Analisis Sistem Inferensi Fuzzy Tsukamoto Dalam Menilai Tingkat Kesehatan Perusahaan
BAB I
PENDAHULUAN
1.1
Latar Belakang Masalah
Logika fuzzy dicetuskan oleh (Zadeh, 1965) seorang guru besar University of California.
Dalam karya ilmiah tersebut, Zadeh membuat terobosan baru yang memperluas konsep
himpunan tegas (Crisp Sets), dalam arti bahwa himpunan tegas merupakan kejadian khusus
dari himpunan fuzzy (fuzzy sets). Himpunan fuzzy menggunakan persekitaran untuk
menampilkan masalah yang komplek dalam model yang sederhana. Dalam perkembangannya,
penggunaan teori himpunan fuzzy terbagi menjadi tiga periode yaitu fase belajar (1965-1977)
yang ditandai dengan perkembangan dan perkiraan penggunaannya. Kemudian fase transisi
(1978-1988) yang ditandai dengan perkembangan teori dan banyak sukses dalam praktek
penggunaan. Yang terakhir fase ledakan fuzzy (Fuzzy Boom) (1989-sekarang) yang ditandai
dengan peningkatan sukses dalam penggunaan di bidang industri, bisnis, dan penggunaan
perangkat lunak (Soft Computing) (Klirr dkk, 1997). Pada prinsipnya himpunan fuzzy adalah
perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu kedalam dua
kategori, yaitu anggota dan bukan anggota. Pada himpunan tegas (crisp), nilai keanggotaan
suatu item x dalam suatu himpunan A, yang sering ditulis dengan μ A [x], memiliki 2
kemungkinan, yaitu : • Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan. • Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
himpunan. Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau 1.
Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Semesta
pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu
variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik
(bertambah) secara monoton dari kiri ke kanan.
Dengan adanya logika fuzzy, berapapun masalah yang memiliki nilai yang
kurang jelas tidak menjadi masalah lagi karena komputer tidak hanya mengenal logika
Boolean yang memiliki nilai tegas dan jelas (crisp) tetapi juga mengenal logika yang
mempunyai nilai samar atau kurang jelas. Dalam logika fuzzy sebuah data dapat
bernilai benar atau salah secara bersamaan namun seberapa besar nilai kebenaran atau
kesalahannya tergantung bagaimana bobot keanggotaan yang dimilikinya.
1
Universitas Sumatera Utara
2
Fuzzy Tsukamoto merupakan salah satu metode yang sangat fleksibel dan memiliki
toleransi pada data yang ada. Fuzzy Tsukamoto memiliki kelebihan yaitu lebih intuitif,
diterima oleh banyak pihak, lebih cocok untuk masukan yang diterima dari manusia
bukan
mesin
(Thamrin,
Fanoeel,
2012).
Fuzzy
Tsukamoto
pada
dasarnya
mengaplikasikan penalaran monoton pada setiap aturannya. Kalau pada penalaran
monoton, sistem hanya memiliki satu aturan, pada metode tsukamoto, sistem terdiri
atas beberapa aturan. Karena menggunakan konsep dasar penalaran monoton, pada
metode tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus
direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang
monoton. Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp)
bedasarkan α-predikat (fire strength). Proses agregasi antar aturan dilakukan, dan hasil
akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot.
Sedangkan Fuzzy Mamdani yang sering dikenal dengan nama metode Max-Min untuk
mendapatkan output diperlukan 4 tahapan yaitu: 1. Pembentukan himpunan fuzzy, 2.
Aplikasi fungsi implikasi, 3. Komposisi aturan, 4. Penegasan (defuzzy).
Berdasarkan penjelasan sistem inferensi fuzzy diatas, penulis melakukan
penelitian tentang sistem inferensi fuzzy yang digunakan untuk menilai tingkat
kesehatan perusahaan BUMN (Badan Usaha Milik Negara). Data yang digunakan
dalam menilai tingkat kesehatan perusahaan BUMN akan dijadikan variabel –
variabel untuk menghitung sistem inferensi fuzzy. Dalam perhitungan sistem
akuntansi, untuk menilai tingkat kesehatan perusahaan BUMN menggunakan analisis
aspek keuangan, aspek operasional dan aspek administrasi, tetapi dengan
menggunakan sistem inferensi fuzzy aplikasi yang digunakan memiliki nilai monoton
dan output yang dihasilkan dari inferensi fuzzy berasal dari aturan – aturan yang
diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength).
Sistem inferensi fuzzy metode Tsukamoto telah banyak dipergunakan dalam
menyelesaikan berbagai masalah seperti untuk perbandingan harga sepeda motor
bekas (Istraniady, Priko Andrian, dan Mardiani), Analisis Komparasi Metode dalam
Penjadwalan Kuliah (Yulia, Abdul, dan Romi), Perbandingan Sistem Inferensi Fuzzy
Metode Mamdani dan Sugeno dalam memprediksi laju inflasi (Fajri Zufa).
