PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK)

Transkripsi

1 PENERAPAN METODE FUZZY TSUKAMOTO UNTUK MEMPREDIKSI HASIL PRODUKSI KELAPA SAWIT (STUDI KASUS : PT. AMAL TANI PERKEBUNAN TANJUNG PUTRI BAHOROK) Andrian Juliansyah ( ) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisimangaraja No.338 Simpang Limun Medan // andrian.pentagon@gmail.com ABSTRAK Produksi merupakan salah satu kegiatan yang dilakukan dalam sebuah perusahaan khususnya PT. Amal Tani Perkebunan Tanjung Putri Bahorok yang bergerak dalam bidang pengolahan minyak kelapa sawit. Oleh karena itu, pengembangan sistem ini bertujuan untuk membuat aplikasi yang menerapkan metode fuzzy tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan data permintaan. Aplikasi ini dibuat berbasis desktop menggunakan bahasa pemrograman Microsoft Visual Studio.NET 2008 dan Database Microsoft Access Dalam aplikasi prediksi ini terdapat tiga variabel yang dimodelkan, yaitu: Permintaan, Persediaan dan Produksi. Variabel permintaan terdiri dari tiga himpunan fuzzy, yaitu : NAIK, TETAP dan TURUN, Variabel persediaan terdiri dari tiga himpunan fuzzy, yaitu : SEDIKIT, SEDANG dan BANYAK sedangkan variabel produksi terdiri dari tiga himpunan fuzzy, yaitu : BERKURANG, TETAP dan BERTAMBAH dengan mengkombinasikan semua himpunan fuzzy tersebut, diperoleh sembilan aturan fuzzy, yang selanjutnya digunakan dalam tahap inferensi. Pada tahap inferensi dicari nilai keanggotaan anteseden (α) dan nilai perkiraan jumlah produksi (z) dari setiap aturan. Jumlah prediksi hasil produksi minyak kelapa sawit yang akan diproduksi (Z) dicari dengan metode rata-rata terpusat (Defuzzifikasi). Dengan menggunakan aplikasi prediksi hasil produksi minyak kelapa sawit ini pihak perusahaan dapat melakukan prediksi lebih cepat dari perhitungan manual. Sehingga diharapkan dapat memberikan kemudahan bagi pihak perusahaan untuk memprediksi jumlah produksi minyak kelapa sawit berdasarkan data permintaan dan data persediaan. Kata Kunci : Sistem Inferensi Fuzzy, Produksi, Permintaan, Persediaan, Metode Fuzzy Tsukamoto. 1. Pendahuluan 1.1 Latar Belakang Masalah Pengolahan buah Kelapa Sawit di awali dengan proses pemanenan buah kelapa sawit. Untuk memperoleh hasil produksi (CPO) dengan kualitas yang baik serta dengan Rendemen minyak yang tinggi, Pemanenan dilakukan berdasarkan Kriteria Panen (tandan matang panen) yaitu dapat dilihat dari jumlah berondolan yang telah jatuh ditanah sedikitnya ada 5 buah yang lepas / jatuh (brondolan) dari tandan yang beratnya kurang dari 10 kg atau sedikitnya ada 10 buah yang lepas dari tandan. Hasil produksi kelapa sawit dalam waktu yang tepat dan dalam jumlah yang tepat merupakan sesuatu yang diinginkan perusahaan perkebunan sawit, begitu pula bagi perusahaan PT. Amal Tani Perkebunan Tanjung Putri Bahorok. Namun dalam menentukan jumlah hasil produksi kelapa sawit diwaktu yang akan datang tidaklah mudah. Banyaknya faktor yang terlibat dalam perhitungan menjadi kendala dalam mengambil kebijakan untuk dapat menentukan jumlah hasil produksi kelapa sawit. Faktor-faktor tersebut adalah produksi maksimum, produksi minimum, permintaan saat ini, dan persediaan saat ini. Metode yang akan digunakan dalam penghitungan untuk menentukan jumlah hasil produksi kelapa sawit adalah Metode Tsukamoto dimana setiap aturan direpresentasikan menggunakan himpunan-himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Untuk menentukan nilai output hasil (crisp) yang tegas (Z) dicari dengan cara mengubah input (berupa himpunan fuzzy yang diperoleh dari komposisi aturan aturan fuzzy) menjadi suatu bilangan pada domain himpunan fuzzy tersebut. Cara ini disebut dengan metode defuzzifikasi (penegasan). Metode defuzzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzzifikasi rata rata terpusat (Center Average Defuzzyfier). 1.2 Rumusan Masalah Berdasarkan hal-hal yang telah diuraikan dalam latar belakang masalah, dan agar sesuai dengan pembahasan, maka penulis mengidentifikasi beberapa permasalahan yang ada yaitu : 1. Bagaimana menerapkan metode fuzzy tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan jumlah permintaan? 2. Bagaimana merancang aplikasi prediksi hasil produksi minyak kelapa sawit? 130

