PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
on
E-Jurnal Matematika Vol. 7 (2), Mei 2018, pp. 180-186
DOI: https://doi.org/10.24843/MTK.2018.v07.i02.p201
ISSN: 2303-1751
PERBANDINGAN METODE TSUKAMOTO, METODE MAMDANI DAN METODE SUGENO UNTUK MENENTUKAN PRODUKSI DUPA (Studi Kasus : CV. Dewi Bulan)
Komang Wahyudi Suardika1§, G.K. Gandhiadi2, Luh Putu Ida Harini3
1Program studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]] 2Program studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]] 3Program studi Matematika, Fakultas MIPA – Universitas Udayana [Email: [email protected]] §Corresponding Author
ABSTRACT
This research aims at knowing the comparison among Tsukamoto method, Mamdani method, and Sugeno method in deciding the production of incense at CV. Dewi Bulan. The research discussed about Tsukamoto method, Mamdani method and Sugeno method which consisted of four step, they are: fuzzyfication, forming a fuzzy rules, fuzzy logic analysis, and defuzzyfication. In conclusion, Sugeno method was found to be the best to be used in deciding the number of incense sticks production, comparing with the others. Sugeno method has probability of error value about 1,314%.
Keywords: Fuzzy logic, Tsukamoto method, Mamdani method, Sugeno method, fuzzyfication, fuzzy logic, defuzzyfication.
Seiring perkembangan teknologi, telah berkembang berbagai macam cara untuk memproduksi suatu produk. Jumlah produksi suatu produk dipengaruhi oleh berbagai macam faktor, diantarnya; faktor harga, jumlah pekerja, transportasi, alat produksi, jumlah permintaan, jumlah persediaan dan faktor lainnya yang dibutuhkan oleh perusahaan untuk memproduksi produk tersebut. Untuk menentukan jumlah produksi suatu produk terdapat berbagai macam cara yang dapat digunakan, salah satunya adalah dengan menggunakan metode pada logika fuzzy (Susilo, 2006).
Metode inferensi logika fuzzy secara umum dapat digunakan untuk menentukan jumlah produksi suatu produk, terdapat tiga metode yang dapat digunakan yaitu; metode Tsukamoto, metode Mamdani dan metode Sugeno (Setiadji, 2009: 195). Pada prosesnya metode Tsukamoto dibagi menjadi empat tahap yaitu fuzzifikasi, pembentukan aturan, analisis aturan yang hanya terdapat proses fungsi implikasi, dan defuzzifikasi menggunakan metode rata – rata
terpusat (weight average). Untuk proses pada metode Mamdani dan Sugeno memiliki empat tahap yang sama yaitu fuzzifikasi, pembentukan aturan, analisis aturan dengan fungsi implikasinya menggunakan fungsi MIN dan juga terdapat proses komposisi aturan yang dapat menggunakan metode MAX, dan yang terakhir yaitu tahap defuzzifikasi. Untuk proses defuzzifikasi, pada metode Mamdani menggunakan metode centroid dan pada metode Tsukamoto dan Sugeno menggunakan metode rata – rata terpusat (weight average) (Setiadji, 2009: 206).
Perusahaan CV. Dewi Bulan berdiri mulai pada tahun 1991 hingga kini. Perusahaan ini bertempat di Jalan Seroya, Perumahan Hindia Indah Denpasar, Bali. Perusahaan CV. Dewi Bulan merupakan perusahaan yang bergerak dalam bidang produksi dupa lokal tradisional Bali. Oleh karena itu, CV. Dewi Bulan ini memproduksi berbagai macam produk dupa lokal, seperti dupa lokal jenis lidi, dupa lilin serta jenis dupa import.
Himpunan logika fuzzy diperkenalkan oleh Lotfi A. Zadeh pada tahun 1965 sebagai cara matematis untuk merepresentasikan
ketidakpastian linguistik (Kusumadewi dan Purnomo, 2010:1). Ada beberapa hal yang perlu diketahui dalam memahami metode fuzzy, yaitu: a. Variabel fuzzy
Variabel fuzzy merupakan suatu lambang atau kata yang menunjuk kepada suatu yang tidak tertentu dalam sistem fuzzy.