2.2
Rumusan Masalah
Berdasarkan uraian latar belakang masalah diatas, maka dapat dirumuskan masalah
Universitas Sumatera Utara
3
yaitu melakukan analisis terhadap sistem inferensi fuzzy apakah efektif atau tidak
efektif digunakan dalam menilai tingkat kesehatan perusahaan BUMN.
2.3
Batasan Masalah
Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah ditetapkan
dalam rumusan masalah dan untuk menghindari meluasnya pembahasan, maka
dibentuk batasan-batasan terhadap permasalahan,yaitu:
1. Variabel yang dipergunakan dalam menilai tingkat kesehatan perusahaan
BUMN adalah Aspek Keuangan, Aspek Operasional dan Aspek Administrasi.
2. Dalam menilai tingkat kesehatan perusahaan BUMN, aspek yang digunakan
hanya 3 (tiga), dan tidak membahas cara menghitung nilai dari setiap pointpoint didalam masing-masing variabel.
2.4
Tujuan Penelitian
Tujuan penulisan tesis ini dapat diuraikan sebagai berikut:
1. Untuk menganalisis ukuran kualitas dari proses penggunaan sistem inferensi
fuzzy dalam menilai tingkat kesehatan perusahaan BUMN.
2. Menghitung tingkat akurasi pada penggunaan sistem inferensi fuzzy dalam
menilai tingkat kesehatan perusahaan BUMN.
2.5
Manfaat Penulisan
Manfaat dari penelitian ini antara lain:
1. Peneliti
Untuk menganalisis sistem inferensi fuzzy dalam menilai tingkat kesehatan
perusahaan BUMN dan mengukur tingkat error dan tingkat akurasi pada
sistem inferensi fuzzy dalam menilai tingkat kesehatan perusahaan.
2. Institusi
Sebagai bahan pertimbangan dalam menentukan dan memprediksi tingkat
kesehatan perusahaan BUMN.
3. Akademisi
Sebagai bahan perbandingan dan pengembangan mengenai analisis sistem
inferensi fuzzy bagi penelitian selanjutnya.
Universitas Sumatera Utara
PENDAHULUAN
1.1
Latar Belakang Masalah
Logika fuzzy dicetuskan oleh (Zadeh, 1965) seorang guru besar University of California.
Dalam karya ilmiah tersebut, Zadeh membuat terobosan baru yang memperluas konsep
himpunan tegas (Crisp Sets), dalam arti bahwa himpunan tegas merupakan kejadian khusus
dari himpunan fuzzy (fuzzy sets). Himpunan fuzzy menggunakan persekitaran untuk
menampilkan masalah yang komplek dalam model yang sederhana. Dalam perkembangannya,
penggunaan teori himpunan fuzzy terbagi menjadi tiga periode yaitu fase belajar (1965-1977)
yang ditandai dengan perkembangan dan perkiraan penggunaannya. Kemudian fase transisi
(1978-1988) yang ditandai dengan perkembangan teori dan banyak sukses dalam praktek
penggunaan. Yang terakhir fase ledakan fuzzy (Fuzzy Boom) (1989-sekarang) yang ditandai
dengan peningkatan sukses dalam penggunaan di bidang industri, bisnis, dan penggunaan
perangkat lunak (Soft Computing) (Klirr dkk, 1997). Pada prinsipnya himpunan fuzzy adalah
perluasan himpunan crisp, yaitu himpunan yang membagi sekelompok individu kedalam dua
kategori, yaitu anggota dan bukan anggota. Pada himpunan tegas (crisp), nilai keanggotaan
suatu item x dalam suatu himpunan A, yang sering ditulis dengan μ A [x], memiliki 2
kemungkinan, yaitu : • Satu (1) yang berarti bahwa suatu item menjadi anggota dalam suatu
himpunan. • Nol (0) yang berarti bahwa suatu item tidak menjadi anggota dalam suatu
himpunan. Pada himpunan crisp, nilai keanggotaan ada 2 kemungkinan, yaitu 0 atau 1.
Sedangkan pada himpunan fuzzy nilai keanggotaan terletak pada rentang 0 sampai 1. Semesta
pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu
variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik
(bertambah) secara monoton dari kiri ke kanan.
Dengan adanya logika fuzzy, berapapun masalah yang memiliki nilai yang
kurang jelas tidak menjadi masalah lagi karena komputer tidak hanya mengenal logika
Boolean yang memiliki nilai tegas dan jelas (crisp) tetapi juga mengenal logika yang
mempunyai nilai samar atau kurang jelas. Dalam logika fuzzy sebuah data dapat
bernilai benar atau salah secara bersamaan namun seberapa besar nilai kebenaran atau
kesalahannya tergantung bagaimana bobot keanggotaan yang dimilikinya.
