BAB 2 LANDASAN TEORI - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab2/2011-2-00238-IF Bab2001.pdf ·...
Transcript of BAB 2 LANDASAN TEORI - thesis.binus.ac.idthesis.binus.ac.id/doc/Bab2/2011-2-00238-IF Bab2001.pdf ·...
8
BAB 2
LANDASAN TEORI
Bab ini berisikan definisi serta teori-teori dari algoritma yang digunakan dalam
pembuatan program aplikasi. Definisi serta teori-teori pendukung yang dipakai dalam
pembuatan program aplikasi ini juga diuraikan dalam bab ini.
2.1 Teori Umum
2.1.1 Interaksi Manusia dan Komputer (IMK)
Menurut Shneiderman (2010, p22), kinerja manusia dan pengalaman manusia
terhadap informasi dan komputer akan tetap menjadi topik penelitian dan pengembangan
dalam beberapa tahun mendatang. Ilmu interaksi manusia dan komputer bermulai dari
menggabungkan metode pengumpulan data dan kerangka eksperimental intelektual
dengan alat yang kuat dan banyak digunakan dalam ilmu komputer.
2.1.2 Delapan Aturan Emas
Terdapat delapan aturan emas dalam merancang antarmuka menurut
Shneiderman (2010, pp88-89), yaitu:
1. Berusaha untuk konsisten
Konsistensi dapat diterapkan dalam berbagai komponen. Misalnya konsistensi
dalam urutan aksi untuk kegiatan yang mirip atau berulang-ulang. Peristilahan
yang mirip harus diterapkan ke prompt, menus dan help screens. Konsistensi
juga dapat diterapkan dalam penggunaan jenis huruf, tata letak, warna dan
9
penulisan. Terdapat pengecualian apabila aksi yang diimplementasikan bersifat
“penting” dan membutuhkan perhatian user seperti delete atau warning.
2. Memenuhi kebutuhan universal
User interface dirancang dengan memperhatikan kebutuhan user yang beragam.
Keragaman ini dapat berupa umur dan kemahiran pemakaian sistem. Dengan
mengetahui kebutuhan user, maka dapat melakukan penyesuaian terhadap
sistem. Misalnya dengan memberikan shortcut bagi expert user.
3. Memberikan umpan balik yang informatif
Untuk setiap tindakan user harus diterapkan sebuah umpan balik. Kegunaan agar
user dapat mengetahui konsekuensi dari aksinya sendiri. Contohnya pada saat
user menjalankan save document, jika komputer tidak member umpan balik yang
jelas, maka user akan bingung apakah document telah tersimpang atau belum.
4. Desain dialog yang menghasilkan keadaan akhir
Urutan aksi harus disusun dalam kelompok yang terdapat bagian awal, tengah
dan bagian akhir. Umpan balik yang informatif setelah akhir dari dialog dapat
memberi user rasa lega. Contoh pada waktu instalasi sebuah program ke dalam
komputer adanya dialog awal sampai dialog akhir yang menyatakan bahwa
instalasi telah sukses.
10
5. Mencegah kesalahan / memberikan penanganan kesalahan yang sederhana
Merancang sebuah sistem di mana user tidak dapat melakukan kesalahan yang
terlalu serius. Contoh pada saat pengisian text box umur, user tidak boleh
memasuki alphabet selain angka. Jika user melakukan kesalahan, interface harus
mampu mendeteksi kesalahan dan memberi umpan balik mengenai kesalahan
user.
6. Memungkinkan pembalikan aksi (undo) yang mudah
Aksi yang telah dilakukan user harus dapat dibalik. Fitur ini memberi user rasa
lega jika secara tidak sengaja melakukan kesalahan. Contoh user dapat
membalikan aksi seperti delete, jika dengan tidak sengaja menghapus file yang
penting.
7. Mendukung pusat kendali internal
Memberi perasaan kepada user bahwa dialah yang memegang kendali atas
komputer dan bukanlah sebaliknya komputer yang memegang kendali. Dengan
memberikan hak ke user untuk mengubah setting dan tata letak toolbar
merupakan salah satu contoh.
8. Mengurangi beban ingatan jangka pendek
Manusia memiliki ingatan yang terbatas dalam pencernaan informasi. Jadi
tampilan layar kepada user harus dibuat sesederhana mungkin, untuk
mengurangi beban ingatan user.
11
2.1.3 Software Engineering
Menurut Pressman (2008, p12) dalam rangka membangun sebuah perangkat lunak yang
siap memenuhi tantangan abad ke 21, ada beberapa realitas yang harus diperhatikan:
• Perangkat lunak telah menjadi bagian hampir disetiap aspek kehidupan dan
konsekuensinya, jumlah orang yang tertarik pada feature dan fungsi yang disediakan
oleh aplikasi tertentu meningkat drastik
• Permintaan kebutuhan akan teknologi informasi oleh individu, bisnis, dan
pemerintah berkembang pesat setiap tahunnya. Banyak perusahaan kini membuat
kembali program komputer yang pernah dibangun sebelumnya. Perangkat lunak
yang canggih kini ditanamkan ke dalam segalanya, mulai dari peralatan elektronik,
perangkat medis, hingga ke dalam senjata. Kompleksitas dari sistem berbasis
kompiter ini menuntut perhatian terhadap interaksi dari semua elemen.
