BAB III mamdani
-
Upload
ari-ganesha -
Category
Documents
-
view
18 -
download
0
description
Transcript of BAB III mamdani
1532
BAB III
METODE PENELITIAN3.1. Metode Pengumpulan DataMetode pengumpulan data yang digunakan dalam menyusun serta melengkapi data yang ada. Adapun metode yang di gunakan adalah : 1. Studi Lapangan (Field Research)
Studi lapangan merupakan metode pengumpulan data untuk memperoleh data dan informasi dengan mengadakan pengamatan secara langsung. Adapun tehnik Pengumpulan data dan informasi yang dilakukan pada saat studi lapangan pada PT. Sierad Produce, Tbk adalah:
a. Wawancara (Interview)
Dalam teknik wawancara ini, dilakukan wawancara secara langsung pada PT. Sierad Produce, Tbk yang berkaitan dengan masalah data sistem prediksi produksi pakan ternak ayam.
b. Pengamatan Langsung (Observation)
Pengumpulan data yang dilakukan pada saat pengamatan langsung pada PT. Sierad Produce, Tbk yang melakukan pengolahan data tentang sistem prediksi produksi pakan ternak ayam.
2. Studi Pustaka (Library Research)
Metode penulisan yang dilakukan untuk memperoleh data dan informasi dengan membaca berbagai bahan penulisan, karangan ilmiah serta sumber-sumber lain mengenai permasalahan yang berhubungan dengan penulisan.3.2. Metode Pengembangan Perangkat LunakPenelitian ini dilakukan rekayasa perangkat lunak dimana prosesnya disebut dengan rekayasa sistem yang menerapkan metode pengembangan Waterfall yang diimplementasikan sebagai berikut:3.2.1 Planning (Perencanaan)Perencanaan yang harus dipersiapkan meliputi:
a. Menyiapkan metode sistem prediksi produksi pakan ternak ayam yaitu metode sugeno untuk memberikan alternatif terhadap prediksi produksi pakan ternak ayam. Metode sugeno merupakan sistem yang bertujuan untuk menyeleksi yang terbaik dari sejumlah alternatif dan dievaluasi dengan memperhatikan beberapa kriteria. b. Melakukan pengumpulan data yang berkenaan dengan pelaksanaan prediksi produksi pakan ternak ayam dengan cara wawancara kepada pihak PT. Sierad Produce, Tbk. c. Menentukan target dan tujuan yang jelas dalam penyusunan sistem penunjang keputusan sehingga hasil yang diperoleh menjadi lebih maksimal. Selain itu dibutuhkan kajian yang jelas dan terstruktur sehingga sistem yang dihasilkan dapat lebih mudah dipahami.3.2.2 Analysis (Analisis) Analisis sistem prediksi produksi pakan ternak ayam merupakan sebuah rancang bangun sistem yang dituangkan dalam bentuk software guna menciptakan pilihan-pilihan atas prediksi jumlah produksi pakan ternak. Penelitian ini dilakukan pada PT. Sierad Produce, Tbk dengan mempelajari cara memprediksi produksi pakan ternak ayam yang dilakukan di PT. Sierad Produce, Tbk. Sistem ini menyajikan alternatif pilihan bagi pihak PT. Sierad Produce, Tbk dalam memperoleh informasi prediksi produksi pakan ternak ayam.Analisis ini berfungsi untuk mengetahui kinerja sistem yang berjalan saat ini, dan hasil analisis ini sebagai dasar pengembangan sistem yang diharapkan bermanfaat untuk pengetahuan atau peningkatan pengetahuan bagi mahasiswa. Sesuai dengan metode sugeno yang digunakan untuk sistem prediksi produksi pakan ternak ayam pada PT. Sierad Produce, Tbk, yang cara prediksi jumlah produksi pakan ternaknya berdasarkan perhitungan, tahapan-tahapan tersebut disimpulkan dalam suatu jumlah yang dihitung berdasarkan nilai rata-rata sesuai dengan data-data yang dimiliki oleh PT. Sierad Produce, Tbk.3.2.2.1 Analisis Data Jumlah produksi pakan ternak yang akan diprediksi menggunakan data milik PT. Sierad Produce, Tbk tahun 2012. Jumlah produksi pakan ternak yang akan diprediksi ini merupakan jumlah produksi pakan ternak yang dilakukan oleh PT. Sierad Produce, Tbk untuk periode produksi berikutnya. Prediksi jumlah produksi pakan ternak dilakukan berdasarkan jumlah permintaan distributor kepada PT. Sierad Produce, Tbk dan jumlah persediaan bahan baku pada PT. Sierad Produce, Tbk itu sendiri.