-
b. Himpunan fuzzy
Himpunan fuzzy merupakan suatu kumpulan yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy.
-
c. Semesta pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy.
-
d. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diijinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy.
Dalam sistem inferensi fuzzy terdapat beberapa metode, salah satunya metode Tsukamoto. Pada dasarnya, metode Tsukamoto mengaplikasikan penalaran pada setiap aturannya. Pada metode Tsukamoto, sistem terdiri atas beberapa aturan dimana setiap konsekuen pada aturan yang berbentuk IF … THEN … harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton (Kusumadewi dan Purnomo, 2010).
Metode Mamdani
Sistem inferensi fuzzy Metode Mamdani dikenal juga dengan nama metode Max-Min. Metode Mamdani bekerja berdasarkan aturan-aturan linguistik. Metode ini diperkenalkan oleh Ebrahim H. Mamdani pada tahun 1975 (Kusumadewi dan Purnomo, 2010).
Metode Sugeno, penalarannya hampir sama dengan penalaran Mamdani, hanya saja output sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang
pada tahun 1985 (Kusumadewi dan Purnomo, 2010).
Mean Absolute Percentage Error (MAPE) merupakan suatu ukuran akurasi penentuan nilai hasil dari metode hasil pengamatan yang digunakan. Caranya yaitu dengan menghitung selisih dari output produksi yang diperoleh dengan nilai data yang didapat, kemudian dibagi dengan banyaknya data. Hasilnya yang berbentuk perentase kemudian dimutlakkan. Perhitungan ini dilakukan pada setiap amatannya kemudian dirata-ratakan (Harun, 1999).
Jenis data yang digunakan dalam penelitian ini adalah data primer (langsung) yang diperoleh dari pemilik CV. Dewi Bulan. Data tersebut adalah data produk dupa mulai dari awal bulan mei 2011 sampai akhir bulan april 2016. Data produk dupa ini meliputi permintaan, persediaan dan jumlah produksi dupa.
Identifikasi masalah pada penelitan ini adalah untuk menentukan jumlah produksi dupa pada CV. Dewi Bulan. Hal ini dikarenakan, selama ini perusahaan CV. Dewi Bulan belum dapat menentukan banyaknya dupa yang diproduksi secara berkala saat permintaan yang diminta maksimum dan memenuhi kapasitas produksi yang telah ditentukan.
Pada penelitian ini, metode analisis data yang digunakan adalah metode logika sistem inferensi fuzzy Tsukamoto, Mamdani dan Sugeno. Berikut ini langkah-langkah analisis data yang akan dilakukan, yaitu :
-
1. Menentukan range dan fungsi keanggotaan dari masing-masing atribut linguistik. range dari atribut linguistik variabel permintaan, persediaan dan produksi dijelaskan berdasarkan data yang telah didapat pada perusahaan CV.Dewi Bulan.
-
2. Penentuan fungsi pada konsekuen untuk masing-masing aturan implikasi pada setiap metode yang digunakan.
-
3. Membentuk aturan implikasi fuzzy dengan mengkombinasikan setiap atribut linguistik pada setiap variabel input.
-
4. Melakukan defuzzifikasi dengan
menghitung rata-rata terbobot dari semua aturan implikasi fuzzy.
-
5. Melakukan simulasi Fuzzy Inference System Tsukamoto, Mamdani dan Sugeno untuk menentukan ketepatan jumlah produksi dupa.
-
6. Menghitung nilai MAPE untuk menentukan keakuratan dari Fuzzy Inference System yang digunakan.
0, ⎪X - 13724
X < 13724 dan x > 14808
13724 ≤ X ≤ 14266
M-PmtSEDANG [X]=
542 ,
⎪14808-X
14266 < X ≤ 14808
⎩ 542 ,
Himpunan fuzzy Permintaan TINGGI;
PpmtTINGGI [X]=
1,
J X - 14266
1184
0,
X > 15450
14266 ≤ X ≤ 15450
X < 14266
3 HASIL DAN PEMBAHASAN
Metode Tsukamoto
Pada metode fuzzy Tsukamoto, terdapat tiga langkah untuk menentukan jumlah produksi berdasarkan variabel input yaitu permintaan dan persediaan. Empat langkah fuzzy Tsukamoto tersebut antaranya; fuzzifikasi, pembentukan aturan fuzzy, analisis logika fuzzy dan defuzzyfikasi. Berikut range dari data permintaan, persediaan, dan produksi dupa;
Variabel Persediaan dibagi 3 variabel linguistik yaitu SEDIKIT, SEDANG dan BANYAK.