• Individu, bisnis, dan pemerintah semakin bergantung pada perangkat lunak untuk
pengambilan keputusan strategis maupun taktis serta untuk operasi dan kontrol
sehari – hari. Perangkat lunak yang mengalami kegagalan dapat menyebabkan orang
– orang dan perusahaan dapat mengalami ketidaknyamanan baik sepele maupun
fatal. Hal ini menunjukan bahwa perangkat lunak harus memiliki kualitas yang baik.
• Sebagai imbas dari aplikasi yang berkembang, kemungkinan bahwa pengguna pun
akan berkembang. Permintaan untuk adaptasi dan perkembangan pun juga akan
tumbuh. Ini menunjukan bahwa perangkat lunak harus dipelihara IEEE telah
merumuskan difinisi yang lebih komprehensif untuk Software Engineering yaitu
penerapan pendekatan sistematis, disiplin, pendekatan kuantitatif untuk
pengembang, operasi, dan pemeliharaan perangkat lunak.
12
2.1.4 Model Waterfall
Menurut Pressman (2008, p39) waterfall model terkadang disebut classic life
cycle, menunjukkan sesuatu yang sistematis, pendekatan sekuensial untuk
pengembangan software yang dimulai dengan spesifikasi pelanggan, persyaratan dan
kemajuan melalui planning, modelling, dan deployment, sampai akhirnya software
selesai.
Gambar 2.1 Model Waterfall, Sumber: Pressman(2008, p39)
Berikut adalah penjelasan dari tahapan – tahapan tersebut:
1. Communication
Sebelum setiap pekerjaan teknis bisa dimulai, sangat penting untuk
berkomunikasi dan berkolaborasi dengan pelanggan (dan stakeholder lainnya).
Tujuannya adalah untuk memahami tujuan stakeholder untuk proyek dan untuk
mengumpulkan persyaratan yang membantu mendefinisikan fitur software dan
fungsinya.
13
2. Planning
Sebuah software project plan adalah sebuah perjalanan yang rumit, dan aktivitas
perencanaan menciptakan “Map” yang membantu tim untuk menyelesaikan
perjalanan tersebut membuat perjalanan. Map disebut software project plan yang
menjelaskan pekerjaan rekayasa perangkat lunak dengan menjelaskan tugas
teknik yang harus dilakukan, risiko yang mungkin, sumber daya yang akan
dibutuhkan, hasil produk yang akan diproduksi, dan jadwal pekerjaan.
3. Modelling
Seorang software engineer melakukan hal yang sama dengan menciptakan
model-model untuk lebih memahami persyaratan perangkat lunak dan desain
yang diharapkan dapat mencapai kebutuhan tersebut.
4. Construction
Kegiatan ini menggabungkan generasi kode (manual salah satu atau otomatis)
dan pengujian yang diperlukan untuk mengungkap kesalahan dalam kode.
5. Deployment
Perangkat lunak (sebagai entitas lengkap atau seperti penambahan sebagian
secara lengkap) yang disampaikan kepada pelanggan yang mengevaluasi produk
dan memberikan umpan balik berdasarkan evaluasi tersebut.
14
2.1.5 Unified Modeling Language
Menurut Whitten & Bentley (2007, p371), UML (Unified Modelling Language)
adalah sebuah kumpulan dari konvensi permodelan yang digunakan untuk menentukan
atau menggambarkan sebuah sistem software yang terkait dengan objek.
2.1.5.1 Use Case Diagram
Menurut Whitten & Bentley (2007, p246), Use Case Diagram adalah diagram
yang menggambarkan interaksi antara sistem dengan hal-hal eksternal dari sistem dan
user. Dengan kata lain, secara grafis menjelaskan siapa yang akan mempergunakan
sistem dan dengan cara apa user diharapkan untuk berinteraksi dengan sistem.
Tabel 2.1 Notasi Use Case Diagram, Sumber: Whitten & Bentley (2007, p384)
No Simbol Gambar Keterangan
1 Aktor
Aktor adalah segala sesuatu
yang perlu berinteraksi dengan
system untuk pertukaran
informasi. Aktor dapat berupa
manusia, organisasi, sistem
informasi yang lain, dan
perangkat eksternal. Label dari
peran yang dilakukan actor
diletakkan diatas simbol
15
2 Use Case
Use Case adalah fungsi dalam
sistem yang merepresentasikan
tujuan dari sistem dan
mendeskripsikan aktivitas dan
interaksi user dengan sistem
untuk mencapai tujuan tersebut
3 Hubungan
Menggambarkan hubungan
antara dua simbol pada use
case diagram
2.1.5.2 Activity Diagram
Menurut Whitten & Bentley (2007, p390), Activity Diagram adalah diagram
yang dipergunakan untuk menggambarkan alur dari proses bisnis secara grafis, langkah-
langkah dari use case dan logika dari karakteristik objek.
