Tugas Resum Sistem Pakar

Nama: Dedy Tri Saputro

NIM: 08410100423 

Resume Kelompok 1 - Cyntia -

ANALISIS PEMBERIAN KREDIT MOBIL DENGAN PENDEKATAN METODE FUZZY-MAMDANI (STUDI KASUS : PT ASTRA CREDIT COMPANIES CABANG DAIHATSU CIBUBUR)

Logika Fuzzy

Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada diluar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang menjadi konsep dasar munculnya konsep logika fuzzy.

Ada beberapa fungsi bisa digunakan diantaranya :

1.representasi linear

2.representasi segitiga

3.representasi trapesium

4.representasi kurva bentuk bahu

5.representasi kurva S

6.representasi bentuk lonceng

Pengumpulan Data

Dalam penulisan ini menggunakan data Primer dan sekunder. Data Primer berupa data 20 orang calon debitur PT ACC yang diambil secara acak dalam periode September 2010 sampai juli 2011yang diberikan untuk keperluan penelitian ini. Sedangakan data sekunder didapat melalui Studi pustaka Untuk mencari perbedaan antara metode yang dipalai perusahaan dengan metode fuzzy dibutuhkan data pengajuan dan keputusan Kredit perusahaan terhadap calon debiturnya. Dapat dilihat pada tabel 1

Pengolahan Data

Untuk membuat suatu fuzzy inference system yang didasari pada tabel1 diatas, langkah pertama adalah kita harus mengklasifikasikan atau membuat himpunan pada setiap masing-masing varibel yang digunakan. ini juga yang membedakan antara metode sebelumnya yaitu hanya membuat klasifikasi kelas pada beberapa varibel saja, sedangkan pada metode fuzzy kita harus membuat himpunan pada setiap variable Berdasarkan hal tersebut kita harus menentukan nilai masing-masing varibel yang berbentuk linguistik seperti pekerjaan, tempat tinggal, reputasi, kondisi ekonomi, perputaran kas, dan approval kedalam bentuk numeric atau angka dalam tabel 2 berikut kita akan liat penentuan nilai variabel- variabel tersebut

Langkah selanjutnya pada Tabel 3 dan 4, kita akan membuat penentuan varibel dan semesta pembicaraan pada tabel 3 dan pembentukan himpunan fuzzy pada tabel 4 .

Contoh Aplikasinya

Kelompok 2 –

Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)

Pada proses perancangan aplikasi ini, diterapkan metode logika fuzzy dalam studi kasus pemilihan spesifikasi komputer berdasarkan kebutuhan konsumen. Hal tersebut berdasarkan banyak kasus selama ini, dimana konsumen banyak bertanya tentang spesifikasi komputer yang menjadi dasar pertimbangan mereka dalam pemilihan paket komputer lengkap. Biasanya pemilihan spesifikasi komputer pada suatu toko komputer dilakukan dengan berkonsultasi dengan para pegawai toko. Namun hal itu akan memakan waktu yang lama dan tidak praktis. Terdapat suatu metode yang lebih praktis, yaitu dengan membangun suatu aplikasi sistem pendukung keputusan pada penentuan spesifikasi komputer yang di dalamnya juga diterapkan metode logika fuzzy.

Dalam logika fuzzy dikenal berhingga keadaan dari nilai “0” sampai ke nilai “1”. Logika fuzzy tidak hanya mengenal dua keadaan tetapi juga mengenal sejumlah keadaan yang berkisar dari keadaan salah sampai keadaan benar [4]. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, antara lain variabel fuzzy,

Logika Fuzzy memiliki beberapa karakteristik yaitu himpunan Fuzzy dan fungsi keanggotaan. Pada logika boolean, sebuah individu dipastikan sebagai anggota dari salah satu himpunan saja, sedangkan pada himpunan fuzzy sebuah individu dapat masuk pada dua himpunan yang berbeda. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya

Himpunan fuzzy A pada semesta X dinyatakan sebagai himpunan pasangan berurutan (set of ordered pairs) baik diskrit maupun kontinu.

Dimana fungsi keanggotaan himpunan fuzzy A. Fungsi keanggotaan memetakan setiap pada suatu nilai antara [0,1] yang disebut derajat keanggotaan (membership grade atau membership value).

Representasi Kurva Segitiga pada dasarnya merupakan gabungan antara dua garis.