Himpunan fuzzy Persediaan SEDIKIT;
285-y M-PsdSEDIKIT [y]= < , 40≤y≤285
245
Himpunan fuzzy Persediaan SEDANG;
y<167dan y>404
167≤y≤285
285<y≤404
PermintaanRENDAH PermintaanSEDANG PermintaanTINGGI PersediaanSEDIKIT PersediaanSEDANG PersediaanBANYAK ProduksiKECIL ProduksiSEDANG ProduksiBESAR
= [13200, 14266]
= [13724, 14808]
= [14266, 15450]
= [40, 285]
= [167, 404]
= [285, 490]
= [13140, 14265]
= [13709, 14820]
= [14265, 15450]
Himpunan fuzzy Persediaan BANYAK;
PpsdBANYAK [y]=
0,
∖ -285
2015,
y<285 285≤X≤490 y>490
Variabel Produksi dibagi 3 variabel
linguistik yaitu KECIL, SEDANG dan BESAR.
Himpunan fuzzy Produksi KECIL; | |
0, _ I 14265 - Z PprodKECIL [Z]= 1125 , 1, |
Z > 14265 |
13140 ≤ Z ≤ 14265 | |
Z < 13140 |
Himpunan fuzzy Produksi SEDANG;
0,
⎪⎧ - 13709
556
⎪14820-Z
⎩ 555
Z < 13709 dan z > 14820
13709 ≤ z ≤ 14265
14265 < z ≤ 14820
Untuk langkah metode Tsukamoto, yaitu dijelaskan sebagai berikut;
1. Fuzzyfikasi
Variabel Permintaan dibagi 3 variabel linguistik yaitu RENDAH, SEDANG dan TINGGI. Himpunan fuzzy RENDAH terbagi
MProdSEDANG [Z]=
menjadi 3 daerah yaitu;
Himpunan fuzzy Produksi BESAR
Himpunan fuzzy Permintaan RENDAH;
P-PmtRENDAH [X]={
0, 14266 -
1066
,
X > 14266
13200 ≤ X ≤ 14266
X < 13200
0, z < 14265
- 14265 PprodBESAR [Z]=S , 14265≤z ≤ 15450
1185
1, Z > 15450
Himpunan fuzzy Permintaan SEDANG;
2. Pembentukan aturan fuzzy
Pada pembentukan aturan, terdapat tiga variabel dengan range dari atribut linguistiknya dibagi menjadi tiga bagian sehingga dibuat 33
aturan yaitu 27 aturan, yang merupakan semua kemungkinan aturan yang dapat terjadi.
-
3. Analisis logika fuzzy
Pada analisis logika fuzzy pada metode Tsukamoto, dilakukan proses fungsi implikasi dengan metode fungsi MIN. Sehingga didapatkan nilai α-predikat dan z pada masing – masing aturannya.
-
4. Defuzzifikasi
Selanjutnya akan dilakukan perhitungan nilai z (output) berdasarkan aturan – aturan yang digunakan sehingga didapat:
Wpredikat ∗ Zl + Wpredikat2 ∗ Z2++⋯+Wpredikat9 ∗ z27 =
Wpredikat + Wpredikat2++⋯+ ^jirediliat27
0,31 ∗ 42429,96 + 0,45 ∗ 42516,2 + 0,015 ∗ 84496,48
Z = ------------------------------------------ = 0,93+1,35+0,09
Z = 14157,394 = 14158
Metode Mamdani
Terdapat empat langkah yang harus dilakukan untuk menentukan jumlah produksi dengan metode Mamdani, yaitu:
Selanjutnya dihitung, fungsi keanggotaan untuk hasil komposisi diatas yaitu;
rθ,45; z < 13758,75dan 13959,2< z < 14570,25danz> 14798,25
14265 - z
; 13758,75 <z≤ 13893,75
z-13709
, , ——; 13893,75< z <13959,2
μ(z) = ' 556
14820-z
———; 14570,25 <z≤ 146424
z -14265
,,., ; 14642,4<z< 14798,25
Selanjutnya, menghitung momen untuk setiap daerah yang dijelaskan sebagai berikut;.