16
Tabel 2.2 Notasi dalam Activity Diagram, Sumber: Whitten & Bentley (2007, p392)
Simbol Nama Simbol Penjelasan
Initial State Merepresentasikan dimulainya alur
kerja suatu sistem dalam activity
diagram
Action State Sebuah state yang menggambarkan
eksekusi dari aksi atomic.
Transition between
activities
Mengindikasikan bahwa suatu objek
dari state pertama akan menampilkan
aksi-aksi tertentu dan memasuki state
kedua ketika peristiwa tertentu
terjadi dan kondisi telah terpenuhi
Decision Point Menentukan kapan alur dalam
aktifitas menjadi bercabang
Synchronization bars Menspesifikasikan dua atau lebih
aktivitas yang dapat dilakukan secara
parallel
Final State Merepresentasikan diakhirinya alur
kerja suatu sistem dalam activity
17
2.1.5.3 Class Diagram
Menurut Whitten & Bentley (2007, p400) Class Diagram adalah penggambaran
grafis dan deskripsi dari class dan objek, beserta hubungannya satu sama lain.
Menurut Whitten & Bentley (2007, p400) hubungan antar class terdiri dari 3
hubungan:
1. Asosiasi, hubungan statis antar class. Umumnya menggambarkan
class yang memiliki atribut berupa class lain, atau class yang harus
mengetahui eksistensi class lain. Hubungan ini diperlukan agar sebuah
class dapat menyampaikan pesan kepada class lainnya.
2. Generalisasi dan Spesialisasi, merupakan hubungan yang menyatakan
mengandung supertype class ataupun subtype class. Supertype class
jika mengandung atribut dan behavior yang dapat diwariskan kepada
class lain. Dikatakan subtype class jika memiliki atribut dan behavior
yang unik dan mewarisi atribut dan behavior dari supertype class.
3. Agregasi, hubungan yang menyatakan bagian dari objek lainnya, dapat
didefinisikan seperti objek a mengandung objek b dan objek b bagian
dari objek a. hubungan asimetris, artinya tidak berlaku sebaliknya.
Notasi hubungan antar Class:
Tabel 2.3 Notasi pada Class Diagram, Sumber Whitten & Bentley (2007, p401)
Simbol Penjelasan
Class
Sebuah deskripsi dari seperangkat objek
yang berbagi atribut, operasi, dan relasi
18
yang sama. Class terbagi atas tiga bagian,
yaitu nama class pada bagian atas, atribut
class pada bagian tengah, dan operasi pada
bagian bawah
Association
Merupakan hubungan structural antar class
yang saling berelasi
Aggregation
Merupakan bentuk spesial dari hubungan
asosiasi yang menspesifikasikan semua
hubungan antara kumpulan (the whole) dan
sebuah bagian (the part). Agregasi
digambarkan dengan wajik tidak terisi
Multiplicity
Menggambarkan jumlah objek yang
berpatisipasi dalam hubungan antar Class
Generalization
Merupakan sebuah relasi
spesialisasi/generalisasi dimana suatu class
dapat lebih general atau lebih spesifik dari
class lainnya
19
2.1.5.4 State Transition Diagram
Menurut Whitten & Bentley (2007, p663), state transition diagram digunakan
untuk memodelkan siklus hidup dari sebuah obyek. Diagram ini menggambarkan state-
state yang berbeda yang dapat dimiliki oleh sebuah obyek, event-event yang dapat
menyebabkan state dari obyek berubah pada waktu tertentu, dan sejumlah peraturan
yang mengatur transisi obyek dari state yang satu ke state yang lainnya.
Tabel 2.4 Notasi State Transition Diagram, Sumber: Whitten & Bentley (2007, p664)
Lambang Pengertian Penjelasan
Initial Object State
Kondisi awal dari sebuah
objek selama masa
hidupnya
End Object State
Kondisi akhir dari sebuah
objek selama masa
hidupnya
State Transition Event
Kejadian yang membuat
suatu perubahan pada
objek state
Activity
Aktifitas yang dilakukan
oleh objek setelah
menerima transisi
20
2.1.5.5 Sequence Diagram
Menurut Whitten & Bentley (2007, p659), Sequence Diagram adalah sebuah
diagram UML yang memodelkan logika dari sebuah use case dengan menggambarkan
bagaimana objek berinteraksi satu dengan yang lain melalui pesan.
Menurut Whiiten & Bentley (2007, p394), notasi yg ada di dalam sequence
diagram, yaitu:
Tabel 2.5 Notasi Sequence Diagram, Sumber Whitten & Bentley (2007, pp394)
Simbol Penjelasan
Object Lifeline
Merupakan sebuah garis yang
merepresentasikan adanya sebuah objek
dalam jangka waktu tertentu
Message, return, callback message
Penyampaian pesan dari satu objek ke objek
lain atau ke diri sendiri
21
Activation
Menggambarkan periode waktu ketika
pemrosesan terjadi dalam objek tersebut
2.1.6 Database
Menurut Connolly & Begg (2010, p65), database adalah kumpulan data yang
saling berhubungan secara logic dan dapat diakses oleh beberapa user dan departemen
secara bersamaan. Pada database data-data terintegrasi satu sama lain dengan duplikasi
data yang minimal.
