implementasi metode fuzzy sugeno untuk menentukan …

Volume 3, No. 1 Juni 2019

97

Jurnal Mantik Penusa Vol. 3, No. 1 Juni 2019, pp.97-109 Terakreditasi DIKTI No.SK 21/E/KPT/2018

e-ISSN 2580-9741 p-ISSN 2088-3943

IMPLEMENTASI METODE FUZZY SUGENO UNTUK MENENTUKAN

BESARAN DANA ANGGARAN PEMBUATAN ALAT PEMECAH BATU

ATAU STONE CRUSHER PADA CV.PRAJI TEHNIK

Yuda Perwira

Teknik Informatika

STMIK Pelita Nusantara Jl. Iskandar Muda No. 1 Medan, Sumatera Utara, Indonesia 20154

[email protected]

Abstract

Problems in the Selection of manpower during this time is done with a system that has not been computerized, so the process of selecting labor is slow. Often the error of the selection of candidates

so that the workforce received less skilled and not in accordance with the wishes of the company.

Design of a computerized decision support system Quality workforce using Fuzzy Weighted Product

(F-WP) is expected to replace the old system. By using the criteria that are changed in the form of

weight assessment so that the system can perform calculations that provide the speed of information

in the form of a computerized system. Decision support system provides results in the form of

information printed in the form of reports containing data of prospective workers based on the

highest value to the lowest value, thus providing convenience for companies to hire quality labor.

Kata Kunci: Fuzzy Sugeno, Besaran Dana Anggaran, Stone Crusher.

1. Pendahuluan

Pesatnya kemajuan dalam bidang ilmu pengetahuan dan teknologi serta seiring dengan perkembangan

zaman membuat peran informasi menjadi sangat penting. Perkembangan informasi saat ini sangat erat

kaitannya dengan perkembangan komputer sebagai sarana pendukung suatu pekerjaan. Sebagai penyimpan

informasi, komputer merupakan penyampai informasi yang lengkap, tepat, dan akurat. Komputer sebagai

pendukung informasi telah menjangkau seluruh bidang, salah satunya adalah bidang industri.

CV.Praji Tehnik adalah perusahaan perseroan di bidang kontraktor, Leveransir, Dagang Umum Dan

Jasa yang melayani Perusahaan menengah dan Perusahaan Besar baik Swasta dan Pemerintahan .yang

berkedudukan di kota medan. Jenis Perdagangan atau Jasa yang ada di CV.Praji Tehnik yaitu : Pembuatan

Stone Crusher , Beltching Plant , Perbaikan Mesin Jaw Crusher, Menerima Segala Jenis Bubutan,

Pembuatan Roller Crusher, Pembuatan Blower AMP, Pembuatan Terobong Asap , Menyediakan Spreapart Stone Crusher dan lain sebagainya.

Dalam hal pembuatan mesin Stoner Crusher, perhitungan dana pembuatan mesin ini masih dilakukan

secara manual, dalam hal ini dirasa perlu untuk membuat suatu sistem komputer dimana data bahan

pembuatan mesin diolah melaui sistem yang terkomputerisasi sehingga bahan dan dana yang digunakan

sesuai dengan kebutuhan dari pihak pembeli dengan cepat dan tepat. Maka dari itu untuk menentukan

besaran anggaran pembuatan alat pemecah batu atau Stone Crusher dibutuhkan sebuah sistem pendukung

keputusan dengan metode yang tepat.

Metode yang akan dipakai dalam menentukan besaran dana anggaran pembuatan alat pemecah batu

yaitu metode Fuzzy Sugeno. Konsep dasar dari metode fuzzy sugeno adalah peningkatan dari logikan

boolean yang berhadapan dengan konsep kebenaran sebagian, metode fuzzy sugeno menyatakan bahwa

segala hal dapat diekspersikan dalam bilangan binner (0 atau 1, hitam atau putih, ya atau tidak), logika

fuzzy sugeno menggantikan kebenaran boolean dengan tingkat kebenaran.

2. Metode

2.1 Konsep Dasar Sistem Pendukung Keputusan

Menurut Wildan Fauzi. (2016, Maret), Sistem pendukung keputusan merupakan sistem informasi

interaktif yang menyediakan informasi, pemodelan, dan pemanipulasian data. Sistem ini digunakan untuk

membantu di dalam proses pengambilan keputusan dalam situasi yang semi terstruktur dan situasi yang

tidak terstruktur, dimana tidak seorangpun tahu secara tidak pasti bagaimana keputusan seharusnya dibuat.

