APLIKASI PENDUKUNG KEPUTUSAN DENGAN MENGGUNAKAN LOGIKA FUZZY (STUDI KASUS : PENENTUAN SPESIFIKASI KOMPUTER UNTUK SUATU PAKET KOMPUTER LENGKAP)
Pendahuluan
Sebuah toko komputer ingin membangun suatu database yang isinya tidak hanya komponen-komponen dasar komputer, tetapi juga informasi yang dapat membantu dalam memberikan pilihan data spesifikasi komputer untuk suatu paket komputer lengkap bagi para konsumen berdasarkan kriteria-kriteria yang dibutuhkan oleh konsumen.
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 satu metode yang lebih praktis, yaitu dengan membangun suatu aplikasi sistem pendukung keputusan pada penentuan spesifikasi komputer yang di dalamnya juga diterapkan metode logika fuzzy.
Analisis Sistem
Sistem yang akan dibangun merupakan sistem basisdata fuzzy (Fuzzy Database System), dengan menggunakan model Tahani, yaitu dengan menggunakan relasi standar dalam database dan penekanan fuzzy pada beberapa field dalam tabel-tabel dalam database tersebut.
Kebutuhan input pada sistem ini digolongkan menjadi dua bagian input, yaitu input fuzzy dan input non fuzzy. Input fuzzy, terdiri dari data spesifikasi komputer yang menyangkut kecepatan prosesor, kapasitas memory, kapasitas Harddisk, ukuran VGA, ukuran monitor, kapasitas power supply, dan harga. Sedangkan input non fuzzy terdiri dari data spesifikasi komputer yang menyangkut merek dan kecocokan antara spesifikasi yang satu dengan yang lain.
Pada sistem ini proses fuzzy meliputi pengambilan nilai input fuzzy ataupun non fuzzy dari dalam database, sesuai dengan keterangan yang disebutkan oleh pembeli, proses fuzzifikasi dari data input, dengan menggunakan rumus fungsi keanggotaan kurva bahu dan kurva segitiga, proses logika pengambilan keputusan melalui pembentukan query, dan menampilkan hasil rekomendasi sesuai dengan kriteria yang disebutkan oleh pengguna.
Output pada sistem ini berupa rekomendasi paket komputer lengkap yang sesuai dengan kriteria-kriteria yang diinginkan (di-input-kan) oleh para pengguna.Adapun variabel dalam fungsi fuzzy adalah sebagaimana pada Gambar 4 berikut ini.
Variabel kecepatan prosesor
Gambar 3 Himpunan Fuzzy Untuk Variabel kecepatan prosesor
Variabel Fuzzy kapasitas hard disk
Gambar 4 Himpunan Fuzzy Untuk Variabel kapasitas hard dik
Semua variabel akan ditransformasikan nilainya dalam suatu variabel fuzzy sebagaimana pada Gambar 3 dan Gambar 4. Setiap variabel dapat memiliki besaran yang berbeda, demikian pula dapat memiliki nilai μ [x] yang berbeda.
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 komputer yang diinginkan pemakai, dapat dipengaruhi dari data-data spesifikasi komputer yang tidak akurat atau kemajuan fitur-fitur dan fasilitas-fasilitas yang baru.
IMPLEMENTASI METODE FUZZY LOGIC UNTUK PENGATURAN KELEMBABAN TANAH PADA TANAMAN CABAI
Pendahuluan
Suhu dan Kelemb aban suatu tanaman merup akan parameter 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 pengend alian. Hal ini disebabkan karena keputusan peng endalian yang dikeluarkan logika manusia mempunyai keluaran pengendalian yang sempurna dalam pengaturan segala sesuatunya, baik itu yang konvensional maupun yang non-konvensional. Fuzzy Logic merupakan salah satu metode sistem kendali yang dapat memberikan keputusan yang menyerupai keputusan manusia. Pada proses peran cangan plant ini, digunakan sistem pengembangan kendali fuzzy logic dengan menggunakan sistem mikrokontroler AT Mega 16. Hal ini dimaksudkan untuk suatu per ancangan pada plant pengendalian volume air pada tanah. Proses pengendalian dengan fuzzy ini dilakukan oleh sistem mikrokontroler dengan tambahan interface LCD sebagai output tampilan waktu penyemprotan, satu sensor suhu dan sensor kelembaban tanah sebagai input masukan fuzzy logic control.
