67 jurnal skripsi dwi martha - fuzzy mamdani

9
Hal - 1 PENERAPAN METODE FUZZY MAMDANI UNTUK MEMPREDIKSI JUMLAH PRODUKSI MINYAK SAWIT BERDASARKAN DATA PERSEDIAAN DAN JUMLAH PERMINTAAN (STUDI KASUS PT PERKEBUNAN MITRA OGAN BATURAJA) Dwi Martha Sukandy 1) , Agung Triongko Basuki 2) , Shinta Puspasari 3) 1 [email protected], 2 [email protected], 3 [email protected] 1,2,3 Program Studi Teknik Informatika STMIK GI MDP Abstrak : Produksi merupakan salah satu kegiatan yang dilakukan dalam sebuah perusahaan khususnya PT Perkebunan Mitra Ogan Baturaja yang bergerak dalam bidang pengolahan minyak sawit. Oleh karena itu, pengembangan sistem ini bertujuan untuk membuat aplikasi yang menerapkan metode fuzzy Mamdani untuk memprediksi jumlah produksi minyak sawit berdasarkan data persediaan dan jumlah permintaan. Pengembangan sistem ini dibuat berbasis desktop menggunakan bahasa pemrograman Microsoft VB.Net dan Microsoft SQL Server 2008 dengan metodologi prtototyping. Berdasarkan dari hasil pengujian aplikasi maka dapat diketahui bahwa prediksi dari penerapan metode fuzzy Mamdani sebagian besar dapat memenuhi jumlah permintaan yang ada. Dengan menggunakan aplikasi ini pihak perusahaan dapat melakukan prediksi lebih cepat dari perhitungan manual. Sehingga diharapkan dapat memberikan kemudahan bagi pihak perusahaan untuk memprediksi jumlah produksi minyak sawit berdasarkan data persediaan dan jumlah permintaan. Kata kunci : Produksi, Persediaan, Permintaan, Metode Fuzzy Mamdani. Abstract : The production is one of the activities carried out in a company especially PT Perkebunan Mitra Ogan Baturaja which is engaged in the processing of palm oil. Therefore, the development of this system aims to make applications that implement Mamdani 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 Microsoft VB.Net and Microsoft SQL Server 2008 with prtototyping methodology. Based on the results of testing the application it can be seen that the predictions of the most aplication the Mamdani 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, Mamdani Fuzzy Methods. 1 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 Mitra 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 dapat 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 terdapat beberapa data yang bisa digunakan dalam melakukan perhitungan guna mendapatkan prediksi jumlah produksi minyak sawit. Di dalam perhitungan logika fuzzy terdapat beberapa metode, yaitu metode Tsukamoto, metode Mamdani, dan metode

Upload: irhdy

Post on 16-Apr-2017

111 views

Category:

Data & Analytics


8 download

TRANSCRIPT

Page 1: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 1

PENERAPAN METODE FUZZY MAMDANI UNTUKMEMPREDIKSI JUMLAH PRODUKSI MINYAK SAWIT

BERDASARKAN DATA PERSEDIAAN DAN JUMLAHPERMINTAAN

(STUDI KASUS PT PERKEBUNAN MITRA OGAN BATURAJA)

Dwi Martha Sukandy1), Agung Triongko Basuki2), Shinta Puspasari3)

[email protected], [email protected], [email protected],2,3Program Studi Teknik Informatika

STMIK GI MDP

Abstrak : Produksi merupakan salah satu kegiatan yang dilakukan dalam sebuah perusahaan khususnyaPT Perkebunan Mitra Ogan Baturaja yang bergerak dalam bidang pengolahan minyak sawit. Oleh karenaitu, pengembangan sistem ini bertujuan untuk membuat aplikasi yang menerapkan metode fuzzy Mamdaniuntuk memprediksi jumlah produksi minyak sawit berdasarkan data persediaan dan jumlah permintaan.Pengembangan sistem ini dibuat berbasis desktop menggunakan bahasa pemrograman Microsoft VB.Netdan Microsoft SQL Server 2008 dengan metodologi prtototyping. Berdasarkan dari hasil pengujianaplikasi maka dapat diketahui bahwa prediksi dari penerapan metode fuzzy Mamdani sebagian besar dapatmemenuhi jumlah permintaan yang ada. Dengan menggunakan aplikasi ini pihak perusahaan dapatmelakukan prediksi lebih cepat dari perhitungan manual. Sehingga diharapkan dapat memberikankemudahan bagi pihak perusahaan untuk memprediksi jumlah produksi minyak sawit berdasarkan datapersediaan dan jumlah permintaan.

