form laporan ib

LAPORAN PRAKTIKUMLOGIKA FUZZY DALAM OPTIMISASI PRODUKSI BARANG

MENGGUNAKAN METODE SUGENO

PRAKTIKAN:

Nama : Lusiana Iren madetenNIM : 2012.12.042Waktu Percobaan : 23& 26 Maret 2015Kode_MK : INT 304

LABORATORIUM TEKNIK INFORMATIKASEKOLAH TINGGI TEKNOLOGI (STITEK) BONTANG

MARET 2015

LAPORAN PRAKTIKUMLOGIKA FUZZY DALAM OPTIMISASI PRODUKSI BARANG

MENGGUNAKAN METODE SUGENO

PRAKTIKAN:

Nama : Lusiana Iren madetenNIM : 2012.12.042Waktu Percobaan : 23& 26 Maret 2015Kode_MK : INT 304

LABORATORIUM TEKNIK INFORMATIKASEKOLAH TINGGI TEKNOLOGI (STITEK) BONTANG

MARET 2015

BAB I

PENDAHULUAN

1.1 LATAR BELAKANG

Saat ini konsep fuzzy juga telah diterapkan dalam berbagai bidang kehidupan, sebagai contoh dalam

bidang ekonomi yaitu pada penetapan suku bunga pada bank. Konsep fuzzy pada penetapan suku bunga

bank adalah sistem penetapan suku bunga bank berdasarkan faktor-faktor penentu penetapan suku bunga.

Dengan mengunakan Konsep fuzzy dapat dibuat system pengendali pada kegiatan ekonomi yang lebih

baik dari pada sistem yang terdahulu yaitu dengan penetapan suku bunga bank maupun penetapan suku

bunga berjangka (Frans Susilo, 2006: 5).

Teori himpunan fuzzy diperkenalkan dengan berbagai macam cara ke dalam berbagai macam disiplin

ilmu. Sehingga aplikasi teori ini dapat ditemukan dalam kecerdasan buatan, ilmu komputer, teknik

kendali, teori pengambilan keputusan, ilmu,manajemen, robotika, dan lain-lain.

Konsep fuzzy menurut Zadeh, adalah himpunan yang tidak tegasdikaitkan dengan suatu fungsi yang

menyatakan derajat kesesuaian unsur-unsurdalam semestanya dengan konsep yang merupakan syarat

keanggotaan himpunan

tersebut. Dengan demikian setiap unsur dalam semesta pembicaraan mempunyai derajat keanggotaan

tertentu dalam himpunan tersebut. Derajat keanggotaandinyatakan dalam suatu bilangan real dalam

selang tertutup [0,1].

Logika adalah ilmu yang mempelajari secara sistematis kaidah-kaidahpenalaran yang absah

(valid). Dewasa ini terdapat 2 konsep logika, yaitu logika tegasdan logika fuzzy. Logika tegas hanya

mengenal dua keadaan yaitu: ya atau tidak, on atau off, high atau low , 1 atau 0. Logika semacam ini

disebut dengan logikahimpunan tegas. Sedangkan logika fuzzy adalah logika yang menggunakan

konsepsifat kesamaran. Sehingga logika fuzzy adalah logika dengan tak hingga banyak nilaikebenaran

yang dinyatakan dalam bilangan real dalam selang [0,1] (Frans Susilo,2006: 135).

Pada perusahaan, optimasi produksi barang akan memberikan pengaruh besar,karena disamping

untuk pengoptimalan bahan baku yang digunakan, hal ini juga akan berpengaruh besar pada sektor biaya

atau finansial. Optimasi produksi barang padaperusahaan berpengaruh pada sektor finansial karena dapat

memperkirakanpembelanjaan bahan baku, selain itu juga dalam hal biaya produksi maupun

biayatransportasi dan penyimpanan.Dari masalah optimasi produksi barang tersebut, banyak metode

maupunteknik yang digunakan. Metode yang paling sering digunakan adalah logikahimpunan tegas. Akan

tetapi logika himpunan tegas tidak dapat dioperasikan ataudigunakan oleh khalayak umum (hanya orang

analisis), karena selain agak rumitdalam penghitungan, kendala-kendala dalam produksi juga akan

memperumitpenyelesaian masalah optimasi produksi barang. Selain logika himpunan tegas, logikafuzzy

juga dapat digunakan dalam masalah optimasi produsi barang. Metode yang dapat digunakan dalam

pengaplikasian logika fuzzy pada produksi barang diperusahaan antara lain adalah metode Mamdani,

metode Tsukamoto, dan metodeSugeno.

