Pemilihan Varietas Tebu Sesuai Lahan Metode Fuzzy Inferensi System Mamdani

8/18/2019 Pemilihan Varietas Tebu Sesuai Lahan Metode Fuzzy Inferensi System Mamdani

1/8


2/8

Metode Fuzzy……………. ( Daniel Alfa Puryono) STIMIKA Vol. 2, No.1, Februari 2015: 83-90 2

Logika fuzzy dan teori himpunan fuzzymenunjukkan potensi yang besar untukmenyelesain secara efektif permasalahan ketidak

pastian. Penerapan logika fuzzy dalam bidang pertanian dimulai pada awal tahun 70-an, setelahada publikasi sebelumnya dari Zadeh (1965).Salah satu hal yang paling penting yang dibuatoleh Zadeh adalah Fuzzy Rule-Based System (FRBS) atau disebut juga dengan Fuzzy

Inference System (FIS). Fuzzy inference adalah proses merumuskan pemetaan dari input yangdiberikan ke output dengan menggunakan logikafuzzy (Puryono 2014). Pemetaan kemudianmenjadi dasar dari mana suatu keputusandiambil.

Beberapa penelitian terdahulu yang sudahterbukti berhasil mengunakan metode FISMamdani dengan tingkat akurasi kebenaraanyadiatas 76% di antaranya tentang sistemkeputusan pemilihan tanaman genetika terhadapresiko lingkungan (Camastra et al. 2015). Pada

penelitian sebelumnya juga untuk penentuankualitas manggis dan strategi peningkatankualitas manggis. Dimana kedua tahapan tersebutdilakukan dengan menggunakan teknik SistemPakar Fuzzy (Fuzzy Expert System) (Purnomo2010). Ada juga penelitian tentang perencanaan

produksi roti berdasarkan permintaan (Apriyanti& Aksad 2012). Serta bisa untuk mengevaluasinilai pencapaian hasil belajar siswa dengan

menggunakan logika fuzzy (Gokmen et al.2010).Selain itu ada juga keberhasilan penelitian

dengan menggunakan Metode Fuzy InfernceSystem (FIS) Mamdani dengan mengunakan

program MATLAB. Diantaranya pernahdilakukan untuk pemilihan suplier berdasarkan 3kriteria, yaitu ekonomi, lingkungan dan sosial.Dimana data yang ada kemudian diolah

berdasarkan ketiga kriteria tersebut denganmenggunakan program aplikasi MATLAB danakan didapatkan rekomendasi pemilihan suplier

yang terbaik (Amindoust et al. 2012). Sertamasih ada juga penelitian yang mengunakanmetode FIS Mamdani dengan bantuan programMATLAB untuk mengevaluasi tanah longsordan kerentanan tanah pada skala menengah(Akgun et al. 2012).

2. Kerangka Teori

2.1. FIS Mamdani dan MATLABMATLAB (Matrix Laboratory) adalah sebuah

program untuk analisis dan komputasi numerik,

merupakan suatu bahasa pemrogramanmatematika lanjutan yang dibentuk dengan dasar

pemikiran menggunakan sifat dan bentuk matriks(Prabowo & Rahmadya 2012).

Keberhasilan MATLAB juga telah terujidalam Program MamLand yang dikembangkandan diterapkan pada kasus Sinop (NorthernTurki). Menggunakan MamLand dan FISMamdani yang dapat menghasilkan dataset yangsangat besar dapat diproses dengan mudah(Akgun et al. 2012).

Dalam dekade terakhir ini, FIS Mamdanitelah digunakan secara luas untuk memecahkanmasalah yang kompleks dan juga masalahnonlinear seperti geologi rekayasa. Karakteristikyang menarik dan mungkin yang paling menarikdari beberapa model kabur jika dibandingkandengan metode lain yang biasa digunakan dalamgeosains, seperti statistik, karena FIS Mamdanimampu menggambarkan masalah tersebut secaratransparan.