2 1.3 Batasan Masalah Agar permasalahan tidak menyimpang dari tujuan, maka peneliti membatasi masalah sebagai berikut: 1. Hasil produksi yang dibahas dalam penelitian ini hanya membahas hasil produksi minyak kelapa sawit Crude Palm Oil (CPO). 2. Data-data yang digunakan untuk mengetahui hasil prediksi hanyalah data-data sebagai berikut : permintaan maksimum, permintaan minimum, persediaan maksimum, persediaan minimum, produksi maksimum, produksi minimum, permintaan saat ini, persediaan saat ini, bulan dan tahun produksi. 3. Bahasa pemrograman yang digunakan untuk merancang aplikasi prediksi hasil produksi kelapa sawit adalah Microsoft Visual Basic.Net 2008 dan databasenya menggunakan Microsoft Access Data yang digunakan untuk perhitungan dalam memprediksi hasil produksi minyak kelapa sawit adalah data hasil produksi minyak kelapa sawit per bulan tahun Tujuan dan Manfaat Penelitian Tujuan dari penelitian adalah sebagai berikut : 1. Menerapkan metode fuzzy Tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan jumlah permintaan. 2. Merancang aplikasi prediksi hasil produksi minyak kelapa sawit. Adapun Manfaat dari penelitian adalah sebagai berikut : 1. Dapat mempermudah dalam menerapkan metode fuzzy tsukamoto untuk memprediksi hasil produksi minyak kelapa sawit berdasarkan data persediaan dan jumlah permintaan. 2. Dapat merancang aplikasi prediksi hasil produksi minyak kelapa sawit. 2. Landasan Teori 2.1 Logika Fuzzy Logika fuzzy merupakan salah satu komponen pembentuk soft computing. Logika fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A. Zadeh pada tahun Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan atau membershipfunction menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Sri Kusumadewi & Hari Purnomo, 2010 : 2). ditulis dengan, memiliki dua kemungkinan (Sri Kusumadewi & Hari Purnomo, 2010 : 3) antara lain : 1. Satu (1), yang berarti bahwa suatu item menjadi anggota dalam suatu himpunan, atau 2. Nol (0), yang berarti bahwa suatu item tidak menjadi anggota dalam suatu himpunan. 2.3 Fungsi Keanggotaan Fungsi keanggotaan (membership function) adalah suatu kurva yang menunjukkan pemetaan titiktitik input data ke dalam nilai keanggotaanya, (seringjuga disebut dengan derajat keanggotaan) yang memiliki interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan nilai keanggotaan adalah dengan melalui pendekatan fungsi Penerapan Metode Fuzzy Tsukamoto Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Thenharus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Secara umum terdapat tiga langkah untuk menentukan jumlah produksi berdasarkan data persediaan dan data permintaandengan metode Tsukamoto, yaitu: mendefinisikan variabel, inferensi, dandefuzzifikasi (menentukan output crisp). a. Mendefenisikan Variabel Fuzzy (Fuzzifikasi) Pada tahap ini, nilai keanggotaan himpunan permintaan dan persediaan saat ini dicari menggunakan fungsi keanggotaan himpunan fuzzy dengan memperhatikan data hasil produksi minyak kelapa sawit PT. Amal Tani. Pembentukan aturan fuzzy, dari dua variabel input dan sebuah variabel output yang telah didefenisikan, dengan melakukan analisa data terhadap batas tiap-tiap himpunan fuzzy pada tiap-tiap variabelnya maka terdapat 4 aturan fuzzy yang akan dipakai dalam sistem prediksi ini, dengan susunan aturan IF Permintaan AND Persediaan THEN Produksi, Ada 3 variabel fuzzy yang akan dimodelkan, yaitu: 1. Permintaan, terdiri atas 3 himpunan fuzzy, yaitu: TURUN, TETAP dan NAIK. Pada variabel permintaan TURUN terletak pada angka 0,53 variabell permintaan TETAP terletak pada angka 0,93 sedangkan variabel permintaan NAIK terletak pada angka 0,46 yang diselesaikan dengan rumus dibawah ini terlihat pada gambar Himpunan Fuzzy Pada himpunan tegas (crisp), nilai keanggotaan suatu item x dalam suatu himpunan A, yang sering 131