13758,75
M1= ∫ (0,45)z dz = 0,225z2 |13758,75 = 3744810,352
13140
13140
M2=
13893,75
∫(
13758,75
14265 -
1125
) z dz = 1215244․917
M3=
13959,2
∫(i
13893,75
- 13709
556
) z dz = 375260․561
M4=
M7=
14570,25
∫ (0,45)z dz = 0,225z2 | , = 3922407.095
13959,2
13959,2
M5=
14642,4
∫(
14570,25
14820 -
555
) z dz = 432668.781
M6=
14798,25
∫(i
14642,4
- 14265
1185
) z dz = 746035.319
15450
∫ (0,45)z dz = 0,225z2 | 15450 = 4435716.811
14798,25
14798,2Ξ
Kemudian hitung luas setiap daerah;
A1 = 0,45 ∗ (13758,75 - 13140) = 278,43
A2 = - , 33 + 0 , - ∗ (13893,75 - 13758,75) = 52,65
A3 = - , 33 + 0 , - ∗ (13959,2 - 13893,75) = 25,52
A4 = 0,45 ∗ (14570,25 - 13959,2) = 274,97
A5 = - , 32+0 , ∗ (14642,4 - 14570,25) = 27,78
A6 = 0, 32+0 , 45 ∗ (14798,25 - 14642,4) = 60,01
A7 = 0,45 ∗ (15450 - 14798,25) = 293,28
Sehingga untuk menghitung titik pusatnya,
, , , Ml+M2 +⋯
berlaku Z = , didapat nilai Z yaitu;
Al+A2+⋯ , p y
Z = 14686,506 = 14687
Metode Sugeno
-
1. Fuzzifikasi
Seperti yang telah dijelaskan sebelumnya terdapat 3 variabel pada penelitian ini, dua diantarnya sebagai input yaitu variabel permintaan dan persediaan dan satu variabel output yaitu produksi.
-
2. Pembentukan aturan fuzzy
Dari aturan-aturan yang terbentuk berdasarkan basis aturan pada inferensi fuzzy, maka aturan-aturan yang mungkin dan sesuai dengan basis pengetahuan sesuai dari perusahaan ada 9 aturan, yaitu:
-
[R1] IF Permintaan TURUN, dan Persediaan BANYAK, THEN (Z1) Produksi Dupa = Permintaan – Persediaan;
-
[R2] IF Permintaan TURUN, dan Persediaan SEDANG, THEN (Z2) Produksi Dupa = Permintaan – Persediaan;
-
[R3] IF Permintaan TURUN, dan Persediaan TURUN, THEN (Z3) Produksi Dupa = Permintaan;
-
[R4] IF Permintaan SEDANG, dan Persediaan BANYAK, THEN (Z4) Produksi Dupa = Permintaan;
-
[R5] IF Permintaan SEDANG, dan Persediaan SEDANG, THEN (Z5) Produksi Dupa = Permintaan;
-
[R6] IF Permintaan SEDANG, dan Persediaan SEDIKIT, THEN (Z6) Produksi Dupa = Permintaan – (1,2*Persediaan);
-
[R7] IF Permintaan BANYAK, dan Persediaan BANYAK, THEN (Z7) Produksi Dupa = Permintaan;
-
[R8] IF Permintaan BANYAK, dan Persediaan SEDANG, THEN (Z8) Produksi Dupa = Permintaan – 1,2*Persediaan;
-
[R9] IF Permintaan BANYAK, dan Persediaan SEDIKIT, THEN (Z9) Produksi Dupa = Permintaan – 1,2*Persediaan;
-
3. Analisis logika fuzzy
Aplikasi fungsi implikasi menggunakan fungsi MIN pada tiap aturannya, dan digunakan fungsi MAX untuk melakukan komposisi antar semua aturan.