Penalaran metode Sugeno ini hampir sama dengan penalaran Mamdani, hanyasaja output sistem

tidak berupa himpunan fuzzy melainkan berupa konstanta ataupersamaan linear. Metode ini diperkenalkan

oleh Takagi-Sugeno Kang pada tahun1985. Perbedaan antara Metode Mamdani dan Metode Sugeno ada

pada outputnya.Metode Sugeno menggunakan konstanta atau fungsi matematika dari variabel input.

Kasus produksi suatu barang pada sebuah perusahaan sangat bergantungkepada variabel-

variabelnya misalkan: persediaan bahan baku, biaya produksi, hargabahan baku, dan lain-lain. Pada

prakteknya, nilai variabel – variabel ini tidak dapatdiketahui dengan pasti. Apabila hal ini terjadi, maka

salah satu solusinya dapat dicaridengan mengunakan operasi himpunan fuzzy. Alasan digunakannya

logika fuzzydalam tulisan ini antara lain:

1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasaripenalaran

fuzzy sangat sederhana dan mudah dimengerti.

2. Logika fuzzy sangat fleksibel.

3. Logika fuzzy memiliki toleransi terhadap data – data yang tidak tepat.

4. Logika fuzzy didasarkan bahasa alami.

Pada masalah pengambilan keputusan produksi barang, dengan variabel-variabelyang bernilai integer

akan selalu menghasilkan solusi yang bernilai integer(bilangan pembulatan). Dengan menggunakan

metode logika fuzzy yang bekerjaberdasarkan aturan – aturan linguistik, maka akan didapat suatu solusi

dengan nilaiinteger.Dalam laporan ini,Penentuan data produksi barang yang dihasilkan Perusahaan di

bantu menggunakan perangkat lunak Turbo Prolog.

1.2 TUJUAN

1) Untuk menentukan berapa banyak barang yang seharusnya diproduksi olehperusahaan

jika variabel–variabelnya berupa bilangan fuzzy denganperhitungan menggunakan

metode Sugeno.

2) Untuk mengetahui berapa banyak barang yang diproduksi oleh suatu perusahaan dengan bantuan

perangkat lunak Turbo Prolog

3) Agar mahasiswa mengetahui fungsi dari Perangkat Turbo Prolog dan dapat membuat sebuah

program menggunakan perangkat lunak tersebut.

1.3 MANFAAT

Memberikan wawasan baru dalam pengoptimalan produksi barang pada suatu perusahaan dengan

sistem yang berdasarkan pada kendali fuzzy yaitu metode Sugeno, sebagai metode yang

dapatdirealisasikan agar proses pengoptimalan produksi dapat berjalan dan dapat disesuaikan.

Sebagai dasar dan contoh pengembangan dan penerapan logika fuzzykhususnya metode Sugeno.

BAB II

DASAR TEORI

2.1 Teori Prolog

Prolog merupakan bahasadeklaratif. Artinya jika kita memberi fakta dan aturan, Prolog akan

menyelesaikan problem secara deduktif, atau dari banyak fakta dan aturan kemudian diturunkan

kesimpulan sebagai jawaban. Hal ini berbeda dengan bahasa prosedural seperti Pascal atau C. Dalam

bahasa prosedural, pemrogram harus memberi perintah untuk memecahkan masalah langkah demi

langkah.

2.2 Dasar Program Prolog

a. Fakta

Fakta adalah suatu kenyataan atau kebenaran yang diketahui. Fakta menyatakan hubungan (relasi)

antara dua objek (benda) atau lebih. Fakta dapat pula menunjukkan sifat suatu objek.

Misalkan hubungan keluarga ‘orang tua ‘, dapat dituliskan dengan suatu relasi orangtua(X,Y).