3.2.2.2 Analisis Kebutuhan Sistem
Adapun spesifikasi minimal perangkat keras dan perangkat lunak yang digunakan dalam sistem ini adalah :
1. Intel Pentium
2. RAM 2 GB DDR3
3. Hardisk 160 GB
4. Sistem Operasi Windows XP
a) Menggunakan Bahasa Pemrograman Borland Delphi 7.0b) Database Microsoft office 2003.3.2.3 Design (Perancangan)Merupakan tahap penerjemah dari keperluan atau data yang telah dianalisis kedalam bentuk yang mudah dimengerti pemakai, hal ini berkaitan dengan sistem yang akan dibuat. Proses desain sistem yang membagi kebutuhan-kebutuhan sistem yang mana hasil penelitian ini dikhususkan untuk memprediksi jumlah produksi pakan ternak ayam. Perancangan dan pembuatan sistem ini menggunakan bahasa pemrograman Borland Delphi 7.0.
3.3 Penerapan metode Fuzzy Inference System (FIS) Sugeno Untuk Memprediksi Jumlah Produksi Pakan Ternak AyamPenerapan metode sugeno dalam rancang bangun sistem prediksi jumlah produksi pakan ternak ayam ini secara umum terdapat tiga langkah yaitu:mendefinisikan variabel fuzzy (fuzzyfication), menentukan fungsi implikasi, komposisi aturan, dan defuzzifikasi (Defuzzyfication).3.3.1 Mendefinisikan Variabel fuzzy (fuzzyfication) Tahap ini, mendefinisikan variabel fuzzy metode sugeno yang diimplementasikan kedalam penelitian rancang bangun sistem prediksi produksi pakan ternak ayam ini dibagi menjadi 2 variabel yaitu, variabel input dan variabel output. Variabel input terdiri dari permintaan dan persediaan, sedangkan variabel output adalah produksi.Berdasarkan data pada tahun 2012, permintaan terbesar mencapai hingga 360 ton, dan permintaan terkecil sampai 278 ton. Persediaan barang digudang terbanyak sampai 275 ton, dan terkecil pernah sampai 210 ton.
Tabel 3.1 Data permintaan dan persediaan pakan ternak ayam padaPT. Sierad Produce, Tbk Tahun 2012Bulan(Tahun)Permintaan PersediaanProduksi
Januari (2012)360 Ton275 Ton377 Ton
Februari (2012)335 Ton260 Ton352 Ton
Maret (2012)312 Ton210 Ton330 Ton
April (2012)342 Ton235 Ton357 Ton
Mei (2012)328 Ton220 Ton341 Ton
Juni (2012)335 Ton255 Ton353 Ton
Juli (2012)320 Ton252 Ton333 Ton
Agustus (2012)300 Ton263 Ton328 Ton
September (2012)278 Ton241 Ton297 Ton
Oktober (2012)290 Ton270 Ton322 Ton
November (2012)330 Ton242 Ton355 Ton
Desember (2012)281 Ton243 Ton293 Ton
a. Variabel input, yang digunakan adalah permintaan dan persediaan.1. Permintaan; terdiri atas 2 himpunan fuzzy, yaitu TURUN dan NAIK
1 TURUN NAIK
0 278 360Permintaan
(Ton/Bulan)Gambar 3.1 Fungsi Keanggotaan Variabel Permintaan
1 ; x ( 278PmtTURUN (x) = 360 x / 82 ; 278 ( x ( 360
0 ; x 360
0 ; x ( 278PmtNAIK (x) = x 278 / 82 ; 278 ( x ( 360 1 ; x 3602. Persediaan; terdiri atas 2 himpunan fuzzy, yaitu: SEDIKIT dan BANYAK
1 SEDIKIT
BANYAK
0 210 275 Persediaan
(Ton/Bulan)Gambar 3.2 Fungsi Keanggotaan Variabel Persediaan.