2.1.6.1 Database Management System (DBMS)
Menurut Connolly & Begg (2010, p66), DBMS adalah software yang
berinteraksi dengan software aplikasi milik user dan database. DBMS memungkinkan
user untuk menetapkan, menciptakan, memelihara, dan mengontrol akses ke database.
Pada umumnya DBMS menyediakan beberapa fasilitas diantaranya DDL ( Data
Definition Language) untuk menetapkan dan menspesifikasikan data dan DML ( Data
Manipulation Language) untuk memungkinkan user melakukan insert, update, delete,
dan retrieve dari database dan menyediakan control akses ke database.
22
2.1.6.2 Entity Relationship Diagram
Entity Relationship Diagram digunakan untuk menggambarkan struktur logikal
database dalam bentuk diagram. ERD merupakan cara yang sederhana untuk memahami
berbagai komponen dalam desain database.
2.1.6.2.1 Entitas
Menurut Connolly & Begg (2010, p372), entitas adalah konsep dasar dari ERD,
yang merepresentasikan sekumpulan objek (orang, tempat, barang, konsep, event)
dengan muatan yang sama di dalam database. Entitas didefinisikan mempunyai
keberadaan yang independen oleh sebuah perusahaan dan perorangan.
2.1.6.2.2 Relationship
Menurut Connolly & Begg (2010, p374), relationship adalah sekumpulan
hubungan yang berarti antara satu atau lebih entitas, dimana setiap tipe relationship
diberi nama yang menggambarkan fungsinya. Sedangkan relationship occurance adalah
hubungan yang dapat diidentifikasi secara unik.
2.1.6.2.3 Atribut
Menurut Connolly & Begg (2010, p379), atribut adalah sebuah sifat dari entitas
atau relationship. Sebagai contoh, entitas staff mungkin dapat menjelaskan atribut
sebagai berikut: noStaff, nama, posisi, dan gaji. Setiap atribut menyimpan nilai yang
menjelaskan setiap entry occurance dan menggambarkan bagian utama dari data yang
disimpan di dalam database.
23
2.2 Teori Khusus
2.2.1 Presipitasi / Hujan
2.2.1.1 Pengertian
Menurut Raghunath (2006, p3), hujan adalah salah satu bentuk dari presipitasi,
atau turunnya cairan dari angkasa seperti hujan, es, salju, embun ataupun kabut. Hujan
terbentuk apabila titik air yang terpisah jatuh ke bumi dari awan. Tidak semua air hujan
sampai ke permukaan bumi, sebagian menguap ketika jatuh melalui udara kering, sejenis
presipitasi yang dikenali sebagai virga.
Hujan merupakan salah satu komponen input dalam suatu proses dan menjadi
faktor pengontrol yang mudah diamati dalam siklus hidrologi pada suatu kawasan dalam
kerangka satu sistem hidrologi dan mempengaruhi proses yang terjadi didalamnya.
2.2.1.2 Curah Hujan
Menurut Yusuf (2005, pp31-33) klasifikasi tipe curah hujan berdasarkan atas
perbandingan rata-rata jumlah bulan basah dan rata-rata jumlah bulan kering. Kriteria
untuk menentukan bulan basah dan kering berdasarkan klasifikasi dari Mohr, yaitu:
o Bulan basah yaitu suatu bulan yang curah hujannya lebih dari 100 mm. Curah hujan
lebih besar dar penguapan.
o Bulan lembab yaitu suatu bulan yang curah hujannya lebih besar dari 60 mm tetapi
kurang dari 100 mm. Curah hujan kurang lebih seimbang dengan penguapan.
o Bulan kering yaitu suatu bulan dengan curah hujan kurang dari 60 mm. Curah hujan
lebih kecil dari penguapan
24
Penggolongan tipe curah hujan berdasarkan nilai Q yaitu:
Q = Rata - rata jumlah bulan kering X 100%
Rata – rata jumlah bulan basah
Berdasarkan besar nilai Q tersebut, tipe hujan di Indonesia dibagi menjadi 8 golongan
yaitu:
o Tipe A 0,000 < Q < 0,143 Sangat basah
o Tipe B 0,143 < Q < 0,333 Basah
o Tipe C 0,333 < Q < 0,600 Agak basah
o Tipe D 0,600 < Q < 1,000 Sedang
o Tipe E 1,000 < Q < 1,670 Agak kering
o Tipe F 1,670 < Q < 3,000 Kering
o Tipe G 3,000 < Q < 7,000 Sangat kering
o Tipe H 7,000 < Q < Luar biasa kering
2.2.1.3 Penakar Hujan
Menurut (Peraturan Kepala Badan Meteorologi dan Geofisika, 2006, p35) pos
pengamatan hujan biasa adalah tempat atau lokasi pengamatan hujan yang terdiri dari
penakar hujan tipe observatorium (OBS) untuk mengukur jumlah curah hujan selama 24
jam di suatu tempat yang dilakukan dengan cara mengukur langsung pada gelas ukur.
Penakar hujan tipe observatorium adalah penakar hujan tipe kolektir yang menggunakan
gelas ukur untuk mengukur air hujan. Penakar hujan ini adalah merupakan penakar
hujan yang paling banyak digunakan di Indonesia dan merupakan “standar” dinegara
kita.
