Analisis Perbandingan Metode Fuzzy Mamdani dan Metode Fuzzy Tsukamoto pada Diagnosa Tingkat Kerusakan Mobil KOMPETENSI KOMPUTASI SKRIPSI

Transkripsi

1 Analisis Perbandingan Metode Fuzzy Mamdani dan Metode Fuzzy Tsukamoto pada Diagnosa Tingkat Kerusakan Mobil KOMPETENSI KOMPUTASI SKRIPSI LUH TRISNA ARYANTINI NIM PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN 2014 i

2 Analisis Perbandingan Metode Fuzzy Mamdani dan Metode Fuzzy Tsukamoto pada Diagnosa Tingkat Kerusakan Mobil KOMPETINSI KOMPUTASI [SKRIPSI] Sebagai syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Udayana Tulisan ini merupakan hasil penelitian yang belum pernah dipublikasikan LUH TRISNA ARYANTINI NIM Pembimbing I Pembimbing II I Gede Santi Astawa, S.T., M.Cs NIP Agus Muliantara, S.Kom, M.Kom NIP ii

3 LEMBAR PENGESAHAN TUGAS AKHIR Judul : Analisis Perbandingan Metode Fuzzy Mamdani dan Metode Fuzzy Tsukamoto pada Diagnosa Tingkat Kerusakan Mobil Kompetensi : Komputasi Nama : Luh Trisna Aryantini NIM : Tanggal Seminar : 10 Oktober 2014 Disetujui oleh: Pembimbing I Penguji I I Gede Santi Astawa, S.T., M.Cs NIP Pembimbing II Drs. I Wayan Santiyasa, M.Si NIP Penguji II Agus Muliantara, S.Kom, M.Kom NIP I Made Widhi Wirawan, S.Si, M.Cs NIP Penguji III Mengetahui, Jurusan Ilmu Komputer FMIPA UNUD Ketua, Ida Bagus Made Mahendra, S.Kom, M.Kom NIP Drs. I Wayan Santiyasa, M.Si NIP iii

4 Judul : Analisis Perbandingan Metode Fuzzy Mamdani dan Metode Fuzzy Tsukamoto pada Diagnosa Tingkat Kerusakan Mobil Nama : Luh Trisna Aryantini NIM : Pembimbing : 1. I Gede Santi Astawa, S.T., M.Cs 2. Agus Muliantara, S.Kom, M.Kom ABSTRAK Mengingat semakin banyaknya kebutuhan masyarakat dalam alat transportasi seperti mobil, menyebabkan setiap tahun jumlah mobil mengalami peningkatan. Tercatat dari tahun 2008 sampai dengan tahun 2012 di Indonesia rata-rata jumlah mobil penumpang bertambah sebanyak unit setiap tahunnya (Dephub, 2013). Secara tidak langsung dari data tersebut maka peluang kendaraan yang mengalami kerusakan akan menjadi semakin banyak dan peluang mobil masuk ke bengkel akan mengalami peningkatan juga. Oleh karena itu, jika terdapat sistem yang dapat mendiagnosa tingkat kerusakan dari beberapa sistem mobil tentunya akan membantu mekanik untuk lebih cepat dalam menyelesaikan pekerjaannya. Dalam penelitian ini, fuzzy mamdani dan fuzzy tsukamoto masing-masing akan diimplementasikan dengan kombinasi yang dilakukan pada jenis kurva bahu dan phi untuk membantu mendiagnosa tingkat kerusakan mobil khususnya pada sistem pendingin dan bahan bakar. Dari pengujian kecenderungan sistem didapatkan persentase hasil akurasi dengan menggunakan metode inference tsukamoto pada kedua fungsi keanggotaan (80.9%) lebih besar dibandingkan dengan menggunakan metode inference mamdani pada dua fungsi keanggotaan (71.4%). Hasil analisa yang dilakukan pada sistem pendingin dan sistem bahan bakar, menyimpulkan pendekatan dengan fungsi keanggotaan phi pada tahap fuzzifikasi lebih baik dari pada pendekatan dengan fungsi keanggotaan bahu. Karena sifat dari fungsi keanggotaan phi yang lebih halus dibandingkan dengan fungsi keanggotaan bahu yang linier yang kasar dengan area yang lebih sempit. Dan metode inference tsukamoto lebih baik daripada metode inference mamdani. Karena metode tsukamoto melakukan perhitungan nilai alpha predikat yang mensubstitusi nilai linguistic dari sistem output. Kata Kunci: Kerusakan Mobil, Tsukamoto, Mamdani, Fuzzy iii