Sistem Pendukung Keputusan biasanya dibangun untuk mendukung solusi atas suatu masalah atau untuk

mengevaluasi suatu peluang.


98


e-ISSN 2580-9741 p-ISSN 2088-3943

Sistem Pendukung Keputusan merupakan penggabungan sumber–sumber kecerdasan individu

dengan kemampuan komponen untuk memperbaiki kualitas keputusan. Sistem Pendukung Keputusan juga

merupakan sistem informasi berbasis komputer untuk manajemen pengambilan keputusan yang menangani

masalah – masalah semi struktur.

Dengan pengertian diatas dapat dijelaskan bahwa Sistem Pendukung Keputusan bukan merupakan

alat pengambilan keputusan, melainkan merupakan sistem yang membantu pengambil keputusan dengan

melengkapi mereka dengan informasi dari data yang telah diolah dengan relevan dan diperlukan untuk

membuat keputusan tentang suatu masalah dengan lebih cepat dan akurat. Sehingga sistem ini tidak

dimaksudkan untuk menggantikan pengambilan keputusan dalam proses pembuatan keputusan.

menurut Fitriyani (2016:7) karakteristik yang terdapat pada sistem pendukung keputusan antara lain :

a. Sistem Pendukung Keputusan dirancang untuk membantu pengambil keputusan dalam

memecahkan masalah yang sifatnya semi terstruktur ataupun tidak terstruktur dengan

menambahkan kebijaksanaan manusia dan informasi komputerisasi.

b. Dalam proses pengolahannya, sistem pendukung keputusan mengkombinasikan penggunaan

model-model analisis dengan teknik pemasukan data konvensional serta fungsi-fungsi pencari

interogasi informasi.

c. Sistem Pendukung Keputusan, dirancang sedemikian rupa sehingga dapat

digunakan/dioperasikan dengan mudah.

d. Sistem Pendukung Keputusan dirancang dengan menekankan pada aspek fleksibilitas serta

kemampuan adaptasi yang tinggi.

2.2 Fuzzy Logic

Fuzzy Logic adalah suatu cabang ilmu Artificial Intellegence, yaitu suatu pengetahuan yang

membuat komputer dapat meniru kecerdasan manusia sehingga diharapkan komputer dapat melakukan hal-

hal yang apabila dikerjakan manusia memerlukan kecerdasan.

Logika Fuzzy merupakan suatu logika memiliki nilai kekaburan atau kesamaran (fuzzyness) antara

benar atau salah. Dalam teori logika fuzzy suatu nilai bisa bernilai benar atau salah secara bersama. Namun

berapa besar keberadaan dan kesalahan suatu tergantung pada bobot keanggotaan dimilikinya. Logika fuzzy

memiliki derajat keanggotaan dalam rentang 0 hingga 1. Berbeda dengan logika digital hanya memiliki dua nilai 1 atau 0.

Logika fuzzy digunakan untuk menerjemahkan suatu besaran diekspresikan menggunakan bahasa

(linguistic), misalkan besaran kecepatan laju kendaraan diekspresikan dengan pelan, agak cepat, cepat, dan

sangat cepat. Dan logika fuzzy menunjukan sejauh mana suatu nilai itu benar dan sejauh mana suatu nilai

itu salah. Tidak seperti logika klasik tegas (crisp), suatu nilai hanya mempunyai 2 kemungkinan yaitu

merupakan suatu anggota himpunan atau tidak. Derajat keanggotaan 0 (nol) artinya nilai bukan merupakan

anggota himpunan dan 1 (satu) berarti nilai tersebut adalah anggota himpunan.

Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu ruang input kedalam suatu ruang

output. Alasan mengapa penulis menggunakan logika fuzzy dalam sistem pengambilan keputusan adalah

sebagai berikut:

1. Konsep logika fuzzy mudah dimengerti.

2. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat. 3. Logika fuzzy berdasarkan pada bahasa alamiah.