2.2. Fuzzy LogicFuzzy logic memberikan metodologi untuk

model ketidakpastian dengan cara seperti cara berpikir manusia, penalaran dan persepsi. Dalammodel klasik variabel memiliki nilai bilanganreal, hubungan didefinisikan dalam hal fungsimatematika, dan output adalah nilai-nilainumerik. Model dengan logika fuzzy memilikivariabel yang mempengaruhi perilaku sistem danhubungan antar variabel yang menggambarkan

sistem tersebut. Dalam logika fuzzy, nilai-nilaivariabel dinyatakan dengan istilah-istilah bahasaseperti besar, menengah, dan kecil, hubungandidefinisikan dalam hal aturan jika-maka, danoutput yang subset kabur yang dapat dibuat nilaimenggunakan teknik defuzzifikasi. Nilai-nilaivariabel sistem yang fuzzified untukmengekspresikan mereka dalam hal bahasa.Fuzzifikasi adalah metode untuk menentukanderajat keanggotaan dimana nilai harushimpunan fuzzy tertentu. Serta ditentukandengan mengevaluasi fungsi keanggotaanhimpunan fuzzy sedangkan untuk nilai fungsikeanggotaan adalah fungsi matematika, yangmendefinisikan derajat keanggotaan suatuelemen dalam himpunan fuzzy (Alavi 2012).

Himpunan merupakan kumpulan atau koleksiobjek yang didefinisikan secara jelas dan pastidalam sembarang urutan dan tak diperhatikankeberurutan objek-objek anggotanya. Objek-objek itu disebut anggota atau elemen himpunan.Sedangkan logika adalah suatu displin yang

berhubungan dengan metode berpikir. Padatingkat yang paling dasar, logika memberikanaturan-aturan dan teknik-teknik untuk


3/8


4/8


tersebut. Sehingga jika diberikan suatuhimpunan fuzzy dalam range tertentu, makaharus dapat diambil suatu nilai crsip tertentusebagai outputnya.Ada beberapa metode defuzzifikasi padakomposisi aturan MAMDANI, antara lain:a. Metode Centroid (Composite Moment)

Pada metode ini, solusi crisp diperolehdengan cara mengambil titik pusat (z*)daerah fuzzy. Secara umum dirumuskan:

Z

Z

z

dz z z z

)(

)(*

atau n

j j

n

j j j

z

z z z

1

1

)(

)(*

(5)

b. Metode BisektorPada metode ini, solusi crisp diperolehdengan cara mengambil nilai pada domainfuzzy yang memiliki nilai keanggotaanseparo dari jumlah total nilai keanggotaan

pada daerah fuzzy. Secara umumdituliskan:

n

p

p

dz z dz z )()(1

(6)

c. Metode Mean of Maximum (MOM)Pada metode ini, solusi crisp diperolehdengan cara mengambil nilai rata-ratadomain yang memiliki nilai keanggotaanmaksimum.

d. Metode Largest of Maximum (LOM)Pada metode ini, solusi crisp diperolehdengan cara mengambil nilai terbesar daridomain yang memiliki nilai keanggotaanmaksimum.

e. Metode Smallest of Maximum (SOM)Pada metode ini, solusi crisp diperolehdengan cara mengambil nilai terkecil daridomain yang memiliki nilai keanggotaanmaksimum.

2.4 Pemilihan Varietas Tebu Tanaman tebu tergolong tanaman perdu

dengan nama latin Saccharum officinarum . Didaerah Jawa Barat disebut Tiwu, di daerah JawaTengah dan Jawa Timur disebut Tebu atauRosan. Sistematika tanaman tebu adalah:

Divisi : Spermatophyta , Subdivisi : Angiospermae , Kelas : Monocotyledone , Ordo :Graminales , Famili : Graminae , Genus :Saccharum , Species : Saccarum officinarum .