5 Title Name : Analysis Method Comparison of Fuzzy Mamdani and Tsukamoto Fuzzy Method to Diagnose Car Damage Level : Luh Trisna Aryantini Student Number : Main Supervisor Co-Supervisor : 1. I Gede Santi Astawa, S.T., M.Cs : 2. Agus Muliantara, S.Kom, M.Kom ABSTRACT Given the increasing demand in the public transportation such as cars, it causes every year the number of cars to increase. It was recorded, from 2008 until 2012 in Indonesia, that the average number of passenger cars increased by units per year (Dephub, 2013). Indirectly from the data then the chances of vehicles that are damaged will increase and their chances of going into the garage will increase as well. Therefore, if there is a system that can diagnose the degree of damage of some car systems will certainly help the mechanics to get the job done faster. In this study, fuzzy mamdani and fuzzy Tsukamoto will each be implemented by a combination of the type carried on the shoulder curves and phi to help diagnose the degree of damage to the car, especially on the cooling system and fuel. From the test of the tendency system, the accuracy percentage was obtained by using the method of Tsukamoto inference on both the membership function (80.9%) greater than the mamdani inference method on the two membership functions (71.4%). The results of the analysis carried out on the cooling system and fuel system concluded the approach with the phi membership function on fuzzification stage was better than the approach with membership function of the shoulder. Due to the fact that the nature of the membership function of phi was finer than the membership functions of shoulder which was linear and rough with smaller areas. And Tsukamoto inference method was better than mamdani inference methods because Tsukamoto method does the calculating value of alpha predicate substituting linguistic values of the output system. Keywords : Car Damage, Tsukamoto, Mamdani, Fuzzy iv

6 KATA PENGANTAR Puji syukur penulis panjatkan kehadapan Tuhan Yang Maha Esa, karena berkat rahmat-nya, Tugas Akhir dengan judul Analisis Perbandingan Metode Fuzzy Mamdani dan Metode Fuzzy Tsukamoto pada Diagnosa Tingkat Kerusakan Mobil ini dapat terselesaikan dengan baik. Tugas Akhir ini disusun dengan harapan dapat menjadi pedoman dan arahan dalam melaksanakan penelitian di atas. Sehubungan dengan telah terselesaikannya tugas akhir ini, maka diucapkan terima kasih dan penghargaan kepada berbagai pihak yang telah membantu tugas akhir ini, antara lain: 1. Komisi Seminar dan Tugas Akhir Jurusan Ilmu Komputer Fakultas MIPA Universitas Udayana, yang telah memberikan petunjuk dalam penyusunan tugas akhir penelitian. 2. Bapak I Gede Santi Astawa, S.T.,M.Cs. sebagai pembimbing 1 yang telah bersedia mengkritisi, membantu dan memeriksa serta menyempurnakan tugas akhir ini 3. Bapak Agus Muliantara, S.Kom.,M.Kom. sebagai pembimbing 2 yang telah bersedia mengkritisi, membantu dan memeriksa serta menyempurnakan tugas akhir ini 4. Bapak-bapak dan ibu-ibu dosen di Jurusan Ilmu Komputer yang telah meluangkan waktu turut memberikan saran dan masukan dalam penyempurnaan proposal ini; 5. Semua pihak yang telah memberi dukungan sehingga laporan ini dapat diselesaikan sesuai dengan waktu yang ditentukan. Disadari pula bahwa sudah tentu tugas akhir ini masih mengandung kelemahan dan kekurangan. Memperhatikan hal ini, maka masukan dan saransaran penyempurnaan sangat diharapkan. Bukit Jimbaran,2014 Penulis v

7 DAFTAR ISI KATA PENGANTAR... v DAFTAR ISI... vi DAFTAR TABEL... viii DAFTAR GAMBAR... ix DAFTAR LAMPIRAN... xi BAB I... 1 PENDAHULUAN Latar Belakang Rumusan Masalah Tujuan Penelitian Batasan Masalah Manfaat Penelitian Metodologi Penelitian Desain Penelitian Pengumpulan Data Metode Yang Digunakan Evaluasi dan Validasi Hasil BAB II TINJAUAN PUSTAKA Komponen Mobil Sistem Pendingin Sistem Bahan Bakar Logika Fuzzy Konsep Dasar Himpunan Fuzzy vi