4. Logika fuzzy dapat mengambil keputusan secara tepat dengan melihat bobot.

Pada himpunan tegas (crisp), nilai keanggotaan suatu intem x dalam suatu himpunan A, yang sering

ditulis dengan μA[x] memiliki dua kemungkinan, yaitu:

1. Satu (1), yang berarti bahwa suatu intem menjadi anggota dalam satu himpunan.

2. Nol (0) yang berarti bahwa suatu intem tidak menjadi anggota dalam suatu himpunan.

Ada beberapa yang perlu diketahui dalam memahami sistem logika fuzzy yaitu:

1. Variabel Fuzzy

Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu sistem fuzzy. Contoh : umur,

temperatur, permintaan, dan lain-lain.

2. Himpunan Fuzzy Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau keadaan tertentu dalam suatu

variabel fuzzy.

3. Semesta Pembicara


99


e-ISSN 2580-9741 p-ISSN 2088-3943

Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk dioperasikan dalam suatu

variabel fuzzy.

4. Domain

Keseluruhan nilai yang diizinkan dalam semesta pembicaraan dan boleh dioperasikan dalam suatu

himpunan fuzzy.

2.3 Metode Fuzzy Sugeno

Menurut Kusumadewi dalam Muhammad Rofiq (2013:3) penalaran dengan metode output

(konsekuen) sistem tidak berupa himpunan fuzzy, melainkan berupa konstanta atau persamaan linear.

Metode ini diperkenalkan oleh Takagi-Sugeno Kang pada tahun 1985. Michio Sugeno mengusulkan penggunaan singleton sebagai fungsi keanggotaan dari konsekuen.

Singleton adalah sebuah himpunan fuzzy dengan fungsi keanggotaan pada titik tertentu mempunyai sebuah

nilai dan 0 di luar titik tersebut. Pada metode Sugeno dua bagian pertama dari proses penarikan kesimpulan

fuzzy, fuzzifikasi input dan menerapkan operator fuzzy semua sama dengan metode Mamdani. Perbedaan

utama antara metode Mamdani dan Sugeno adalah output membership function dari metode Sugeno

berbentuk linier atau konstan.

3. ANALISIS DAN PERANCANGAN

3.1 Analisis

Sistem pendukung keputusan menentukan menentukan besaran dana anggaran pembuatan alat

pemecah batu atau stone crusher pada CV.Praji Tehnik menggunakan metode Fuzzy Sugeno dalam melakukan proses perhitungannya. Untuk mendapatkan perkiraan porsi dana yang tepat, dalam penelitian

ini menggunakan variabel-variabel perhitungan fuzzy sebagai berikut yaitu mesin, casis, culbin set,

convayer, kelistirkan dan besaran dana pembelian mesin stoner crusher, berdasarkan data dari CV. Praji

Teknik.

Perancangan Sistem Pendukung Keputusan yang diharapkan dapat membantu CV. Praji Teknik dalam

menentukan besaran anggaran dana pembuatan alat pemecah batu. Metode yang dipakai dalam penelitian

ini adalah Logika Fuzzy dengan Metode Fuzzy Sugeno yang di dalam teori ini keanggotaan suatu elemen

di dalam himpunan dinyatakan dengan derajat keanggotaan (membership values) dan himpunan fuzzy.

Jika pembuatan mesin penghacur batu menganggarkan dana yaitu : Mesin Rp. 780,000,000, casis Rp.

90,000,000, Culbin set Rp. 580,000,000, Convayer Rp. 390,000,000 dan Kelistirkan Rp. 180,000,000.

Maka proses perhitungan dapat kita lakukan dengan menggunakan metode Fuzzy sugeno.

3.1.1 Menentukan Data Awal

Tabel dibawah ini merupakan data tipe dan harga untuk masing-masing jenis mesin yang ada di CV.

Praji Tehnik.

Tabel 1. Data Harga Mesin

No Merk Mesin casis Culbin set Convayer Kelistirkan Harga

1

CAP 30-

40TPH 469,750,000 56,000,000 545,000,000 286,400,000 160,000,000 1,517,150,000

2

CAP 70-

80TPH 1,466,100,000 130,000,000 625,000,000 551,300,000 200,000,000 2,932,400,000

3

CAP 50-

60TPH 985,500,000 80,000,000 590,000,000 363,600,000 180,000,000 2,179,100,000

4

CAP 60-

70TPH 1,235,250,000 106,000,000 590,000,000 467,300,000 185,000,000 2,558,550,000

5

CAP 20-

30TPH 446,800,000 51,000,000 530,000,000 278,400,000 150,000,000 1,466,200,000

6

CAP 40-

50TPH 719,500,000 75,000,000 550,000,000 479,700,000 170,000,000 1,984,200,000

7

CAP 80-

100TPH 1,539,000,000 120,000,000 690,000,000 494,000,000 220,000,000 3,003,000,000

(Sumber data : CV. Praji Tehnik)

Terlihat dari tabel 3.1 untuk menentukan besaran anggaran pembuatan mesin pemecah batu

terdapat lima variabel yaitu variabel mesin, variabel casis, variabel culbin set, variabel convayer dan

variabel kelistirkan.