Kata kunci : Produksi, Persediaan, Permintaan, Metode Fuzzy Mamdani.

Abstract : The production is one of the activities carried out in a company especially PT PerkebunanMitra Ogan Baturaja which is engaged in the processing of palm oil. Therefore, the development of thissystem aims to make applications that implement Mamdani fuzzy method to predict the amount of palmoil production based on inventory data and total of requests. The development of this system was madebased desktops using Microsoft VB.Net and Microsoft SQL Server 2008 with prtototyping methodology.Based on the results of testing the application it can be seen that the predictions of the most aplication theMamdani fuzzy method can meet the existing demand. By using this application the company can makepredictions more quickly than manual calculation. Thus expected to provide facilities for the company topredict the amount of palm oil production based on inventory data and total of requests.

Keywords: Production, Supply, Demand, Mamdani Fuzzy Methods.

1 PENDAHULUAN

Produksi minyak sawit dalam waktuyang tepat dan dalam jumlah yang tepatmerupakan sesuatu yang diinginkanperusahaan perkebunan sawit, begitu jugabagi perusahaan PT Perkebunan Mitra OganBaturaja. Namun dalam menentukan jumlahproduksi minyak sawit di waktu yang akandatang tidak lah mudah. Banyaknya faktoryang terlibat dalam perhitungan menjadikendala dalam mengambil kebijakan untukdapat menentukan jumlah minyak sawit yangakan diproduksi. Faktor-faktor tersebut adalah

permintaan maksimum, permintaanminimum, persediaan maksimum, persediaanminimum, produksi maksimum, produksiminimum, permintaan saat ini, dan persediaansaat ini.

Salah satu cara yang bisa digunakandalam memprediksi jumlah produksi minyaksawit adalah penerapan logika fuzzy, karenaterdapat beberapa data yang bisa digunakandalam melakukan perhitungan gunamendapatkan prediksi jumlah produksiminyak sawit. Di dalam perhitungan logikafuzzy terdapat beberapa metode, yaitu metodeTsukamoto, metode Mamdani, dan metode

Page 2: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 2

Sugeno. Setiap metode tersebut memiliki caradan hasil perhitungan yang berbeda. Dalamkasus ini, masalah yang timbul adalahbagaimana cara menerapkan metode fuzzyMamdani untuk memprediksi jumlahproduksi minyak sawit berdasarkan datapersediaan dan jumlah permintaan.

2 LANDASAN TEORIa. Logika Fuzzy

Konsep tentang logika fuzzydiperkenalkan oleh Prof. Lotfi AstorZadeh pada 1962. Logika fuzzy adalahmetodologi sistem kontrol pemecahanmasalah, yang cocok untukdiimplementasikan pada sistem, mulai darisistem yang sederhana, sistem kecil,embedded system, jaringan PC, multi-channel atau workstation berbasis akuisisidata, dan sistem kontrol. Metodologi inidapat diterapkan pada perangkat keras,perangkat lunak, atau kombinasikeduanya. Dalam logika klasik dinyatakanbahwa segala sesuatu bersifat biner, yangartinya adalah hanya mempunyai duakemungkinan, “Ya atau Tidak”, “Benaratau Salah”, “Baik atau Buruk”, dan lain-lain. Oleh karena itu, semua ini dapatmempunyai nilai keanggotaan 0 atau 1.Akan tetapi, dalam logika fuzzykemungkinan nilai keanggotaan beradadiantara 0 dan 1. Artinya,bisa saja suatukeadaan mempunyai dua nilai “Ya danTidak”, “Benar dan Salah”, “Baik danBuruk” secara bersamaan, namun besarnilainya tergantung pada bobotkeanggotaan yang dimilikinya [3].

b. Operasi Himpunan Fuzzy

Operasi himpunan fuzzy diperlukanuntuk proses inferensi atau penalaran.Dalam hal ini yang dioperasikan adalahderajat keanggotaanya. Derajatkeanggotaan sebagai hasil dari operasi duabuah himpunan fuzzy disebut sebagai firestrength atau α-predikat [3].

Ada beberapa hal yang perludiketahui dalam memahami sistem fuzzy,yaitu :

1. Variabel fuzzy merupakan variabelyang hendak dibahas dalam suatusistem fuzzy.

2. Himpunan fuzzy merupakan suatu grupyang mewakili suatu kondisi ataukeadaan tertentu dalam suatu variabelfuzzy.

3. Semesta pembicaraan adalahkeseluruhan nilai yang diperbolehkanuntuk dioperasikan dalam suatuvariabel fuzzy. Semesta pembicaraanmerupakan himpunan bilangan realyang senantiasa naik (bertambah)secara monoton dari kiri ke kanan.Nilai semesta pembicaraan dapatberupa bilangan positif maupun negatif.Adakalanya nilai semesta pembicaraanini tidak dibatasi batas atasnya.