Contoh : orangtua(adi,ali)

orangtua(ani,ali)

Orangtua disebut sebagai relasi atau juga predikat, sedangkan yang berada dalam tanda kurung disebut

argumen.

a. Struktur Program Turbo Prolog

Secara umum program Turbo Prolog terdiri dari Domains, Predicates, Clause dan Goal.

Bagian Domains

Domains dalam Prolog seperti type dalam Pascal. Di bagian Domains, kita menyatakan jenis suatu

variabel atau argument.

Bagian Predicates

Kita harus mendeklarasikan predikat yang ada pada bagian Predicates dan mendefinisikannya

dalam bagian Clauses. Jika tidak, Turbo Prolog tidak akan mengenalnya. Namun untuk predikat standar

seperti cursor, makewindow, readln, readchar dsb tidak perlu dideklarasikan.

Bagian Clauses

Sekumpulan klausa dari predikat yang sama harus disatukan (dikelompokkan) dalam bagian

Clauses dan disebut prosedur. Bila melakukan pemanggilan klausa atau matching, turbo Prolog

melacaknya dari atas ke bawah.

Bagian Goal

Goal dalam turbo Prolog ada 2 macam yakni :

a. Goal eksternal

b. Goal internal

Goal eksternal diketikkan langsung pada bagian ‘goal’ : di jendela dialog pada kompiler terpadu

Turbo Prolog. dengan cara ini kita hanya bisa menjalankan program dari lingkungan kompiler Turbo

Prolog. Untuk dapat dijalankan di lingkungan DOS kita harus menggunakan goal internal yang di simpan

pada bagian Goal.Sebenarnya goal inilah yang dicari dan dipanggil pada saat program dijalankan. Jika

goal tercapai, program berhenti dengan berhasil, tapi jika sebaliknya, program berhenti dalam keadaan

gagal.

Bagian Lain

selain bagian utama di atas, pada Prolog terdapat bagian lain yaitu :

bagian Database

bagian Constants

bagian Global

bagian petunjuk compiler

2.3 Teori Himpunan Fuzzy

Himpunan adalah suatu kumpulan atau koleksi objek-objek yang mempunyaikesamaan sifat

tertentu (Frans Susilo, 2006). Himpunan fuzzy merupakan suatu pengembangan lebih lanjut tentang

konsep himpunan dalam matematika. Himpunan fuzzy adalah rentang nilai-nilai, masing-masing nilai

mempunyai derajat keanggotaan antara 0 sampai dengan 1. Suatu himpunan fuzzy Ã dalam semesta

pembicaraan U dinyatakan dengan fungsi keanggotaan μÃ, yang nilainya berada dalam interval [0,1],

dapat dinyatakan dengan:

μÃ : U → [0,1].

Himpunan fuzzy Ã dalam semesta pembicaraan U biasa dinyatakan sebagaisekumpulan pasangan elemen

u (u anggota U) dan derajat keanggotaannya dinyatakan sebagai berikut:

Ã = {(u, μÃ (u) | u ∈U}.

Ada beberapa cara untuk menotasikan himpunan fuzzy, antara lain:

1. Himpunan fuzzy ditulis sebagai pasangan berurutan, dengan elemen pertama

menunjukkan nama elemen dan elemen kedua menunjukkan nilai keanggotaannya.

2.4 Metode Sugeno

Penalaran metode Sugeno ini hampir sama dengan penalaran Mamdani, hanyasaja output berupa

konstanta atau persamaan linear. Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985.

Perbedaan antara Metode Mamdani dan Metode Sugeno ada pada konsekuen. Metode Sugeno

menggunakan konstanta atau fungsi matematika dari variabel input:

Jika a adalah Ãi dan b adalah Bi maka c adalah Ci= f(a,b)

Dengan a, b dan c adalah variabel linguistik ; Ai dan Bi himpunan fuzzy ke-Iuntuk a dan b, dan f(a,b)

adalah fungsi matematik.Untuk mendapatkan output (hasil), maka terdapat 4 langkah / tahapan sebagai

berikut:

i. Pembentukan himpunan fuzzy

Menentukan semua variabel yang terkait dalam proses yang akanditentukan. Untuk masing-masing

variabel input, tentukan suatu fungsifuzzifikasi yang sesuai. Pada metode Sugeno, baik variabel input

maupunvariabel output dibagi menjadisatu atau lebih himpunan fuzzy.