3.1.2 Menentukan Variable dan Domain


100


e-ISSN 2580-9741 p-ISSN 2088-3943

Data yang digunakan dalam penelitian ini adalah data harga pembuatan mesin pemecah batu

termurah yaitu tipe mesin CAP 20-30TPH, CAP 50-60TPH, dan CAP 80-100TPH. Walaupun dalam

perhitungan ini hanya menggunakan tiga tipe mesin, namun hasil dari penelitian ini dapat juga digunakan

untuk tipe mesin yang lain.

Dari data stoner crusher pada tabel 3.1 kita tentukan variabel untuk masing-masing kriteria yang akan

digunakan.

1. variabel Mesin

domain mesin : Murah [Rp. 400,000,000], Sedang [Rp. 680,000,000], mahal [Rp. 1,400,000,000]

2. variabel casis

domain casis : Murah [Rp. 45,000,000], Sedang [Rp. 80,000,000], mahal [Rp. 125,000,000] 3. variabel Culbin set

domain culbin set : Murah [Rp. 450,000,000], Sedang [Rp. 500,000,000], mahal [Rp. 650,000,000]

4. variabel Convayer

domain convayer : Murah [Rp. 200,000,000], Sedang [Rp. 350,000,000], mahal [Rp. 500,000,000]

5. variabel Kelistirkan

domain kelistrikan : Murah [Rp. 130,000,000], Sedang [Rp. 170,000,000], mahal [Rp. 200,000,000]

Tabel .2 Data hasil konversi

No Merk Mesin casis

Culbin

set Convayer Kelistirkan Harga

1 CAP 30-40TPH Murah Murah Murah Murah Murah 1,517,150,000

2 CAP 70-80TPH Mahal Mahal Sedang Mahal Mahal 2,932,400,000

3 CAP 50-60TPH sedang sedang sedang sedang sedang 2,179,100,000

4 CAP 60-70TPH Mahal Sedang Sedang Sedang mahal 2,558,550,000

5 CAP 20-30TPH Murah Murah Sedang Murah murah 1,466,200,000

6 CAP 40-50TPH Sedang Murah Sedang Sedang sedang 1,984,200,000

7 CAP 80-100TPH Mahal Mahal Mahal Sedang Mahal 3,003,000,000

3.1.3 Fuzzyfikasi

Fuzzyfikasi adalah proses dimana data inputan nilai yang bersifat pasti (crips input) kedalam bentuk

fuzzy input. Dalam penelitian ini digunaka beberapa variabel dan input tertentu.

1. Variabel Mesin

Kurva untuk fungsi keanggotaan (µ) pada variabel mesin dengan nilai murah, sedang, mahal, yang

dapat dilihat pada gambar 3.1.

Gambar 1. Kurva Mesin

Sedangkan fungsi keanggotaan untuk variabel mesin, dapat dilihat pada Tabel 3.3.


101


e-ISSN 2580-9741 p-ISSN 2088-3943

Tabel 3. Fungsi Keanggotaan Variabel Mesin Himpunan Fuzzy Batasan (dlm juta) Derajat Keanggotaan (µ)

µMurah(x)

x ≤ 400 1

400 ≤ x ≤ 680 680 − 𝑥

680 − 400

x ≥ 680 0

µSedang(x)

x ≤ 400 0

400 ≤ x ≤ 3,5 𝑥−400

680−400

680 ≤ x ≤ 1400 1400 − 𝑥

1400 − 680

x ≥ 1400 0

µMahal(x)

x ≤ 1400 0

680 ≤ x ≤ 1004 𝑥 − 680

1400 − 680

x ≥ 1400 1

Kemudian mencari nilai keanggotaan untuk variabel mesin [Rp 780,000,000] di bawah ini:

μMurah[780] = 0

μSedang[780] = 1400−𝑥

1400−680 =

1400−780

1400−680 = 0.861

μMahal[780] = 𝑥−680

1400−680 =

780−680

1400−680 = 0.139

2. Variabel casis

Kurva untuk fungsi keanggotaan (µ) pada variabel casis dengan nilai murah, sedang, mahal, yang

dapat dilihat pada gambar 3.2.