Sensor
Sensor kelembapan tanah
Sensor kelembapan adalah alat yang digunakan untuk mendeteksi/mengukur kelembaban tanah dan mengubahnya menjadi tegangan dan arus listrik.
Gambar 2.2 dua batang electrode tembaga sebagai sensor
Gambar blok sistem di bawah terb agi menjadi 3 bagian yaitu Input, Prosesor , dan Output. Pada bagian input terdiri dari Sensor, Filter dan Amplifier. Sensor dipasang pada tanah untuk mendeteksi tingkat kelembab an dan suhu dari tanah dan akan mengeluarkan sinyal yang kemudian akan dibuang noisenya dan akan menguatkan sinyal asli dengan menggunakan Filter dan Amlifier. Untuk bagian yang kedua yaitu bagian proses yang akan menggunakan microkontroler. Pada proses ini akan digunakan metode fuzzy logic untuk melakukan proses pada input dan mengatur output. Aktuator akan menjalankan aksi berdasarkan perintah dari microkontroler sesuai dengan kondisi kelembaban tanah.
Analisis Sistem
Gambar Prototype area kebun
Pada gambar di atas terdapat dua gambar yang dilihat dari atas area dan dilihat dari samping area. Untuk gambar yang dilihat dari atas , akan digunakan media tanah dengan ukuran 32 cm x 28 cm x 11 cm. untuk area itu akan ditanami tiga batang cabai denga jarak masing-masing cabai 20 cm. untuk penempatan dari mikrocontroler, alarm, dan pompa air akan diletakan di luar area kebun. Untuk gambar yang kedua merup akan area kebun jika dilihat dari samping. Dari arah samping ini dapat dilihat untuk ketebalan tanah yaitu 11 cm, jarak penyemprot dengan permukaan tanah adalah 1 m, dan untuk sensor suhu di tanam di bawah tanah dengan k edalaman 5 cm dari atas permukaan tanah.
Keseluruh an proses logika fuzzy sebag ai berikut:
Gambar Membership Function Input Error
Besaran analog dari sensor kel embaban yang kemudian masuk ADC dimasukkan sebagai crisp input, lalu input tersebut dimasukkan kedalam batas scope domain.
Table Membership Function Input Error kelembaban
Label
Range / domain
Besar_neg ati f (NB)
-75 s/d -25
Kecil_neg atif (NS)
-50 s/d 0
Nol (AZ)
-25 s/d 25
Kecil_positif (PS)
0 s/d 50
Besar_positif (PB)
25 s/d 75
Untuk membership function output motor pompa, input dari ADC dimasukkan kedalam 5 buah kondisi yaitu :
Table Membership Function Output motor pompa
Label
Range / domain
Sangat_lama (PB)
17 s/d 21
Lama (PS)
11 s/d 18
Sedang (Z)
7 s/d 14
Cepat (NS)
3 s/d 10
Sangat_cep at (NB)
0 s/d 7
Gambar Membership Function output pompa
Setelah selesai membuat input dan output membership function, langkah selanjutnya yaitu membuat rules. Proses pembuatan rules dilakukan dengan menerapkan kemampuan nalar manusia dalam mngambil keputusan sesuai dengan kondisi tersebut.