Sedangkan representasi kurva bahu merupakan daerah yang terletak di tengahtengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan sisi kirinya akan naik dan turun. Himpunan fuzzy bahu digunakan untuk mengakhiri variabel suatu daerah fuzzy.

Output pada sistem ini berupa rekomendasi paket komputer lengkap yang sesuai dengan kriteria-kriteria yang diinginkan (di-input-kan) oleh para pengguna.

Implementasi dan Evaluasi

Kesimpulan

Beberapa kesimpulan dapat diambil dari perancangan sistem pendukung keputusan dengan menggunakan logika fuzzy model Tahani ini. Untuk mengetahui tingkat keberhasilan pengambilan keputusan dengan menggunakan logika fuzzy, maka harus dibutuhkan batasan himpunan pada tiap-tiap himpunan fuzzy yang berfungsi sebagai parameter. Batasan himpunan yang dimaksud ialah seperti batasan murah, normal ataupun mahal pada variabel harga, serta batasan min, middle dan max pada variabel kapasitas/ukuran/kecepatan masing-masing spesifikasi komputer. Tingkat keberhasilan pengambilan keputusan dengan menggunakan logika fuzzy juga dipengaruhi oleh jumlah kriteria yang dipilih oleh pemakai yang berfungsi sebagai variabel fuzzy. Dari pengujian terhadap 10 orang sampel pemakai, didapatkan tingkat akurasi sistem sebesar 68 %. Sedangkan hasil dari pencarian yang tidak sesuai dengan parameter harga atau besaran dari spesifikasi computer

Kelompok 3 – Purba –

IMPLEMENTASIMETODEFUZZY LOGIC UNTUK PENGATURAN KELEMBABAN TANAH PADA TANAMAN CABAI

Suhu dan Kelembaban suatu tanaman merupakan paramet er utama yang mempengaruhi jumlah air yang dibutuhkannya. Perancangan sistem kendali yang mempunyai input non-linier dan dengan persamaan fungsi alih yang sulit membutuhkan suatu sistem kendali yang mampu membuat keputusan pengendalian. Hal ini disebabkan karena keputusan pengendalian yang dikeluarkan logika manusia mempunyai keluaran pengendalian yang sempurna dal am pengaturan segala sesuatunya, baik itu yang konvensional maupun yang non-konvensional.

Sensor kelembapan tanah Sensor kelembapan adalah alat yang digunakan untuk mendeteksi/mengukur kelembaban tanah dan mengubahnya menjadi tegangan dan arus listrik.

Keseluruhan proses logika fuzzy sebagai berikut

Besaran analog dari sensor kel embaban yang kemudian masuk ADC dimasukkan sebagai crisp input, lalu input tersebut dimasukkan kedalam batas scope domain.

Input dari sensor kelembaban dimasukkan sebagai crisp input, lalu input tersebut dimasukkan kedalam batas scope/domain. Dibawah ini domain untuk delta error, ada 5 buah domain besar_negati f, kecil_negati f, nol, kecil_positif, dan besar_positif dengan pembagian nilai sebagai berikut :

Untuk membership function output motor pompa, input dari ADC dimasukkan kedalam 5 buah kondisi yaitu :

Keterangan :

Suhu (T): NB : besar negati f

NS : kecil negatif

Z : nol

PS : kecil positif

PB : besar positif

Kelembaban (H) :

NB : sangat basah

NS : basah

Z : normal

PS : kering

PB : sangat kering

Pompa ON :

NB : sangat cepat

NS : cepat

Z : sedang

PS : lama

PB : sangat lama

Kesimpulan

Setelah melakukan perencanaan dan pembuatan sistem kemudian dilakukan pengujian dan analisanya, ada beberapa kesimpulan yang dapat diambil dari sistem pengatur kel embaban t anah otomatis dengan mengatur jumlah volume air, antara lain :

1. Sensor yang baik untuk proyek akhir ini adal ah tembaga dengan nilai konduktivias 5,7 x 107 σ,S/m, dengan luas elektrode 12cm x 4cm x 2mm jarak antara elektrode 25cm, sinyal input berupa dc 5 volt, dengan panjang elektrode sampai diat as permukaan tanah.