1 ; y ( 210
psdSEDIKIT (y) = 275 y / 65 ; 210 ( y ( 275 0 ; y 275 0 ; y ( 210
psdBANYAK (y) = y -210 / 65 ; 210 ( y ( 275
1 ; y 275b. Variabel output, yang digunakan adalah produksi.
3.3.2 Aplikasi Fungsi ImplikasiPada sugeno, fungsi implikasi yang digunakan adalah min.3.3.3 Komposisi AturanKomposisi aturan ini diperoleh dengan cara mengkombinasikan himpunan fuzzy, maka aturan fuzzy sebagai berikut:[R1] Jika Permintaan TURUN dan Persediaan SEDIKIT
Maka Produksi= 377[R2] Jika Permintaan TURUN dan Persediaan SEDIKIT
Maka Produksi= 352[R3] Jika Permintaan NAIK dan Persediaan BANYAK
Maka Produksi= 330[R4] Jika Permintaan TURUN dan Persediaan BANYAK
Maka Produksi= 357[R5] Jika Permintaan TURUN dan Persediaan BANYAK
Maka Produksi= 341[R6] Jika Permintaan TURUN dan Persediaan SEDIKIT
Maka Produksi= 353[R7] Jika Permintaan TURUN dan Persediaan SEDIKIT
Maka Produksi= 333[R8] Jika Permintaan NAIK dan Persediaan SEDIKIT
Maka Produksi= 328[R9] Jika Permintaan NAIK dan Persediaan BANYAK
Maka Produksi= 297[R10] Jika Permintaan NAIK dan Persediaan SEDIKIT
Maka Produksi= 322[R11] Jika Permintaan TURUN dan Persediaan BANYAK
Maka Produksi= 355[R12] Jika Permintaan NAIK dan Persediaan SEDIKIT
Maka Produksi= 2933.3.4 Defuzzyfikasi (Defuzzyfication)Defuzyfikasi dalam fuzzy sugeno yang akan diimplementasikan pada penelitian rancang bangun sistem prediksi produksi pakan ternak disini adalah dengan cara mencari nilai rata-ratanya.3.4 Sistem Yang DiusulkanPerancangan sistem yang akan dibuat adalah untuk menghasilkan suatu program yang kemudian dapat diimplementasikan pada tahap implementasi sistem.Data flow diagram (DFD) yang akan digambarkan adalah model DFD secara logika dari sistem yang ditawarkan. Model ini digunakan untuk menggambarkan kegiatan yang ada pada produksi pakan ternak ayam menggunakan logika fuzzy. Rancangan sistem dimodelkan dalam bentuk data flow diagram level konteks, level 1 dan level 2.3.4.1 Data Flow Diagram Konteks Produksi Pakan Ternak Ayam Menggunakan Logika Fuzzy SugenoDFD level konteks adalah diagram tingkat atas yang digunakan untuk menggambarkan sistem secara garis besar (top level) dan juga merupakan diagram yang tidak detail dari sebuah sistem informasi yang menggambarkan kesatuan luar sistem. Diagram konteks untuk aplikasi ini seperti diperlihatkan dalam gambar 3.3 berikut :
Gambar 3.3 Diagram Konteks Sistem Prediksi Produksi Pakan Ternak Ayam
3.4.2 Data Flow Diagram Level 1 Sistem Produksi Pakan Ternak Ayam Menggunakan Logika Fuzzy Sugeno
DFD level 1 merupakan representasi dari data pada DFD level 0 yang sudah dipartisi untuk memberikan penjelasan yang lebih detail. Berikut gambar DFD level 1 pada jumlah produksi pakan ternak ayam menggunakan logika fuzzy sugeno.