-
4. Defuzzyfikasi
Karena a-predikat yang tidak nol hanya terdapat pada aturan R4, R5, R7 dan R8.
Sehingga yang memenuhi fungsi MAX adalah aturan R4, R5 dan R8, dengan menggunakan metode defuzzy weighted average, maka rata – rata jumlah produksinya adalah;
(Z4Z4 + «5 Z≡ + <⅞⅞ =
α4 + αs + «8
0,31∗14250+0,45∗14250+0,015∗13830
-
Z = 0,31 + 0,45 + 0,015
Z = 14241,87 = 14242
Hasil perbandingan fuzzy Tsukamoto, Mamdani dan Sugeno
Dari hasil uji data, dimana bila jumlah permintaan = 14250 dan persediaan = 350.
Didapat bahwa jumlah produksi pada periode Mei 2011 untuk metode Tsukamoto = 14158, untuk jumlah produksi pada metode Mamdani = 14687, dan untuk jumlah produksi pada metode Sugeno = 14242. Dengan diketahui produksi pada periode Mei 2011 sebesar 14340, maka didapat jumlah produksi dengan metode Sugeno pada Mei 2011 yaitu sebesar 14242 adalah metode yang paling medekati dari hasil jumlah produksi dupa pada periode Mei 2011, Berikut tabel hasil produksi dupa per batang beserta hasil produksi dupa per batang dengan metode Tsukamoto, Mamdani dan Sugeno;
Tabel A. Hasil Perbandingan Metode
Tsukamoto, Mamdani dan Sugeno
Periode |
Data Produksi |
Produksi Tsukamoto |
Produksi Mamdani |
Produksi Sugeno |
Mei 2011 |
14340 |
13981 |
14687 |
14242 |
Juni 2011 |
14200 |
13814 |
14505 |
13826 |
July 2011 |
14710 |
14131 |
14862 |
14332 |
Agustus 2011 |
14290 |
13945 |
14568 |
13840 |
September 2011 |
15450 |
14579 |
15278 |
15047 |
Oktober 2011 |
14450 |
14015 |
14751 |
14389 |
November 2011 |
14650 |
14083 |
14797 |
14223 |
Desember 2011 |
14510 |
14013 |
14738 |
14193 |
Januari 2012 |
13310 |
13325 |
13505 |
13335 |
Februari 2012 |
13880 |
13650 |
14172 |
13691 |
Maret 2012 |
13940 |
13714 |
14240 |
13756 |
April 2012 |
14120 |
13792 |
14416 |
13845 |
Mei 2012 |
13960 |
13664 |
14256 |
13698 |
Juni 2012 |
13310 |
13350 |
13352 |
13372 |
July 2012 |
14570 |
14125 |
14864 |
14220 |
Agustus 2012 |
14250 |
13898 |
14571 |
13958 |
September 2012 |
14280 |
13911 |
14515 |
13911 |
Oktober 2012 |
14200 |
13866 |
14442 |
13925 |
November 2012 |
14670 |
14272 |
14810 |
14312 |
Desember 2012 |
15250 |
14750 |
14477 |
14923 |
Januari 2013 |
13410 |
13441 |
13539 |
13460 |
Februari 2013 |
14320 |
13943 |
14511 |
14101 |
Maret 2013 |
14300 |
13956 |
14536 |
14087 |
April 2013 |
13140 |
13175 |
13365 |
13195 |
Mei 2013 |
13480 |
13427 |
13672 |
13527 |
Juni 2013 |
13740 |
13647 |
13921 |
13776 |
July 2013 |
13620 |
13540 |
13934 |
13660 |
Agustus 2013 |
13960 |
13762 |
14275 |
13812 |
September 2013 |
13540 |
13425 |
13592 |
13414 |
Oktober 2013 |
13870 |
13663 |
14195 |
13703 |
November 2013 |
14250 |
13928 |
14581 |
14028 |
Desember 2013 |
14320 |
14012 |
14576 |
14102 |
Januari 2014 |
14920 |
14160 |
15056 |
14690 |
Februari 2014 |
14200 |
14006 |
14484 |
14124 |
