PENERAPAN ETODE FUZZY ADANI UNTUK EPREDIKSI JULAH PRODUKSI INYAK SAWIT BERDASARKAN DATA PERSEDIAAN DAN JULAH PERINTAAN (STUDI KASUS PT PERKEBUNAN ITRA OGAN BATURAJA) Dwi artha Sukandy), Agung Triongko Basuki), Shinta Puspasari3) dwi.martha.sukandy@gmail.com, agungtriongko@gmail.com, 3Shinta@stmik-mdp.net,,3 Program Studi Teknik Informatika STIK GI DP Abstrak : Produksi merupakan salah satu kegiatan yang dilakukan dalam sebuah perusahaan khususnya PT Perkebunan itra Ogan Baturaja yang bergerak dalam bidang pengolahan minyak sawit. Oleh karena itu, pengembangan sistem ini bertujuan untuk membuat aplikasi yang menerapkan metode fuzzy amdani untuk memprediksi jumlah produksi minyak sawit berdasarkan data persediaan dan jumlah permintaan. Pengembangan sistem ini dibuat berbasis desktop menggunakan bahasa pemrograman icrosoft VB.Net dan icrosoft SQL Server 008 dengan metodologi prtototyping. Berdasarkan dari hasil pengujian aplikasi maka diketahui bahwa prediksi dari penerapan metode fuzzy amdani sebagian besar memenuhi jumlah permintaan yang ada. Dengan menggunakan aplikasi ini pihak perusahaan melakukan prediksi lebih cepat dari perhitungan manual. Sehingga diharapkan memberikan kemudahan bagi pihak perusahaan untuk memprediksi jumlah produksi minyak sawit berdasarkan data persediaan dan jumlah permintaan. Kata kunci : Produksi, Persediaan, Permintaan, etode Fuzzy amdani. Abstract : The production is one of the activities carried out in a company especially PT Perkebunan itra Ogan Baturaja which is engaged in the processing of palm oil. Therefore, the development of this system aims to make applications that implement amdani fuzzy method to predict the amount of palm oil production based on inventory data and total of requests. The development of this system was made based desktops using icrosoft VB.Net and icrosoft SQL Server 008 with prtototyping methodology. Based on the results of testing the application it can be seen that the predictions of the most aplication the amdani fuzzy method can meet the existing demand. By using this application the company can make predictions more quickly than manual calculation. Thus expected to provide facilities for the company to predict the amount of palm oil production based on inventory data and total of requests. Keywords: Production, Supply, Demand, amdani Fuzzy ethods. PENDAHULUAN Produksi minyak sawit dalam waktu yang tepat dan dalam jumlah yang tepat merupakan sesuatu yang diinginkan perusahaan perkebunan sawit, begitu juga bagi perusahaan PT Perkebunan itra Ogan Baturaja. Namun dalam menentukan jumlah produksi minyak sawit di waktu yang akan datang tidak lah mudah. Banyaknya faktor yang terlibat dalam perhitungan menjadi kendala dalam mengambil kebijakan untuk menentukan jumlah minyak sawit yang akan diproduksi. Faktor-faktor tersebut adalah permintaan maksimum, permintaan minimum, persediaan maksimum, persediaan minimum, produksi maksimum, produksi minimum, permintaan saat ini, dan persediaan saat ini. Salah satu cara yang bisa digunakan dalam memprediksi jumlah produksi minyak sawit adalah penerapan logika fuzzy, karena ter beberapa data yang bisa digunakan dalam melakukan perhitungan guna menkan prediksi jumlah produksi minyak sawit. Di dalam perhitungan logika fuzzy ter beberapa metode, yaitu metode Tsukamoto, metode amdani, dan metode Hal -