4. Domain himpunan fuzzy adalahkeseluruhan nilai yang diizinkan dalamsemesta pembicaraan dan bolehdioperasikan dalam suatu himpunanfuzzy. Seperti halnya semestapembicaraan, domain merupakanhimpunan bilangan real yang senantiasanaik (bertambah) secara monoton darikiri ke kanan. Nilai domain dapatberupa bilangan positif maupun negatif[1].

c. Fungsi Keanggotaan

Fungsi keanggotaan adalah grafikyang mewakili besar dari derajatkeanggotaan masing-masing variabel inputyang berada dalam interval antara 0 dan 1.Derajat keanggotaan sebuah variabel xdilambangkan dengan simbol μ(x). Rule-rule menggunakan nilai keanggotaansebagai faktor bobot untuk menentukanpengaruhnya pada saat melakukaninferensi untuk menarik kesimpulan [3].

Ada beberapa fungsi yang bisadigunakan antara lain :1. Representasi Linear, pada representasi

linear pemetaan input ke derajatkeanggotaannya digambarkan sebagaisuatu garis lurus. Bentuk ini palingsederhana dan menjadi pilihan yangbaik untuk mendekati suatu konsepyang kurang jelas. Ada dua keadaanfuzzy yang linear yaitu representasi

Page 3: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 3

linear naik dan representasi linearturun.

2. Representasi Kurva Segitiga, Kurvasegitiga pada dasarnya merupakangabungan antara dua garis linear.

3. Representasi Kurva Trapesium, Kurvatrapesium pada dasarnya sepertibentuk segitiga, hanya saja adabeberapa titik yang memiliki nilaikeanggotaan 1.

4. Representasi Kurva Bentuk Bahu,Daerah yang terletak di tengah – tengahsuatu variabel yang dipresentasikandalam bentuk segitiga, pada sisi kanandan kirinya akan naik dan turun. Tetapiterkadang salah satu sisi dari variabeltersebut tidak mengalami perubahan.

5. Representasi Kurva-S, KurvaPERTUMBUHAN danPENYUSUTAN merupakan kurva-Satau sigmoid yang berhubungan dengankenaikan dan penurunan permukaansecara tak linear.

6. Representasi Kurva Bentuk Lonceng(Bell Curve), Untuk mempresentasikanbilangan fuzzy, biasanya digunakankurva berbentuk lonceng. Kurvaberbentuk lonceng ini terbagi atas tigakelas, yaitu kurva PI, kurva beta, dankurva Gauss. Perbedaan ketiga kurvaini terletak pada gradientnya [1].

d. Cara Kerja Logika Fuzzy Mamdani

Metode Mamdani paling seringdigunakan dalam aplikasi-aplikasi karenastrukturnya yang sederhana, yaitumenggunakan operasi MIN-MAX atauMAX-PRODUCT. Untuk mendapatkanoutput, diperlukan empat tahapan berikut[3] :1. Fuzzyfikasi.2. Pembentukan basis pengetahuan fuzzy

(rule dalam bentuk IF…THEN).3. Aplikasi fungsi implikasi menggunakan

fungsi MIN dan Komposisi antar-rulemenggunakan fungsi MAX(menghasilkan himpunan fuzzy baru).

4. Defuzzyfikasi menggunakan metodeCentroid.∗ = ∫ ( )∫ ( ) (1)

e. Rancangan Sistem

Sebuah prototyping adalah bagiandari produk yang mengekspresikan logikamaupun fisik antarmuka eksternal yangditampilkan. Konsumen potensialmenggunakan prototyping danmenyediakan masukan untuk timpengembang sebelum pengembanganskala besar dimulai. Melihat danmempercayai menjadi hal yang diharapkanuntuk dicapai dalam prototyping. Denganmenggunakan pendekatan ini, konsumendan tim pengembang dapatmengklarifikasi kebutuhan dan intepretasimereka [2].

f. Flowchart

“Alat yang banyak digunakan untukmembuat algoritma dalam pembuatanprogram adalah diagram alur atau seringdisebut dengan flowchart”[4].