1
Universitas Sumatera Utara
2
Fuzzy Tsukamoto merupakan salah satu metode yang sangat fleksibel dan memiliki
toleransi pada data yang ada. Fuzzy Tsukamoto memiliki kelebihan yaitu lebih intuitif,
diterima oleh banyak pihak, lebih cocok untuk masukan yang diterima dari manusia
bukan
mesin
(Thamrin,
Fanoeel,
2012).
Fuzzy
Tsukamoto
pada
dasarnya
mengaplikasikan penalaran monoton pada setiap aturannya. Kalau pada penalaran
monoton, sistem hanya memiliki satu aturan, pada metode tsukamoto, sistem terdiri
atas beberapa aturan. Karena menggunakan konsep dasar penalaran monoton, pada
metode tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus
direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang
monoton. Output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp)
bedasarkan α-predikat (fire strength). Proses agregasi antar aturan dilakukan, dan hasil
akhirnya diperoleh dengan menggunakan defuzzy dengan konsep rata-rata terbobot.
Sedangkan Fuzzy Mamdani yang sering dikenal dengan nama metode Max-Min untuk
mendapatkan output diperlukan 4 tahapan yaitu: 1. Pembentukan himpunan fuzzy, 2.
Aplikasi fungsi implikasi, 3. Komposisi aturan, 4. Penegasan (defuzzy).
Berdasarkan penjelasan sistem inferensi fuzzy diatas, penulis melakukan
penelitian tentang sistem inferensi fuzzy yang digunakan untuk menilai tingkat
kesehatan perusahaan BUMN (Badan Usaha Milik Negara). Data yang digunakan
dalam menilai tingkat kesehatan perusahaan BUMN akan dijadikan variabel –
variabel untuk menghitung sistem inferensi fuzzy. Dalam perhitungan sistem
akuntansi, untuk menilai tingkat kesehatan perusahaan BUMN menggunakan analisis
aspek keuangan, aspek operasional dan aspek administrasi, tetapi dengan
menggunakan sistem inferensi fuzzy aplikasi yang digunakan memiliki nilai monoton
dan output yang dihasilkan dari inferensi fuzzy berasal dari aturan – aturan yang
diberikan secara tegas (crisp) berdasarkan α-predikat (fire strength).
Sistem inferensi fuzzy metode Tsukamoto telah banyak dipergunakan dalam
menyelesaikan berbagai masalah seperti untuk perbandingan harga sepeda motor
bekas (Istraniady, Priko Andrian, dan Mardiani), Analisis Komparasi Metode dalam
Penjadwalan Kuliah (Yulia, Abdul, dan Romi), Perbandingan Sistem Inferensi Fuzzy
Metode Mamdani dan Sugeno dalam memprediksi laju inflasi (Fajri Zufa).
2.2
Rumusan Masalah
Berdasarkan uraian latar belakang masalah diatas, maka dapat dirumuskan masalah
Universitas Sumatera Utara
3
yaitu melakukan analisis terhadap sistem inferensi fuzzy apakah efektif atau tidak
efektif digunakan dalam menilai tingkat kesehatan perusahaan BUMN.
2.3
Batasan Masalah
Agar pembahasan penelitian ini tidak menyimpang dari apa yang telah ditetapkan
dalam rumusan masalah dan untuk menghindari meluasnya pembahasan, maka
dibentuk batasan-batasan terhadap permasalahan,yaitu:
1. Variabel yang dipergunakan dalam menilai tingkat kesehatan perusahaan
BUMN adalah Aspek Keuangan, Aspek Operasional dan Aspek Administrasi.
2. Dalam menilai tingkat kesehatan perusahaan BUMN, aspek yang digunakan
hanya 3 (tiga), dan tidak membahas cara menghitung nilai dari setiap pointpoint didalam masing-masing variabel.
2.4
Tujuan Penelitian
Tujuan penulisan tesis ini dapat diuraikan sebagai berikut:
1. Untuk menganalisis ukuran kualitas dari proses penggunaan sistem inferensi
fuzzy dalam menilai tingkat kesehatan perusahaan BUMN.
2. Menghitung tingkat akurasi pada penggunaan sistem inferensi fuzzy dalam
menilai tingkat kesehatan perusahaan BUMN.
2.5
Manfaat Penulisan
Manfaat dari penelitian ini antara lain:
1. Peneliti
Untuk menganalisis sistem inferensi fuzzy dalam menilai tingkat kesehatan
perusahaan BUMN dan mengukur tingkat error dan tingkat akurasi pada
sistem inferensi fuzzy dalam menilai tingkat kesehatan perusahaan.
2. Institusi
Sebagai bahan pertimbangan dalam menentukan dan memprediksi tingkat
kesehatan perusahaan BUMN.
3. Akademisi
Sebagai bahan perbandingan dan pengembangan mengenai analisis sistem
inferensi fuzzy bagi penelitian selanjutnya.
Universitas Sumatera Utara