BAB I PENDAHULUAN 1.1 Latar Belakang

Transkripsi

1 BAB I PENDAHULUAN 1.1 Latar Belakang Fuzzy set pertama kali diperkenalkan oleh Prof. Lotfi Zadeh pada tahun 1965 yang merupakan guru besar di University of California Berkeley pada papernya yang berjudul Fuzzy Set. Dalam paper tersebut dipaparkan ide dasar dari fuzzy set yaitu inclusion, union, intersection, complement, relation dan convexity. Logika fuzzy dapat memetakan suatu ruang input yang tidak pasti ke dalam suatu ruang output. Pada logika fuzzy terdapat beberapa tahapan, diantaranya fuzzifikasi, inference dan defuzzifikasi. Fuzzifikasi, pada penelitian ini digunakan 2 jenis fungsi keanggotaan yaitu fungsi keanggotaan bahu dan fungsi keanggotaan phi. Bentuk fungsi keanggotaan menggambarkan pola persebaran data, jadi fungsi keanggotaan dapat mempengaruhi analisis yang dihasilkan (Fiddin, Rakhmatsyah, & Dayawati). Terdapat beberapa metode fuzzy diantaranya metode fuzzy tsukamoto dan metode fuzzy mamdani. Metode-metode tersebut memiliki cara perhitungan pada mesin inferensi. Fuzzy mamdani menghasilkan output berupa bilangan fuzzy sedangkan fuzzy tsukamoto menghasilkan output berupa bilangan crisp karena sifatnya yang monoton. (Salman, 2012) Terdapat penelitian sebelumnya yang telah dilakukan yang membahas mengenai perbandingan kedua metode tersebut. Seperti penelitian yang berjudul Analisis Perbandingan Metode Fuzzy Tsukamoto dan Metode Fuzzy Mamdani Pada Perbandingan Harga Sepeda Motor Bekas (Istraniady, Adrian, & Mardiani) yang membahas mengenai bagaimana memeberikan solusi yang lebih baik dengan cara membandingkan metode fuzzy tsukamoto dengan metode fuzzy mamdani dalam kasus membandingkan harga sepeda motor bekas. Mengingat semakin banyaknya kebutuhan masyarakat dalam alat transportasi seperti mobil, maka menyebabkan semakin banyak mobil yang ada. Tercatat dari tahun 2008 sampai dengan tahun 2012 di Indonesia rata-rata jumlah 1

2 2 mobil penumpang bertambah sebanyak unit setiap tahunnya (Dephub, 2013). Secara tidak langsung peluang kendaraan yang mengalami kerusakan semakin banyak pula. Jadi mobil yang akan masuk ke bengkel akan mengalami peningkatan. 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. Jadi fuzzy mamdani dan fuzzy tsukamoto masing-masing akan diimplementasikan dengan kombinasi yang dilakukan pada jenis kurva bahu dan phi untuk membantu mendiagnosa tingkat kerusakan pada mobil. Pada nantinya kedua metode tersebut akan dianalisa hasilnya dan didapatkan kesimpulan perbedaan signifikan dari kedua metode tersebut pada kasus mendiagnosa tingkat kerusakan pada mobil. 1.2 Rumusan Masalah Berdasarkan uraian pada latar belakang, rumusan masalah yang ingin dipecahkan ialah bagaimana analisa perbedaan antara metode fuzzy mamdani dengan metode fuzzy tsukamoto dengan fungsi keanggotaan bahu dan phi yang digunakan pada dalam membandingkan kecenderungan kerusakan mobil? 1.3 Tujuan Penelitian Tujuan yang ingin dicapai dari penelitian ini adalah untuk menganalisa perbedaan antara penggunaan metode fuzzy mamdani dan metode fuzzy tsukamoto dengan fungsi keanggotaan bahu dan phi dalam membandingkan kecenderungan kerusakan mobil. Perbedaan dilihat dari segi akurasi dan waktu eksekusinya. 1.4 Batasan Masalah Batasan masalah yang digunakan pada penelitian ini antara lain: 1. Kendaraan yang dimaksud ialah kendaraan roda empat (mobil). 2. Mobil yang dimaksud ialah mobil yang berjenis minibus diproduksi oleh Daihatsu bernama Xenia diproduksi dari tahun 2004 sampai dengan 2011.