25
Menurut (Peraturan Kepala Badan Meteorologi dan Geofisika, 2006, p36)
pengamatan curah hujan dengan OBS biasa dilakukan setiap hari pada pukul 07.00
waktu setempat (ws) walaupun tidak ada hujan. Pembacaan yang dilakukan
menunjukkan hujan yang terjadi sejak tanggal yang sebelumnya. Misalnya: pengukuran
dilakukan pada tanggal 14 Januari jam 07.00 ws, jadi dicatat pada tanggal 14
menunjukkan jumlah curah hujan yang terjadi pada 13 Januari setelah 07.00ws sampai
pada tanggal 14 jam 07.00 ws (pada saat pengukuran). Batas permukaan air pada gelas
ukur dibaca sesuai garis skala yang ada dan menyatakan jumlah curah hujan dalam
satuan milimeter. Curah hujan merupakan ketinggian air hujan yang terkumpul dalam
tempat yang datar, tidak menguap, tidak meresap dan tidak mengalir. Curah hujan satu
milimeter artinya dalam luasan satu meter persegi pada tempat yang datar tertampung air
setinggi satu milimeter atau tertampung air satu liter.
Gambar 2.2 Penakar Hujan, Sumber (Peraturan Kepala Badan Meteorologi
dan Geofisika, 2006, p36)
26
Keterangan gambar:
1. Corong penakar (luas 100cm2)
2. Tempat penampungan air hujan
3. Kran air
4. Kaki kayu yang disanggahkan ke dalam penakar
5. Pondasi atau kaki kayu
6. Pondasi beton
Menurut Raghunath (2006, p20), terdapat alat penakar lain bernama alat
pengukur hujan Tipping Bucket. Terdiri dari silinder penerima berdiameter 30cm dengan
corong dalam. Tepat di bawah corong terdapat sepasang tipping bucket yang berputar
seperti ketika salah satu bucket menerima curah hujan sebesar 0,25 mm dan mengalir ke
tangki yang berada di bawah, sementara bucket yang lainnya bersiap mengambil posisi,
dan proses ini akan berulang. Tipping bucket yang terletak pada panel sirkuit listrik
menyebabkan pena bergerak pada table yang dibungkus drum yang berputar searah
jarum jam. Tipe ini tidak dapat merekam salju.
Gambar 2.3 Alat Pengukur Hujan Tipping Bucket, Sumber: Raghunath (2006, p20)
27
2.2.2 Daerah Aliran Sungai (DAS)
Menurut Kartodihardjo (2008), daerah aliran sungai merupakan suatu
megasistem kompleks yang dibangun atas system fisik (physical systems), system
biologis (biological systems) dan system manusia (human systems). Setiap system dan
sub-sub system didalamnya saling berinteraksi. Dalam proses ini peranan tiap-tiap
komponen dan hubungan antar komponen sangat menentukan kualitas ekosistem DAS.
Tiap-tiap komponen memiliki sifat yang khas dan keberadaannya tidak berdiri sendiri,
melainkan berhubungan dengan komponen lainnya membentuk kesatuan system
ekologis (ekosistem). Gangguan terhadap salah satu komponen ekosistem akan
dirasakan oleh komponen lainnya dengan sifat dampak yang berantai. Keseimbangan
ekosistem akan terjamin apabila kondisi hubungan timbal balik antar komponen berjalan
dengan baik dan optimal.
2.2.3 Logika Fuzzy
2.2.3.1 Pengertian Logika Fuzzy
Menurut Sri Kusuma Dewi (2010, p1) logika Fuzzy merupakan salah satu komponen
pembentuk soft computing. Logika Fuzzy pertama kali diperkenalkan oleh Prof. Lotfi A.
Zadeh pada tahun 1965. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori
himpunan fuzzy, peranan derahat keanggotaan sebagai penentu keberadaan elemen
dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan
atau membership function menjadi cirri utama dari penalaran dengan logika fuzzy
tersebut.
28
Dalam banyak hal, logika fuzzy digunakan sebagai suatu cara untuk memetakan
permasalahan dari input menuju ke output yang diharapkan. Beberapa contoh yang dapat
diambil antara lain:
1. Manajer pergudangan mengatakan pada manajer produksi seberapa banyak
persediaan barang pada akhir minggu ini, kemudian manajer produksi akan
menetapkan jumlah barang yang harus diproduksi esok hari.
2. Seorang pegawai melakukan tugasnya dengan kinerja yang sangat baik, kemudian
atasan akan memberikan reward yang sesuai dengan kinerja pegawai tersebut.
Logika fuzzy dapat dianggap sebagai kotak hitam yang menghubungkan antara
input menuju ke ruang output. Kotak hitam tersebut berisi cara atau metode yang dapat
digunakan untuk mengolah data input menjadi output dalam bentuk informasi yang baik.
2.2.3.2 Alasan digunakannya Logika Fuzzy
Menurut Sri Kusuma Dewi (2010, p2), ada beberapa alasan mengapa orang
menggunakan logika fuzzy, antara lain:
1. Konsep logika fuzzy mudah dimengerti. Karena logika fuzzy menggunakan
dasar teori himpunan, maka konsep matematis yang mendasari penalaran fuzzy
tersebut cukup mudah untuk dimengerti.