Gambar 2. Kurva casis

Sedangkan fungsi keanggotaan untuk variabel casis, dapat dilihat pada Tabel 3.4.

Tabel 4. Fungsi Keanggotaan Variabel casis

Himpunan Fuzzy

Batasan (dlm juta) Derajat Keanggotaan (µ)

µMurah(x)

x ≤ 45 1

45 ≤ x ≤ 80 80 − 𝑥

80 − 45

x ≥ 45 0

µSedang(x)

x ≤ 80 0

80 ≤ x ≤ 125 𝑥−80

125−80

25 ≤ x ≤ 80 125 − 𝑥

125 − 80

x ≥ 125 0

µMahal(x)

x ≤ 125 0

80 ≤ x ≤ 125 𝑥 − 25

125 − 80

x ≥ 125 1

Kemudian mencari nilai keanggotaan untuk variable casis [Rp.90.000.000] di bawah ini:


102


e-ISSN 2580-9741 p-ISSN 2088-3943

μMurah[90] = 0

μSedang[90] = 125−𝑥

125−80

= 125−90

125−80 = 0.778

μMahal[90] = 𝑥−80

125−80

= 90−80

125−80 = 0.22

3. Variabel Culbin set Kurva untuk fungsi keanggotaan (µ) pada variabel culbin set yang digunakan adalah dengan nilai

murah, sedang, mahal, yang dapat dilihat pada gambar di bawah ini :

Gambar 3. Kurva Culbin Set

Sedangkan fungsi keanggotaan untuk variabel culbin set, dapat dilihat pada Tabel 3.5.

Tabel 5. Fungsi Keanggotaan Variabel Culbin Set Himpunan Fuzzy Batasan (dlm juta) Derajat Keanggotaan (µ)

µMurah(x)

x ≤ 450 1

450 ≤ x ≤ 500 500 − 𝑥

500 − 450

x ≥ 500 0

µSedang(x)

x ≤ 450 0

450 ≤ x ≤ 500 𝑥−450

500−450

500 ≤ x ≤ 650 650 − 𝑥

650 − 500

x ≥ 650 0

µMahal(x)

x ≤ 500 0

500 ≤ x ≤ 650 𝑥 − 500

650 − 500

x ≥ 650 1

Kemudian mencari nilai keanggotaan untuk variabel culbin set [Rp 580,000,000] di bawah ini :

μMurah[580] = 0


680−500 =

680−580

680−500 = 0.467

μMahal[580] = 𝑥−500

680−500

= 580−500

680−500 = 0.533

4. Convayer

Kurva untuk fungsi keanggotaan (µ) pada variabel convayer yang digunakan adalah dengan nilai



103


e-ISSN 2580-9741 p-ISSN 2088-3943

Gambar 4. Kurva Convayer

Sedangkan fungsi keanggotaan untuk variabel convayer, dapat dilihat pada Tabel 3.6.

Tabel 6. Fungsi Keanggotaan Variabel convayer Himpunan

Fuzzy

Batasan (dlm juta) Derajat Keanggotaan (µ)

µMurah(x)

x ≤ 200 1

200 ≤ x ≤ 350 350 − 𝑥

350 − 200

x ≥ 350 0

µSedang(x)

x ≤ 200 0

200 ≤ x ≤ 350 𝑥−200

350−200

350 ≤ x ≤ 500 500 − 𝑥

500 − 350

x ≥ 500 0

µMahal(x)

x ≤ 500 0

350 ≤ x ≤ 500 𝑥 − 350

500 − 350

x ≥ 500 1

Kemudian mencari nilai keanggotaan untuk variable convayer set [Rp 390,000,000] di bawah ini :

μMurah[390] = 0


680−350 =

500−390

680−500 = 0.733

μMahal[390] = 𝑥−350

680−350

= 390−350

680−350 = 0.267

5. Kelistrikan

Kurva untuk fungsi keanggotaan (µ) pada variabel kelistrikan yang digunakan adalah dengan nilai


Gambar 5. Kurva kelistrikan


104


e-ISSN 2580-9741 p-ISSN 2088-3943

Sedangkan fungsi keanggotaan untuk variabel kelistrikan, dapat dilihat pada Tabel 3.6.