ii. Aplikasi fungsi implikasi

Menyusun basis aturan, yaitu aturan-aturan berupa implikasi-implikasi fuzzy yang menyatakan

relasi antara variabel input denganvariabel output. Pada metode Mamdani, fungsi implikasi yang

digunakanadalah Min. Bentuk umumnya adalah sebagai berikut :

Jika a adalah Ãidan b adalah Bi

i, maka c adalah Ci = f(a,b)

Dengan a, b, dan c adalah predikat fuzzy yang merupakan variable linguistik, Ai dan Bi himpunan

fuzzy ke-i untuk a dan b, sedangkan f(a,b)adalah fungsi matematik. Banyaknya aturan ditentukan oleh

banyaknyanilai linguistik untuk masing-masing variabel input.

iii. Komposis Aturan

Apabila sistem terdiri dari beberapa aturan, maka inferensidiperoleh dari kumpulan dan korelasi antar

aturan. Metode yang digunakandalam melakukan inferensi sistemfuzzy,yaitu:

Metode Max (Maximum)

Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai maksimum

aturan, kemudian menggunakan nilai tersebut untuk memodifikasi daerah fuzzy dan mengaplikasikannya

ke output dengan menggunakan operato OR (gabungan). Jika semua proporsi telah dievaluasi, maka

output akan berisi suatu himpunan fuzzy yangmerefleksikan kontribusi dari tiap-tiap proporsi. Secara

umum dapatdituliskan :

μ (xi) = max ( μsf (xi),μkf (xi) )

dengan :

μsf (xi) = nilai keanggotaan solusi fuzzy sampai aturan ke-i

μkf (xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i.

iv. Penegasan

Masukan dari proses penegasan adalah suatu himpunan fuzzy yangdiperoleh dari komposisi aturan-

aturan fuzzy, sedangkan output yangdihasilkan merupakan suatu bilangan real yang tegas. Sehingga

jikadiberikan suatu himpunan fuzzy dalam range tertentu, maka dapat diambilsuatu nilai tegas tertentu

sebagai output.Apabila komposisi aturan menggunakan metode Sugeno makadefuzzifikasi (Z*) dilakukan

dengan cara mencari nilai rata-rata terpusatnya.

dengan diadalah nilai keluaran pada aturan ke-i dan adalah derajat keanggotaan nilai keluaran pada aturan

ke-i sedangkan n adalah banyaknya aturan yang digunakan.

2.3 Penyelesaian Masalah Mengunakan Metode Sugeno

Analisis Kasus:

Data satu tahun pada tahun 2014 dapat disimpulkan, permintaan terbesar mencapai3500 karton

perbulan, dan permintaan terkecil mencapai 2100 karton perbulan. Persediaan barang terbanyak sampai

250 karton perbulan, dan terkecil mencapai 100 karton perbulan. Saat ini perusahaan hanya mampu

memproduksi rokok paling banyak 5000 karton perbulan, dan diharapkan dapat memproduksi rokok

palingsedikit 1000 karton perbulan, hal ini dikarenakan beberapa kendala, diantaranya:

Terbatasnya bahan baku, sumber daya manusia, perijinan produksi dan perpajakandari pemerintahan

(keterangan: 1 karton = 24 Bos (pack) = 240 bungkus).

Penyelesaian:

Dalam kasus ini terdapat 3 variabel, yaitu: 2 variabel input, variable permintaan, dan variabel

persediaan, sedangkan untuk output terdapat 1 variabel, yaitu: produksi barang. Variabel permintaan

memiliki 2 nilai linguistik, yaitu naikdan turun, variabel persediaan memiliki 2 nilai linguistik, yaitu

banyak dan sedikit, sedangkan variabel produksi barang memiliki 2 nilai linguistik, yaitu bertambah dan

berkurang. Berdasarkan unit penalaran pada inferensi fuzzy yang berbentuk :

Jika x adalah A, dan y adalah B, maka z adalah C.