2. Kelembaban tanah mepunyai pengaruh terhadap nilai resistansi tanah dan mempunyai perbandingan terbalik.

Kelompok 4 –Dedy-

Penilaian mutu produk teh sering kali terdapat kerancuan. Misalnya saja ketika memberikan nilai pada setiap kriteria warna. Apabila kriteria warna memiliki empat klasifikasi, yaitu sangat hitam, hitam, coklat, abu – abu, merah dengan kisaran penilaian 10,1-12; 7,1-10; 5,1-7; 2,1-5; 0-2. Ketika dilakukan penilaian pada produk teh, dihasilkan nilai untuk warna yaitu 10, maka produk teh ini dapat di klasifikasikan ke dalam warna sangat hitam dan hitam. Tetapi dengan nilai tepat 10 ini maka tester akan memasukkan ke dalam kelas warna hitam, tetapi sebetulnya pengklasifikasian ini sangat merugikan bagi produsen teh, karena produk ini sebetulnya dapat masuk ke dalam klasifikasi sangat hitam. Pengklasifikasian seperti ini dapat disebut sebagai klasifikasi crisp, dimana kisaran nilainya mutlak. Setiap klasifikasi di dalam setiap kriteria memiliki batas yang kurang jelas antara batas yang satu dengan yang lainnya. Maka untuk memperbaiki metode pengklasifikasian pada mutu teh, perlu dikembangkan metode baru yang lebih objektif dan dapat menangani permasalahan yang telah disebutkan sebelumnya.

Maksud dan Tujuan Penelitian

Maksud dari penelitian yang dilakukan, yaitu :

1. Menerapkan logika fuzzy pada penilaian mutu teh hitam orthodox dengan cara mendokumentasikan kemampuan penilaian mutu teh hitam orthodox dari para tester teh ke dalam metode logika fuzzy.

2. Mengatasi kerancuan dalam penilaian mutu teh hitam akibat adanya ketidakpastian batas antara setiap kriteria klasifikasi nilai mutu.

Penelitian ini bertujuan untuk :

1. Membuat model penilaian mutu teh dengan menggunakan program computer berbasis logika fuzzy

2. Menghasilkan penilaian mutu teh hitam yang lebih objektif.

Metode fuzzy adalah salah satu perkembangan dari teori himpunan fuzzy dan logika fuzzy, dengan berbasiskan aturan yang menerapkan pemetaan non linear Antara masukan dan keluarannya (Dadone, 2001). Alur sistem logika fuzzy dapat dilihat pada Gambar 1. Sistem logika fuzzy digolongkan menjadi empat modul, yaitu :

• Fuzzifier;

• Defuzzifier;

• Inference Engine;

• Rule Base.

Menentukan himpunan fuzzy

Himpunan fuzzy ditentukan berdasarkan standar pengelompokan mutu yang telah ada. Standar yang digunakan, yaitu standar keberterimaan teh PTPN VIII. Himpuann fuzzy yang dibentuk dapat dilihat pada Tabel 1. dan alur input dan outputnya dapat dilihat pada Gambar 2.

Dimana himpunan [A,B,C,D,E] memiliki nilai definisi untuk kemudahan proses hitung

pada aturan fuzzy sebagai berikut :

Kelas mutu A = 5; kelas mutu B = 4; kelas mutu C = 3; kelas mutu D = 2 dan kelas mutu