3 3 3. Kerusakan yang dapat didiagnosis merupakan kerusakan pada sistem bahan bakar dan sistem pendingin. 4. Bengkel yang dianjurkan ialah bengkel yang memiliki jasa perbaikan dari kerusakan kendaraan tersebut. 5. Data akan diambil dari beberapa bengkel resmi Daihatsu daerah Denpasar. 6. Metode yang digunakan ialah logika fuzzy mamdani dan logika fuzzy tsukamoto. 7. Fungsi keanggotaan yang digunakan ialah representasi kurva bahu dan representasi kurva phi. 8. Masukan yang digunakan yaitu temperatur mesin, putaran mesin, dan rasio konsumsi bahan bakar. 9. Keluaran yang dihasilkan yaitu tingkat kerusakan pada sistem bahan bakar dan sistem pendingin yang dimana masing-masing dari sistem tersebut memiliki 3 tingkatan yaitu rendah, sedang dan tinggi. 1.5 Manfaat Penelitian Hasil penelitian ini diharapkan dapat menambah wawasan penulis dan juga pembaca mengenai masalah yang penulis teliti juga mengenai metodemetode yang digunakan. 1.6 Metodologi Penelitian Desain Penelitian Desain penelitian yang digunakan pada penelitian ini ialah desain penelitian studi kasus. Dimana studi kasus memusatkan perhatian pada suatu kasus tertentu dengan menggunakan individu atau kelompok sebagai bahan studinya (Hasibuan, 2007). Objek yang dijadikan bahan studi disini ialah mobil daihatsu xenia yang datang ke suatu bengkel resmi Daihatsu di daerah Denpasar. Dari objek tersebut diperoleh data-data yang dibutuhkan dalam penelitian ini yaitu data temperatur mesin, putaran mesin dan rasio konsumsi bahan bakar. Data temperatur mesin dan putaran mesin didapatkan dengan menggunakan sebuah alat yang disebut DS2.

4 4 Sedangkan data rasio konsumsi bahan bakar didapatkan dari pemilik kendaraan itu sendiri. Penelitian ini dilakukan dengan menggunakan metode fuzzy mamdani dan fuzzy tsukamoto yang dimana nantinya kedua metode tersebut akan dibandingkan hasilnya dengan data riil. Pada kedua metode tersebut akan diterapkan beberapa fungsi keanggotaan untuk dianalisis fungsi keanggotaan mana yang lebih cocok digunakan pada objek penelitian pada masing-masing metode Pengumpulan Data Pada penelitian ini data untuk tahap pengujian nantinya yang digunakan adalah data dari mobil yang didapat dari beberapa bengkel Daihatsu resmi yang berada di daerah denpasar. Sedangkan untuk data-data awal yang digunakan untuk membuat aturan-aturannya didapatkan dari seorang pakar mekanik dan buku yang membahas mengenai mobil. Jenis data (data pengujian dan data awal) yang digunakan pada penelitian ini dari cara memperolehnya ialah data primer dimana data berasal dari sumber asli atau pertama. Data tersebut harus dicari melalui narasumber yang dijadikan objek penelitian atau orang yang dijadikan sebagai sarana mendapatkan informasi maupun data. Data dipaparkan dalam bentuk angka-angka yang pasti yang disebut data kuantitatif. Sifat dari data pengujian tersebut ialah diskrit, dimana nilainya merupakan bilangan asli. Sedangkan data awal dipaparkan dalam suatu interval tertentu (kontinyu) yang nantinya barulah di ambil kesimpulan kembali untuk mengubah data tersebut kedalam bentuk bilangan asli yang dilakukan oleh pakar mekanik tersebut. Menurut waktu pengumpulannya, data tersebut merupakan data time series, dari waktu ke waktu atau periode secara historis. Format dari data yang didapatkan ialah data numeric. Jadi data-data yang dimiliki ialah dalam bentuk angka. Jumlah data pengujian yang akan digunakan ialah sejumlah data yang didapatkan selama kurang lebih 2 bulan pada beberapa bengkel tersebut dan otomatis jumlah data hasil sama dengan jumlah mobil. Detail dari data untuk pengujian yang didapatkan dari setiap mobil ialah data kerusakan pada system bahan bakar dan pendingin, temperatur mesin,