Sugeno. Setiap metode tersebut memiliki cara dan hasil perhitungan yang berbeda. Dalam kasus ini, masalah yang timbul adalah bagaimana cara menerapkan metode fuzzy amdani untuk memprediksi jumlah produksi minyak sawit berdasarkan data persediaan dan jumlah permintaan. LANDASAN TEORI a. Logika Fuzzy Konsep tentang logika fuzzy diperkenalkan oleh Prof. Lotfi Astor Zadeh pada 96. Logika fuzzy adalah metodologi sistem kontrol pemecahan masalah, yang cocok untuk diimplementasikan pada sistem, mulai dari sistem yang sederhana, sistem kecil, embedded system, jaringan PC, multichannel atau workstation berbasis akuisisi data, dan sistem kontrol. etodologi ini diterapkan pada perangkat keras, perangkat lunak, atau kombinasi keduanya. Dalam logika klasik dinyatakan bahwa segala sesuatu bersifat biner, yang artinya adalah hanya mempunyai dua kemungkinan, Ya atau Tidak, Benar atau Salah, Baik atau Buruk, dan lainlain. Oleh karena itu, semua ini mempunyai nilai keanggotaan 0 atau. Akan tetapi, dalam logika fuzzy kemungkinan nilai keanggotaan berada diantara 0 dan. Artinya,bisa saja suatu keadaan mempunyai dua nilai Ya dan Tidak, Benar dan Salah, Baik dan Buruk secara bersamaan, namun besar nilainya tergantung pada bobot keanggotaan yang dimilikinya [3]. b. Operasi Himpunan Fuzzy Operasi himpunan fuzzy diperlukan untuk proses inferensi atau penalaran. Dalam hal ini yang dioperasikan adalah derajat keanggotaanya. Derajat keanggotaan sebagai hasil dari operasi dua buah himpunan fuzzy disebut sebagai fire strength atau α-predikat [3]. Ada beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu :. Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy.. Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu variabel fuzzy. 3. Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai semesta pembicaraan berupa bilangan positif maupun negatif. Adakalanya nilai semesta pembicaraan ini tidak dibatasi batas atasnya. 4. Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan fuzzy. Seperti halnya semesta pembicaraan, domain merupakan himpunan bilangan real yang senantiasa naik (bertambah) secara monoton dari kiri ke kanan. Nilai domain berupa bilangan positif maupun negatif []. c. Fungsi Keanggotaan Fungsi keanggotaan adalah grafik yang mewakili besar dari derajat keanggotaan masing-masing variabel input yang berada dalam interval antara 0 dan. Derajat keanggotaan sebuah variabel x dilambangkan dengan simbol μ(x). Rulerule menggunakan nilai keanggotaan sebagai faktor bobot untuk menentukan pengaruhnya pada saat melakukan inferensi untuk menarik kesimpulan [3]. Ada beberapa fungsi yang bisa digunakan antara lain :. Representasi Linear, pada representasi linear pemetaan input ke derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang jelas. Ada dua keadaan fuzzy yang linear yaitu representasi Hal -
. 3. 4. 5. 6. linear naik dan representasi linear turun. Representasi Kurva Segitiga, Kurva segitiga pada dasarnya merupakan gabungan antara dua garis linear. Representasi Kurva Trapesium, Kurva trapesium pada dasarnya seperti bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan. Representasi Kurva Bentuk Bahu, Daerah yang terletak di tengah tengah suatu variabel yang dipresentasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan naik dan turun. Tetapi terkadang salah satu sisi dari variabel tersebut tidak mengalami perubahan. Representasi Kurva-S, Kurva PERTUBUHAN dan PENYUSUTAN merupakan kurva-s atau sigmoid yang berhubungan dengan kenaikan dan penurunan permukaan secara tak linear. Representasi Kurva Bentuk Lonceng (Bell Curve), Untuk mempresentasikan bilangan fuzzy, biasanya digunakan kurva berbentuk lonceng. Kurva berbentuk lonceng ini terbagi atas tiga kelas, yaitu kurva PI, kurva beta, dan kurva Gauss. Perbedaan ketiga kurva ini terletak pada gradientnya []. d. Cara Kerja Logika Fuzzy amdani etode amdani paling sering digunakan dalam aplikasi-aplikasi karena strukturnya yang sederhana, yaitu menggunakan operasi IN-AX atau AX-PRODUCT. Untuk menkan output, diperlukan empat tahapan berikut [3] :. Fuzzyfikasi.. Pembentukan basis pengetahuan fuzzy (rule dalam bentuk IF THEN). 