3 Fungsi Keanggotaan variabel persediaan : Permintaan ( Ton / Hari ) Gambar 1: Fungsi Keanggotaan Variabel Permintaan yang ada nilainya Fungsi Keanggotaan variabel permintaan : Mencari nilai keanggotaan dengan cara memakai rumus berikut ini : Mencari nilai keanggotaan variabel permintaan : 3. Produksi, terdiri atas 3 himpunan fuzzy, yaitu : BERKURANG, TETAP dan BERTAMBAH. Terlihat pada gambar Persediaan, terdiri atas 3 himpunan fuzzy, yaitu : SEDIKIT, SEDANG dan BANYAK. Pada variabel persediaan SEDIKIT terletak pada angka 0,04 variabel persediaan TETAP terletak pada angka 0,09 sedangkan variabel persediaan NAIK terletak pada angka 0,95 yang diselesaikan dengan rumus dibawah ini terlihat pada gambar 2 Produksi ( Ton / Hari ) Gambar 3: Fungsi Keanggotaan Variabel Produksi Fungsi Keanggotaan variabel produksi : Persediaan ( Ton / Hari ) Gambar 2 : Fungsi Keanggotaan Variabel Persediaan yang ada nilainya 3. Pembahasan PT. Amal Tani Perkebunan Tanjung Putri - Bahorok, adalah suatu perusahaan penghasil minyak kelapa sawit, dari sampel data produksi tahun 2014 yang diketahui perbulannya, permintaan maksimum 5000 ton, permintaan minimum 1000 ton, persediaan 132

4 maksimum 600 ton, persediaan minimum 100 ton, produksi maksimum 4900 ton dan produksi minimum 1000 ton. Diketahui permintaan saat ini pada bulan oktober 2014 yaitu : 2873 ton dan persediaan saat ini yaitu : 577 ton. Berapa ton hasil produksi minyak kelapa sawit yang harus diproduksi PT. Amal Tani pada bulan oktober 2014? Tabel 1 : Data Produksi, Permintaan, dan Persediaan per bulan tahun Permintaan Persediaan Produksi Januari Ton 570 Ton 4440 Ton Februari Ton 600 Ton 3900 Ton Maret Ton 500 Ton 3000 Ton April Ton 350 Ton 4900 Ton Mei Ton 600 Ton 4600 Ton Juni Ton 420 Ton 4300 Ton Juli Ton 320 Ton 1000 Ton Agustus Ton 370 Ton 4200 Ton September Ton 100 Ton 2400 Ton Oktober Ton 577 Ton. Ton? 1. Data Maksimum dan Data Minimum Data Maksimum dan Data Minimum adalah data pendukung untuk melakukan perhitungan dengan metode fuzzy tsukamoto dan untuk mendapatkan hasil prediksi terdapat pada tabel 4.2 dibawah ini : Tabel 2 : Data maksimum dan Data minimum Data Jumlah Satuan Permintaan Maksimum 5000 Ton / Permintaan Minimum 1000 Ton / Persediaan Maksimum 600 Ton / Persediaan Minimum 100 Ton / Produksi Maksimum 4900 Ton / Produksi Minimum 1000 Ton / Permintaan Saat ini 2873 Ton / Persediaan Saat ini 577 Ton / 2 Penerapan Metode Fuzzy Tsukamoto Pada Metode Tsukamoto, setiap konsekuen pada aturan yang berbentuk IF-Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. Secara umum terdapat tiga langkah untuk menentukan jumlah produksi berdasarkan data persediaan dan data permintaan dengan metode Tsukamoto, yaitu : mendefinisikan variabel, inferensi, dan defuzzifikasi (menentukan output crisp). 3. Mendefenisikan Variabel Fuzzy (Fuzzifikasi) Ada 3 variabel fuzzy yang akan dimodelkan, yaitu : 4. Permintaan, terdiri atas 3 himpunan fuzzy, yaitu : TURUN, TETAP dan NAIK. Pada variabel permintaan TURUN terletak pada angka 0,53 variabell permintaan TETAP terletak pada angka 0,93 sedangkan variabel permintaan NAIK terletak pada angka 0,46 yang diselesaikan dengan rumus dibawah ini terlihat pada gambar 5. Permintaan ( Ton / Hari ) Gambar 5 : Fungsi Keanggotaan Variabel Permintaan yang ada nilainya Fungsi Keanggotaan variabel permintaan : Mencari nilai keanggotaan variabel permintaan : 133