Gambar 3.4 DFD level 1 Sistem Prediksi Produksi Pakan Ternak Ayam3.4.3 Data Flow Diagram level 2 Dari Proses Input Data VariabelDFD level 2 dari proses input data variabel merupakan penjabaran yang lebih detail dari proses data variable. Pada proses ini terdiri dari tiga proses yaitu: proses tambah data variabel baru, simpan data variabel, dan hapus data variabel, proses ini di simpan dalam satu database yaitu database variabel, dapat di lihat pada gambar 3.5.
3.4.4 Data Flow Diagram level 2 Dari Proses Input Data PelatihanDFD level 2 dari proses input data pelatihan merupakan penjabaran yang lebih detail dari proses data pelatihan. Pada proses ini terdiri dari tiga proses yaitu: proses tambah data pelatihan baru, simpan data pelatihan, dan hapus data pelatihan, proses ini di simpan dalam satu database yaitu database transaksi, dapat di lihat pada gambar 3.6
3.4.5 Data Flow Diagram level 2 Dari Proses Input Data RuleDFD level 2 dari proses input data rule merupakan penjabaran yang lebih detail dari proses data rule. Pada proses ini terdiri dari tiga proses yaitu: proses tambah data rule baru, dan hapus data rule, proses ini di simpan dalam satu database yaitu database transaksi, dapat di lihat pada gambar 3.7.
Gambar 3.7 DFD Level 2 Dari Proses Input Data Rule3.4.5 Data Flow Diagram level 2 Dari Proses Data Perhitungan SugenoDFD level 2 dari proses data perhitungan adalah data perhitungan dalam proses data. Proses ini di simpan dalam satu database yaitu database prediksi, dapat di lihat pada gambar 3.8.
3.5 Entity Relation Data
Entity relation data yang dibuat untuk menghubungkan tabel-tabel yang ada menjadi satu sistem yaitu :
Gambar 3.9 Entity Relation Data
3.6 Rancangan Struktur DatabaseRancangan struktur databasesistem ini adalah sebagai berikut:a. Struktur Tabel Variabel Tabel ini digunakan untuk entry data variabel
Nama Database: Ayam.mdb
Nama Tabel
: Variabel
Primary Key
: IDVariabel
Media Penyimpanan: HarddiskTabel 3.2 Rancangan Struktur Tabel VariabelField NameTypeSizeDescription
IDVariabelText3ID Variabel
NamaVariabelFuzzyText20Nama Variabel
Himpunan FuzzyText10Himpunan Fuzzy
b. Struktur Tabel Rule Tabel ini digunakan untuk entry data Rule
Nama Database: Ayam.mdb
Nama Tabel
: Rule
Primary Key
: Rule
Media Penyimpanan: HarddiskTabel 3.3 Rancangan Struktur Tabel RuleField NameTypeSizeDescription
RuleText3Rule
PermintaanText10Keterangan Permintaan
PersediaanText10Keterangan Persediaan
ProduksiNumber4Jumlah Produksi
c. Struktur Tabel TransaksiTabel ini digunakan untuk entry data Data
Nama Database: Ayam.mdb
Nama Tabel
: Transaksi
Primary Key
: Bulan
Media Penyimpanan: HarddiskTabel 3.4 Rancangan Struktur Tabel TransaksiField NameTypeSizeDescription
BulanDate8Bulan
PermintaanNumber4Permintaan
