contoh Aplikasi Metode Mamdani dan Tsukamoto

1. PENENTUAN JUMLAH PRODUKSI DENGAN APLIKASI METODE FUZZY – MAMDANI

Metode Mamdani sering juga dikenal dengan nama Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975. Untuk memperoleh output, diperlukan 4 tahapan yaitu :

1. Pembentukan himpunan fuzzy;

pada metoda mamdani, baik variabel input maupun variabel output dibagi menjadi satu atau lebih himpunan fuzzy.

2. Aplikasi fungsi impliksi (aturan);

pada metode mamdani, fungsi implikasi yang digunakan adalah MIN

3. Komponen aturan;

Pada tahapan ini sistem terdiri dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu : max, additive dan probabilistik OR.

Pada metode max, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah fuzzy, dan mengaplikasikanya ke output dengan menggunakan operator OR (union). Secara umum dapat ditulis

µ_df (x­i) max (µ_df(x_i,) µ_kf(x­_i))

Pengolahan Data

Pengolahan data dilakukan dengan menentukan variabel dan semesta

pembicaraan, dilanjutkan dengan membentuk himpunan fuzzy. Penentuan variabel dan

semesta pembicaraan dari hasil pengambilan data dapat diperoleh pada tabel 2. Sedang

himpunan fuzzy ditampilkan pada tabel 3.

Langkah selanjutnya adalah membuat fungsi keanggotaan untuk tiap variabel

permintaan, persediaan dan jumlah produksi.

Fungsi keanggotaan variabel persediaan, meliputi kurva bentuk S penyusutan

untuk himpunan sedikit dan kurva bentuk S pertumbuhan untuk himpunan banyak.

Sedangkan kurva PI untuk himpunan sedang. Hal ini dapat dilihat pada gambar 1.

Fungsi keanggotaan variabel permintaan, meliputi kurva bentuk S penyusutan

untuk himpunan sedikit dan kurva bentuk S pertumbuhan untuk himpunan banyak.

Sedangkan kurva PI untuk himpunan sedang. Hal ini dapat dilihat pada gambar 2.

Fungsi keanggotaan variabel jumlah produksi, meliputi kurva bentuk S

penyusutan untuk himpunan sedikit dan kurva bentuk S pertumbuhan untuk himpunan

banyak. Sedangkan kurva PI untuk himpunan sedang. Hal ini dapat dilihat pada

gambar 3 

Setelah penentuan fungsi keanggotaan variabel, maka dilakukan pembentukan

aturan logika fuzzy. Berdasarkan data – data yang ada, dapat dibentuk aturan – aturan

sebagai berikut :

1. if (Permintaan is Sedikit) and (Persediaan is Sedikit) then (Jumlah Produksi is Sedikit)

2. if (Permintaan is Sedikit) and (Persediaan is Sedikit) then (Jumlah Produksi is Sedang)

3. if (Permintaan is Sedikit) and (Persediaan is Sedang) then (Jumlah Produksi is Sedikit)

5. if (Permintaan is Sedikit) and (Persediaan is Sedang) then (Jumlah Produksi is Banyak)

6. if (Permintaan is Sedikit) and (Persediaan is Banyak) then (Jumlah Produksi is Sedikit)

7. if (Permintaan is Sedikit) and (Persediaan is Banyak) then (Jumlah Produksi is Sedang)

8. if (Permintaan is Sedang) and (Persediaan is Sedikit) then (Jumlah Produksi is Sedikit)

9. if (Permintaan is Sedang) and (Persediaan is Sedikit) then (Jumlah Produksi is Sedang)

10. if (Permintaan is Sedang) and (Persediaan is Sedikit) then (Jumlah Produksi isBanyak)

11. if (Permintaan is Sedang) and (Persediaan is Sedang) then (Jumlah Produksi isSedikit)

12. if (Permintaan is Sedang) and (Persediaan is Sedang) then (Jumlah Produksi isSedang)

13. if (Permintaan is Sedang) and (Persediaan is Sedang) then (Jumlah Produksi isBanyak)

14. if (Permintaan is Sedang) and (Persediaan is Banyak) then (Jumlah Produksi isSedikit)

15. if (Permintaan is Sedang) and (Persediaan is Banyak) then (Jumlah Produksi isSedang)

16. if (Permintaan is Sedang) and (Persediaan is Banyak) then (Jumlah Produksi isBanyak)

17. if (Permintaan is Banyak) and (Persediaan is Sedikit) then (Jumlah Produksi isSedang)

18. if (Permintaan is Banyak) and (Persediaan is Sedikit) then (Jumlah Produksi isBanyak)

19. if (Permintaan is Banyak) and (Persediaan is Sedang) then (Jumlah Produksi isSedang)

20. if (Permintaan is Banyak) and (Persediaan is Sedang) then (Jumlah Produksi isSedang)

21. if (Permintaan is Banyak) and (Persediaan is Banyak) then (Jumlah Produksi isSedang)

22. if (Permintaan is Banyak) and (Persediaan is Banyak) then (Jumlah Produksi isBanyak)

Langkah terakhir adalah penegasan (defuzzyfikasi). Penegasan dilakukan dengan bantuan software matlab 6.1 toolbox fuzzy. Hasil pengujian dengan metode centroid dengan input jumlah permintaan sebesar 21.945 unit dan jumlah persediaan sebesar1.824 unit menghasilkan output jumlah produksi sebesar 20.300 unit. Penalaran fuzzy

dengan menggunakan metode centroid digambarkan seperti pada gambar 4.

 2. MENENTUKAN HARGA MOBIL BEKAS TOYOTA AVANSA MENGGUNAKAN METODE     TSUKAMOTO

Pada metode penarikan kesimpulan samar Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-THEN harus direpresentasikan dengan suatu himpunan samar dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil penarikan kesimpulan (inference) dari tiap-tiap aturan diberikan secara tegas (cnsp) berdasarkan α-predikat (fire strength). Hasil akhir diperoleh dengan menggunakan rata-rata berbobot (weight average).

Implementasi

Harga Mobil Toyota Avanza 1,3 G M/T Baru April 2011(dalam jutaan)

 

μBaruMurah = (152 – x) / 3

μBaruMahal = (x – 149) / 3

Kondisi Mobil Second (dalam persen)

μSedang = (95 – x) / 15

μBagus = (x – 80) / 15

Harga Mobil Toyota Avanza 1,3 G M/T Second April 2011 (dalam jutaan)

 

μSecondMurah = (140 – x) / 10

μSecondMahal = (x – 130) / 10

Rule / Aturan

 IF HargaBaru mahal AND Kondisi bagus THEN HargaSecond mahal

 IF HargaBaru mahal AND Kondisi sedang THEN HargaSecond mahal

 IF HargaBaru murah AND Kondisi bagus THEN HargaSecond Murah

 IF HargaBaru murah AND Kondisi sedang THEN HargaSecond Murah

Aplikasi yang dibangun

Masukkan data harga beli baru dan kondisi seperti yang diminta!