5 Pmt Turun [x] = x max x / x max x min Psd Banyak [y] = y y min / y max y min Pmt Tetap [x] = x x min / x max xt Pmt Naik [x] = x x min / x max x min 6. Produksi, terdiri atas 3 himpunan fuzzy, yaitu : BERKURANG, TETAP dan BERTAMBAH. Terlihat pada gambar Persediaan, terdiri atas 3 himpunan fuzzy, yaitu : SEDIKIT, SEDANG dan BANYAK. Pada variabel persediaan SEDIKIT terletak pada angka 0,04 variabel persediaan TETAP terletak pada angka 0,09 sedangkan variabel persediaan NAIK terletak pada angka 0,95 yang diselesaikan dengan rumus dibawah ini terlihat pada gambar 4.5. Produksi ( Ton / Hari ) Gambar 7 : Fungsi Keanggotaan Variabel Produksi Fungsi Keanggotaan variabel produksi : Persediaan ( Ton / Hari ) Gambar 6 : Fungsi Keanggotaan Variabel Persediaan yang ada nilainya Fungsi Keanggotaan variabel persediaan : 4. Inferensi ( Pembentukan Rule Fuzzy ) Proses selanjutnya adalah proses inferensi yaitu penggabungan banyak aturan berdasarkan data yang tersedia. Dari uraian di atas, telah terbentuk 4 rule sebagai aturan fuzzy, sebagai berikut : [R1] IF Permintaan TURUN And Persediaan BANYAK THEN Produksi Minyak BERKURANG. Mencari nilai keanggotaan dengan cara memakai rumus berikut ini : Minyak BERKURANG dalam aturan fuzzy [R1], Psd Sedikit [y] = y max y / y max y min Psd Sedang [y] = y y min / y max y t [R2] IF Permintaan TURUN And Persediaan SEDANG THEN Produksi Minyak BERKURANG. 134

6 Minyak BERKURANG dalam aturan fuzzy [R2], [R7] IF Permintaan NAIK And Persediaan BANYAK THEN Produksi Minyak BERTAMBAH. [R3] IF Permintaan TURUN And Persediaan SEDIKIT THEN Produksi Minyak BERKURANG Minyak BERTAMBAH dalam aturan fuzzy [R7], Minyak BERKURANG dalam aturan fuzzy [R3], [R8] IF Permintaan NAIK And Persediaan SEDANG THEN Produksi Minyak BERTAMBAH. [R4] IF Permintaan TETAP And Persediaan BANYAK THEN Produksi Minyak BERKURANG Minyak BERTAMBAH dalam aturan fuzzy [R8], Minyak BERKURANG dalam aturan fuzzy [R4], [R9] IF Permintaan NAIK And Persediaan SEDIKIT THEN Produksi Minyak BERTAMBAH. [R5] IF Permintaaan TETAP And Persediaan SEDANG THEN Produksi Minyak TETAP. Minyak BERTAMBAH dalam aturan fuzzy [R9], Karena produksi barang TETAP, maka menurut Gambar 4.6 langsung tampak bahwa :. [R6] IF Permintaan TETAP And Persediaan SEDIKIT THEN Produksi Minyak BERTAMBAH Menentukan Output Crisp (Defuzzifikasi) Pada metode fuzzy tsukamoto, untuk menentukan output crisp, digunakan defuzifikasi rata-rata terpusat, yaitu : Minyak BERTAMBAH dalam aturan fuzzy [R6], 135

