Pemodelan Fuzzy Sugeno dan Tsukamoto
MODEL SUGENO
Dalam penentuan tingkat kepribadian
berdasarkan pendidikan, sistem pendukung
keputusan kabur digunakan untuk mengubah
input yang berupa Pendidikan Nonformal
(nonformal) dan Pendidikan Informal (informal)
sehingga mendapatkan output berupa tingkat
kepribadian. Dalam penentuan tingkat
kepribadian digunakan metode Sugeno Orde-Nol,
pada tahap pengujian input, pembentukan
kombinasi aturan kabur harus disesuaikan dengan
data output dengan menyertakan semua variabel
dimana pada metode ini anteseden
dipresentasikan dengan aturan dalam himpunan
kabur, sedangkan konsekuen dipresentasikan
dengan sebuah konstanta.
Selanjutnya dilakukan dengan mencari
derajat keanggotaan nilai tiap variabel dari salah
satu data. Kemudian mencari Ξ± − predikat untuk
setiap aturan kombinasi aturan kabur. Dengan
menggunakan rata-rata terbobot (weighted
average), hasil Ξ± − predikat yang tidak nol
digunakan untuk mencari nilai rata-rata yang juga
merupakan penegasan (defuzzifikasi). Berikut
adalah beberapa tahap, yaitu:
1. Pengaburan (fuzzifikasi)
pengaburan yaitu proses dimana data
inputan nilai yang bersifat tegas (crips input)
kedalam input kabur. Pada penelitian ini
digunakan beberapa variabel yang digunakan
dalam penentuan Tingkat Kepribadian dengan
parameter Pendidikan Nonformal (nonformal)
dan Pendidikan Informal (informal).
Pada Metode Sugeno, baik variabel input
maupun variabel output dibagi menjadi satu atau
lebih himpunan kabur. Dalam penentuan tingkat
kepribadian dengan parameter Pendidikan
Nonformal (nonformal) dan Pendidikan Informal
(informal), variabel input dibagi menjadi dua yaitu
variabel Pendidikan Nonformal dan Pendidikan
Informal. Serta satu variabel output, yaitu variabel
tingkat kepribadian. Variabel ini dibentuk
berdasarkan klasifikasi Pendidikan Nonformal
(nonformal) dan Pendidikan Informal (informal).
Tabel 1. Himpunan Kabur
Himpunan kabur beserta fungsi
keanggotaan dari variabel Pendidikan Nonformal
dan Pendidikan Informal direpresentasikan
sebagai berikut:
a. Himpunan Kabur Variabel Pendidikan
Nonformal (nonformal)
Pada variabel nonformal didefinisikan tiga
himpunan kabur yaitu rendah, sedang, dan tinggi.
Untuk merepresentasikan variabel nonformal
digunakan bentuk kurva bahu kiri untuk
himpunan kabur rendah, bentuk kurva segitiga
untuk himpunan kabur sedang dan bentuk kurva
bahu kanan untuk himpunan kabur tinggi. Gambar
himpunan kabur untuk variabel nonformal
ditunjukkan pada Gambar 1.
Gambar 1. Variable Nonformal
Dimana sumbu vertikal merupakan nilai input dari
variabel nonformal, sedangkan sumbu horizontal
merupakan tingkat keanggotaan dari nilai input.
b. Himpunan Kabur Variabel Pendidikan Informal
(informal)
Pada variabel informal didefinisikan tiga
himpunan kabur yaitu rendah, sedang, dan tinggi.
Untuk merepresentasikan variabel informal
digunakan bentuk kurva bahu kiri untuk
himpunan kabur rendah, bentuk kurva segitiga
untuk himpunan kabur sedang, dan bentuk kurva
bahu kanan untuk himpunan kabur tinggi. Gambar
himpunan kabur untuk variabel informal
ditunjukkan pada Gambar 2.
Gambar 2. Variabel Informal
Dimana sumbu horizontal merupakan nilai input
dari variabel informal, sedangkan sumbu vertikal
merupakan tingkat keanggotaan dari nilai input.
