Analisis Galat Fungsi Keanggotaan Fuzzy Pada Metode Mamdani Dan Metode Sugeno

2

BAB 1
PENDAHULUAN

1.1. Latar Belakang
Fuzzy adalah sebuah sistem kontrol untuk pemecahan masalah berbasis komputer

berbasis akuisisi data. Logika fuzzy mempunyai dua kemungkinan seperti 0 atau 1,

benar atau salah . Meskipun nilai keanggotaannya sama namun fuzzy mampu

membedakaan nilai dari keanggotaan tersebut dari bobot yang dimiliki. Fuzzy mampu

memodelkan fungsi-fungsi non linier yang sangat kompleks dan memiliki toleransi

terhadap data yang tidak tepat dengan menggunakan bahasa alami sehingga mudah
untuk di mengerti (Sutojo, 2011).

Fungsi Keanggotaan memiliki beberapa model dan setiap model memiliki hasil

penyelesaian yang berbeda dalam menyelesaikan masalah. Fechera et al (2012)
meneliti bahwa perbedaan penggunaan model fungsi keanggotaan (membership
function) sangat mempengaruhi hasil output data. Alwi (2013) meneliti bahwa fungsi

keanggotaan merupakan hal utama dari disain pengambilan keputusan dalam logika

fuzzy. Wang et al (2013) pemilihan fungsi keanggotaan merupakan kunci utama pada
logika fuzzy karena disain fungsi keanggotaan sangat mempengaruhi ketepatan

dan kualitas keputusan yang diselesaikan pada sistem tersebut. Widiarti et al
(2013) Metode Bootsrap menunjukan besar galat yang relatif lebih kecil untuk

inferensia statistic yaitu pendugaan parameter dengan sebaran awal yang tidak
diketahui.

Metode Mamdani adalah metode FIS (Fuzzy Inference System) yang sering

diterapkan untuk memecahkan masalah Penilaian dan pengambilan Keputusan

berbasis logika fuzzy. Sumiati et al (2013) meneliti bahwa Metode Mamdani

membantu dan memberikan alternatif dalam melakukan penilaian, melakukan
perubahan kriteria, pengambil keputusan dalam pemberian penghargaan.

Kaur (2012) Metode Mamdani tidak dapat ditingkatkan dengan menambahkan

jumlah lebih banyak input dan output kombinasi menggunakan jaringan syaraf tiruan.

Universitas Sumatera Utara

2

Menurut Arshdeep dan Amrit (2012), metode Sogeno memiliki keunggulan yang
dapat terintegrasi dengan algoritma genetika dan teknik optimasinya lainnya.
Di sisi lain, fungsi keanggotaan

fuzzy bersifat tetap yaitu ditentukan diawal

perancangan. Penentuan fungsi keanggotaan umumnya dilakukan dengan perancangan

dan perhitungan secara teoritis. Balochian & Ebrahimi (2013) menyatakan bahwa

metode tersebut tergolong sulit dan tentu saja membutuhkan waktu yang lama. Di sisi
lain, metode tersebut di atas tidak mendukung untuk kasus-kasus tertentu dimana

dibutuhkan parameter yang adaptif dalam rangka mengantisipasi perubahan jumlah
variabel

input

dan

output yang tidak

dapat

diprediksi. Perancangan fungsi

keanggotaan fuzzy selalu tergantung pada pengetahuan pakar atau basis pengetahuan

(Boumediene, 2008). Peneliti lain (Permana & Zaiton, 2010) menyatakan bahawa sulit

untuk menghilangkan unsur subjektifitas pada fungsi keanggotaan fuzzy karena ahli

yang berbeda akan memiliki pandangan yang berbeda dalam memutuskan batasan
linguistik

fuzzy (dingin, sangat dingin, panas, sangat panas) sehingga hal sangat

mempengaruhi performa suatu sistem.

Optimasi fungsi keanggotaan fuzzy merupakan bidang kajian riset yang menarik

minat para peneliti dalam rangka mencari alternatif perbaikan fungsi keanggotaan
fuzzy. Vikas & Prabhas (2012) menerapkan algoritma Simulated Annealing

(SA) untuk optimasi dan tuning secara otomatis fungsi keanggotaan fuzzy, Acilar &

Arslan (2008) meneliti optimasi fungsi keanggotaan fuzzy dengan menggunakan

Clonal Selectio Algorithm (CSA), Sruthi (2013) meneliti tentang optimasi fungsi

keanggotaan fuzzy dengan menggunakan Jaringan Saraf Tiruan (JST), Khosla (2013)
meneliti dan menerapkan

Artificial Ant Colony optimization (AACO) untuk

mengoptimalkan fungsi keanggotaan fuzzy.
1.2. Perumusan Masalah

Fungsi keanggotaan adalah aspek yang sangat penting dalam sistem fuzzy
karena disain fungsi keanggotaan sangat mempengaruhi konsistensi, ketepatan dan
kualitas keputusan yang diselesaikan pada sistem tersebut. Penentuan fungsi
keanggotaaan fuzzy tergantung sepenuhnya pada pendapat pakar sehingga unsur

Universitas Sumatera Utara

3

subjektifitas sangat mempengaruhi fungsi keanggotaan fuzzy. Penelitian ini

menganalisis galat fungsi keanggotaan yang dihasilkan pada metode Mamdani dan
metode Sugeno.

1.3. Batasan Masalah
Luasnya cakupan masalah yang berkaitan dengan model fungsi keanggotaan,
FIS, optimasi dan galat, maka agar penelitian ini efektif dan efisien dilakukan
pembatasan masalah yaitu :

1. Model fungsi keanggotaan yang diterapkan adalah model segitiga

2. Metode FIS yang diterapkan adalah FIS mandani dan Sugeno orde-satu.
3. Metode Optimasi yang diterapkan adalah PSO klasik.

4. Metode pengukuran galat yang diterapkan adalah pengukuran galat error
berbasis MAPE (Mean Absolute Percentage Error).

1.4. Tujuan Penelitian
Tujuan dari penulisan penelitian ini adalah untuk menganalisis galat fungsi
keanggotaan fuzzy pada metode Mamdani dan metode Sugeno.
1.5. Manfaat Penelitian

Manfaat yang diharapkan dari tugas akhir ini adalah sebagai berikut :
1. Dengan mengetahui galat fungsi keanggotaan fuzzy maka dapat diperoleh
nilai optimasi fungsi dengan cepat pada metode mamdani dan sugeno.

2. Hasil penelitian ini dapat menjadi rujukan para pembaca dalam memahami
galat fungsi keanggotaan pada metode Mamdani dan metode Sugeno yang
telah dioptimalkan.

Universitas Sumatera Utara