Berikut ini adalah table rules untuk masing-masing output, rule ini dibuat berdasaratas reasoning manusia, sehingga rules yang dibuat antara orang satu dengan orang yang lain dapat berbeda, sesuai dengan penalarannya asing-masing. Rule yang dihasilkan sebanyak 25 buah, kombinasi ini didapatkan dari perkalian antara input (1) dan input (2), karena input (1) memiliki 5 buah daerah / domain sedangkan input (2) juga memiliki 5 buah domain maka rule base yang dihasilkan adalah sebanyak 25 buah. Berikut pembacaan rule yang dihasilkan :
Table Rules base
E
dE
NB
NS
Z
PS
PB
PB
NB
NB
NB
Z
PS
PS
NB
NB
NB
Z
PB
Z
NB
NB
NS
PS
PB
NS
NB
NB
NS
PS
PB
NB
NB
NS
NS
PB
PB
Keter angan :
Suhu (T ) :
NB : besar negati f
NS : kecil negatif
Z : nol
PS : kecil positif
PB : besar positif
Kelembab an (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 kelembaban tanah otomatis dengan mengatur jumlah volume air, antara lain :
1. Sensor yang baik untuk proyek akhir ini adalah 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.
ANALISIS PEMBERIAN KREDIT MOBIL DENGAN PENDEKATAN METODE FUZZY-MAMDANI (STUDI KASUS : PT ASTRA CREDIT COMPANIES CABANG DAIHATSU CIBUBUR)
Pendahuluan
Perkembangan dan kemajuan zaman saat ini berdampak pada tingginya kebutuhan manusia untuk melakukan mobilitas dalam aktifitasnya sehari-hari. Kendaraan sebagai alat transportasi menjadi kebutuhan yang sulit diabaikan keberadaanya, karena sangat berperan penting untuk memenuhi seluruh aktifitas dan mobilitas manusia sehari-hari. Kebutuhan terhadap kendaraan ini khususnya kendaraan roda empat terkadang tidak dapat terpenuhi karena faktor finasial dan tingginya harga yang harus dibayar untuk memilikinya.mengingat harganya yang mahal maka akan kesulitan bagi sebagian orang untuk memilikinya
Karena tidak semua masyarakat mampu membeli kendaraan khususnya roda empat secara tunai, maka mereka membelinya secara kredit. PT Astra Credit Companies sebagai salah satu perusahaan pembiayaan tersebut hadir untuk menawarkan solusi bagaimana bisa memiliki kendaraan tanpa harus membeli secara tunai, PT Astra Credit Companies adalah suatu perusahaan yang tergabung dalam astra group yang memberikan kemudahan bagi calon pelanggan untuk bisa memiliki kendaran khususnya mobil dengan cara pembelian kredit.
Namun untuk menyetujui suatu pengajuan kredit ada beberapa factor yang harus diperhatikan oleh seorang credit analys sebagai dasar untuk jaminan bahwa seorang debitur akan melunasi hutangya dengan baik. Seorang credit analys harus memperhatikan aspek 5C yaitu collateral, capacity, capital, character, condition . Dengan memperhatikan factor factor tersebut
Tinjauan Pustaka
Metode mamdani sering juga dikenal dengan nama metode min–max. Metodini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk mendapaoutput diperlukan 4 tahapan, diantaranya :
1. Pembentukan himpunan fuzzy
Pada metode mamdani baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.
2. Aplikasi fungsi implikasi
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah min.
3. Komposisi aturan
Metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu Metode max (maximum). Secara umum dapat dituliskan :
µsf[Xi] = max (µsf [Xi], µkf [Xi]) Dengan :
µsf[Xi] = nilai keanggotaan solusi fuzzy sampai aturan ke i
µkf [Xi]) = nilai keanggotaan konsekuan fuzzy aturan ke i
4. Penegasan (defuzzy)
Defuzzyfikasi pada komposisi aturan mamdani dengan menggunakan metode centroid. Dimana pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat daerah fuzzy. Secara umum dirumuskan (Bo Yuan, 1999) :
Analisis Sistem
Berdasarkan data yang didapat dari perusahaan dan Hasil dari data yang telah diolah dengan menggunakan pendekatan Fuzzy Theory, terdapat beberapa perbedaan dalam hasil keputusan kredit, perbedaan ini terjadi karena metode fuzzy yang lebih flexible dan mentolelir segala varibel input yang ada.