Jika x dikaitkan dengan variabel permintaan dan A adalah nilai-nilai linguistiknya, y dikaitkan

dengan variabel persediaan dan B adalah nilai-nilai linguistiknya, z dikaitkan dengan variabel produksi

barang dan C adalah nilai linguistiknya, maka aturan-aturan yang dapat terbentuk dapat disajikan dalam

table berikut ini:

ATURAN PERMINTAAN PERSEDIAANFUNGSI

IMPLIKASIPRODUKSI

R1 TURUN BANYAK BERKURANG

R2 TURUN BANYAK BETAMBAH

R3 TURUN SEDIKIT BERKURANG

R4 TURUN SEDIKIT BERTAMBAH

R5 NAIK BANYAK BERKURANG

R6 NAIK BANYAK BERTAMBAH

R7 NAIK SEDIKIT BERKURANG

R8 NAIKSEDIKIT

BERTAMBAH

Himpunan fuzzy pada variabel permintaan danpersediaan sama seperti penyelesaian pada

kasus dengan sistem penyelesaian metode Mamdani. Hanya saja aturan yang digunakan sedikit

dimodifikasi, yaitu dengan asumsi bahwa jumlah permintaan selalu lebih tinggi dibanding

dengan jumlahpersediaan. Dari aturan-aturan yang terbentuk berdasarkan basis aturan pada

inferensi fuzzy, maka aturan-aturan yang mungkin dan sesuai dengan basis pengetahuan ada 4

aturan, yaitu:

[R1] JIKA permintaan TURUN, dan Persediaan BANYAK, MAKA

(Z1) Produksi Barang = Permintaan – Persediaan;

[R2] JIKA Permintaan TURUN, dan Persediaan SEDIKIT, MAKA

(Z2) Produksi Barang = Permintaan;

[R3] JIKA Permintaan NAIK, dan Persediaan BANYAK, MAKA

(Z3) Produksi Barang = Permintaan;

[R4] JIKA Permintaan NAIK, dan Persediaan SEDIKIT, MAKA

(Z4) Produksi Barang = Permintaan – Persediaan

Penyelesaian masalah di atas mengunakan Metode Sugeno, adalah sebagai berikut:

Langkah 1: Menentukan variabel yang terkait dalam proses yang akan ditentukan dan fungsi

fuzzifikasi yang sesuai. Langkah ini sama dengan langkah pada sub bab sebelumnya, sehingga tidak perlu

menulis kembali. Berikut adalah gambar–gambar fungsi keangotaan masing-masing variabel mengunakan

Metode Sugeno:

a). Permintaan (x), terdiri atas 2 himpunan fuzzy, yaitu TURUN dan NAIK

b) Persediaan (y), terdiri atas 2 himpunan fuzzy, yaitu SEDIKIT dan BANYAK

c) Permintaan (z), terdiri atas 2 himpunan fuzzy, yaitu BERKURANG dan BERTAMBAH

langkah 2 : aplikasi fungsi implikasi.

Jika diketahui permintaan sebanyak 2400 karton, maka :

dan jika diketahui persediaan sebanyak 180 karton, maka :

sekarang kita cari α-predikat dan nilai Z untuk masing-masing aturan :

[R1] JIKA permintaan TURUN, dan Persediaan BANYAK, MAKA

Produksi Barang = Permintaan – Persediaan;

sehingga didapatkan nilaiZ1 = 2400 – 180 = 2220

[R2] JIKA Permintaan TURUN, dan Persediaan SEDIKIT, MAKA

Produksi Barang = permintaan

sehingga didapatkan nilai Z2 = 2400

[R3] JIKA Permintaan NAIK, dan Persediaan BANYAK, MAKA

Produksi Barang = Permintaan;

sehingga didapatkan nilai Z3 = 2400

[R4] JIKA Permintaan NAIK, dan Persediaan SEDIKIT, MAKA

Produksi Barang =1,25.Permintaan – Persediaan

sehingga didapatkan Z4 = (1,25 . 2400) – 180 = 2820

Langkah 3 : Komposisi Aturan.

Hasil aplikasi fungsi implikasi tiap aturan, digunakan metode MIN untuk melakukan komposisi antara

semua aturan. Setelah komposisi antar semua aturan dilakukanmaka akan didapatkan output melalui

langkah defuzzifikasi.