Tanaman tebu tumbuh didaerah tropis dan

sub tropis sampai batas garis isoterm 200 C yaituantara 190 LU – 350 LS. Kondisi tanah yang baik

bagi tanaman tebu adalah yang tidak terlalu

kering dan tidak terlalu basah, selain itu akartanaman tebu sangat sensitif terhadapkekurangan udara didalam tanah sehingga

pengairan dan drainase harus sangatdiperhatikan. Drainase yang baik dengankedalaman sekitar 1 meter dapat memberikan

peluang akar tanaman menyerap air dan unsurhara pada lapisan yang lebih dalam sehingga

pertumbuhan tanaman pada musim kemarautidak terganggu. Selain itu juga dapatmanyalurkan kelebihan air dimusim penghujansehingga tidak terjadi genangan air yang dapatmenghambat pertumbuhan tanaman karena

berkurangnya oksigen dalam tanah.Dilihat dari jenis tanah, tanaman tebu dapat

tumbuh baik pada berbagai jenis tanah sepertitanah alluvial, grumosol, latosol dan regusol dengan ketinggian antara 0 – 1400 meter diatas

permukaan laut. Akan tetapi lahan yang palingsesuai adalah kurang dari 500 meter diatas

permukaan laut. Sedangkan pada ketinggian >1200 meter diatas permukaan laut pertumbuhantanaman relative lambat. Kemiringan lahansebaiknya kurang dari 8%, meskipun padakemiringan sampai 10% dapat juga digunakanuntuk areal yang dilokalisir. Kondisi lahanterbaik untuk tebu adalah berlereng panjang, ratadan melandai sampai antara 2% sampai 5 %(Indrawanto 2010).

Pemilihan varietas harus memperhatikan

sifat-sifat varietas unggul yaitu, memliki potensi produksi gula yang tinggi melalui bobot tebu danrendemen yang tinggi, memiliki produktivitasyang stabil dan mantap, memiliki ketahananyang tinggi untuk kekerasan dan kekeringan,serta tahan terhadap hama dan penyakit.

Mengingat masa panen tebu dilakukan padasaat yang relatif serempak, akan tetapi ditanam

pada waktu yang lebih panjang karena bergiliran,maka perlu diatur komposisi penanaman varietasdengan umur masak yang berbeda, yaitu masakawal, masak tengah dan masak lambat.

1. Varietas Genjah (masak awal), mencapaimasak optimal 8 sampai dengan 10 bulan.

2. Varietas Sedang (masak tengahan), mencapaimasak optimal pada umur lebih dari 10sampai dengan 12 bulan.Varietas Dalam (masak lambat), mencapaimasak optimal pada umur lebih dari 12 bulan.

3. Metodologi

Fuzzy Inferensi System adalah sistem aturan berdasarkan logika fuzzy dimana digunakan

sebagai alat untuk mewakili pengetahuan yang berbeda tentang suatu masalah, serta untukmemodelkan interaksi dan hubungan yang ada


5/8


6/8


4.2. Kerangka Pemodelan SistemBerikut adalah dasar pengetahuan yang

menggambarkan perilaku sistem yang diwakilioleh fungsi keanggotaan variabel linguistik

berdasarkan pada sistem pendukung keputusan.

Gambar 2. Diagram Blok pada FIS

Jika di imlementasikan serta dimasukkandata-data dan variabel-veriabel yang sudahditentukan pada program MATLAB, Makarancangan sistemnya akan seperti pada gambar 3dibawah ini :

Gambar 3.Diagram FIS Pemilihan Varietas Tebu

4.3. MasukanDalam fuzzy inference system ini ada 4 buah

input variabel yang merupakan masukan datagolongan varietas tevu, kondisi lahan, suhu dancurah hujan.a. Golongan Varietas Tebu

Yaitu golongan dari berbagai jenis tebu yangdi tanam petani dan pabrik gula. Nilai domaindari variabel golongan varietas tebu adalahsebagai berikut :1) Genjah : (8 - 10) bulan2) Sedang : (10 - 12) bulan