Fungsi keanggotaan diperoleh dengan cara
yang sama sebagaimana dalam variabel informal,
sehingga menjadi sebagai berikut:
2. Aplikasi Fungsi Implikasi
Berdasarkan kategori dalam penentuan himpunan
kabur di atas diperoleh 9 aturan implikasi sebagai
berikut:
Tabel 2. Aturan Implikasi
Aturan Implikasi
Dalam penentuan tingkat kepribadian ini
menggunakan metode Sugeno Orde-Nol, yaitu:
IF(x1 is A1 ) ∩ (x2 is A2 ) ∩ … ∩ (xN is AN)THEN z = k Keterangan
xn = Variabel input
AN = Kategori
3. Komposisi Aturan
Komposisi aturan menggunakan fungsi Max, yaitu
solusi himpunan kabur diperoleh dengan cara
mengambil nilai maksimum aturan. Jika semua
proposisi telah dievaluasi, maka output akan
berisi suatu himpunan kabur yang merefleksikan
konstribusi dari tiap-tiap proposisi. Secara umum
dapat dituliskan:
Usf[xi
] = max(Usf[xi
],Ukf[xi
])
4. Penegasan (defuzzifikasi)
Penegasan yaitu mengkonversi himpunan kabur
keluaran ke bentuk bilangan tegas (crips). Dalam
metode Sugeno menggunakan metode
perhitungan rata-rata terbobot (weight average)
Masing-masing siswa dengan nilai
pendidikan nonformal sebesar 12 dan nilai
pendidikan informal sebesar 19 ingin mengetahui
tingkat kepribadiannya
Langkah
1. Menentukan Himpunan Kabur
Untuk variabel nonformal didefinisikan
pada tiga himpuanan kabur yaitu: RENDAH,
SEDANG, dan TINGGI. Setiap himpuanan kabur
memiliki interval keanggotaan, yakni seperti
terlihat pada g ambar berikut adalah gambar
tingkat keanggotaan pada variabel nonformal
sebesar 12:
Gambar 3. Variabel Nonformal
Pendidikan nonformal sebesar 12 termasuk
ke dalam himpunan kabur RENDAH dan SEDANG
dengan tingkat keanggotaan sesuai fungsi,
sehingga diperoleh sebagai berikut:
Sehingga diperoleh
Untuk informal didefinisikan pada tiga
himpuanan kabur yaitu: RENDAH, SEDANG, dan
TINGGI. Setiap himpuanan kabur memiliki
interval keanggotaan, yakni seperti terlihat pada
Gambar Berikut adalah gambar tingkat
keanggotaan pada variabel informal sebesar 19:
Gambar 4. Variabel Informal
Pendidikan informal sebesar 19 termasuk ke
dalam himpunan kabur SEDANG dan TINGGI
dengan tingkat keanggotaan sesuai fungsi
keanggotaan, sehingga diperoleh sebagai berikut:
Sehingga diperoleh
Langkah 2. Aplikasi Fungsi Implikasi
Fungsi implikasi yang digunakan dalam
proses ini adalah fungsi MIN (minimum), yaitu
dengan mengambil tingkat keanggotaan yang
minimum dari variabel input sebagai outputnya.
Dari dua data kabur input tersebut variabel
nonformal: RENDAH (0,375) dan SEDANG (0,625)
dan variabel informal: SEDANG (0,375) dan
TINGGI (0,625). Berdasarkan 9 πΌ − ππππππππ‘ yang
disebutkan pada tabel fungsi implikasi, maka
diperoleh hanya 2 πΌ − ππππππππ‘ yang tidak nol,
yaitu:
[R2] JIKA nonformal adalah RENDAH dan
informal adalah SEDANG, MAKA tingkat
kepribadiannya adalah SEDANG.