Maret 2014 |
15180 |
14482 |
15152 |
14891 |
April 2014 |
14800 |
14148 |
14983 |
14645 |
Mei 2014 |
14400 |
14047 |
14727 |
14234 |
Juni 2014 |
14770 |
14133 |
14919 |
14572 |
July 2014 |
14710 |
14125 |
14928 |
14585 |
Agustus 2014 |
14190 |
13882 |
14488 |
13922 |
September 2014 |
15350 |
14574 |
15315 |
15197 |
Oktober 2014 |
14460 |
14062 |
14834 |
14315 |
November 2014 |
14950 |
14257 |
15112 |
14833 |
Desember 2014 |
14810 |
14197 |
15080 |
14695 |
Januari 2015 |
13610 |
13320 |
13814 |
13541 |
Februari 2015 |
14080 |
13881 |
14346 |
13925 |
Maret 2015 |
14040 |
13865 |
14291 |
13906 |
April 2015 |
14240 |
14025 |
14526 |
14104 |
Mei 2015 |
14060 |
13873 |
14355 |
13913 |
Juni 2015 |
13610 |
13320 |
13861 |
13489 |
July 2015 |
14670 |
14085 |
14871 |
14525 |
Agustus 2015 |
14250 |
14028 |
14416 |
14162 |
September 2015 |
14280 |
13642 |
14403 |
14118 |
Oktober 2015 |
14200 |
14013 |
14387 |
14014 |
November 2015 |
14970 |
14247 |
15095 |
14767 |
Desember 2015 |
15250 |
14640 |
15273 |
15013 |
Januari 2016 |
13410 |
13206 |
13446 |
13326 |
Februari 2016 |
14320 |
14092 |
14579 |
14231 |
Maret 2016 |
14700 |
14146 |
14940 |
14496 |
April 2016 |
13140 |
13177 |
13256 |
13149 |
MAPE |
2,525% |
1,557% |
1,314% |
4. KESIMPULAN DAN SARAN
Berdasarkan pembahasan mengenai perbandingan metode Tsukamoto, metode Mamdani dan Metode Sugeno untuk menentukan jumlah produksi dupa berdasarkan data jumlah permintaan dan jumlah persediaan maka dapat disimpulkan bahwa nilai MAPE pada metode Tsukamoto sebesar 2,525%, metode Mamdani sebesar 1,557%, dan metode
Sugeno sebesar 1,314%, untuk metode Sugeno memiliki nilai error terkecil pada jumlah produksi dupa pada kasus di CV. Dewi Bulan, nilai error didapat dari perbandingan data hasil produksi setiap metode yang digunakan dengan data produksi yang didapat dari CV. Dewi Bulan secara langsung. Sehingga berdasarkan hasil yang didapat metode Sugeno yang paling baik untuk digunakan dibandingkan dengan metode Tsukamoto dan metode Mamdani pada studi kasus produksi dupa CV. Dewi Bulan.
Pada penelitian ini, terdapat 2 variabel input, yaitu permintaan dupa dan persediaan dupa, serta 1 variabel output, yaitu jumlah dupa yang akan diproduksi. Untuk penelitian – penelitian selanjutnya disarankan agar jumlah variabel input yang dapat digunakan lebih dari 2.
DAFTAR PUSTAKA
Susilo, Frans SJ. 2006. “Himpunan dan Logika Kabur serta Aplikasinya”. Yogyakarta: Graha Ilmu.
Harun, S. 1999. Forecasting and Simulation of Net Inflows for Reservoir Operation and Management. Malaysia : Thesis.
Universiti Teknologi Malaysia.
Kusumadewi, Sri. Purnomo Hari. 2010.Aplikasi Logika Fuzzy (Fuzzy Inference System). Yogyakarta: Graha Ilmu.
Setiadji. 2009. Himpunan dan Logika Samar serta Aplikasinya. Yogyakarta: Graha Ilmu.
186
Discussion and feedback