3) Dalam : (12 - 14) bulanFungsi keanggotaan dari variabel golonganvarietas tebu dijelaskan dalam gambar 4

berikut :

Gambar 4. Fungsi Variabel Golongan VarietasTebu

b. Kondisi LahanYaitu area lahan perkebunan tebu yangdi pengaruhi oleh beberapa faktor sepertitingkat kemiringan, tekanan dan arahangin, perolehan sinar matahari dansistem dreinasenya. Sedangkan nilaidomain dari variabel kondisi lahanadalah sebagai berikut :1) Ringan : (0% - 5%)2) Sedang : (6% - 9%)3) Berat : (10% - 29%)4) Sangat berat : (30% - 50%)Fungsi keanggotaan dari variabel kondisilahan dijelaskan dalam gambar berikut :

Gambar 5. Fungsi Variabel Kondisi Lahanc. Suhu

Adalah merupakan hasil dari keseluruhanradiasi yang merupakan kombinasi emisi

panjang gelombang dan aliran panasdalam tanah. Suhu tanah juga disebutintensitas panas dalam tanah dengansatuan derajat Celcius. Nilai domain darivariabel suhu adalah sebagai berikut :1) Sangat baik : (14 oC - 16 oC)2) Sedang : (24 oC - 34 oC)3) Tidak baik : (34 oC - 45 oC)4) Tidak optimal : (0 oC - 10 oC)Fungsi keanggotaan dari variabel suhudijelaskan dalam gambar berikut :

Gambar 6. Fungsi Variabel Suhud. Curah Hujan

Adalahjumlah air yang jatuh di permukaan tanah datar selama periodetertentu yang diukur dengan satuantinggi (mm). Nilai domain dari variabelcurah hujan adalah sebagai berikut :1) Sangat baik : 1201-1300 mm/tahun

2) Baik : 1300-1400 mm/tahun3) Sedang : 1100-1200 mm/tahun


7/8


4) Tergangu : < = 100 dan = >1300mm/tahun

Fungsi keanggotaan dari variabel curahhujan dijelaskan dalam gambar berikut :

Gambar 7. Fungsi Variabel Curah Hujan

4.4. Aturan (Rule Base)Dalam membuat sistem berbasis aturan ini

memiliki sekumpulan fakta yang mewakiliworking memory . Aturan ini mencakup setiaptindakan yang harus diambil dalam ruanglingkup permasalahan yang dibutuhkan. Sertakondisi yang menentukan bahwa solusi telahditemukan atau tidak (none exist) . Hal ini

berguna untuk menghindari looping yang tidakakan pernah berakhir. Dalam sistem ini ada 192aturan yang telah ditetapkan ntuk menyeleksi

pemilihan varietas tebu yang benar benar sesuaiuntuk jenis lahan.

Gambar 7. Rule Base Kesesuaian Lahan

4.5. KeluaranOutput merupakan hasil dari proses input dan

aturan (rule base) yang menghasilkan keteranganapakah varietas tebu tersebut tidak sesuai lahan,dipertimbangan, atau paling sesuai lahan. Nilaidomain dari variabel golongan varietas tebuadalah sebagai berikut :1) Tidak sesuai lahan : (0 - 0,5)2) Disarankan : (0,250,75)3) Sesuai lahan : (0,51,00)Fungsi keanggotaan dari variabel Outputkesesuaian lahan dijelaskan dalam gambar

berikut :

Gambar 8. Variabel Kesesuaian Lahan

4.6. Rule ReviuwRule Viewer berguna untuk melihat alur

penalaran fuzzy pada sistem, meliputi pemetaaninput yang diberikan pada tiap-tiap variabel.Seperti pada gambar dibawah ini

Gambar 9. Rule Viewer

4.7. Surface ViewerBerguna untuk melihat gambar pemetaan antara

variabel-variabel input dan variabel-variabel outputdengan hasil seperti pada gambar berikut.