Tabel 3.7 Fungsi Keanggotaan kelistrikan Himpunan Fuzzy Batasan (dlm juta) Derajat Keanggotaan (µ)

µMurah(x)

x ≤ 130 1

130 ≤ x ≤ 170 170 − 𝑥

170 − 130

x ≥ 170 0

µSedang(x)

x ≤ 170 0

130 ≤ x ≤ 170 𝑥−130

170−130

170 ≤ x ≤ 200 200 − 𝑥

200 − 170

x ≥ 200 0

µMahal(x)

x ≤ 500 0

350 ≤ x ≤ 500 𝑥 − 170

200 − 170

x ≥ 200 1

Kemudian mencari nilai keanggotaan untuk variable kelistrikan set [Rp 180,000,000] di bawah ini

: μMurah[180] = 0


200−170 =

200−180

200−170 = 0.667

μMahal[180] = 𝑥−170

200−170 =

180−170

200−170 = 0.333

3.1.4 Proses Inferensi

Inferensi adalah cara yang dilakukan fuzzy dalam pengambilan keputusan. Sistem ini merupakan kerangka yang didasarkan pada teori himpunan fuzzy, aturan fuzzy yang berbentuk IF – THEN, dan

penalaran fuzzy. Berikut di bawah ini hasil penalaran fuzzy :

R1 if (Mesin is murah)and (casis is murah) and(Culbin set is murah) and (Convayer is murah) and

(Kelistirkan is murah) then harga mesin = 1,517,150,000

α-pred1 = min (0 ; 0 ; 0 ; 0 ; 0) = 0

Z1 = 1,517,150,000

R2 if (Mesin is mahal)and (casis is mahal) and(Culbin set is sedang) and (Convayer is mahal) and

(Kelistirkan is mahal) then harga mesin = 2,932,400,000

α-pred2 = min (0.139 ; 0.222 ; 0.467 ; 0.267 ; 0.333) = 0. 139

Z2 = 2,932,400,000

R3 if (Mesin is sedang)and (casis is sedang) and(Culbin set is sedang) and (Convayer is sedang) and

(Kelistirkan is sedang) then harga mesin = 2,179,100,000 α-pred3 = min (0.861 ; 0.778 ; 0.467 ; 0.733 ; 0.667) = 0.467

Z3 = 2,179,100,000

R4 if (Mesin is mahal)and (casis is sedang) and(Culbin set is sedang) and (Convayer is sedang) and


α-pred4 = min (0.139 ; 0.778 ; 0.467 ; 0.733 ; 0.333) = 0.139

Z4 = 2,558,550,000

R5 if (Mesin is murah)and (casis is murah) and(Culbin set is sedang) and (Convayer is murah) and

(Kelistirkan is murah) then harga mesin = 1,466,200,000

α-pred5 = min (0 ; 0 ; 0.467 ; 0 ; 0) = 0

Z5 = 1,466,200,000 R6 if (Mesin is sedang)and (casis is murah) and(Culbin set is sedang) and (Convayer is sedang) and

(Kelistirkan is sedang) then harga mesin = 1,984,200,000

α-pred6 = min (0.861 ; 0 ; 0.467 ; 0.733 ; 0.667) = 0

Z6 = 1,984,200,000

R7 if (Mesin is mahal)and (casis is mahal) and(Culbin set is mahal) and (Convayer is sedang) and


α-pred7 = min (0.139 ; 0.222 ; 0.533 ; 0.733 ; 0.333) = 0.139


105


e-ISSN 2580-9741 p-ISSN 2088-3943

Z7 = 3,003,000,000

3.1.5 Proses Defuzzyfikasi

Setelah dilakukan langkah If – Then, maka langkah terakhir yaitu proses defuzzyfikasi. Dengan

menggunakan persamaan di bawah ini :

Nilai Crips = ∑ α−pred∗(Konsekuen)

∑(Konsekuen)

=(α1 ∗ Z1) + (α2 ∗ Z2) + (α3 ∗ Z3) + (α4 ∗ Z4) + (α5 ∗ Z5) + (α6 ∗ Z6) + (α7 ∗ Z7) + (α8 ∗ Z8)