Langkah 4 : defuzzifikasi / penegasan

Setelah defuzzifikasi dilakukan maka akan dihasilkan keluaran berupa produksi barang untuk

setiap bulan sesuai data sebagai berikut:

Outputatau produksi rokok genta Mas

Jumlah permintaan = 3200 karton

Jumlah persediaan = 140 karton

maka aturan-aturan inferensi fuzzynya dapat ditulis sebagai berikut:

[R1] JIKA permintaan TURUN, dan persediaan BANYAK, MAKA produksi Barang BERKURANG.

sehingga didapatkan Z1 = 3200 – 140 = 3060

[R2] JIKA permintaan TURUN, dan persediaan SEDIKIT, MAKA produksi Barang BERKURANG.

sehingga didapatkan Z2 = 3200

[R3] JIKA permintaan NAIK, dan persediaan BANYAK, MAKA produksi Barang BERTAMBAH.

sehingga didapatkan Z3 = 3200

[R4] JIKA permintaan NAIK, dan persediaan SEDIKIT, MAKA produksi Barang BERTAMBAH

sehingga didapatkan Z4 = (1,25 . 3200) – 140 = 3860

Selanjutnya untuk memperoleh nilai kesimpulan dari defuzzifikasi, digunakanmetode rata-rata terpusat

fuzzifikasi.

Banyaknya rokok yang harus diproduksi adalah:

Setelah dilakukan pengolahan dengan mengunakan metode Sugeno, maka didapatkan

outputberupa produksi barang seperti terlihat pada tabel berikut ini:

PERSEDIAAN

BULAN PERMINTAAN PERSEDIAAN SUGENO

JANUARI 3200 140 3.517.801

BAB III

METODOLOGI

3.1. Lokasi Praktikum

Kegiatan praktikum ini diadakan atau diselenggarakan di laboraturium Teknik InformatikaSekolah

Tinggi Teknologi ( STITEK ) Bontang pada tanggal 26 Maret 2015.

3.2 Analisa Kebutuhan Sistem

3.2.1. Kebutuhan Perangkat Keras

1. Komputer PC/Laptop yang berkapasitas 36 bit

2. Keyboard

3.2.2. Kebutuhan Perangkat Lunak

1. Turbo Prolog2. Notepad

3.3 Langkah-langkah membuka Program Pada Turbo Prolog

1. Hidupkan Laptop/PC anda

2. Klik Icon Turbo Prolog pada Dekstop 2x

3. Setelah muncul tampilannya lalu klik Ignore

4. Tekan Alt+F kemudian pilih Load untuk membuka sebuah file program yang akan di running

5. Setelah itu Tekan Alt+R untuk proses running

6. Bila ingin keluar dari sebuah program tekan Alt+X

BAB IV

HASIL DAN ANALISIS

4.1 Program penentuan barang yang diproduksi menggunakan Turbo Prolog

domains nrx, namx = string nilax = integer lisx = nilax* nrp, nama = string nilai = integer list = nilai* prd, nmprd = string nprd = integer lprd = nprd* prax, nmprx = string nprx = integer lprx = nprx*

nstm, stmin = string nstk = integer lstk = nstk* nstx, stmax = string nstmx = integer lstx = nstmx*

sda, sedia = string nsda = integer lsda = nsda* ordr, nmord = string nord = integer lord = nord*

predicates permin (nama, nrp, nilai) juminlist (list, nilai, integer) permax (namx, nrx, nilax) jumaxlix (lisx, nilax, integer) prodmin (nmprd, prd, nprd) juminprd (lprd, nprd, integer) prodmax (nmprx, prax, nprx) jumaxprx (lprx, nprx, integer)

persdmin (stmin, nstm, nstk) juminstk (lstk, nstk, integer) psdmax (stmax, nstx, nstmx) jumaxstk (lstx, nstmx, integer) prsedia (sedia, sda, nsda) jumsdia (lsda, nsda, integer) pesanan (nmord, ordr, nord)

jumpesan (lord, nord, integer)

goal makewindow (1,29,30, "MEMPREDIKSI KEMAMPUAN PRODUKSI", 0,0,17,80), nl,

findall (Nilai, permin (_, _, Nilai), Lis), juminlist (Lis, Jumlah, JmlMhs), findall (Nilax, permax (_, _, Nilax), Lix), jumaxlix (Lix, Jumlx, JmxMx),