2. Logika fuzzy sangat fleksibel, artinya mampu beradaptasi dengan perubahan-
perubahan, dan ketidakpastian yang menyertai permasalahan.
3. Logika fuzzy memiliki toleransi terhadap data yang tidak tepat. Jika diberikan
sekelompok data yang cukup homogen, dan kemudian ada beberapa data yang
“eksklusif”, maka logika fuzzy memiliki kemampuan untuk menangani data
ekslisif tersebut.
29
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat
kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman
para pakar secara langsung tanpa harus melalui proses pelatihan. Dalam hal ini,
sering dikenal dengan nama Fuzzy Expert Systems menjadi bagian terpenting.
6. Logika fuzzy dapat bekerjasama dengan teknik-teknik kendali secara
konvensional. Hal ini umumnya terjadi pada aplikasi di bidang teknik mesin
maupun teknik elektro.
Logika fuzzy didasarkan pada bahasa alami. Logika fuzzy menggunakan bahasa sehari-
hari sehingga mudah dimengerti.
2.2.3.3 Himpunan Fuzzy
Menurut Sri Kusuma Dewi (2010, p6) apabila pada himpunan crisp, nilai
keanggotaan hanya ada dua kemungkinan yaitu nol atau satu, pada himpunan fuzzy nilai
keanggotaan terletak pada rentang nol sampai satu. Apabila x memiliki nilai
keanggotaan fuzzy µA(x) = 0 berarti x tidak menjadi anggota himpunan A, demikian
pula apabila x memiliki nilai keanggotaan fuzzy µA(x) = 1 berarti x menjadi anggota
penuh pada himpunan A.
Menurut Sri Kusuma Dewi (2010, p6) terkadang kemiripan antara keanggotaan
fuzzy dengan probabilitas menimbulkan kerancuan. Keduanya memiliki nilai pada
interval [0,1], namun interpretasi nilainya sangat berbeda antara kedua kasus tersebut.
Keanggotaan fuzzy memberikan suatu ukuran terhadap pendapat atau keputusan,
30
sedangkan probabilitas mengindikasikan proporsi terhadap keseringan suatu hasil
bernilai bernar dalam jangka panjang.
Menurut Sri Kusuma Dewi (2010, p6) himpunan fuzzy memiliki 2 atribut, yaitu:
1. Linguistik, yaitu penamaan suatu grup yang mewakili suatu keadaan atau kondisi
tertentu dengan menggunakan bahasa alami.
2. Numeris, yaitu suatu nilai (angka) yang menunjukkan ukuran dari suatu variabel.
Beberapa hal yang perlu diketahui dalam memahami sistem fuzzy, yaitu:
a. Variabel Fuzzy
Variabel fuzzy merupakan variabel yang hendak dibahas dalam suatu
sistem fuzzy
b. Himpunan Fuzzy
Himpunan fuzzy merupakan suatu grup yang mewakili suatu kondisi atau
keadaan tertentu dalam suatu variabel fuzzy.
c. Semesta Pembicaraan
Semesta pembicaraan adalah keseluruhan nilai yang diperbolehkan untuk
dioperasikan dalam suatu variabel fuzzy. Semesta pembicaraan
merupakan himpunan bilangan real yang senantiasa naik (bertambah)
secara monoton dari kiri ke kanan. Nilai semesta pembicaraan dapat
31
berupa bilangan positif maupun negatif. Adakalanya nilai semesta
pembicaraan ini tidak dibatasi batas atasnya.
d. Domain
Domain himpunan fuzzy adalah keseluruhan nilai yang diizinkan dalam
semesta pembicaraan dan boleh dioperasikan dalam suatu himpunan
fuzzy. Seperti halnya semesta pembicaraan, domain merupakan
himpunan bilangan real yang senantiasa naik (bertambah) secara
monoton dari kiri ke kanan. Nilai domain dapat berupa bilangan positif
maupun negatif.
2.2.3.4 Fungsi Keanggotaan
Menurut Sri Kusuma Dewi (2003, p160), Fungsi keanggotaan (membership function)
adalah suatu kurva yang menunjukkan pemetaan titik-titik input data ke dalam nilai
keanggotaannya (sering juga disebut dengan derajat keanggotaan) yang memiliki
interval antara 0 sampai 1. Salah satu cara yang dapat digunakan untuk mendapatkan
nilai keanggotaan adalah dengan melalui pendekatan fungsi. Ada beberapa fungsi yang
bisa digunakan
2.2.3.4.1 Representasi Linear
Menurut Sri Kusuma Dewi (2003, p160) pada representasi linear, pemetaan input ke
derajat keanggotaannya digambarkan sebagai suatu garis lurus. Bentuk ini paling
sederhana dan menjadi pilihan yang baik untuk mendekati suatu konsep yang kurang
jelas.
32
Ada dua keadaan himpunan fuzzy yang linear. Pertama, kenaikan himpunan dimulai
pada nilai domain yang memiliki derajat keanggotaan nol [0] bergerak ke kanan menuju
ke nilai domain yang memiliki derajat keanggotaan lebih tinggi.