(α − 1) + (α − 2) + (α − 3) + (α − 4) + (α − 5) + (α − 6) + (α − 7) + (α − 8)

= (0 ∗ 1,517,150,000) + (0.139 ∗ 2,932,400,000) + (0.467 ∗ 2,179,100,000) + (0.139 ∗ 2,558,550,000) +

(0 ∗ 1,466,200,000) + (0 ∗ 1,984,200,000) + (0.139 ∗ 3,003,000,000)

(0 + 0.139 + 0.467 + 0.139 + 0 + 0 + 0.139)

= 0+407,277,777.78+1,016,913,333.33+355,354,166.67+0+0+417,083,333.33

0.883

= Rp. 2,486,749,371.07

Hasil perhitungan dari metode Fuzzy Sugeno untuk besaran dana anggaran pembuatan alat pemecah batu atau stoner crusher adalah Rp. 2,486,749,371. Hasil perhitungan ini dapat dijadikan acuan pengambil

keputusan dalam menentukan besaran dana anggaran bagi perusahaan.

3.2 Flowchart Sistem

Flowchart adalah penggambaran secara grafik dari langkah-langkah dan urutan-urutan prosedur dari

suatu program. Berikut flowchart proses langkah kerja sistem secara umum dapat dilihat pada Gambar di

bawah ini.

Mulai

Input data stoner

crusher

Tentukan

variabel dan

domain

Proses inferensi

Proses

Defuzzyfikasi

Hasil keputusan

Selesai

Gambar 6. Flowchart Sistem

3.3 Rancangan Unified Modelling Language (UML)

3.3.1 Usecase Diagram

Usecase diagram adalah suatu bentuk diagram yang menggambarkan fungsionalitas yang

diharapkan dari sebuah sistem dilihat dari perspektif pengguna diluar sistem.


106


e-ISSN 2580-9741 p-ISSN 2088-3943

Admin

Implementasi Metode Fuzzy Sugeno

Untuk Menentukan Besaran Dana

Anggaran Pembuatan Alat Pemecah

Batu Atau Stone Crusher Pada

CV.Praji Tehnik

Input data

Stoner crusher

Himpunan

fuzzy

Pimpinan

Hasil

perhitungan

Proses fuzzy

sugeno

Gambar 7. Usecase diagram

4. HASIL DAN PEMBAHASAN

Berikut hasil implementasi metode Fuzzy Sugeno untuk menentukan besaran dana anggaran pembuatan alat pemecah batu atau Stone Crusher pada CV.Praji Tehnik. 4.2.1 Form Login

Form login akan tampil pada saat aplikasi pertama kali dijalankan.tampilan dari form login dapat dilihat pada gambar berikut ini.

Gambar 8. Form Login

4.2.2 Form Menu Utama

Form menu utama setelah login admin berhasil memberikan tampilan submenu input, proses, tentang dan keluar. Tampilan gambar menu utama setelah login dapat dilihat pada gambar berikut ini.

Gambar 9. Menu utama


107


e-ISSN 2580-9741 p-ISSN 2088-3943

4.2.3 Form Data Stoner Crusher

Form stoner crusher merupakan form yang akan ditampilkan apabila user memilih submenu input pada form menu utama. Tampilan dari form ini adalah sebagai berikut :

Gambar 10. Form Data Stoner Crusher

4.2.4 Form Himpunan Fuzzy

Form himpunan fuzzy digunakan untuk menginput nilai himpunan bagi masing-masing kriteria yang digunakan. Adapun tampilan keluaran dari form himpunan fuzzy adalah sebagai berikut :

Gambar 11. Form Himpunan Fuzzy

4.2.5 Form Proses

Form proses merupakan form yang digunakan oleh user untuk melakukan proses menentukan

besaran dana yang akan digunakan untuk membuat mesin baru stoner crusher. Tampilan dari form dapat

dilihat pada gambar berikut.


