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.
Tidak ada komentar:
Posting Komentar