Gambar 2.4 Linear Naik, Sumber Sri Kusuma Dewi (2003, p160)
Fungsi Keanggotaan:
Kedua, merupakan kebalikan yang pertama. Garis lurus dimulai dari nilai domain
dengan derajat keanggotaan tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai
domain yang memiliki derajat keanggotaan lebih rendah.
Gambar 2.5 Linear Turun, Sumber Sri Kusuma Dewi (2003, p161)
33
Fungsi Keanggotaan:
2.2.3.4.2 Representasi Kurva Segitiga
Menurut Sri Kusuma Dewi (2003, p162) kurva Segitiga pada dasaranya merupakan
gabungan antara dua garis (linear)
Gambar 2.6 Kurva Segitiga, Sumber Sri Kusuma Dewi (2003, p162)
Fungsi Keanggotaan:
34
2.2.3.4.3 Representasi Kurva Trapesium
Menurut Sri Kusuma Dewi (2003, p163) kurva Trapesium pada dasarnya seperti
bentuk segitiga, hanya saja ada beberapa titik yang memiliki nilai keanggotaan 1
Gambar 2.7 Kurva Trapesium, Sumber Sri Kusuma Dewi (2003, p164)
Fungsi Keanggotaan:
2.2.3.4.4 Representasi Kurva Bentuk Bahu
Menurut Sri Kusuma Dewi (2003, p165) daerah yang terletak di tengah-tengah suatu
variable yang di representasikan dalam bentuk segitiga, pada sisi kanan dan kirinya akan
naik dan turun (misalkan: DINGIN bergerak ke SEJUK bergerak ke HANGAT dan
bergerak ke PANAS). Tetapi terkadang salah satu sisi dari variable tersebut tidak
mengalami perubahan. Sebagai contoh, apabila telah mencapai kondisi PANAS,
kenaikan temperature akan tetap berada pada kondisi PANAS. Himpunan fuzzy ‘bahu’,
bukan segitiga, digunakan untuk mengakhiri variable suatu daerah fuzzy. Bahu kiri
bergerak dari benar ke salah, demikian juga bahu kanan bergerak dari salah ke benar
35
Gambar 2.8 Daerah ‘bahu’ pada variable TEMPERATUR, Sumber Sri
Kusuma Dewi (2003, p165)
2.2.3.4.5 Representasi Kurva-S
Menurut Sri Kusuma Dewi (2003, p165) kurva PERTUMBUHAN dan
PENYUSUTAN merupakan kurva-S atau sigmoid yang berhubungan dengan kenaikan
dan penurunan permukaan secara tak linear.
Kurva-S untuk PERTUMBUHAN akan bergerak dari sisi paling kiri (nilai
keanggotaan = 0) ke sisi paling kanan (nilai keanggotaan = 1). Fungsi keanggotaannya
akan tertumpu pada 50% nilai keanggotaanya yang sering disebut dengan titik infleksi
36
Gambar 2.9 Himpunan fuzzy dengan kurva-S : PERTUMBUHAN, Sumber Sri
Kusuma Dewi (2003, p166)
Fungsi Keanggotaan:
Kurva-S untuk PENYUSUTAN akan bergerak dari sisi paling kanan (nilai
keanggotaan = 1) ke sisi paling kiri (nilai keanggotaan =0)
37
Gambar 2.10 Himpunan Fuzzy dengan kurva-S: PENYUSUTAN, Sumber: Sri
Kusuma Dewi (2003, p166)
Fungsi Keanggotaan:
2.2.3.4.6 Representasi Kurva Bentuk Lonceng (Bell Curve)
Menurut Sri Kusuma Dewi (2003, p169) untuk merepresentasikan bilangan fuzzy,
biasanya digunakan kurva berbentuk lonceng. Kurva berbentuk lonceng ini terbagi atas
3 kelas, yaitu: himpunan fuzzy PI, beta, dan Gauss. Perbedaan ketiga kurva ini terletak
pada gradiennya.
38
• Kurva PI
Kurva PI berbentuk lonceng dengan derajat keanggotaan 1 terletak pad apusat
dengan domain, dan lebar kurva
Gambar 2.11 Karakteristik Fungsional kurva PI, Sumber: Sri Kusuma Dewi (2003,
p169)
Fungsi Keanggotaan:
39
• Kurva BETA
Seperti halnya kurva PI, kurva BETA juga berbentuk lonceng namun lebih rapat.
Kurva ini juga didefinisikan dengan 2 parameter, yaitu nilai pada domain yang
menunjukkan pusat kurva, dan setengah lebar kurva
Gambar 2.12 Karakteristik fungsional kurva BETA, Sumber: Sri Kusuma
Dewi (2003, p171)
40
Fungsi Keanggotaan:
Salah satu perbedaan mencolok kurva BETA dari kurva PI adalah, fungsi
keanggotaannya akan mendekati nol hanya jika nilai ( β ) sangat besar.
• Kurva GAUSS
Jika kurva PI dan kurva BETA menggunakan 2 parameter (Y) dan (β), kurva
GAUSS juga menggunakan (Y) untuk menunjukkan nilai domain pada pusat
kurva, dan (k) yang menunjukkan lebar kurva.