3 RANCANGAN SISTEMa. Profil PT Perkebunan Mitra Ogan

PT Perkebunan Mitra Ogan (PTPMO) berkedudukan di kota Palembang,didirikan pada tanggal 19 Desember 1988.PTP MO merupakan perusahaan patunganantara PT RNI dan PTPN III yangbergerak dibidang usaha perkebunan,pengolahan, dan pemasaran hasilperkebunan kelapa sawit dengan produkutamanya antara lain minyak sawit mentah/ Crude Palm Oil (CPO) dan inti sawit /Palm Kernel (PK).

b. Pengumpulan Data

Pada tahap ini dikumpulkaninformasi, keterangan dari narasumbermelalui pihak perusahaan tentang produksiminyak sawit, teori-teori dari buku,rujukan dari artikel ataupun jurnal yangterkait dengan metode fuzzy Mamdaniserta referensi lain yang dapat digunakanuntuk menyelesaikan laporan skripsi ini.

c. Wawancara

Wawancara dilakukan pada pihakperusahaan PT Perkebunan Mitra Ogan

Page 4: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 4

Baturaja sebagai tempat pengambilan data.Hal yang mungkin harus diketahui adalahseberapa tinggi jumlah minyak sawit yangdiproduksi dalam sehari, faktor apa sajayang harus dipertimbangkan dalammemprediksi jumlah minyak sawit yangakan diproduksi tersebut.

d. Data Sekunder

Data yang diambil untuk digunakandalam rancangan sistem ini adalah data-data per hari dari jumlah permintaan,persediaan, dan produksi minyak sawitselama rentang waktu dua tahun terakhir(September 2011 – September 2013) dariPT Perkebunan Mitra Ogan Baturaja yangberalamat di Jl. Karang Dapo Kec.Peninjauan Baturaja Ogan Komering UluSumatera Selatan.

Tabel 1. Data Minyak SawitTanggal Prd Prm Psd

01/09/2011 80 60 2002/09/2011 100 90 3003/09/2011 107 120 1704/09/2011 130 120 2705/09/2011 128 120 3506/09/2011 122 120 3307/09/2011 125 120 3808/09/2011 78 97 1909/09/2011 102 105 1610/09/2011 105 105 1611/09/2011 105 105 1612/09/2011 93 90 1913/09/2011 120 118 2114/09/2011 76 87 1915/09/2011 100 92 2716/09/2011 65 68 2417/09/2011 73 80 1718/09/2011 97 100 1419/09/2011 98 100 1220/09/2011 100 100 12

Keterangan :Prd : ProduksiPrm : PermintaanPsd : Persediaan

e. Sistem Fuzzy

Dengan model prototyping, secaraumum terdapat empat langkah untukmemprediksi jumlah produksi berdasarkandata persediaan dan jumlah permintaandengan metode fuzzy Mamdani.Berikut algoritma untuk perhitungansistematis logika fuzzy metode Mamdanidalam bentuk flowchart :

Gambar 1. Flowchart Logika Fuzzy MetodeMamdani

f. Mendefenisikan Variabel FuzzyPada tahap ini, nilai keanggotaan

himpunan permintaan dan persediaan saatini dicari menggunakan fungsikeanggotaan himpunan fuzzy denganmemperhatikan data hasil wawancara.

Pembentukan Aturan Fuzzy, Dari duavariabel input dan sebuah variabel outputyang telah didefinisikan, denganmelakukan analisa data terhadap batas tiap– tiap himpunan fuzzy pada tiap – tiapvariabelnya maka terdapat 9 aturan fuzzyyang akan dipakai dalam sistem ini,dengan susunan aturan IF PermintaanAND Persediaan THAN Produksi, hasilnyayaitu :

Page 5: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 5

Tabel 2. Aturan Fuzzy

No VariabelPermintaan Persediaan Produksi

1 Rendah Tinggi Rendah2 Rendah Sedang Rendah3 Rendah Rendah Rendah4 Sedang Tinggi Rendah5 Sedang Sedang Sedang6 Sedang Rendah Tinggi7 Tinggi Tinggi Tinggi8 Tinggi Sedang Tinggi9 Tinggi Rendah Tinggi

Berikut adalah cara untukmendapatkan nilai keanggotanberdasarkan variabel linguistik danvariabel numerik yang digunakan :

µ[x]RENDAH =1;0; ; x ≤ 40

40 ≤ x ≤ 76x ≥ 76

(2)

µ[x]SEDANG =

0; ;; x ≤ 40 atau x ≥ 13040 ≤ x ≤ 76

76 ≤ x ≤ 130(3)

µ[x]TINGGI =0;1; ; x ≤ 76

76 ≤ x ≤ 130x ≥ 130

(4)

Fungsi keanggotaan himpunan fuzzyRENDAH, SEDANG, dan TINGGI darivariabel Permintaan direpresentasikanpada Gambar 2 :