findall (Nprd, prodmin (_, _, Nprd), Lip), juminprd (Lip, Jumprd, Jmlprd), findall (Nprx, prodmax (_, _, Nprx), Lrx), jumaxprx (Lrx, Jumprx, Jmlprx),

findall (Nstk, persdmin (_, _, Nstk), Lst), juminstk (Lst, Jumstk, JmlStk), findall (Nstmx, psdmax (_, _, Nstmx), Lsx), jumaxstk (Lsx, Jumstx, JmlStx),

findall (Nsda, prsedia (_, _, Nsda), Lsd), jumsdia (Lsd, Jumsda, JmSda), findall (Nord, pesanan (_, _, Nord), Lrd), jumpesan (Lrd, Jumord, JmOrd),

Turn = (Jumlx - Jumord) / (Jumlx - Jumlah), Naik = (Jumord - Jumlah) / (Jumlx - Jumlah), Dikit = (Jumstx - Jumsda) / (Jumstx - Jumstk), Bnyk = (Jumsda - Jumstk) / (Jumstx - Jumstk), /* Tsk1 = Jumprx - (Jumlx * Turn), Tsk2 = Tsk1, Tsk3 = Jumprd + (Jumlx * Bnyk), Tsk4 = Jumprd + (Jumlx * Dikit), Atas = (Tsk1*Turn) +(Tsk2*Turn) + (Tsk3*Bnyk) + (Tsk4*Dikit), Bawh = Turn + Turn + Bnyk + Dikit, Tsuka = Atas / Bawh,

Md1 = Jumprd - (Jumlx * Turn), Md2 = Jumprd - (Jumlx * Dikit), Ma1 = Md1 * Turn, Ma2 = (Turn * Dikit) * (Jumlx - Ma1)/2, Ma3 = (Jumprx - Jumlx) * Dikit, Mdani = 11619000/(Ma1 + Ma2 + Ma3), */

Sg1 = Jumord - Jumsda, Sg2 = (Jumord * 1.25) - Jumsda, Sga = (Sg1 * Turn) + (Jumord * Turn) + (Jumord * Bnyk) + (Sg2 * Dikit), Sgeno = Sga / Bawh,

write ("Permintaan Rata-rata perhari antara : "), attribute (30),

write (Jumlah, " dan ", Jumlx), nl, attribute (29),

write ("Produksi Rata-rata perhari antara : "), attribute (30), write (Jumprd, " dan ", Jumprx), nl, attribute (29),

write ("Pesediaan di gudang Rata-rata antara : "), attribute (30), write (Jumstk, " dan ", Jumstx), nl, attribute (29),

write ("Persdiaan Gudang hari ini adalah : "), attribute (30), write (Jumsda), nl, attribute (29), write ("Permintaan pasar pada hari ini adalah : "), attribute (30), write (Jumord), nl, attribute (29), write ("Analisa "), attribute (30), write ("LOGIKA FUZZY"), attribute (29), write (" kategori "), attribute (30), write ("TURUN : ", Turn), nl, attribute (29), write ("Analisa "), attribute (30), write ("LOGIKA FUZZY"), attribute (29), write (" kategori "), attribute (30), write ("NAIK : ", Naik), nl, attribute (29), write ("Analisa "), attribute (30), write ("LOGIKA FUZZY"), attribute (29), write (" kategori "), attribute (30), write ("SDIKIT : ", dikit), nl, attribute (29), write ("Analisa "), attribute (30), write ("LOGIKA FUZZY"), attribute (29), write (" kategori "), attribute (30), write ("BANYAK : ", Bnyk), nl, attribute (29), write ("Menurut "), attribute (30),/* write ("TSUKA MOTO"), attribute (29), write (" Jumlah yang harus di Produksi adalah : "), attribute (30), write (Tsuka), nl, attribute (29).

write ("Menurut "), attribute (30), write ("MAMDANI"), attribute (29), write (" Jumlah yang harus di Produksi adalah : "), attribute (30), write (Mdani), nl, attribute (29). */

write ("Menurut "), attribute (30), write ("SUGENO"), attribute (29).write (" Jumlah yang harus di Produksi adalah : "), attribute (30), write (Sgeno), nl, attribute (29).clauses juminlist ([], 0, 0). juminlist ([H|T], Jml, N):-juminlist (T, J1, N1), Jml = H + J1, N = N1 + 1.