πΌ2 = ππππππππππ_π
πΈππ·π΄π» ∩ πππππππππ_ππΈπ·π΄ππΊ
= πππ(ππππππππππ _π πΈππ·π΄π» ∩ πππππππππ_ππΈπ·π΄ππΊ)
= πππ(0,375, 0,375) = 0,375 [R3]
= πππ(ππππππππππ _π πΈππ·π΄π» ∩ πππππππππ_ππΈπ·π΄ππΊ)
= πππ(0,375, 0,375) = 0,375 [R3]
JIKA nonformal adalah RENDAH dan
informal adalah TINGGI, MAKA tingkat
kepribadiannya adalah RENDAH.
πΌ3 = ππππππππππ_π
πΈππ·π΄π» ∩ πππππππππ_ππΌππΊπΊπΌ
= πππ(ππππππππππ _π πΈππ·π΄π» ∩ πππππππππ_ππΌππΊπΊπΌ)
= πππ(0,375, 0,625) = 0,375 [R5]
= πππ(ππππππππππ _π πΈππ·π΄π» ∩ πππππππππ_ππΌππΊπΊπΌ)
= πππ(0,375, 0,625) = 0,375 [R5]
JIKA nonformal adalah SEDANG dan
informal adalah SEDANG, MAKA tingkat
kepribadiannya adalah TINGGI.
πΌ5 = ππππππππππ_ππΈπ·π΄ππΊ ∩ πππππππππ_ππΈπ·π΄ππΊ
= πππ(ππππππππππ _ππΈπ·π΄ππΊ ∩ πππππππππ_ππΈπ·π΄ππΊ)
= πππ(0,625, 0,375) = 0,625 [R6]
= πππ(ππππππππππ _ππΈπ·π΄ππΊ ∩ πππππππππ_ππΈπ·π΄ππΊ)
= πππ(0,625, 0,375) = 0,625 [R6]
JIKA nonformal adalah SEDANG dan
informal adalah TINGGI, MAKA tingkat
kepribadiannya adalah SEDANG.
πΌ6 = ππππππππππ_ππΈπ·π΄ππΊ ∩ πππππππππ_ππΌππΊπΊπΌ
= πππ(ππππππππππ _ππΈπ·π΄ππΊ ∩ πππππππππ_ππΌππΊπΊπΌ)
= πππ(0,625, 0,625) = 0,625
= πππ(ππππππππππ _ππΈπ·π΄ππΊ ∩ πππππππππ_ππΌππΊπΊπΌ)
= πππ(0,625, 0,625) = 0,625
Langkah 3. Komposisi Aturan
Komposisi aturan menggunakan fungsi Max,
komposisi aturan merupakan kesimpulan secara keseluruhan dengan mengambil tingkat
keanggotaan maksimum dari tiap konsekuen
aplikasi fungsi implikasi dan menggabungkan dari
semua kesimpulan masing-masing aturan,
sehingga diperoleh daerah solusi kabur sebagai
berikut:
ππ π[π₯π ] = πππ₯(ππ π[π₯π ],πππ[π₯π ])
Keterangan:
ππ π[π₯π ] = nilai keanggotan solusi kabur sampai aturan ke-i
πππ[π₯π ] = nilai keanggotan solusi kabur sampai aturan ke-i
Sehingga diperoleh tingkat kepribadian:
1. RENDAH = πππ₯(0,375) = 0,375
2. SEDANG = πππ₯(0,375, 0,625) = 0,625
3. TINGGI = πππ₯(0,625) = 0,625 Langkah
ππ π[π₯π ] = nilai keanggotan solusi kabur sampai aturan ke-i
πππ[π₯π ] = nilai keanggotan solusi kabur sampai aturan ke-i
Sehingga diperoleh tingkat kepribadian:
1. RENDAH = πππ₯(0,375) = 0,375
2. SEDANG = πππ₯(0,375, 0,625) = 0,625
3. TINGGI = πππ₯(0,625) = 0,625 Langkah
4. Penegasan (defuzzifikasi)
Pada metode Sugeno penegasan menggunakan
perhitungan rata-rata terbobot (Weight-Average) :
Jadi dengan menggunakan Metode Sugeno,
masing-masing Siswa dengan pendidikan
nonformal sebesar 12 dan pendidikan
informal sebesar 19 mempunyai nilai
kepribadian 20,7 dengan variabel linguistiknya
adalah SEDANG.
