karya ilmiyah

PENDAHULUAN

A. Latar Belakang Masalah

Pada tahun 1965, Prof. Lofti A. Zadeh dari California University USA

memberikan sumbangan yang berharga dalam pengembangan teori himpunan fuzzy

(samar). Saat ini konsep fuzzy juga telah diterapkan dalam berbagai bidang

kehidupan, sebagai contoh dalam bidang ekonomi yaitu pada penetapan suku bunga

pada bank. Konsep fuzzy pada penetapan suku bunga bank adalah sistem penetapan

suku bunga bank berdasarkan faktor-faktor penentu penetapan suku bunga. Dengan

mengunakan Konsep fuzzy dapat dibuat sistem pengendali pada kegiatan ekonomi

yang lebih baik dari pada sistem yang terdahulu yaitu dengan penetapan suku bunga

bank maupun penetapan suku bunga berjangka (Frans Susilo, 2006: 5).

Teori himpunan fuzzy diperkenalkan dengan berbagai macam cara ke dalam

berbagai macam disiplin ilmu. Sehingga aplikasi teori ini dapat ditemukan dalam

kecerdasan buatan, ilmu komputer, teknik kendali, teori pengambilan keputusan, ilmu

manajemen, robotika, dan lain-lain.

Konsep fuzzy menurut Zadeh, adalah himpunan yang tidak tegas yang

dikaitkan dengan suatu fungsi yang menyatakan derajat kesesuaian unsur-unsur

dalam semestanya dengan konsep yang merupakan syarat keanggotaan himpunan

tersebut. Dengan demikian setiap unsur dalam semesta pembicaraan mempunyai

derajat keanggotaan tertentu dalam himpunan tersebut. Derajat keanggotaan

dinyatakan dalam suatu bilangan real dalam selang tertutup [0,1].

Selanjutnya berdasarkan pada konsep himpunan fuzzy itu, Zadeh juga

mengembangkan konsep algoritma fuzzy yang merupakan landasan dari logika fuzzy

dan penalaran hampiran (approximate reasoning), yaitu penalaran yang melibatkan

pertanyaan-pertanyaan dengan predikat yang kabur.

Logika adalah ilmu yang mempelajari secara sistematis kaidah-kaidah

penalaran yang absah (valid). Dewasa ini terdapat 2 konsep logika, yaitu logika tegas

dan logika fuzzy. Logika tegas hanya mengenal dua keadaan yaitu: ya atau tidak, on

atau off, high atau low , 1 atau 0. Logika semacam ini disebut dengan logika

himpunan tegas. Sedangkan logika fuzzy adalah logika yang menggunakan konsep

sifat kesamaran. Sehingga logika fuzzy adalah logika dengan tak hingga banyak nilai

kebenaran yang dinyatakan dalam bilangan real dalam selang [0,1] (Frans Susilo,

2006: 135).

Saat ini, penggunaan terbesar logika fuzzy terdapat pada sistem pakar fuzzy

(fuzzy expert system). Penerapan logika fuzzy pada sistem pakar fuzzy mencakup

beberapa bidang, antara lain:

1. Aplikasi teknik. Logika fuzzy banyak digunakan oleh perusahaan, sebagai

contoh: pintu otomatis yang bisa membuka sendiri, penaksiran kualitas

aspal jalan raya, tombol tunggal untuk mesin cuci, dan sebaginya (Setiadji,

2009: 3).

2. Pengenalan pola. Logika fuzzy untuk pengenalan pola antara lain, yang

banyak dikembangkan oleh perusahaan elektronik saat ini, yaitu untuk

pengenalan simbol tulisan tangan pada komputer saku. Contoh yang lain

adalah klasifikasi sinar-x, pemutar film otomatis, dan sebagainya (Setiadji,

2009: 4).

3. Aplikasi media. Dalam bidang media sebagai contoh: diagnosa terhadap

gangguan apnoca tidur, diagnosa radang sendi, kontrol pembiusan, dan

sebagainya (Setiadji, 2009: 4).

4. Aplikasi finansial. Logika fuzzy juga digunakan dalam bidang ekonomi

finansial, sebagai contoh: penaksiran perubahan stok barang, penggunaan

keuangan pada sebuah perusahaan, dan sebagainya (Setiadji, 2009: 4).

misalkan pada kasus finansial, suatu perusahaan pasti akan melakukan segala

macam cara untuk mencapai keuntungan atau laba yang maksimal atau besar, banyak

hal yang mempengaruhi pengoptimalan keuntungan, diantaranya: biaya produksi,

biaya transportasi, maupun teknik dalam penjualan. Untuk itu suatu perusahaan pasti

akan melakukan riset maupun analisa terhadap produk-produk yang akan ditawarkan

ke pasaran atau konsumen.

Pada perusahaan, optimasi produksi barang akan memberikan pengaruh besar,

karena disamping untuk pengoptimalan bahan baku yang digunakan, hal ini juga akan

berpengaruh besar pada sektor biaya atau finansial. Optimasi produksi barang pada

perusahaan berpengaruh pada sektor finansial karena dapat memperkirakan

pembelanjaan bahan baku, selain itu juga dalam hal biaya produksi maupun biaya

transportasi dan penyimpanan.

Dari masalah optimasi produksi barang tersebut, banyak metode maupun

teknik yang digunakan. Metode yang paling sering digunakan adalah logika

himpunan tegas. Akan tetapi logika himpunan tegas tidak dapat dioperasikan atau

digunakan oleh khalayak umum (hanya orang analisis), karena selain agak rumit

dalam penghitungan, kendala-kendala dalam produksi juga akan memperumit

penyelesaian masalah optimasi produksi barang. Selain logika himpunan tegas, logika

fuzzy juga dapat digunakan dalam masalah optimasi produsi barang. Metode yang

dapat digunakan dalam pengaplikasian logika fuzzy pada produksi barang di

perusahaan antara lain adalah metode Mamdani, metode Tsukamoto, dan metode

Sugeno.

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. Untuk mendapatkan

output, diperlukan 4 langkah :

1. Pembentukan himpunan fuzzy

2. Aplikasi fungsi implikasi

3. Komposisi aturan

4. Penegasan

Penalaran metode Sugeno ini 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. Perbedaan antara Metode Mamdani dan Metode Sugeno ada pada outputnya.

Metode Sugeno menggunakan konstanta atau fungsi matematika dari variabel input :

Jika a adalah 􀜣 􁈚

i dan b adalah 􀜤 􀷨

i, maka c adalah 􀜥 􁈚

i = f(a,b)

dengan a, b dan c adalah variabel linguistik ; 􀜣 􁈚

i dan 􀜤 􀷨

i himpunan fuzzy ke-i untuk a

dan b, dan f(a,b) adalah fungsi matematik.

Kasus produksi suatu barang pada sebuah perusahaan sangat bergantung

kepada variabel-variabelnya misalkan: persediaan bahan baku, biaya produksi, harga

bahan baku, dan lain-lain. Pada prakteknya, nilai variabel – variabel ini tidak dapat