8 2.2.2 Fungsi Keanggotaan Operator Dasar Untuk Operasi Himpunan Fuzzy Fungsi Implikasi Metode Mamdani Metode Tsukamoto Tinjauan Studi BAB III ANALISIS DAN PERANCANGAN Flowchart Sistem Flowchart Fuzzifikasi Flowchart Inference Flowchart Defuzzifikasi BAB IV HASIL DAN PEMBAHASAN Perancangan Sistem Fuzzy Implementasi Sistem Pengujian Sistem BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA LAMPIRAN vii

9 DAFTAR TABEL Tabel 1.1 Kombinasi metode dan fungsi keanggotaan... 5 Tabel 1.2 : Aturan inference... 9 Tabel 4.1 : Aturan fuzzy Tabel 4.2 : Angka transformasi sistem bahan bakar Tabel 4.3 : Angka transformasi sistem pendingin Tabel 4.4 : Kecenderungan hasil Tabel 4.5 : Hasil pengujian sistem pendingin Tabel 4.6 : Hasil pengujian sistem bahan bakar Tabel 4.7 : Waktu penyelesaian sistem pendingin Tabel 4.8 : Waktu penyelesaian sistem bahan bakar Tabel 4.9 : Waktu eksekusi masing-masing tahapan fuzzy viii

10 DAFTAR GAMBAR Gambar 1.1 : Alur kerja sistem... 5 Gambar 1.2 : Kurva bahu input temperature... 6 Gambar 1.3 : Kurva bahu input putaran mesin... 6 Gambar 1.4 : Kurva bahu input rasio konsumsi bahan bakar... 7 Gambar 1.5 : Kurva phi input temperatur... 7 Gambar 1.6 : Kurva phi input putaran mesin... 8 Gambar 1.7 : Kurva phi input rasio konsumsi bahan bakar... 8 Gambar 2.1 : Representasi linear dari derajat keanggotaan nol (0) Gambar 2.2 : Representasi linear dari derajat keanggotaan satu (1) Gambar 2.3 : Representasi kurva segitiga Gambar 2.4 : Representasi kurva trapesium Gambar 2.5 : Representasi kurva bahu Gambar 2.6 : Representasi kurva S (pertumbuhan) Gambar 2.7 : Representasi kurva S (penyusutan) Gambar 2.8 : Representasi kurva phi Gambar 2.9 : Fungsi implikasi minimum Gambar 2.10 : Fungsi implikasi product Gambar 3.1 : Flowchart Sistem Gambar 3.2 : Flowchart fuzzifikasi kurva phi Gambar 3.3 : Flowchart fuzzifikasi kurva bahu Gambar 3.4 : Flowchart inference mamdani Gambar 3.5 : Flowchart inference tsukamoto Gambar 3.6 : Flowchart defuzzifikasi Gambar 4.1 : Representasi keanggotaan bahu untuk temperature ix

11 Gambar 4.2 : Representasi keanggotaan bahu untuk putaran mesin Gambar 4.3 : Representasi keanggotaan bahu untuk rasio konsumsi bahan bakar 40 Gambar 4.4 : Representasi keanggotaan phi untuk temperature Gambar 4.5 : Representasi keanggotaan phi untuk putaran mesin Gambar 4.6 : Representasi keanggotaan phi untuk rasio konsumsi bahan bakar.. 41 Gambar 4.7 : Representasi keanggotaan output Gambar 4.8 : Representasi keanggotaan output bahan bakar Gambar 4.9 : Representasi keanggotaan output pendingin Gambar 4.10 : Syntax view cek himpunan Gambar 4.11 : Source code fungsi keanggotaan bahu Gambar 4.12 : Source code fungsi keanggotaan bahu (1) Gambar 4.13 : Source code fungsi keanggotaan phi Gambar 4.14 : Source code fungsi keanggotaan phi (1) Gambar 4.15 : Syntax view kombinasi input Gambar 4.16 : Source code cek kombinasi Gambar 4.17 : Source code hitung nilai alpha predikat Gambar 4.18 : Source code defuzzifikasi Gambar 4.19 : Source code defuzzifikasi Gambar 4.20 : Source code transformasi x

12 DAFTAR LAMPIRAN Lampiran 1 : Aturan fuzzy xi