Kesimpulan
Kesimpulan yang akan penulis sajikan ini adalah merupakan rangkuman dari keseluruhan isi, sedangkan untuk penyajian saran-saran diarahkan pada masalah yang dianggap dapat memberikan masukan untuk perkembangan perusahaan.
Adapun kesimpulannya adalah sebagai berikut :
1. Pendekatan Metode Fuzzy mamdani dapat menganalisa secara tepat diterima atau ditoklanya suatu pengajuan kredit mobil. Dan dari hasil penelitian ini apabila perusahaan menerima kredit yang riskan akan terlunasi seperti Krisna Pramono, Erwin Ruhiyat, dan Ferry E perusahaan akan mengalami kerugian sebesar Rp.420.000.000 dengan asumsi harga 1 unit mobil sebesar Rp.140.000.000, dan apabila perusahaan menolak pembelian mobil secara kredit yang dengan metode fuzzy layak untuk dierima seperti Nurikmah dan uki Irwansyah, perusahaan akan kehilangan Pendapatan sebesar Rp.280.000.000 dengan asumsi harga 1 unit mobil sebesar Rp.140.000.000
PENERAPAN LOGIKA FUZZY PADA PENILAIAN MUTU TEH HITAM ORTHODOX
Masalah yang dihadapi
Bagaimana menentukan mutu teh hitam tanpa menggunakan tester dan ketidakpastian batas antara satu kriteria dengan kriteria lainnya?
Tujuan Penelitian
Membuat model penilaian mutu teh dengan menggunakan program komputer berbasis logika fuzzy.
Manfaat Penelitian
Diharapkan dapat bermanfaat dalam menentukan mutu teh hitam yang baik.
Pengguna Aplikasi dan Sistem pakarnya adalah Konsumen Teh Hitam dan Dra. ThongTjie
Menentukan himpunan fuzzy
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.
Variabel Kriteria
Membuat aturan fuzzy
Aturan kriteria appeareance :
Penentuan Batas Atas (BA) dan Batas Bawah (BB) pada variabel mutu ini didasarkan pada penilaian mutu teh hitam orthodox, yaitu pada standar keberterimaan teh PTPN VIII yang telah di-tuning.
Jumlah aturan appeareance, yaitu sebanyak 5 x 5 x 5 x 5 = 625 aturan. Contoh bentuk aturan, yaitu :
IF Warna 5 AND Kerataan 5 AND Kebersihan 5 AND Ukuran & Bentuk 5 THEN Mutu 5
IF Warna 5 AND Kerataan 5 AND Kebersihan 5 AND Ukuran & Bentuk 4 THEN Mutu 5
IF Warna 5 AND Kerataan 5 AND Kebersihan 5 AND Ukuran & Bentuk 3 THEN Mutu 5
IF Warna 5 AND Kerataan 5 AND Kebersihan 5 AND Ukuran & Bentuk 2 THEN Mutu 4
Kesimpulan
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.
Aplikasi Fuzzi Adaptif Pada Pengaturan Induksi Iii Fasa Berbeban Dengan Menggunakan PC
Masalah
Penerapan pengendali FAIMC pada sistem pengendalian kecepatan motor induksi untuk mendapatkan performansi yang baik.
Tujuan
Menganalisa dinamika proses pada motor induksi
Merancang sistem pengendalian kecepatan pada motor induksi dengan metode FAIMC
Manfaat
Menigkatkan performansi yang baik untuk motor induksi
Pengguna
Seseorang yang menggunakan motor induksi sebagai kebutuhan.
Teori
Dalam pembuatan perancangan pengendali digunakan algoritam sebagai berikut:
a. Fuzzy dynamic model
b. Fuzzy berbasis model
c. Fuzzy adaftive internal model control
Kesimpulan
1. Kontroller FAIMC memberikan hasil performansi yang optimal pada kecepatan maksimal yaitu 1800 rpm
2. Kontroller mampu diuji beban max 0.5 Nm
3. Dari perbandingan hasil perancangan dengan berbagai metode kontroller FAIMC bisa memberikan hasil performansi yang lebih baik.
untuk dokumen resume dapat dilihat di sini