Download - 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 à dalam semesta
pembicaraan U dinyatakan dengan fungsi keanggotaan μÃ, yang nilainya berada dalam interval [0,1],
dapat dinyatakan dengan:
μà : U → [0,1].
Himpunan fuzzy à dalam semesta pembicaraan U biasa dinyatakan sebagaisekumpulan pasangan elemen
u (u anggota U) dan derajat keanggotaannya dinyatakan sebagai berikut:
à = {(u, μà (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:
BAB V
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