E = 1

HASIL DAN PEMBAHASAN

Hasil perhitungan dengan menggunakan perangkat lunak Mathlab dapat diketahui adanya perbedaan antara hasil penilaian tester teh hasil perhitungan dengan menggunakan metode fuzzy. Dari 128 sampel terdapat 16 penilaian yang berbeda (hasil akhir yang berbeda sebanyak 12,50 %). Rata – rata perbedaan nilai dari penilaian tester dan perhitungan dengan menggunakan metode fuzzy adalah 23,22. Berdasarkan data pada Tabel 2 dapat dilihat perbedaan yang terjadi Antara tester 1 dan tester 2 dengan hasil perhitungan dan dengan menggunakan metode fuzzy. Namun walaupun terdapat perbedaan nilai, setelah diuji dengan menggunakan statistik uji dapat diketahui bahwa perbedaan tersebut tidak berbeda nyata. Perbedaan yang terjadi antara hasil penilaian tester dan perhitungan logika hanya berkisar antara satu tingkat huruf mutu. Dapat terlihat pada tabel di atas terdapat kecenderungan terjadinya perbedaan hasil penilain tester dan perhitungan dengan menggunakan metode fuzzy terjadi hanya pada nilai yang berdekatan dengan Batas Atas (BA) dan Batas Bawah (BB) dari pengkategorian huruf mutu. Dari hasil uji Non-Parametrik Mann-Whitney dan Parametrik LSD pada Tabel 3, 4, 5 dan 6 dapat disimpulkan bahwa antara hasil penilaian tester dan hasil penilaian dengan menggunakan logika fuzzy tidak berbeda nyata hasilnya pada sistem logika fuzzy appearance, liquor dan infused. Sedangkan sistem logika fuzzy mutu akhir masih harus dioptimasi karena hasil uji statistik menunjukkan perbedaan yang nyata Antara hasil penilaian tester dan hasil penilaian dengan menggunakan logika fuzzy. Hal ini membuktikan bahwa metode fuzzy dapat mentolelir nilai – nilai yang tanggung pada penilaian mutu teh hitam. metode fuzzy ini terbukti dapat mendokumentasikan pengalaman – pengalaman dari para ahli dan metode fuzzy ini pun memiliki kelemahan, yaitu apabila hasil penilaian mutu antara satu tester dan tester lainnya memiliki perbedaan yang terlampau jauh, maka hasil penilaian metode fuzzy tidak akan sempurna.

Keterangan :

• BB dan BA merupakan Batas Bawah dan Batas Atas dari himpunan huruf mutu yang diperoleh dari tester.

• T1 = Tester 1 dan T2 = Tester 2

Kesimpulan

1. Metode logika fuzzy ini dapat lebih mengobjektifkan hasil penilaian mutu teh hitam orthodox.

2. Metode logika fuzzy ini dapat mengkoreksi hasil penilaian mutu teh hitam orthodox yang dilakukan oleh para tester.

3. Berdasarkan uji parametrik LSD dan non-parametrik Mann-Whitney, antara hasil penilaian tester dan hasil penilaian dengan menggunakan logika fuzzy tidak berbeda nyata hasilnya.

Nama: Dedy Tri Saputro

NIM: 08410100423 

Resume Kelompok 1 - Cyntia -

ANALISIS PEMBERIAN KREDIT MOBIL DENGAN PENDEKATAN METODE FUZZY-MAMDANI (STUDI KASUS : PT ASTRA CREDIT COMPANIES CABANG DAIHATSU CIBUBUR)

Logika Fuzzy

Dalam kondisi yang nyata, beberapa aspek dalam dunia nyata selalu atau biasanya berada diluar model matematis dan bersifat inexact. Konsep ketidakpastian inilah yang menjadi konsep dasar munculnya konsep logika fuzzy.

Ada beberapa fungsi bisa digunakan diantaranya :

1.representasi linear

2.representasi segitiga

3.representasi trapesium

4.representasi kurva bentuk bahu

5.representasi kurva S

6.representasi bentuk lonceng

Pengumpulan Data

Dalam penulisan ini menggunakan data Primer dan sekunder. Data Primer berupa data 20 orang calon debitur PT ACC yang diambil secara acak dalam periode September 2010 sampai juli 2011yang diberikan untuk keperluan penelitian ini. Sedangakan data sekunder didapat melalui Studi pustaka Untuk mencari perbedaan antara metode yang dipalai perusahaan dengan metode fuzzy dibutuhkan data pengajuan dan keputusan Kredit perusahaan terhadap calon debiturnya. Dapat dilihat pada tabel 1

Pengolahan Data

Untuk membuat suatu fuzzy inference system yang didasari pada tabel1 diatas, langkah pertama adalah kita harus mengklasifikasikan atau membuat himpunan pada setiap masing-masing varibel yang digunakan. ini juga yang membedakan antara metode sebelumnya yaitu hanya membuat klasifikasi kelas pada beberapa varibel saja, sedangkan pada metode fuzzy kita harus membuat himpunan pada setiap variable Berdasarkan hal tersebut kita harus menentukan nilai masing-masing varibel yang berbentuk linguistik seperti pekerjaan, tempat tinggal, reputasi, kondisi ekonomi, perputaran kas, dan approval kedalam bentuk numeric atau angka dalam tabel 2 berikut kita akan liat penentuan nilai variabel- variabel tersebut

Langkah selanjutnya pada Tabel 3 dan 4, kita akan membuat penentuan varibel dan semesta pembicaraan pada tabel 3 dan pembentukan himpunan fuzzy pada tabel 4 .

