist of three fuzzy sets : low, standard, high.
3 Meanwhile, production of palm oil consist of three fuzzy sets : decrease,
permanent, increase. In this study, fuzzy use 16 fuzzy rules. The solution of fuzzy logic use fuzzy-Mamdani Method. Multiple regression linear analysis use least squares method as the solution. By showing the avarage of error relative from both of methods, which for fuzzy set is 0,20748 atau 20,748% and for linear regression is 0,09383 atau 9,383%. It’s value shows that the avarage of error relative from linear regression is smaller than fuzzy set. So for the case where input and output in this study, found the conclusion that prediction with multiple regression linear analysis is better than using fuzzy logic.
Keywords : Comparison, Fuzzy Logic, Multiple Linear Regression Analysis, Production of Palm Oil, Manuring, Worker, Avarage of Rainfall, Prediction.
DAFTAR ISI
Halaman Persetujuan i
Pernyataan ii
Penghargaan iii
Abstrak iv
Abstract v
Daftar Isi vi
Daftar Gambar viii Daftar Tabel ix
BAB I PENDAHULUAN
1.1
1 Latar Belakang
1.2
4 Perumusan Masalah
1.3
4 Batasan Masalah
1.4
4 Tinjauan Pustaka
1.5
5 Tujuan Penelitian
1.6
5 Kontribusi Penelitian
1.7
6 Metode Penelitian
BAB II LANDASAN TEORI
2.1 Logika Fuzzy
8
2.1.1 Pengertian Logika Fuzzy
8
2.1.2 Variabel Fuzzy
9
2.1.3 Fungsi Keanggotaan
10
2.1.4 Representasi Kurva Linear
12
2.1.5 Representasi Kurva Segitiga
14
2.1.6 Operator Himpunan Fuzzy
15
2.1.7 Proporsi Fuzzy
16
2.1.8 Implikasi Fuzzy
16
2.1.9 Metode Penegasan (Defuzzifikasi)
17
2.1.10 Sistem Inferensi Fuzzy
18
2.1.11 Sistem Inferensi Fuzzy Mamdani
18
2.2 Analisis Regresi Linear Berganda
20
2.2.1 Pengertian Regresi
20
2.2.2 Analisis Regresi Linear
21
2.2.3 Analisis Regresi Linear Sederhana
23
2.2.4 Analisis Regresi Linier Berganda
26
2.3 Kesalahan Relatif
29
2.4 Variabel
30 BAB 3 PEMBAHASAN DAN HASIL
3.1 Penyajian Data
32
3.2 Perhitungan dengan Menggunakan Metode Fuzzy
33
3.3 Perhitungan dengan Menggunakan Regresi Linier Berganda
54
3.4 Perhitungan dan Perbandingan Kesalahan Relatif yang Dihasilkan dari Setiap Model
60 BAB IV KESIMPULAN DAN SARAN
4.1 Kesimpulan
62
4.2 Saran
63 DAFTAR PUSTAKA LAMPIRAN
DAFTAR GAMBAR
1 )
52 Gambar 3.6 Kurva variabel Y pada software Matlab
37 Gambar 3.5 Kurva solusi daerah fuzzy
36 Gambar 3.4 Kurva keanggotaan variabel output jumlah produksi (Y)
3 )
35 Gambar 3.3 Kurva keanggotaan variabel input rata-rata curah hujan (X
2 )
34 Gambar 3.2 Kurva keanggotaan variabel input tenaga kerja (X
24 Gambar 3.1 Kurva keanggotaan variabel input pemupukan (X
Gambar 2.1 Kurva himpunan fuzzy : kelompok umur24 Gambar 2.8 Diagram Pencar, Garis Regresi dan Sisa
15 Gambar 2.7 Diagram Pencar
14 Gambar 2.6 Representasi Kurva Segitiga
13 Gambar 2.5 Representasi Kurva Linear Turun
12 Gambar 2.4 Representasi Kurva Linear Naik
11 Gambar 2.3 Kurva Fungsi Keanggotaan dengan menggunakan konsep fuzzy
10 Gambar 2.2 Kurva Fungsi Keanggotaan secara tegas
54
DAFTAR TABEL
Tabel 3.1 Data Jumlah Produksi, Jumlah Pemupukan, Jumlah Tenaga Kerja dan Rata-Rata Curah Hujan pada PT. PerkebunanNusantara (PERSERO) III Medan Tahun 2011-2012
32 Tabel 3.2 Nilai-nilai yang diperlukan untuk menentukan persamaan regresi
56 Tabel 3.3 Nilai-nilai koefisien dengan menggunakan software SPSS
58 Tabel 3.4 Hasil Peramalan dengan Logika Fuzzy dan Regresi Berganda
61