Gambar 2. Himpunan Fuzzy dariVariabel Permintaan

µ[y]RENDAH =1;0; ; y ≤ 10

10 ≤ y ≤ 21y ≥ 21

(5)

µ[y]SEDANG =

0; ;; y ≤ 10 atau y ≥ 5010 ≤ y ≤ 2121 ≤ y ≤ 50

(6)

µ[y]TINGGI =0;1; ; y ≤ 21

21 ≤ y ≤ 50y ≥ 50

(7)

Fungsi keanggotaan himpunan fuzzyRENDAH, SEDANG, dan TINGGI dari

variabel Persediaan direpresentasikan padaGambar 3 :

Gambar 3. Himpunan Fuzzy dariVariabel Persediaan

µ[z] =1;0; ; z ≤ 40

40 ≤ z ≤ 76z ≥ 76

(8)

µ[z] =

0; ;; z ≤ 40 atau z ≥ 13040 ≤ z ≤ 7676 ≤ z ≤ 130

(9)

µ[z ]=0;1; ; z ≤ 76

76 ≤ z ≤ 130z ≥ 130

(10)

Fungsi keanggotaan himpunan RENDAH,SEDANG, dan TINGGI dari variabelProduksi Minyak Sawit dapatdirepresentasikan pada Gambar 4 :

Gambar 4. Himpunan Fuzzy darivariabel Produksi

4 HASIL DAN PEMBAHASANa. Mendefenisikan Variabel Fuzzy

Tabel 3. Data untuk ContohPerhitungan

Variabel SatuanLinguistik NumerikPrmRendah 40 Ton/HariPrmSedang 76 Ton/HariPrmTinggi 130 Ton/HariPsdRendah 10 Ton/HariPsdSedang 21 Ton/HariPsdTinggi 50 Ton/HariPersediaan 30 Ton/HariPermintaan 97 Ton/Hari

Page 6: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 6

Berikut adalah contoh perhitunganyang akan dilakukan dengan menggunakandata yang disajikan dalam Tabel 3 :

Nilai keanggotaan himpunanSEDANG dan TINGGI dari variabelPermintaan dapat dicari dengan :Permintaan = 97 tonμPmtSEDANG[x] = = = 0,61

μPmtTINGGI[x] = = = 0,38

Gambar 5. Fungsi Keanggotaan dariVariabel Permintaan 97 Ton

Nilai keanggotaan himpunanSEDANG dan TINGGI dari variabelPersediaan dapat dicari dengan :Persediaan = 30 tonμPsdSEDANG[y] = = = 0,68

μsdTINGGI[y] = = = 0,31

Gambar 6. Fungsi Keanggotaan dariVariabel Persediaan 30 Ton

b. InferensiMesin Inferensi :[R4] IF Permintaan SEDANG AndPersediaan TINGGI THEN ProduksiMinyak Sawit RENDAHα-predikat4 = μPmtSEDANG[x] ∩ μPsdTINGGI[y]

= min (0,61;0,31) = 0,31[R5] IF Permintaaan SEDANG AndPersediaan SEDANG THEN ProduksiMinyak Sawit SEDANGα-predikat5 = μPmtSEDANG[x] ∩ μPsdSEDANG[y]

= min (0,61;0,68) = 0,61

[R7] IF Permintaan TINGGI AndPersediaan TINGGI THEN ProduksiMinyak Sawit TINGGIα-predikat7 = μPmtTINGGI[x] ∩ μPsdTINGGI[y]

= min (0,38;0,31) = 0,31[R8] IF Permintaan TINGGI AndPersediaan SEDANG THEN ProduksiMinyak Sawit TINGGIα-predikat8 = μPmtTINGGI[x] ∩ μPsdSEDANG[y]

= min (0,38;0,68) = 0,38

c. Komposisi Aturan= 0,31

a1 = 0,31 (76 - 40) + 40a1 = 51,16

= 0,61a2 = 0,61 (76 - 40) + 40a2 = 61,96

= 0,61a3 = 130 - 0,61 (130 - 76)a3 = 97,06

= 0,38a4 = 130 - 0,38 (130 - 76)a4 = 109,48

µ[z]Produksi =

⎩⎪⎪⎨⎪⎪⎧ 0,31 ; ≤ 51,16; 51,16 ≤ ≤ 61,960,61 ; 61,96 ≤ ≤ 760,61 ; 76 ≤ ≤ 97.06; 97,06 ≤ ≤ 109,480,38 ; ≥ 109,48

d. DefuzzifikasiDengan menggunakan Rumus (1), makadapat dilakukan perhitungan sebagaiberikut :Z* = ,,Z* = 70,43985643 ≈ 70Hasil perhitungan di atas menunjukkanbahwa metode fuzzy Mamdanimemprediksi jumlah produksi minyaksawit tersebut sebanyak 70 ton.

e. Form LoginPada saat aplikasi dijalankan, maka

form awal yang akan tampil adalah FormLogin. Dimana pengguna dapatmemasukkan Nama Pengguna (Admin /Pengguna) dan Kata Sandi agar buttonMasuk dapat aktif. Apabila NamaPengguna dan Kata Sandi telah diisi

Page 7: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 7

dengan benar maka akan dapat masuk kedalam aplikasi.