Contoh Aplikasinya

Kelompok 2 –

Aplikasi Pendukung Keputusan Dengan Menggunakan Logika Fuzzy (Studi Kasus : Penentuan Spesifikasi Komputer Untuk Suatu Paket Komputer Lengkap)

Pada proses perancangan aplikasi ini, diterapkan metode logika fuzzy dalam studi kasus pemilihan spesifikasi komputer berdasarkan kebutuhan konsumen. Hal tersebut berdasarkan banyak kasus selama ini, dimana konsumen banyak bertanya tentang spesifikasi komputer yang menjadi dasar pertimbangan mereka dalam pemilihan paket komputer lengkap. Biasanya pemilihan spesifikasi komputer pada suatu toko komputer dilakukan dengan berkonsultasi dengan para pegawai toko. Namun hal itu akan memakan waktu yang lama dan tidak praktis. Terdapat suatu metode yang lebih praktis, yaitu dengan membangun suatu aplikasi sistem pendukung keputusan pada penentuan spesifikasi komputer yang di dalamnya juga diterapkan metode logika fuzzy.

Dalam logika fuzzy dikenal berhingga keadaan dari nilai “0” sampai ke nilai “1”. Logika fuzzy tidak hanya mengenal dua keadaan tetapi juga mengenal sejumlah keadaan yang berkisar dari keadaan salah sampai keadaan benar [4]. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, antara lain variabel fuzzy,

Logika Fuzzy memiliki beberapa karakteristik yaitu himpunan Fuzzy dan fungsi keanggotaan. Pada logika boolean, sebuah individu dipastikan sebagai anggota dari salah satu himpunan saja, sedangkan pada himpunan fuzzy sebuah individu dapat masuk pada dua himpunan yang berbeda. Seberapa besar eksistensinya dalam himpunan tersebut dapat dilihat pada nilai keanggotaannya

Himpunan fuzzy A pada semesta X dinyatakan sebagai himpunan pasangan berurutan (set of ordered pairs) baik diskrit maupun kontinu.

Dimana fungsi keanggotaan himpunan fuzzy A. Fungsi keanggotaan memetakan setiap pada suatu nilai antara [0,1] yang disebut derajat keanggotaan (membership grade atau membership value).

Representasi Kurva Segitiga pada dasarnya merupakan gabungan antara dua garis.

Sedangkan representasi kurva bahu merupakan daerah yang terletak di tengahtengah suatu variabel yang direpresentasikan dalam bentuk segitiga, pada sisi kanan dan sisi kirinya akan naik dan turun. Himpunan fuzzy bahu digunakan untuk mengakhiri variabel suatu daerah fuzzy.

Output pada sistem ini berupa rekomendasi paket komputer lengkap yang sesuai dengan kriteria-kriteria yang diinginkan (di-input-kan) oleh para pengguna.

Implementasi dan Evaluasi

Kesimpulan

Beberapa kesimpulan dapat diambil dari perancangan sistem pendukung keputusan dengan menggunakan logika fuzzy model Tahani ini. Untuk mengetahui tingkat keberhasilan pengambilan keputusan dengan menggunakan logika fuzzy, maka harus dibutuhkan batasan himpunan pada tiap-tiap himpunan fuzzy yang berfungsi sebagai parameter. Batasan himpunan yang dimaksud ialah seperti batasan murah, normal ataupun mahal pada variabel harga, serta batasan min, middle dan max pada variabel kapasitas/ukuran/kecepatan masing-masing spesifikasi komputer. Tingkat keberhasilan pengambilan keputusan dengan menggunakan logika fuzzy juga dipengaruhi oleh jumlah kriteria yang dipilih oleh pemakai yang berfungsi sebagai variabel fuzzy. Dari pengujian terhadap 10 orang sampel pemakai, didapatkan tingkat akurasi sistem sebesar 68 %. Sedangkan hasil dari pencarian yang tidak sesuai dengan parameter harga atau besaran dari spesifikasi computer

Kelompok 3 – Purba –

IMPLEMENTASIMETODEFUZZY LOGIC UNTUK PENGATURAN KELEMBABAN TANAH PADA TANAMAN CABAI

Suhu dan Kelembaban suatu tanaman merupakan paramet er utama yang mempengaruhi jumlah air yang dibutuhkannya. Perancangan sistem kendali yang mempunyai input non-linier dan dengan persamaan fungsi alih yang sulit membutuhkan suatu sistem kendali yang mampu membuat keputusan pengendalian. Hal ini disebabkan karena keputusan pengendalian yang dikeluarkan logika manusia mempunyai keluaran pengendalian yang sempurna dal am pengaturan segala sesuatunya, baik itu yang konvensional maupun yang non-konvensional.