3. Aplikasi fungsi implikasi menggunakan fungsi IN dan Komposisi antar-rule menggunakan fungsi AX (menghasilkan himpunan fuzzy baru). 4. Defuzzyfikasi menggunakan metode Centroid. ( ) ( ) () e. Rancangan Sistem Sebuah prototyping adalah bagian dari produk yang mengekspresikan logika maupun fisik antarmuka eksternal yang ditampilkan. Konsumen potensial menggunakan prototyping dan menyediakan masukan untuk tim pengembang sebelum pengembangan skala besar dimulai. elihat dan mempercayai menjadi hal yang diharapkan untuk dicapai dalam prototyping. Dengan menggunakan pendekatan ini, konsumen dan tim pengembang mengklarifikasi kebutuhan dan intepretasi mereka []. f. Flowchart Alat yang banyak digunakan untuk membuat algoritma dalam pembuatan program adalah diagram alur atau sering disebut dengan flowchart [4]. 3 RANCANGAN SISTE a. Profil PT Perkebunan itra Ogan PT Perkebunan itra Ogan (PTP O) berkedudukan di kota Palembang, didirikan pada tanggal 9 Desember 988. PTP O merupakan perusahaan patungan antara PT RNI dan PTPN III yang bergerak dibidang usaha perkebunan, pengolahan, dan pemasaran hasil perkebunan kelapa sawit dengan produk utamanya antara lain minyak sawit mentah / Crude Palm Oil (CPO) dan inti sawit / Palm Kernel (PK). b. Pengumpulan Data Pada tahap ini dikumpulkan informasi, keterangan dari narasumber melalui pihak perusahaan tentang produksi minyak sawit, teori-teori dari buku, rujukan dari artikel ataupun jurnal yang terkait dengan metode fuzzy amdani serta referensi lain yang digunakan untuk menyelesaikan laporan skripsi ini. c. Wawancara Wawancara dilakukan pada pihak perusahaan PT Perkebunan itra Ogan Hal - 3
Baturaja sebagai tempat pengambilan data. Hal yang mungkin harus diketahui adalah seberapa tinggi jumlah minyak sawit yang diproduksi dalam sehari, faktor apa saja yang harus dipertimbangkan dalam memprediksi jumlah minyak sawit yang akan diproduksi tersebut. d. Data Sekunder Data yang diambil untuk digunakan dalam rancangan sistem ini adalah datadata per hari dari jumlah permintaan, persediaan, dan produksi minyak sawit selama rentang waktu dua tahun terakhir (September 0 September 03) dari PT Perkebunan itra Ogan Baturaja yang beralamat di Jl. Karang Dapo Kec. Peninjauan Baturaja Ogan Komering Ulu Sumatera Selatan. e. Sistem Fuzzy Dengan model prototyping, secara umum ter empat langkah untuk memprediksi jumlah produksi berdasarkan data persediaan dan jumlah permintaan dengan metode fuzzy amdani. Berikut algoritma untuk perhitungan sistematis logika fuzzy metode amdani dalam bentuk flowchart : Tabel. Data inyak Sawit Tanggal Prd Prm Psd 0/09/0 60 0 0/09/0 30 03/09/0 07 7 04/09/0 30 7 05/09/0 8 35 06/09/0 33 07/09/0 5 38 08/09/0 78 97 9 09/09/0 0 6 0/09/0 6 /09/0 6 /09/0 93 9 3/09/0 8 4/09/0 76 87 9 5/09/0 9 7 6/09/0 65 68 7/09/0 73 7 8/09/0 97 4 9/09/0 98 0/09/0 Keterangan : Prd : Produksi Prm : Permintaan Psd : Persediaan Gambar. Flowchart Logika Fuzzy etode amdani f. endefenisikan Variabel Fuzzy Pada tahap ini, nilai keanggotaan himpunan permintaan dan persediaan saat ini dicari menggunakan fungsi keanggotaan himpunan fuzzy dengan memperhatikan data hasil wawancara. Pembentukan Aturan Fuzzy, Dari dua variabel input dan sebuah variabel output yang telah didefinisikan, dengan melakukan analisa data terhadap batas tiap tiap himpunan fuzzy pada tiap tiap variabelnya maka ter 9 aturan fuzzy yang akan dipakai dalam sistem ini, dengan susunan aturan IF Permintaan AND Persediaan THAN Produksi, hasilnya yaitu : Hal - 4
