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.
Tidak ada komentar:
Posting Komentar