Sensor kelembapan tanah Sensor kelembapan adalah alat yang digunakan untuk mendeteksi/mengukur kelembaban tanah dan mengubahnya menjadi tegangan dan arus listrik.

Keseluruhan proses logika fuzzy sebagai berikut

Besaran analog dari sensor kel embaban yang kemudian masuk ADC dimasukkan sebagai crisp input, lalu input tersebut dimasukkan kedalam batas scope domain.

Input dari sensor kelembaban dimasukkan sebagai crisp input, lalu input tersebut dimasukkan kedalam batas scope/domain. Dibawah ini domain untuk delta error, ada 5 buah domain besar_negati f, kecil_negati f, nol, kecil_positif, dan besar_positif dengan pembagian nilai sebagai berikut :

Untuk membership function output motor pompa, input dari ADC dimasukkan kedalam 5 buah kondisi yaitu :

Keterangan :

Suhu (T): NB : besar negati f

NS : kecil negatif

Z : nol

PS : kecil positif

PB : besar positif

Kelembaban (H) :

NB : sangat basah

NS : basah

Z : normal

PS : kering

PB : sangat kering

Pompa ON :

NB : sangat cepat

NS : cepat

Z : sedang

PS : lama

PB : sangat lama

Kesimpulan

Setelah melakukan perencanaan dan pembuatan sistem kemudian dilakukan pengujian dan analisanya, ada beberapa kesimpulan yang dapat diambil dari sistem pengatur kel embaban t anah otomatis dengan mengatur jumlah volume air, antara lain :

1. Sensor yang baik untuk proyek akhir ini adal ah tembaga dengan nilai konduktivias 5,7 x 107 σ,S/m, dengan luas elektrode 12cm x 4cm x 2mm jarak antara elektrode 25cm, sinyal input berupa dc 5 volt, dengan panjang elektrode sampai diat as permukaan tanah.

2. Kelembaban tanah mepunyai pengaruh terhadap nilai resistansi tanah dan mempunyai perbandingan terbalik.

Kelompok 4 –Dedy-

Penilaian mutu produk teh sering kali terdapat kerancuan. Misalnya saja ketika memberikan nilai pada setiap kriteria warna. Apabila kriteria warna memiliki empat klasifikasi, yaitu sangat hitam, hitam, coklat, abu – abu, merah dengan kisaran penilaian 10,1-12; 7,1-10; 5,1-7; 2,1-5; 0-2. Ketika dilakukan penilaian pada produk teh, dihasilkan nilai untuk warna yaitu 10, maka produk teh ini dapat di klasifikasikan ke dalam warna sangat hitam dan hitam. Tetapi dengan nilai tepat 10 ini maka tester akan memasukkan ke dalam kelas warna hitam, tetapi sebetulnya pengklasifikasian ini sangat merugikan bagi produsen teh, karena produk ini sebetulnya dapat masuk ke dalam klasifikasi sangat hitam. Pengklasifikasian seperti ini dapat disebut sebagai klasifikasi crisp, dimana kisaran nilainya mutlak. Setiap klasifikasi di dalam setiap kriteria memiliki batas yang kurang jelas antara batas yang satu dengan yang lainnya. Maka untuk memperbaiki metode pengklasifikasian pada mutu teh, perlu dikembangkan metode baru yang lebih objektif dan dapat menangani permasalahan yang telah disebutkan sebelumnya.

Maksud dan Tujuan Penelitian

Maksud dari penelitian yang dilakukan, yaitu :

1. Menerapkan logika fuzzy pada penilaian mutu teh hitam orthodox dengan cara mendokumentasikan kemampuan penilaian mutu teh hitam orthodox dari para tester teh ke dalam metode logika fuzzy.

2. Mengatasi kerancuan dalam penilaian mutu teh hitam akibat adanya ketidakpastian batas antara setiap kriteria klasifikasi nilai mutu.