No 3 4 5 6 7 8 9 Tabel. Aturan Fuzzy Variabel Permintaan Persediaan variabel Persediaan direpresentasikan pada Gambar 3 : Produksi Berikut adalah cara untuk menkan nilai keanggotan berdasarkan variabel linguistik dan variabel numerik yang digunakan : µ[x]rendah µ[x]sedang µ[x]tinggi 0 0 0 x 40 atau x 30 40 x 76 76 x 30 x 76 76 x 30 x 30 x 40 40 x 76 x 76 Gambar 3. Himpunan Fuzzy dari Variabel Persediaan µ[z] µ[z] () µ[z ] (3) (4) Fungsi keanggotaan himpunan fuzzy RENDAH, SEDANG, dan TINGGI dari variabel Permintaan direpresentasikan pada Gambar : 0 0 0 z 40 40 z 76 z 76 (8) z 40 atau z 30 40 z 76 76 z 30 (9) z 76 76 z 30 z 30 (0) Fungsi keanggotaan himpunan RENDAH, SEDANG, dan TINGGI dari variabel Produksi inyak Sawit direpresentasikan pada Gambar 4 : Gambar 4. Himpunan Fuzzy dari variabel Produksi 4 HASIL DAN PEBAHASAN a. endefenisikan Variabel Fuzzy Gambar. Himpunan Fuzzy dari Variabel Permintaan µ[y]rendah µ[y]sedang µ[y]tinggi 0 0 0 y 0 0 y y (5) y 0 atau y 50 0 y y 50 (6) y y 50 y 50 (7) Fungsi keanggotaan himpunan fuzzy RENDAH, SEDANG, dan TINGGI dari Tabel 3. Data untuk Contoh Perhitungan Variabel Linguistik Numerik Prm 40 Prm 76 Prm 30 Psd 0 Psd Psd 50 Persediaan 30 Permintaan 97 Satuan Hal - 5
Berikut adalah contoh perhitungan yang akan dilakukan dengan menggunakan data yang disajikan dalam Tabel 3 : [R7] IF Permintaan TINGGI And Persediaan TINGGI THEN Produksi inyak Sawit TINGGI Nilai keanggotaan himpunan SEDANG dan TINGGI dari variabel Permintaan dicari dengan : Permintaan 97 ton [R8] IF Permintaan TINGGI And Persediaan SEDANG THEN Produksi inyak Sawit TINGGI μpmtsedang[x] μpmttinggi[x] 0,6 0,38 α-predikat7 μpmttinggi[x] μpsdtinggi[y] min (0,3,3) 0,3 α-predikat8 μpmttinggi[x] μpsdsedang[y] min (0,3,68) 0,38 c. Komposisi Aturan 0,3 a 0,3 (76-40) + 40 a 5,6 0,6 a 0,6 (76-40) + 40 a 6,96 Gambar 5. Fungsi Keanggotaan dari Variabel Permintaan 97 Ton Nilai keanggotaan himpunan SEDANG dan TINGGI dari variabel Persediaan dicari dengan : Persediaan 30 ton μpsdsedang[y] μsdtinggi[y] 0,68 0,3 Gambar 6. Fungsi Keanggotaan dari Variabel Persediaan 30 Ton b. Inferensi esin Inferensi : [R4] IF Permintaan SEDANG And Persediaan TINGGI THEN Produksi inyak Sawit RENDAH α-predikat4 μpmtsedang[x] μpsdtinggi[y] min (0,60,3) 0,3 [R5] IF Permintaaan SEDANG And Persediaan SEDANG THEN Produksi inyak Sawit SEDANG α-predikat5 μpmtsedang[x] μpsdsedang[y] min (0,60,68) 0,6 0,6 a3 30-0,6 (30-76) a3 97,06 0,38 a4 30-0,38 (30-76) a4 09,48 0,3 0,6 µ[z]produksi 0,6 0,38 5,6 5,6 6,96 6,96 76 76 97.06 97,06 09,48 09,48 d. Defuzzifikasi Dengan menggunakan Rumus (), maka dilakukan perhitungan sebagai berikut :, Z*, Z* 70,43985643 70 Hasil perhitungan di atas menunjukkan bahwa metode fuzzy amdani memprediksi jumlah produksi minyak sawit tersebut sebanyak 70 ton. e. Form Login Pada saat aplikasi dijalankan, maka form awal yang akan tampil adalah Form Login. Dimana pengguna memasukkan Nama Pengguna (Admin / Pengguna) dan Kata Sandi agar button asuk aktif. Apabila Nama Pengguna dan Kata Sandi telah diisi Hal - 6