Gambar 10. Surface Viewer

5. Kesimpulan

Berdasarkan kegiatan selama penelitian perancangan, analisis dan implementasi pada proses yang mengunakan metode Fuzzy Inference System Mamdani dan aplikasiMATLAB untuk pemilihan jenis varietas tebuyang sesuai dengan lahan, maka dapat diambil

beberapa kesimpulan seperti berikut:Metode penelitian sistem yang digunakan

adalah Fuzzy Inference System Mamdani dengannilai kebenaran mencapai 95% . Jadi metodeMamdani paling sesuai dengan naluri manusia,

bekerja berdasarkan kaidah linguistik danmemiliki algoritma fuzzy yang menyediakanaproksimasi untuk dimasuki analisa matematik.Data yang diolah dalam metode FIS mamdaniyaitu jenis dan varietas tebu, jenis lahan,drainase, curah hujan serta iklim seperti suhu,sinar matahari dan kecepatan angin. Datatersebut diposes melalui tahap-tahap perhitunganlogika fuzzy dan memberikan keluaran darisistem berupa rekomendasi pemilihan varietastebu yang sesuai dengan lahan pertanian.


8/8


Sistem dan aplikasi yang dikembangkan dapatmembantu para pengambil kebijakan dalam halini pemilik pabrik gula serta penilik lahan

pertanian supaya bisa membantu para petani tebudengan kemungkinan hasil yang terbaik karenasetiap perhitungan diperoleh dari kriteria – kriteria yang dikehendaki oleh para ahlidibidangnya.

Daftar Pustaka

Akgun, A. et al., 2012. Computers &Geosciences An easy-to-use MATLAB

program ( MamLand ) for the assessment oflandslide susceptibility using a Mamdanifuzzy algorithm $. Computers andGeosciences , 38(1), pp.23 – 34. Available at:http://dx.doi.org/10.1016/j.cageo.2011.04.012.

Alavi, N., 2012. Using Mamdani fuzzy inferencesystem to quality determination of Mozafatidates. Journal of the Saudi Society of

Agricultural Sciences , 12(2), pp.137 – 142.Available at:http://dx.doi.org/10.1016/j.jssas.2012.10.001.

Amindoust, A. et al., 2012. Sustainable supplierselection : A ranking model based on fuzzyinference system. Applied Soft Computing

Journal , 12(6), pp.1668 – 1677. Availableat:http://dx.doi.org/10.1016/j.asoc.2012.01.023.

Apriyanti, N. & Aksad, H., 2012. PenerapanMetode Fuzzy Mamdani dalamPerencanaan Produksi Roti.

Camastra, F. et al., 2015. A fuzzy decisionsystem for genetically modified plantenvironmental risk assessment using

Mamdani inference. Expert Systems with Applications , 42(3), pp.1710 – 1716.Available at:http://www.sciencedirect.com/science/article/pii/S0957417414005946.

Gokmen et al., 2010. Evaluation of StudentPerformance in Laboratory Applicationsusing Fuzzy Logic. , pp.902 – 909.

Indrawanto, C., 2010. Budidaya dan Pasca Panen Tebu , Jakarta: ESKA Media.

Prabowo, P.W. & Rahmadya, 2012. PenerapanSoft Computing dengan MATLAB EdisiRevi., Penerbit Rekayasa Sains Bandung.

Purnomo, D., 2010. Sistem Pakar FuzzyPenentuan dan Penigkatan KualitasManggis.

Puryono, D.A., 2014. Metode Fuzzy InferensiSystem Mamdani Untuk MenentukanBantuan Modal Usaha Bagi UMKM RamahLingkungan. STIMIKA, 1(1).

Pemilihan Varietas Tebu Sesuai Lahan Metode Fuzzy Inferensi System Mamdani

Documents

Transcript of Pemilihan Varietas Tebu Sesuai Lahan Metode Fuzzy Inferensi System Mamdani