Gambar 7. Form Login

f. Form Menu Utama AdminApabila login diterima sebagai admin,

maka program akan menampilkan FormMenu Utama seperti pada Gambar 8 :

Gambar 8. Form Menu Utama Admin

g. Form Menu Utama PenggunaApabila login sebagai Pengguna,

maka menu yang dapat digunakan hampirsama dengan admin tetapi ada sedikitperbedaan seperti terlihat pada Gambar 9 :

Gambar 9. Form Menu Utama Pengguna

h. Form Cari DataForm Cari Data hanya akan muncul

ketika login diterima sebagai admin,sedangkan pengguna juga dapatmelakukan pencarian data langsung dariForm Kelola Data.

Gambar 10. Form Cari Data

i. Form Kelola DataPada Form Kelola Data ini, Admin /

pengguna dapat melakukan hak aksesantara lain : Simpan, Ubah, Hapus, danKeluar.

Gambar 11. Form Kelola Data

j. Form Ubah Kata SandiForm Ubah Kata Sandi dapat

digunakan apabila Admin / Penggunaingin mengganti kata sandi lama dengankata sandi yang baru.

Gambar 12. Form Ubah Kata Sandi

Hal - 7

dengan benar maka akan dapat masuk kedalam aplikasi.

Gambar 7. Form Login

f. Form Menu Utama AdminApabila login diterima sebagai admin,

maka program akan menampilkan FormMenu Utama seperti pada Gambar 8 :

Gambar 8. Form Menu Utama Admin

g. Form Menu Utama PenggunaApabila login sebagai Pengguna,

maka menu yang dapat digunakan hampirsama dengan admin tetapi ada sedikitperbedaan seperti terlihat pada Gambar 9 :

Gambar 9. Form Menu Utama Pengguna

h. Form Cari DataForm Cari Data hanya akan muncul

ketika login diterima sebagai admin,sedangkan pengguna juga dapatmelakukan pencarian data langsung dariForm Kelola Data.

Gambar 10. Form Cari Data

i. Form Kelola DataPada Form Kelola Data ini, Admin /

pengguna dapat melakukan hak aksesantara lain : Simpan, Ubah, Hapus, danKeluar.

Gambar 11. Form Kelola Data

j. Form Ubah Kata SandiForm Ubah Kata Sandi dapat

digunakan apabila Admin / Penggunaingin mengganti kata sandi lama dengankata sandi yang baru.

Gambar 12. Form Ubah Kata Sandi

Hal - 7

dengan benar maka akan dapat masuk kedalam aplikasi.

Gambar 7. Form Login

f. Form Menu Utama AdminApabila login diterima sebagai admin,

maka program akan menampilkan FormMenu Utama seperti pada Gambar 8 :

Gambar 8. Form Menu Utama Admin

g. Form Menu Utama PenggunaApabila login sebagai Pengguna,

maka menu yang dapat digunakan hampirsama dengan admin tetapi ada sedikitperbedaan seperti terlihat pada Gambar 9 :

Gambar 9. Form Menu Utama Pengguna

h. Form Cari DataForm Cari Data hanya akan muncul

ketika login diterima sebagai admin,sedangkan pengguna juga dapatmelakukan pencarian data langsung dariForm Kelola Data.

Gambar 10. Form Cari Data

i. Form Kelola DataPada Form Kelola Data ini, Admin /

pengguna dapat melakukan hak aksesantara lain : Simpan, Ubah, Hapus, danKeluar.

Gambar 11. Form Kelola Data

j. Form Ubah Kata SandiForm Ubah Kata Sandi dapat

digunakan apabila Admin / Penggunaingin mengganti kata sandi lama dengankata sandi yang baru.

Gambar 12. Form Ubah Kata Sandi

Page 8: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 8

k. Form Ubah VariabelForm Ubah Variabel hanya dapat

digunakan oleh Admin jika inginmelakukan perubahan terhadap variabelyang telah ada sebelumnya, hal inimemungkinkan jika terjadi perubahankebijakan dari perusahaan.