5 5 putaran mesin dan rasio konsumsi bahan bakar. Untuk data hasil output berupa diagnosa jumlah kerusakan pada masing-masing system (bahan bakar dan pendingin) Metode Yang Digunakan Terdapat 2 metode yang digunakan pada penelitian ini, yaitu fuzzy mamdani dan fuzzy tsukamoto. Dan pada fuzzifikasi diterapkan beberapa fungsi keanggotaan yaitu representasi kurva bahu dan representasi kurva phi. Algoritmanya sebagai berikut: Input data masukan (temperatur, putaran mesin, rasio konsumsi bahan bakar) Fuzzifikasi input dengan fungsi keanggotaan bahu dan phi Inference dengan fuzzy mamdani dan fuzzy tsukamoto Defuzzifikasi Gambar 1.1 : Alur kerja sistem Sehingga pada sistem akan terdapat 4 kombinasi metode yang akan diproses untuk didapatkan nilai akurasinya seperti pada tabel 1.1 Tabel 1.1 Kombinasi metode dan fungsi keanggotaan Kombinasi Akurasi Metode tsukamoto dengan fungsi keanggotaan phi (TP) Metode tsukamoto dengan fungsi keanggotaan bahu (TB) Metode mamdani dengan fungsi keanggotaan phi (MP) Metode mamdani dengan fungsi keanggotaan bahu (MB) Menunjuk pada apa yang telah dipaparkan pada poin 6, yaitu mengenai logika fuzzy mamdani dan logika fuzzy tsukamoto, maka berikut akan dijelaskan lebih spesifik lagi mengenai bagaimana algoritma dari logika fuzzy mamdani dan logika fuzzy tsukamoto pada penelitian ini: Step 1 Fuzzifikasi input. Terdapat 3 variabel inputan yaitu temperatur, putaran mesin, dan rasio. Digunakan 3 fungsi keanggotaan yaitu representasi kurva bahu dan representasi kurva phi. Dimana setiap variabel input

6 6 dibagi kedalam 5 variabel linguistik, diantaranya SR (Sangat Rendah), R (Rendah), S (Sedang), T (Tinggi), dan ST (Sangat Tinggi). Untuk setiap variabel input petakan kedalam domainnya dan untuk mendapatkan nilai keanggotaannya gunakan fungsi keanggotaan kurva berbentuk bahu dan fungsi keanggotaan kurva berbentuk phi. Step 1a Untuk fungsi keanggotaan yang direpresentasikan dengan kurva berbentuk bahu : Gambar 1.2 : Kurva bahu input temperature Gambar 1.2 merupakan gambar kurva dari fungsi keanggotaan berbentuk bahu untuk input temperatur. Gambar 1.3 : Kurva bahu input putaran mesin Gambar 1.3 merupakan gambar kurva dari fungsi keanggotaan berbentuk bahu untuk input putaran mesin. Gambar 1.4 merupakan gambar kurva dari fungsi keanggotaan berbentuk bahu untuk input rasio konsumsi bahan bakar.

7 7 Gambar 1.4 : Kurva bahu input rasio konsumsi bahan bakar Persamaan yang digunakan untuk mendapat nilai keanggotaan dari kurva bahu pada fuzzifikasi dapat dilihat pada persamaan (1.1) 0, 1; x a, x c x a μ[x] = { ; a x b b a.(1.1) c x ; b x c c b Keterangan : μ[x]= derajat keanggotaan x = nilai asli a = batas kiri b = batas tengah c = batas kanan Step 1b Untuk fungsi keanggotaan yang direpresentasikan dengan kurva berbentuk phi : Gambar 1.5 : Kurva phi input temperatur

8 8 Gambar 1.5 merupakan gambar kurva dari fungsi keanggotaan berbentuk phi untuk input temperatur. Gambar 1.6 : Kurva phi input putaran mesin Gambar 1.6 merupakan gambar kurva dari fungsi keanggotaan berbentuk phi untuk input putaran mesin. Gambar 1.7 : Kurva phi input rasio konsumsi bahan bakar Gambar 1.7 merupakan gambar kurva dari fungsi keanggotaan berbentuk phi untuk input rasio konsumsi bahan bakar. Persamaan yang digunakan untuk mendapat nilai keanggotaan dari kurva phi dapat dilihat pada persamaan (1.2) μ[x; a, b, c] phi = { μ[x; c z, c z 2, c] sigmoid; jika x c μ[x; c, c + z 2, c + z] sigmoid; jika x > c...(1.2) Keterangan : μ[x; a, b, c] phi = derajat keanggotaan x = nilai asli

