Penjelasan Metode Fuzzy Tsukamoto
Landasan teori dan implementasi metode yang digunakan dalam sistem pendukung keputusan ini.
Metode Fuzzy Tsukamoto merupakan salah satu metode dalam sistem inferensi fuzzy yang dikembangkan oleh Tsukamoto. Metode ini menggunakan aturan berbentuk "IF-THEN" di mana setiap konsekuen (output) pada aturan fuzzy dinyatakan dalam bentuk himpunan fuzzy dengan fungsi keanggotaan monoton, baik monoton naik maupun monoton turun.
Dalam metode Tsukamoto, setiap aturan (rule) menghasilkan nilai tegas (crisp) berdasarkan nilai α-predicate (fire strength). Hasil akhir diperoleh melalui proses defuzzifikasi menggunakan metode rata-rata terbobot (weighted average) dari seluruh output aturan yang aktif.
Secara matematis, rumus defuzzifikasi Tsukamoto adalah:
Keterangan: αi = fire strength rule ke-i, zi = output tegas rule ke-i
Metode Fuzzy Tsukamoto dipilih dalam penelitian ini dengan pertimbangan sebagai berikut:
| No | Aspek | Tsukamoto | Mamdani |
|---|---|---|---|
| 1 | Fungsi keanggotaan output | Monoton (sederhana) | Beragam (kompleks) |
| 2 | Proses defuzzifikasi | Rata-rata terbobot | Centroid (integral) |
| 3 | Komputasi | Ringan & cepat | Lebih berat |
| 4 | Output setiap rule | Nilai tegas (crisp) | Himpunan fuzzy |
| 5 | Kesesuaian studi kasus | Cocok untuk produksi | Cocok untuk kontrol |
Berdasarkan perbandingan di atas, metode Tsukamoto lebih sesuai untuk studi kasus penentuan jumlah produksi batik karena menghasilkan output tegas pada setiap rule, proses komputasi yang efisien, serta mudah diimplementasikan dalam sistem informasi berbasis web.
Berikut adalah diagram alur proses perhitungan Fuzzy Tsukamoto yang diterapkan dalam sistem ini:
Fuzzifikasi
Proses mengubah nilai input tegas (crisp) menjadi derajat keanggotaan (μ) pada setiap himpunan fuzzy menggunakan fungsi keanggotaan linear.
Inferensi
Menentukan α-predicate (fire strength) menggunakan operator AND (MIN) dan menghitung nilai z berdasarkan fungsi keanggotaan monoton output.
Defuzzifikasi
Menghitung rata-rata terbobot dari seluruh output rule: Z = Σ(αi × zi) / Σ(αi)
Output
Hasil akhir berupa rekomendasi jumlah produksi batik (dalam satuan unit) yang telah dibulatkan ke bilangan bulat terdekat.
| Variabel | Jenis | Himpunan Fuzzy | Notasi | Rentang | Fungsi Keanggotaan |
|---|---|---|---|---|---|
| Permintaan | Input | Rendah | μRendah(x) | [100, 500] |
Linear Turun: 1, jika x ≤ 100 (500 − x) / (500 − 100), jika 100 < x < 500 0, jika x ≥ 500 |
| Tinggi | μTinggi(x) | [100, 500] |
Linear Naik: 0, jika x ≤ 100 (x − 100) / (500 − 100), jika 100 < x < 500 1, jika x ≥ 500 |
||
| Stok | Input | Sedikit | μSedikit(x) | [50, 300] |
Linear Turun: 1, jika x ≤ 50 (300 − x) / (300 − 50), jika 50 < x < 300 0, jika x ≥ 300 |
| Banyak | μBanyak(x) | [50, 300] |
Linear Naik: 0, jika x ≤ 50 (x − 50) / (300 − 50), jika 50 < x < 300 1, jika x ≥ 300 |
||
| Produksi | Output | Berkurang | μBerkurang(z) | [100, 500] |
Linear Turun (Monoton): z = 500 − α × (500 − 100) |
| Bertambah | μBertambah(z) | [100, 500] |
Linear Naik (Monoton): z = 100 + α × (500 − 100) |
| Rule | IF Permintaan | AND Stok | THEN Produksi | Operator α | Rumus z |
|---|---|---|---|---|---|
| R1 | Rendah | Banyak | Berkurang | min(μRendah, μBanyak) | z = 500 − α × 400 |
| R2 | Rendah | Sedikit | Berkurang | min(μRendah, μSedikit) | z = 500 − α × 400 |
| R3 | Tinggi | Banyak | Bertambah | min(μTinggi, μBanyak) | z = 100 + α × 400 |
| R4 | Tinggi | Sedikit | Bertambah | min(μTinggi, μSedikit) | z = 100 + α × 400 |
Grafik berikut menunjukkan representasi visual dari fungsi keanggotaan linear yang digunakan untuk setiap variabel fuzzy dalam sistem.
Variabel Permintaan
Variabel Stok
Variabel Produksi
- Kusumadewi, S., & Purnomo, H. (2013). Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta: Graha Ilmu.
- Sutojo, T., Mulyanto, E., & Suhartono, V. (2011). Kecerdasan Buatan. Yogyakarta: Andi Offset.
- Turban, E., Aronson, J.E., & Liang, T.P. (2005). Decision Support Systems and Intelligent Systems. Prentice Hall.