PersediaanNumber4Persediaan
ProduksiNumber4Produksi
d. Struktur Tabel Prediksi
Tabel ini digunakan untuk entry data Prediksi
Nama Database: Ayam.mdb
Nama Tabel
: Prediksi
Primary Key
: -
Media Penyimpanan: Harddisk
Tabel 3.5 Rancangan Struktur Tabel PrediksiField NameTypeSizeDescription
NoPrediksiText10Nomor Prediksi
TglDate8Tanggal
PermintaanNumber4Persediaan
PersediaanNumber4Permintaan
Z (Hasil)Currency8Hasil Prediksi
3.7 Rancangan Interface Input DataRancangan tampilan desain Input /Output sistem ini adalah sebagai berikut :3.7.1 Rancangan Interface Data VariabelInterface data variabel digunakan untuk mengisi data variabel yang diperlihatkan dalam gambar 3.10 di bawah ini
Gambar 3.10 Rancangan Interface Data Variabel3.7.2 Rancangan Interface Data RuleInterface data rule digunakan untuk mengisi data rule yang diperlihatkan dalam gambar 3.11 di bawah ini
Gambar 3.11 Rancangan Interface Data Rule3.7.3 Rancangan Interface Data Transaksi Interface data Produksi digunakan untuk mengisi data produksi yang diperlihatkan dalam gambar 3.12 di bawah ini
Gambar 3.12 Rancangan Interface Data Pelatihan3.7.4 Rancangan Interface Data Prediksi Interface data prediksi digunakan untuk mengisi data prediksi yang diperlihatkan dalam gambar 3.13 di bawah ini
Gambar 3.13 Rancangan Interface Data Prediksi
Persediaan
Persediaan
Permintaan
n
1
n
1
Tgl
NoPrediksi
Prediksi
Permintaan
Bulan
memiliki
Transaksi
memiliki
Rule
Produksi
Persediaan
Permintaan
Rule
Jenis
Variabel
IDVariabel
Variabel
Produksi
memiliki
n
1
Z (Hasil)
PERANCANGAN SISTEM PREDIKSI JUMLAH PRODUKSI PAKAN TERNAK MENGGUNAKAN METODE FIS SUGENO
FORM DATA VARIABEL
ID Variabel:
Variabel:
Himpunan Fuzzy:
ID VariabelVariabelHimpunan Fuzzy
Baru
Simpan
Keluar
Hapus
PERANCANGAN SISTEM PREDIKSI JUMLAH PRODUKSI PAKAN TERNAK MENGGUNAKAN METODE FIS SUGENO
FORM DATA RULE
Rule:
Permintaan:
Persediaan:
Produksi:
RulePermintaanPersediaanProduksi
Baru
Simpan
Keluar
Hapus
PERANCANGAN SISTEM PREDIKSI JUMLAH PRODUKSI PAKAN TERNAK MENGGUNAKAN METODE FIS SUGENO
FORM DATA PELATIHAN
Bulan:
Permintaan:
Persediaan:
Produksi:
BulanPermintaanPersediaanProduksi
Baru
Simpan
Keluar
Hapus
PERANCANGAN SISTEM PREDIKSI JUMLAH PRODUKSI PAKAN TERNAK MENGGUNAKAN METODE FIS SUGENO
FORM DATA PREDIKSI
No. Prediksi:
Tanggal:
Permintaan MinMaxTurunNaik
Persediaan MinMaxSdkitBnyk
Syarat Perhitungan
Permintaan
Persediaan
RulePermPersProdV1V2Min(V1,V2)HasilView Rule
No. PrediksiTanggalPermintaanPersediaanZ (Hasil)
Hitung
Baru
Simpan
Hapus
Keluar
EMBED Visio.Drawing.11
Gambar 3.6 DFD Level 2 Dari Proses Input Data Pelatihan
[x]
[x]
memiliki
Produksi
Persediaan
Persediaan
Permintaan
Tgl
NoPrediksi
Prediksi
Permintaan
Bulan
memiliki
Transaksi
memiliki
Rule
Produksi
Persediaan
Permintaan