108


e-ISSN 2580-9741 p-ISSN 2088-3943

Gambar 12. Form Proses

4.2.6 Form Laporan

Form laporan adalah form yang berguna untuk menampilkan data hasil perhitungan yang dilakukan sistem pengambilan keputusan setelah melewati proses perhitungan. Laporan ini nantinya akan digunakan sebagai bahan pertimbangan bagi perusahaan untuk menentukan besaran dana pembuatan mesin stoner crusher. Adapun tampilan keluaran dari form laporan adalah sebagai berikut :

Gambar 13. Form Laporan

5. KESIMPULAN

Implementasi metode fuzzy sugeno untuk menentukan besaran dana anggaran pembuatan alat

pemecah batu atau Stoner Crusher pada CV.Praji Tehnik yang telah diselesaikan ini dapat diambil

beberapa kesimpulan diantaranya adalah :

1. Menganalisa dana anggara pembuatan alat pemecah batu atau stoner crusher pada CV. Praji Tehnik

yaitu dengan cara mengetahui besaran harga tiap-tiap komponen untuk masing-masing tipe mesin.

2. Mengimplementasikan metode fuzzy sugeno dalam proses menentukan besaran dana pembuatan alat

pemecah batu adalah dengan cara membagi seluruh data biaya pembuatan sebuah mesin menjadi

beberapa kriteria dan menentukan jumlah himpunan untuk masing-masing kriteria.

3. Sistem pendukung keputusan dirancang dengan menggunakan database access dan aplikasi

pemrograman visual studio 2008. Adapun saran-saran yang bisa diberikan untuk program ini agar bisa didapatkan hasil yang maksimal

adalah :

4. Bagi user yang bersedia dan mampu untuk menyempurnakan aplikasi ini hendaknya dilakukan

perkembangan sistem agar tidak hanya terfokus pada menentukan besaran biaya pembuatan mesin saja.


109


e-ISSN 2580-9741 p-ISSN 2088-3943

5. Bagi pembaca yang bersedia dan mampu menyempurnakan aplikasi ini hendaknya dilakukan perbaikan

pada sistem dari segi tampilan-tampilan form, seperti pemberian animasi atau lainnya. Agar user tidak

merasa jenuh jika menggunakan sistem.

6. Diharapkan dengan penggunaan sistem pendukung keputusan dengan metode-metode yang lain dapat

diterapkan atau dilakukan perbandingan sehingga proses penentuan benar-benar relefan.

Daftar Pustaka

[1] Alex Rikki. (2017), Pengujian Sistem Pendukung Keputusan Metode Simple Additive Weighting dan

Weighted Product dengan Matlab, MEANS (Media Informasi Analisa dan Sistem), Volume 2 No. 1, Juni

[2] Budi Permana. (2013). Dasar-dasar Pemrograman Microsoft Visual Basic 2008. Andi. Medan

[3] Erwin Hermawan, et al(2017), Sistem Pendukung Keputusan Pemilihan Pupuk Untuk Tanaman Padi

Menggunakan Metode Fuzzy, Journal of Information Technology and Computer Science

(JOINTECS) Vol. 1, No. 2

[4] Suwandi, Mohammad Isa Irawan, Imam Mukhlash (2011), Aplikasi Sistem Inferensi Fuzzy Metode

Sugeno Dalam Memperkirakan Produksi Air Mineral Dalam Kemasan, Prosiding Seminar Nasional

Penelitian, Pendidikan dan Penerapan MIPA,Universitas Negeri Yogyakarta, 14 Mei 2011.

[5] Sunardi dan Rara Sri Artati (2014), Aplikasi Metode Fuzzy Sugeno untuk Sistem Informasi

Ketinggian Air dan Ketinggian Pintu Air Suatu Bendungan, Jurnal Teknologi Informasi DINAMIK

Volume 19, No.2, Juni 2014 : 179-190, ISSN : 0854-9524 [6] Laras Purwati Ayuningtias, Mohamad irfan, Jumadi (2017). Analisa perbandingan logic fuzzy metode

tsukamoto, sugeno, dan mamdani (studi kasus : prediksi jumlah pendaftar mahasiswa baru fakultas

sains dan teknologi universitas islam negeri sunan gunung djati bandung). Jurnal teknik informatika,

april 2017. ISSN 1979-9160

[7] Solikhun,(2017), Perbandingan Metode Weighted Product Dan Weighted Sum Model Dalam

Pemilihan Perguruan Swasta Terbaik Jurusan Komputer, Kumpulan jurnaL Ilmu Komputer (KLIK)

Volume 04, No.01 Februari

[8] Rosa A.S., M.Shalahuddin, (2014) Rekaya Perangkat Lunak, Informatika, Bandung.

implementasi metode fuzzy sugeno untuk menentukan …

Documents