Gambar 13. Form Ubah Variabel

l. Form Prediksi ProduksiKetika button Prediksi pada Form

Utama diklik, maka Form Prediksi akanmuncul dan Admin / pengguna dapatmemprediksi jumlah produksi minyaksawit dengan terlebih dahulu memasukkannilai persediaan dan permintaan.

Gambar 14. Form Prediksi Produksi

Berikut adalah hasil pengujianprediksi produksi minyak sawit denganmenggunakan data yang telah adasebelumnya yang diambil secara acak :

Tabel 4. Hasil Prediksi ProduksiPsd Prm Prd

(a)PrediksiPrd (b)

Selisih(a-b) Ket Prd

30 90 100 69 31 M11 93 90 105 15 M25 99 103 79 24 M21 76 80 82 2 M15 60 65 67 2 M33 120 122 82 40 TM15 45 48 46 2 M24 64 70 66 4 M24 55 60 55 5 M18 65 70 69 1 M23 81 80 79 1 M15 79 75 91 16 M23 87 90 80 10 M50 105 117 64 53 M24 101 100 82 18 M42 100 127 60 67 M20 109 113 93 20 M13 130 128 111 17 TM14 100 90 92 2 M18 120 127 100 27 TM21 89 86 84 2 M13 105 100 107 7 M24 65 71 67 4 M20 53 40 52 12 M22 54 66 53 13 M36 51 43 53 10 M20 51 50 49 1 M21 54 64 53 11 M32 120 125 83 42 TM10 87 83 111 28 M

Nilai Rata – rata 16,233333

Keterangan :Psd : PersediaanPrm : PermintaanPrd (a) : Produksi SebenarnyaPrediksi Prd (b) : Prediksi ProduksiM : MemenuhiTM : Tidak Memenuhi

Berdasarkan hasil pengujianaplikasi di atas, maka dapat diketahuibahwa dari 30 data yang dipilih secaraacak, diperoleh 26 data yang memenuhipermintaan dengan nilai persentasesebesar 86,67%. Sedangkan nilai rata-ratadari selisih antara produksi dan prediksimenggunakan metode fuzzy Mamdaniadalah sebesar 16,23333.

5 KESIMPULAN

Berdasarkan pembahasan mengenaiPenerapan Metode Fuzzy Mamdani dalamMemprediksi jumlah produksi minyaksawit berdasarkan Data Persediaan danJumlah Permintaan, maka dapatdisimpulkan :

Hal - 8

k. Form Ubah VariabelForm Ubah Variabel hanya dapat

digunakan oleh Admin jika inginmelakukan perubahan terhadap variabelyang telah ada sebelumnya, hal inimemungkinkan jika terjadi perubahankebijakan dari perusahaan.

Gambar 13. Form Ubah Variabel

l. Form Prediksi ProduksiKetika button Prediksi pada Form

Utama diklik, maka Form Prediksi akanmuncul dan Admin / pengguna dapatmemprediksi jumlah produksi minyaksawit dengan terlebih dahulu memasukkannilai persediaan dan permintaan.

Gambar 14. Form Prediksi Produksi

Berikut adalah hasil pengujianprediksi produksi minyak sawit denganmenggunakan data yang telah adasebelumnya yang diambil secara acak :

Tabel 4. Hasil Prediksi ProduksiPsd Prm Prd

(a)PrediksiPrd (b)

Selisih(a-b) Ket Prd

30 90 100 69 31 M11 93 90 105 15 M25 99 103 79 24 M21 76 80 82 2 M15 60 65 67 2 M33 120 122 82 40 TM15 45 48 46 2 M24 64 70 66 4 M24 55 60 55 5 M18 65 70 69 1 M23 81 80 79 1 M15 79 75 91 16 M23 87 90 80 10 M50 105 117 64 53 M24 101 100 82 18 M42 100 127 60 67 M20 109 113 93 20 M13 130 128 111 17 TM14 100 90 92 2 M18 120 127 100 27 TM21 89 86 84 2 M13 105 100 107 7 M24 65 71 67 4 M20 53 40 52 12 M22 54 66 53 13 M36 51 43 53 10 M20 51 50 49 1 M21 54 64 53 11 M32 120 125 83 42 TM10 87 83 111 28 M

Nilai Rata – rata 16,233333

Keterangan :Psd : PersediaanPrm : PermintaanPrd (a) : Produksi SebenarnyaPrediksi Prd (b) : Prediksi ProduksiM : MemenuhiTM : Tidak Memenuhi

Berdasarkan hasil pengujianaplikasi di atas, maka dapat diketahuibahwa dari 30 data yang dipilih secaraacak, diperoleh 26 data yang memenuhipermintaan dengan nilai persentasesebesar 86,67%. Sedangkan nilai rata-ratadari selisih antara produksi dan prediksimenggunakan metode fuzzy Mamdaniadalah sebesar 16,23333.