41
Gambar 2.13 Karakteristik fungsional kurva GAUSS, Sumber: Sri Kusuma
Dewi (2003, p173)
Fungsi Keanggotaan:
42
2.2.3.5 Metode Mamdani
Menurut Sri Kusuma Dewi (2010, p37), Metode Mamdani sering dikenal sebagai
Metode Max-Min. Metode ini diperkenalkan oleh Ebrahim Mamdani pada tahun 1975.
Untuk mendapatkan output, diperlukan 4 tahapan:
1. Pembentukan himpunan fuzzy
Pada Metode Mamdani, baik variable input maupun variable output dibagi menjadi satu
atau lebih himpunan fuzzy
2. Aplikasi fungsi implikasi
Pada Metode Mamdani, fungsi implikasi yang digunakan adalah Min.
3. Komposisi Aturan
Menurut Sri Kusuma Dewi (2010, p38) tidak seperti penalaran monoton, apabila sistem
terdiri-dari beberapa aturan, maka inferensi diperoleh dari kumpulan dan korelasi antar-
aturan. Ada 3 metode yang digunakan dalam melakukan inferensi sistem fuzzy, yaitu :
a. Metode Max (Maximum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara mengambil nilai
maksimum aturan, kemudian menggunakannya untuk memodifikasi daerah
fuzzy, dan mengaplikasikannya ke output dengan menggunakan operator OR
(union). Jika semua proposisi telah dievaluasi, maka output akan berisi suatu
himpunan fuzzy yang merefleksikan konstribusi dari tiap-tiap proposisi. Secara
umum dapat dituliskan:
43
µsf(xi) = max(µsf(xi), µkf(xi))
dengan:
µsf(xi) = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
µkf(xi) = nilai kenaggotaan konsekuen fuzzy aturan ke-i;
Misalkan ada 3 aturan (proposisi) sebagai berikut:
[R1] IF Biaya Produksi RENDAH AND Permintaan NAIK
THEN Produksi Barang BERTAMBAH;
[R2] IF Biaya Produksi STANDAR
THEN Produksi NORMAL;
[R3] IF Biaya Produksi TINGGI AND Permintaan TURUN
THEN Produksi Barang BERKURANG;
Proses inferensi dengan menggunakan metode Max dalam melakukan komposisi
aturan seperti terlihat pada Gambar 2.4. Apabila digunakan fungsi implikasi
MIN, maka metode komposisi ini sering disebut dengan nama MAX-MIN atau
MIN-MAX atau MAMDANI.
44
Gambar 2.14 Komposisi Aturan Fuzzy : Metode MAX, Sumber: Sri
Kusumadewi (2010, p39)
b. Metode Additive (Sum)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan
bounded-sum terhadap semua output daerah fuzzy. Secara umum dituliskan:
µsf(xi) = min (1, µsf(xi) + µkf(xi))
dengan:
µsf(xi) = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
45
µkf(xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i;
c. Metode Probabilistik OR (probor)
Pada metode ini, solusi himpunan fuzzy diperoleh dengan cara melakukan
product terhadap semua output daerah fuzzy. Secara umum dituliskan:
µsf(xi) = (µsf(xi) + µkf(xi)) – (µsf(xi)* µkf(xi))
dengan:
µsf(xi) = nilai keanggotaan solusi fuzzy sampai aturan ke-i;
µkf(xi) = nilai keanggotaan konsekuen fuzzy aturan ke-i;
4. Penegasan (defuzzy)
Menurut Sri Kusuma Dewi (2010, p40) input dari proses defuzzifikasi adalah
suatu himpunan fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy, sedangkan
output yang dihasilkan merupakan suatu bilangan pada domain himpunan fuzzy dalam
range tertentu, maka harus dapat diambil suatu nilai crisp tertentu sebagai output seperti
terlihat pada Gambar 2.5
46
Gambar 2.15 Proses Defuzzifikasi, Sumber: Sri Kusumadewi
(2010, p40)
Ada beberapa metode defuzzifikasi pada komposisi aturan MAMDANI, antara lain:
a. Metode Centroid
Pada metode ini, solusi crisp diperoleh dengan cara mengambil titik pusat (z*)
daerah fuzzy. Secara umum dirumuskan:
Daerah fuzzy ‘B’
Daerah fuzzy ‘C’
Daerah fuzzy ‘A’
Daerah fuzzy ‘D’
Output
Nilai yangdiharapkan
Proses Defuzzifikasi
47
untuk variable kontinu, atau
untuk variable diskret.
b. Metode Bisektor
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai pada
domain fuzzy yang memiliki nilai keanggotaan setengah dari jumlah total nilai
keanggotaan pada daerah fuzzy. Secara umum dituliskan:
zp sedemikian hingga
c. Metode Mean of Maximum (MOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai rata-rata
domain yang memiliki nilai keanggotaan maksimum.
d. Metode Largest of Maximum (LOM)
Pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terbesar dari
domain yang memiliki nilai keanggotaan maksimum.
48
e. Metode Smallest of Maximum (SOM)
pada metode ini, solusi crisp diperoleh dengan cara mengambil nilai terkecil dari
domain yang memiliki nilai keanggotaan maksimum.