jumaxlix ([], 0, 0). jumaxlix ([G|T], Jmlx, XN):-jumaxlix (T, J2, N2),

Jmlx = G + J2, XN = N2 + 1.

juminprd ([], 0, 0).juminprd ([P|T], Jmp, NP):-juminprd (T, J3, N3),

Jmp = P + J3, NP = N3 + 1.

jumaxprx ([], 0, 0).jumaxprx ([R|T], Jmx, XR):-jumaxprx (T, J4, N4),

Jmx = R + J4, XR = N4 + 1.

juminstk ([], 0, 0).juminstk ([K|T], Jmk, NS):-juminstk (T, J5, N5), Jmk = K + J5, NS = N5 + 1.

jumaxstk ([], 0, 0).jumaxstk ([L|T], Jmll, NZ):-jumaxstk (T, J6, N6), Jmll = L + J6, NZ = N6 + 1.

jumsdia ([], 0, 0).jumsdia ([M|T], Jmm, NY):-jumsdia (T, J7, N7),

Jmm = M + J7, NY = N7 + 1.

jumpesan ([], 0, 0). jumpesan ([Q|T], Jmq, NQ):-jumpesan (T, J8, N8),

Jmq = Q + J8, NQ = N8 + 1.

permin ("Permintaan", "Minimum", 2100). permax ("Permintaan", "Maximum", 3500). prodmin ("Kapasitas Produksi", "Minimum", 1000). prodmax ("Kapasitas Produksi", "Maximum", 5000).

persdmin ("Persedian ", "Minimum", 100). psdmax ("Persedian", "Maximum", 250). prsedia ("Persediaan yang ada ", "di Gudang", 140). pesanan ("Pesanan/permintaan", "Hari ini",3200).

4.2 Hasil Running Program di atas:

KESIMPULAN

5.1 KESIMPULAN

Berdasarkan pembahasan mengenai sistem inferensi Fuzzy Metode Sugeno, dapat diambil

kesimpulan sebagai berikut:

1. Penentuan produksi barang jika hanya mengunakan dua variabel sebagaiinput datanya, yaitu :

permintaan dan persediaan.padametode Sugeno diperlukan tahap-tahap :

(a). Fuzzifikasi

(b). Aplikasifungsi implikasi.

(c).Komposisi aturan-aturan dengan metode maksimum.

(d).Defuzzifikasi dengan metode rata-rata terpusat.

2. Penggunaan Metode Sugeno pada bilangan Fuzzy, maka banyaknya barang yang seharusnya

diproduksi oleh perusahaan dapat ditentukan jika variabel-variabel inputnya berupa bilangan yang

bernilaiinteger.

3. Setelah dilakukan pengolahan dengan metode Sugeno maka didapatkan output berupa produksi

barang yaitu data produksi metode Sugeno 3.518 dan hasil dari menggunakan perangkat turbo prolog

adalah sama.

5.2 SARAN

Sebelum membuat sebuah program,sebaiknya memahami terlebih dahulu dasar-dasar

pemrograman karena pemahaman yang cukup dalam pemrograman dasar akan lebih

mempermudah aplikasi pembuatan sebuah script dalam pemrograman turbo prolog

Sebelum membuat sebuah program ini,seharusnya memahami dulu tentang logika fuzzy agar

lebih memudahkan pembuatan sebuah programnya.

Dalam proses pembuatan program Logika fuzzy dengan menggunakan metode sugeno sebaiknya

dipahami terlebih dahulu tahap-tahap penyelesaian/perhitungan metode ini untuk mendapatkan

sebuah output/hasil.

BAB VI

DAFTAR PUSTAKA

http://eprints.uny.ac.id/1746/1/FajarSilikin_%2804305144018%29.pdf

http://eprints.dinus.ac.id/13310/1/jurnal_13879.pdf

http://gudanginformatikamania.blogspot.com/2012/05/struktur-turbo-prolog.html

http://gudanginformatikamania.blogspot.com/2012/05/struktur-turbo-prolog.html

http://eprints.dinus.ac.id/13310/1/jurnal_13879.pdf

http://eprints.uny.ac.id/1746/1/FajarSilikin_(04305144018).pdf

form laporan ib

Documents