MODEL TSUKAMOTO
Teori:
Metode Tsukamoto merupakan perluasan dari penalaran monoton. Pada metode Tsukamoto, Setiap konsekuen pada aturan yang berbentuk IF-THEN harus dipresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan Ξ±-predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot.
Kasus:
Suatu perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data 1 bulan terakhir, permintaan terbesar mencapai 5000 kemasan/hari, dan permintaan terkecil mencapai 1000 kemasan/hari. Persediaan barang digudang terbanyak mencapai 600 kemasan/hari, dan terkecil pernah mencapai 100 kemasan/hari. Dengan segala keterbatasannya perusahaan sampai saat ini baru mampu memproduksi brang maksimum 7000 kemasan/hari, untuk efisiensi mesin dan SDm tiap hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan. Berapa kemasan makanan jenis ABC yang harus diprosuksi, jika jumlah permintaan sebanyak 4000 kemasan, dan persediaan di gudang masih 300 kemasan, apabilla proses produksi perusahaan tersebut menggunakan 4 aturan fuzzy sebagai berikut:
[R1] IF permintaan TURUN And Persediaan BANYAK, THEN Produksi Barang BERKURANG;
[R2] IF permintaan TURUN And Persediaan SEDIKIT, THEN Produksi Barang BERKURANG;
[R3] IF permintaan NAIK And Persediaan BANYAK, THEN Produksi Barang BERTAMBAH;
[R4] IF permintaan TURUN And Persediaan SEDIKIT, THEN Produksi Barang BERTAMBAH;
[R2] IF permintaan TURUN And Persediaan SEDIKIT, THEN Produksi Barang BERKURANG;
[R3] IF permintaan NAIK And Persediaan BANYAK, THEN Produksi Barang BERTAMBAH;
[R4] IF permintaan TURUN And Persediaan SEDIKIT, THEN Produksi Barang BERTAMBAH;
Solusi:
Ada 3 variable fuzzy yang akan dimodelkan, yaitu:
- Permintaan terdiri atas 2 himpunan fuzzy, yaitu NAIK dan TURUN
Pemintaan (kemasan/hari)
Β΅PmtTURUN [x] = {(1, x ≤ 1000), ((5000-x)/4000, 1000 ≤ x ≤ 5000), (0, x ≥ 5000)}
Β΅PmtNAIK [x] = {(0, x ≤ 1000), ((x -1000)/4000, 1000 ≤ x ≤ 5000), (1, x ≥ 5000)}
Nilai Keanggotaan :
Β΅PmtTURUN (4000) = (5000-4000)/4000 = 0.25
Β΅PmtTURUN (4000) = (4000-1000)/4000 = 0.75
Β΅PmtTURUN (4000) = (5000-4000)/4000 = 0.25
Β΅PmtTURUN (4000) = (4000-1000)/4000 = 0.75
- Persediaan, terdiri atas 2 himpunan fuzzy, yaitu SEDIKIT dan BANYAK
Persediaan (kemasan/hari)
Nilai keanggotaan:
Β΅PmtSEDIKIT[y] = {(1, y ≤ 1000), ((600 – y)/500, 100 ≤ y ≤ 600), (0, y ≥ 600)}
Β΅PmtBANYAK [y] = {(0, y ≤ 1000), ((y-1000)/500, 100≤ y ≤ 600), (1, y ≥ 600)}
Nilai Keanggotaan :
Β΅PmtSEDIKIT(300) = (600-300)/500 = 0.26