dengan benar maka akan masuk ke dalam aplikasi. Gambar 7. Form Login f. Form enu Utama Admin Apabila login diterima sebagai admin, maka program akan menampilkan Form enu Utama seperti pada Gambar 8 : Gambar 0. Form Cari Data i. Form Kelola Data Pada Form Kelola Data ini, Admin / pengguna melakukan hak akses antara lain : Simpan, Ubah, Hapus, dan Keluar. Gambar 8. Form enu Utama Admin g. Form enu Utama Pengguna Apabila login sebagai Pengguna, maka menu yang digunakan hampir sama dengan admin tetapi ada sedikit perbedaan seperti terlihat pada Gambar 9 : Gambar. Form Kelola Data j. Form Ubah Kata Sandi Form Ubah Kata Sandi digunakan apabila Admin / Pengguna ingin mengganti kata sandi lama dengan kata sandi yang baru. Gambar 9. Form enu Utama Pengguna h. Form Cari Data Form Cari Data hanya akan muncul ketika login diterima sebagai admin, sedangkan pengguna juga melakukan pencarian data langsung dari Form Kelola Data. Gambar. Form Ubah Kata Sandi Hal - 7
k. Form Ubah Variabel Form Ubah Variabel hanya digunakan oleh Admin jika ingin melakukan perubahan terhadap variabel yang telah ada sebelumnya, hal ini memungkinkan jika terjadi perubahan kebijakan dari perusahaan. Tabel 4. Hasil Prediksi Produksi Gambar 3. Form Ubah Variabel l. Form Prediksi Produksi Ketika button Prediksi pada Form Utama diklik, maka Form Prediksi akan muncul dan Admin / pengguna memprediksi jumlah produksi minyak sawit dengan terlebih dahulu memasukkan nilai persediaan dan permintaan. Psd Prm 30 5 5 33 5 8 3 5 3 50 4 0 3 4 8 3 0 36 0 3 0 93 99 76 60 45 64 55 65 8 79 87 0 09 30 89 65 54 5 5 54 87 Prd (a) 03 65 48 70 60 70 75 7 7 3 8 7 86 7 40 66 43 50 64 5 83 Nilai Rata rata Keterangan : Psd Prm Prd (a) Prediksi Prd (b) T Prediksi Prd (b) 69 79 8 67 8 46 66 55 69 79 9 64 8 60 93 9 84 07 67 5 49 83 Selisih (a-b) 3 5 40 4 5 6 0 8 67 0 7 7 7 4 3 0 4 8 Ket Prd T T T T 6,33333 : Persediaan : Permintaan : Produksi Sebenarnya : Prediksi Produksi : emenuhi : Tidak emenuhi Berdasarkan hasil pengujian aplikasi di atas, maka diketahui bahwa dari 30 data yang dipilih secara acak, diperoleh 6 data yang memenuhi permintaan dengan nilai persentase sebesar 86,67%. kan nilai rata-rata dari selisih antara produksi dan prediksi menggunakan metode fuzzy amdani adalah sebesar 6,3333. Gambar 4. Form Prediksi Produksi Berikut adalah hasil pengujian prediksi produksi minyak sawit dengan menggunakan data yang telah ada sebelumnya yang diambil secara acak : 5 KESIPULAN Berdasarkan pembahasan mengenai Penerapan etode Fuzzy amdani dalam emprediksi jumlah produksi minyak sawit berdasarkan Data Persediaan dan Jumlah Permintaan, maka disimpulkan : Hal - 8
.. Logika fuzzy dengan metode amdani efektif diterapkan dalam aplikasi untuk membantu pihak perusahaan dalam memprediksi jumlah produksi minyak sawit berdasarkan data persediaan dan jumlah permintaan ditinjau dari hasil pengujian aplikasi. Dari hasil uji coba prediksi dengan menggunakan aplikasi diperoleh nilai produksi yang memenuhi permintaan sebesar 86,67% dari 30 data yang dipilih secara acak. DAFTAR PUSTAKA [] Kusumadewi, Sri 003, Artificial Intelligence (Teknik dan Aplikasinya), Graha Ilmu,Yograkarta. [] AS, Rosa 0, odul Pembelajaran Rekayasa Perangkat Lunak, odula, Bandung. [] Simarmata, Janner 00, Rekayasa Perangkat Lunak, Andi Offset, Yogyakarta.. [3] Sutojo, T, ulyanto, E & Suhartono, V 0, Kecerdasan Buatan, Andi Offset, Yogyakarta. [4] Yulikuspartono 004, Pengantar Logika & Algoritma, Andi, Yogyakarta. Hal - 9