Rule
Himpunan Fuzzy
NamaVariabel
IDVariabel
Variabel
Gambar 3.5 DFD Level 2 Dari Proses Input Data Variabel
Z :
EMBED Visio.Drawing.11
Gambar 3.8 DFD Level 2 Dari Proses Data Perhitungan Sugeno
_1449317248.vsdBagian Produksi
2Input Data Pelatihan
Transaksi
3Input Data Rule
Rule
4Proses Perhitungan Sugeno
Prediksi
Input Data :- No. Prediksi- Tgl. Prediksi- Permintaan- Persediaan
Rekap Data Prediksi
Informasi Data Rule
Rekap Data Seleksi
Pimpinan
Laporan Hasil Prediksi Jumlah Produksi Pakan Ternak Ayam
Informasi Hasil Prediksi
5Cetak Laporan
Informasi Data Prediksi
1Input Data Variabel
Variabel
Input Data Variabel
Informasi Data Variabel
Rekap Data Variabel
Informasi Data Variabel
Informasi Data Pelatihan
Input Data Pelatihan
Informasi Data Pelatihan
Input Data Rule
Informasi Data RUle
Rekap Data Pelatihan
Informasi Data Rule
Rekap Data Rule
Informasi Data Prediksi
Informasi Data Variabel
Informasi Data Pelatihan
Input Tanggal Prediksi
Informasi Laporan Hasil Prediksi
_1449341228.vsd2.1 Data Pelatihan Baru
Data Pelatihan Baru
Bagian Produksi
2.2Simpan Data Pelatihan
SimpanData Pelatihan
Transaksi
Simpan Data Pelatihan
2.3Hapus Data Pelatihan
Informasi Data Pelatihan
Informasi Pelatihan
Informasi Data Pelatihan
Hapus Data Pelatihan
Hapus Data Pelatihan
Informasi Data Pelatihan
Informasi Data Pelatihan
Data PelatihanBaru
Informasi Pelatihan
_1449341773.vsdBagian Produksi
1.2Simpan Data Prediksi
Simpan Data Prediksi
Prediksi
Simpan Data Prediksi
1.3Hapus Data Prediksi
Informasi Simpan Prediksi
Informassimpani Prediksi
Informasi Hapus Prediksi
Hapus Data Prediksi
Hapus Data Prediksi
Informasi Hapus Prediksi
1.1 Data Prediksi Baru
Data Prediksil Baru
Informasi Data Prediksi Baru
Data PrdiksiBaru
Informasi PrediksiBaru
_1449317570.vsd1.1 Data Variabel Baru
Data Variabel Baru
Bagian Produksi
1.2Simpan Data Variabel
Simpan Data Variabel
Variabel
Simpan Data Variabel
1.3Hapus Data Variabel
Informasi Simpan variabel
Informassimpani Variabel
Informasi Hapus Variabel
Hapus Data Variabel
Hapus Data Variabel
Informasi Hapus Variabel
Informasi Data Variabel Baru
Data VariabelBaru
Informasi VariabelBaru
_1449249931.vsdBagian Produksi
Sistem Prediksi Jumlah Produksi Pakan Ternak Ayam
Input Data :- Variabel- Pelatihan- Rule- Perhitungan- Laporan
Pimpinan
Laporan Hasil Prediksi Jumlah Produksi Pakan Ternak Ayam
Hasil Prediksi
Input Data :- Variabel- Pelatihan- Rule- Perhitungan- Laporan
_1449253492.vsd3.1Tambah Data Rule Baru
Tambah Data Rule Baru
Bagian Produksi
3.2Simpan Data Rule
SimpanData Rule
Rule
Simpan Data Rule
3.3Hapus Data Transaksi
Informasi Data Rule
Informasi Data Rule
Informasi Data Rule
Hapus Data Rule
Hapus Data Rule
Informasi Data Rule
Informasi Data Rule
Tambah Data Rule
Informasi Data Rule