Β΅PmtBANYAK (300) = (300-100)/500 = 0.4
Β΅PmtSEDIKIT(300) = (600-300)/500 = 0.26
Β΅PmtBANYAK (300) = (300-100)/500 = 0.4
- Produksi barang, terdiri atas 2 himpunan fuzzy, yaitu: BERKURANG dan BERTAMBAH
Produksi barang (kemasan/hari)
Nilai keanggotaan:
Β΅PmtBERKURANG[z] = {(1, z ≤ 2000), ((7000 – z)/5000, 2000 ≤ z≤ 7000), (0, z ≥ 7000)}
Β΅PmtBERTAMBAH[z] = {(0, z ≤ 2000), ((z-2000)/5000, 2000≤ z ≤ 7000), (1, z ≥ 7000)}
Sekarang kita cari nilai z untuk setiap aturan dengan menggunakan fungsi MIN pada aplikasi fungsi implikasinya:
[R1] IF permintaan TURUN And Persediaan BANYAK THEN Produksi Barang BERKURANG;
Ξ±-predikat1 = Β΅PmtTURUN | Β΅PmtBAYAK
Ξ±-predikat1 = min ( Β΅PmtTURUN , Β΅PmtBANYAK )
Ξ±-predikat1 = min (0.25; 0,4)
Ξ±-predikat1 = 0.25
Ξ±-predikat1 = 0.25
lihat himpunan Produksi Barang Berkurang
(7000-z)/5000=0.25 -> z1= 5750
(7000-z)/5000=0.25 -> z1= 5750
[R2] IF permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang BERKURANG;
Ξ±-predikat2 = Β΅PmtTURUN | Β΅PmtSEDIKIT
Ξ±-predikat2 = min ( Β΅PmtTURUN , Β΅PmtSEDIKIT)
Ξ±-predikat2 = min (0.25; 0,6)
Ξ±-predikat2 = 0.25
Ξ±-predikat2 = 0.25
lihat himpunan Produksi Barang Berkurang
(7000-z)/5000=0.25 -> z2= 5750
(7000-z)/5000=0.25 -> z2= 5750
[R3] IF permintaan NAIK And Persediaan BANYAK THEN Produksi Barang BERTAMBAH;
Ξ±-predikat3 = Β΅PmtNAIK | Β΅PmtBANYAK
Ξ±-predikat3 = min ( Β΅PmtNAIK , Β΅PmtBANYAK)
Ξ±-predikat3 = min (0.75; 0,4)
Ξ±-predikat3 = 0.4
Ξ±-predikat3 = 0.4
lihat himpunan Produksi Barang Bertambah
(z-2000)/5000=0.4 -> z3= 4000
(z-2000)/5000=0.4 -> z3= 4000
[R4] IF permintaan TURUN And Persediaan SEDIKIT THEN Produksi Barang BERTAMBAH;
Ξ±-predikat4 = Β΅PmtTURUN | Β΅PmtSEDIKIT
Ξ±-predikat4 = min ( Β΅PmtTURUN , Β΅PmtSEDIKIT )
Ξ±-predikat4 = min (0.75; 0,6)
Ξ±-predikat4 = 0.6
Ξ±-predikat4 = 0.6
lihat himpunan Produksi Barang Bertambah
(z-2000)/5000=0.6 -> z4= 5000
(z-2000)/5000=0.6 -> z4= 5000
Nilai Z dapat dicari dengan cara berikut:
z= Ξ±pred1 * z1 + Ξ±pred2 * z2 + Ξ±pred3 * z3 + Ξ±pred4 * z4/ (Ξ±pred1+ Ξ±pred2+ Ξ±pred3+ Ξ±pred4)
z= 0.25*5750 + 0.25*5750 + 0.4 *4000 + 0.6 * 5000 / (0.25+0.25+0.4+0.6) = 4983
Maka jumlah makanan kaleng jenis ABC yang harus diproduksi sebanyak 4983 kemasan.
1. Langkah Pertama Input Permintaan
2. Langkah Kedua Input Persediaan
3. Langkah Ketiga Input Produksi
4. Langkah Keempat Input Permintaan Real dan Persediaan Real
Result:
Maka makanan jenis ABC yang harus diprosuksi sebanyak
Maka makanan jenis ABC yang harus diprosuksi sebanyak