Penelitian ini bertujuan untuk :

1. Membuat model penilaian mutu teh dengan menggunakan program computer berbasis logika fuzzy

2. Menghasilkan penilaian mutu teh hitam yang lebih objektif.

Metode fuzzy adalah salah satu perkembangan dari teori himpunan fuzzy dan logika fuzzy, dengan berbasiskan aturan yang menerapkan pemetaan non linear Antara masukan dan keluarannya (Dadone, 2001). Alur sistem logika fuzzy dapat dilihat pada Gambar 1. Sistem logika fuzzy digolongkan menjadi empat modul, yaitu :

• Fuzzifier;

• Defuzzifier;

• Inference Engine;

• Rule Base.

Menentukan himpunan fuzzy

Himpunan fuzzy ditentukan berdasarkan standar pengelompokan mutu yang telah ada. Standar yang digunakan, yaitu standar keberterimaan teh PTPN VIII. Himpuann fuzzy yang dibentuk dapat dilihat pada Tabel 1. dan alur input dan outputnya dapat dilihat pada Gambar 2.

Dimana himpunan [A,B,C,D,E] memiliki nilai definisi untuk kemudahan proses hitung

pada aturan fuzzy sebagai berikut :

Kelas mutu A = 5; kelas mutu B = 4; kelas mutu C = 3; kelas mutu D = 2 dan kelas mutu

E = 1

HASIL DAN PEMBAHASAN

Hasil perhitungan dengan menggunakan perangkat lunak Mathlab dapat diketahui adanya perbedaan antara hasil penilaian tester teh hasil perhitungan dengan menggunakan metode fuzzy. Dari 128 sampel terdapat 16 penilaian yang berbeda (hasil akhir yang berbeda sebanyak 12,50 %). Rata – rata perbedaan nilai dari penilaian tester dan perhitungan dengan menggunakan metode fuzzy adalah 23,22. Berdasarkan data pada Tabel 2 dapat dilihat perbedaan yang terjadi Antara tester 1 dan tester 2 dengan hasil perhitungan dan dengan menggunakan metode fuzzy. Namun walaupun terdapat perbedaan nilai, setelah diuji dengan menggunakan statistik uji dapat diketahui bahwa perbedaan tersebut tidak berbeda nyata. Perbedaan yang terjadi antara hasil penilaian tester dan perhitungan logika hanya berkisar antara satu tingkat huruf mutu. Dapat terlihat pada tabel di atas terdapat kecenderungan terjadinya perbedaan hasil penilain tester dan perhitungan dengan menggunakan metode fuzzy terjadi hanya pada nilai yang berdekatan dengan Batas Atas (BA) dan Batas Bawah (BB) dari pengkategorian huruf mutu. Dari hasil uji Non-Parametrik Mann-Whitney dan Parametrik LSD pada Tabel 3, 4, 5 dan 6 dapat disimpulkan bahwa antara hasil penilaian tester dan hasil penilaian dengan menggunakan logika fuzzy tidak berbeda nyata hasilnya pada sistem logika fuzzy appearance, liquor dan infused. Sedangkan sistem logika fuzzy mutu akhir masih harus dioptimasi karena hasil uji statistik menunjukkan perbedaan yang nyata Antara hasil penilaian tester dan hasil penilaian dengan menggunakan logika fuzzy. Hal ini membuktikan bahwa metode fuzzy dapat mentolelir nilai – nilai yang tanggung pada penilaian mutu teh hitam. metode fuzzy ini terbukti dapat mendokumentasikan pengalaman – pengalaman dari para ahli dan metode fuzzy ini pun memiliki kelemahan, yaitu apabila hasil penilaian mutu antara satu tester dan tester lainnya memiliki perbedaan yang terlampau jauh, maka hasil penilaian metode fuzzy tidak akan sempurna.

Keterangan :

• BB dan BA merupakan Batas Bawah dan Batas Atas dari himpunan huruf mutu yang diperoleh dari tester.

• T1 = Tester 1 dan T2 = Tester 2

Kesimpulan

1. Metode logika fuzzy ini dapat lebih mengobjektifkan hasil penilaian mutu teh hitam orthodox.

2. Metode logika fuzzy ini dapat mengkoreksi hasil penilaian mutu teh hitam orthodox yang dilakukan oleh para tester.

3. Berdasarkan uji parametrik LSD dan non-parametrik Mann-Whitney, antara hasil penilaian tester dan hasil penilaian dengan menggunakan logika fuzzy tidak berbeda nyata hasilnya.