5 KESIMPULAN

Berdasarkan pembahasan mengenaiPenerapan Metode Fuzzy Mamdani dalamMemprediksi jumlah produksi minyaksawit berdasarkan Data Persediaan danJumlah Permintaan, maka dapatdisimpulkan :

Hal - 8

k. Form Ubah VariabelForm Ubah Variabel hanya dapat

digunakan oleh Admin jika inginmelakukan perubahan terhadap variabelyang telah ada sebelumnya, hal inimemungkinkan jika terjadi perubahankebijakan dari perusahaan.

Gambar 13. Form Ubah Variabel

l. Form Prediksi ProduksiKetika button Prediksi pada Form

Utama diklik, maka Form Prediksi akanmuncul dan Admin / pengguna dapatmemprediksi jumlah produksi minyaksawit dengan terlebih dahulu memasukkannilai persediaan dan permintaan.

Gambar 14. Form Prediksi Produksi

Berikut adalah hasil pengujianprediksi produksi minyak sawit denganmenggunakan data yang telah adasebelumnya yang diambil secara acak :

Tabel 4. Hasil Prediksi ProduksiPsd Prm Prd

(a)PrediksiPrd (b)

Selisih(a-b) Ket Prd

30 90 100 69 31 M11 93 90 105 15 M25 99 103 79 24 M21 76 80 82 2 M15 60 65 67 2 M33 120 122 82 40 TM15 45 48 46 2 M24 64 70 66 4 M24 55 60 55 5 M18 65 70 69 1 M23 81 80 79 1 M15 79 75 91 16 M23 87 90 80 10 M50 105 117 64 53 M24 101 100 82 18 M42 100 127 60 67 M20 109 113 93 20 M13 130 128 111 17 TM14 100 90 92 2 M18 120 127 100 27 TM21 89 86 84 2 M13 105 100 107 7 M24 65 71 67 4 M20 53 40 52 12 M22 54 66 53 13 M36 51 43 53 10 M20 51 50 49 1 M21 54 64 53 11 M32 120 125 83 42 TM10 87 83 111 28 M

Nilai Rata – rata 16,233333

Keterangan :Psd : PersediaanPrm : PermintaanPrd (a) : Produksi SebenarnyaPrediksi Prd (b) : Prediksi ProduksiM : MemenuhiTM : Tidak Memenuhi

Berdasarkan hasil pengujianaplikasi di atas, maka dapat diketahuibahwa dari 30 data yang dipilih secaraacak, diperoleh 26 data yang memenuhipermintaan dengan nilai persentasesebesar 86,67%. Sedangkan nilai rata-ratadari selisih antara produksi dan prediksimenggunakan metode fuzzy Mamdaniadalah sebesar 16,23333.

5 KESIMPULAN

Berdasarkan pembahasan mengenaiPenerapan Metode Fuzzy Mamdani dalamMemprediksi jumlah produksi minyaksawit berdasarkan Data Persediaan danJumlah Permintaan, maka dapatdisimpulkan :

Page 9: 67 jurnal skripsi dwi martha - fuzzy mamdani

Hal - 9

1. Logika fuzzy dengan metodeMamdani efektif diterapkan dalamaplikasi untuk membantu pihakperusahaan dalam memprediksijumlah produksi minyak sawitberdasarkan data persediaan danjumlah permintaan ditinjau dari hasilpengujian aplikasi.

2. Dari hasil uji coba prediksi denganmenggunakan aplikasi diperoleh nilaiproduksi yang memenuhi permintaansebesar 86,67% dari 30 data yangdipilih secara acak.

DAFTAR PUSTAKA

[1] Kusumadewi, Sri 2003, ArtificialIntelligence (Teknik dan Aplikasinya),Graha Ilmu,Yograkarta. [2] AS,Rosa 2011, Modul PembelajaranRekayasa Perangkat Lunak, Modula,Bandung.

[2] Simarmata, Janner 2010, RekayasaPerangkat Lunak, Andi Offset,Yogyakarta..

[3] Sutojo, T, Mulyanto, E & Suhartono,V 2011, Kecerdasan Buatan, AndiOffset, Yogyakarta.

[4] Yulikuspartono 2004, PengantarLogika & Algoritma, Andi,Yogyakarta.