9 9 a = batas kiri b = batas tengah c = batas kanan z = b - a Step 2 Setelah proses pada step 1 dilakukan (fuzzifikasi) maka akan didapatkan nilai keanggotaan juga kelompok himpunan fuzzynya. Selanjutnya dilakukan proses inference. Setiap input awal (temperatur, putaran mesin, rasio konsumsi bahan bakar) yang telah difuzzifikasi akan dikombinasikan, kemudian diproses dengan basis pengetahuan seperti pada table 1.2 untuk mendapat variable linguistik output dari system bahan bakar dan pendingin. Terdapat basis pengetahuan fuzzy yang telah dibentuk untuk mesin inferensi seperti berikut Tabel 1.2 : Aturan inference Aturan Sistem Bahan Aturan Sistem Pendingin ke- Bakar 1 IF Temp SR AND PM SR AND Rasio SR Output BB1 Output Pend1 2 IF Temp SR AND PM SR AND Rasio S Output BB2 Output Pend2 3 IF Temp SR AND PM SR AND Rasio R Output BB3 Output Pend3 4 IF Temp SR AND PM SR AND Rasio T Output BB4 Output Pend4 5 IF Temp SR AND PM SR AND Rasio ST Output BB5 Output Pend5 123 IF Temp ST AND PM ST AND Rasio R Output BB123 Output Pend IF Temp ST AND PM ST AND Rasio T Output BB124 Output Pend IF Temp ST AND PM ST AND Rasio ST Output BB125 Output Pend125 Keterangan : Temp PM Rasio ST T S R SR : Temperatur : Putaran Mesin : Rasio konsumsi bahan bakar : Sangat Tinggi : Tinggi : Sedang : Rendah : Sangat Rendah

10 10 Output BBx Output Pendx : Output pada sistem bahan bakar yang ke x : Output pada sistem pendingin yang ke x Step 3a Step 3b Step 4 Step 5 Evaluasi dalam inferensi pada metode mamdani dilakukan dengan menggunakan fungsi MIN dan komposisi antar-rule menggunakan fungsi MAX untuk menghasilkan himpunan fuzzy baru. Evaluasi dalam inferensi pada metode tsukamoto dilakukan dengan menggunakan fungsi implikasi MIN untuk mendapatkan nilai α- predikat tiap-tiap rule (α1, α2, α3,... αn). Masing-masing nilai α- predikat digunakan untuk menghitung hasil inferensi secara tegas (crisp) masing-masing rule (z1, z2, z3,... zn). Terdapat 2 jenis output disini yaitu sistem bahan bakar dan sistem pendingingan. Setiap output terbagi atas 3 variabel linguistik, yaitu R (Rendah), S (Sedang), dan T (Tinggi). Proses defuzzifikasi menggunakan metode weighted average dengan rumus berikut: Keterangan : z = a 1.z 1 (1.3) a 1 z = hasil defuzzifikasi a n = nilai min z n = nilai linguistic output / alpha predikat Evaluasi dan Validasi Hasil Evaluasi dan validasi hasil dilakukan untuk menganalisa perbedaan antara metode fuzzy mamdani dan metode fuzzy tsukamoto juga pada fungsi keanggotaan yang diterapkan pada masing-masing metode tersebut pada diagnosa tingkat kerusakan mobil dengan keadaan nyata.

11 11 Untuk setiap data yang ada akan dilakukan perhitungan dengan kombinasi kedua metode dan 3 fungsi keanggotaan kemudian dibandingkan hasilnya. Dari perbandingan yang dilakukan kemudian akan dilakukan analisa bagimana perbedaan hasil itu terjadi dan kombinasi metode dan fungsi keanggotaan mana yang lebih cocok digunakan pada objek penelitian. Menurut pakar untuk mendiagnosa kerusakan pada sistem bahan bakar dapat dilihat dari beberapa konponen yaitu: 1. Tekanan pada pompa bahan bakar 2. Injektor 3. Saringan bahan bakar 4. Saluran bahan bakar Dan untuk mendiagnosa kerusakan pada sistem pendingin dapat dilihat dari beberapa komponen yaitu: 1. Volume cairan pendingin 2. Extra kipas 3. Sensor temperatur 4. Termostart 5. Saluran pendingin Untuk dapat mengatakan suatu sistem (bahan bakar maupun pendingin) itu rusak, dapat dilakukan dengan melihat komponen-komponen tersebut, jika terdapat satu bahkan lebih komponen yang bermasalah maka dapat dikatakan sistem terkait juga mengalami masalah. Untuk validasi hasil sistem dengan data riil dilakukan dengan cara membandingkan hasil dari penelitian dengan hasil pengecekan manual yang dilakukan oleh montir. Untuk sistem bahan bakar, - 1 komponen = a - b - 2 komponen = c - d komponen = e - f Sedangkan untuk sistem pendingin,

12 12-1 komponen = g - h komponen = i - j komponen = k l Dimana a l merupakan angka hasil dari proses fuzzy, yang akan diobservasi kembali kepada pakar. Dengan dilakukannya perbandingan itu maka akan diketahui seberapa valid sistem ini dengan data riil. Semakin besar jumlah dari hasil yang sama, semakin besar tingkat akurasi dari penelitian ini, begitu pula sebaliknya.