7 Jadi, menurut perhitungan dengan metode tsukamoto diatas, jumlah hasil produksi minyak kelapa sawit yang harus diproduksi perusahaan PT. Amal Tani pada bulan oktober 2014 adalah 2093 Ton. 4. Implementasi Implementasi merupakan suatu tindakan atau pelaksanaan dari sebuah rencana yang sudah disusun secara matang dan terperinci. Dalam implementasi aplikasi prediksi hasil produksi kelapa sawit ini mencakup spesifikasi kebutuhan hardware dan software serta tampilan program. a. Tampilan Form Login Berikut ini merupakan tampilan dari form Login, dimana pada username terdapat 2 pilihan combobox yaitu admin dan user. Gambar 8 : TampilanFormInput Data d. Tampilan Form Rule Fuzzy Berikut ini merupakan tampilan dari form rule fuzzy, dapat dilihat pada gambar dibawah ini : Gambar 9 : TampilanFormRule Fuzzy e. Tampilan Form Proses Prediksi Hasil Produksi Berikut ini merupakan tampilan dari form proses prediksi hasil produksi, dapat dilihat pada gambar dibawah ini : Gambar 6 : TampilanForm Login b. Tampilan Form Menu Utama Berikut ini merupakan tampilan dari form menu utama, apabila username yang masuk sebagai admin maka menu edit ditampilkan, tetapi apabila username yang masuk sebagai user maka menu edit tidak ditampilkan. Gambar 10 : TampilanForm Proses Prediksi f. Tampilan Form Tentang Penulis Berikut ini merupakan tampilan dari form tentang penulsi, dapat dilihat pada gambar dibawah ini : Gambar 7: TampilanForm Menu Utama c. Tampilan Form Input Data Berikut ini merupakan tampilan dari form input data, dapat dilihat pada gambar dibawah ini : Gambar 9 :Form Sub Menu Tentang Penulis 136

8 5. KESIMPULAN DAN SARAN 5.1. Kesimpulan Berdasarkan hasil penelitian maka dapat diambil kesimpulan antara lain: 1. Metode fuzzy tsukamoto diterapkan dalam aplikasi prediksi untuk menghitung serta memberikan hasil akhir atau prediksi sehingga dapat menentukan berapa jumlah hasil produksi yang harus diproduksi oleh perusahaan, apakah produksinya Berkurang, Tetap atau Bertambah. Pada penghitungan metode fuzzy tsukamoto, setiap konsekuen pada aturan yang berbentuk IF- Then harus direpresentasikan dengan suatu himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sebagai hasilnya, output hasil inferensi dari tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α- predikat (fire strength). Hasil akhirnya diperoleh dengan menggunakan rata-rata terbobot. 2. Aplikasi prediksi hasil produksi minyak kelapa sawit ini dirancang dengan sistem komputerisasi menggunakan program visual studio.net 2008 serta database menggunakan Microsoft Acces diakses 17 juni /MateriSuplemenUml.pdf, diakses 17 juni Adi Nugroho, Rekayasa Perangkat Lunak Menggunakan UML Dan Java, 12. Rahmat Priyanto, Langsung Bisa Visual Basic.Net 2008, ANDI, Bandung, diakses 17 juni Saran Berdasarkan hasil penelitian maka dapat diambil kesimpulan antara lain: 1. Diharapkan adanya peneliti lain yang mengembangkan aplikasi prediksi hasil produksi minyak kelapa sawit ini dengan metode-metode yang lain. 2. Pengguna sistem diharapkan dapat menjalankan aplikasi prediksi hasil produksi minyak kelapa sawit ini secara maksimal sehingga tidak terjadi kesalahan dalam proses menentukan hasil produksi. DAFTAR PUSTAKA 1. Sri Kusumadewi dan Hari Purnomo, Aplikasi Logika Fuzzy Untuk Pendukung Keputusan, Graha Ilmu, Yogyakarta, Edisi 2, Sri Kusumadewi dan Sri Hartati, Neuro-Fuzzy Integrasi Sistem Fuzzy & Jaringan Syaraf, Graha Ilmu, Yogyakarta, Edisi 2, Kusrini, M.Kom, Konsep Dan Aplikasi Sistem Pendukung Keputusan, Andi, Yogyakarta, diakses 17 juni Jogiyanto Hartono, MBA, Akt., Ph.D, Analisis dan Desain Sistem Informasi, Edisi III, ANDI, Yogyakarta, http//repository.usu.ac.id/bitstream/ /39 177/4/Chapter%2011.pdf, diakses 17 juni diakses 17 juni _info2348.html, diakses 17 juni