Secara umum logika fuzzy sugeno adalah suatu logika yang digunakan untuk menghasilkan keputusan tunggal/crisp saat defuzzyfikasi, penggunaannya tergantung dari domain masalah yang terjadi

1. 1
Modul Sistem Pakar Sesi ke-7
Nama : Hendro Gunawan
NIM : 200401072103
Kelas : IT-801
7. METODE FUZZY INFERENCE SYSTEM (FIS) SUGENO
Secara umum logika fuzzy sugeno adalah suatu logika yang digunakan untuk menghasilkan
keputusan tunggal/crisp saat defuzzyfikasi, penggunaannya tergantung dari domain masalah yang
terjadi. Dimana urutan prosesnya dimulai dari fuzzyfikasi, penerapan rule, defuzzyfikasi dan output.
Fuzzy Sugeno pertama kali diperkenalkan oleh TSK (Takagi-Sugeno Kang). Dimana logika fuzzy
sugeno memiliki persamaan bentuk dengan metode fuzzy mamdani hanya berbeda pada output.
Menurut Cox (1994) dalam buku Aplikasi Logika Fuzzy Untuk Pendukung Keputusan Edisi Dua
Karya Sri Kusumadewi.
a) Metode Fuzzy Sugeno Orde-Nol
Secara umum bentuk model fuzzy ini adalah: IF (x1 is A1) & (x2 is A2) & (x3 is A3) &...&(xn is
An) THEN z = k. Dengan A1 sebagai himpunan fuzzy ke-1 sebagai enteseden, dan k adalah suatu
konstanta (tegas) sebagai konsekuen.
b) Metode Fuzzy Sugeno Orde-satu
Secara umum bentuk model fuzzy sugeno orde-satu adalah: IF (x1 is A1) & (x2 is A2) & (x3 is A3)
&...&(xn is An) THEN z=p1*x1+...+pn*xn+q. Dengan A1 adalah himpunan fuzzy ke-i sebagai
enteseden, dan pi adalah suatu konstan (tegas) ke-i dan q adalah konstanta dalam konsekuen.
Apabila komposisi aturan menggunakan metode Sugeno maka defuzzyfikasi dilakukan dengan
cara mencari nilai rata-ratanya. Untuk penggunaan fuzzy sugeno pada penelitian ini menggunakan
metode fuzzy orde-nol pada bagian pengelompokan kelas untuk siswa barui dengan acuan umur
siswa, nilai sekolah dan nilai baca.
7.1. Contoh Kasus
Sebuah perusahaan makanan kaleng akan memproduksi makanan jenis ABC. Dari data satu bulan
terakhir, permintaan terbesar hingga mencapai 5000 kemasan/hari, dan permintaan terkecil sampai
1000 kemasan/hari. Persediaan barang digudang paling banyak sampai 600 kemasan/hari, dan paling
sedikit sampai 100 kemasan/hari. Dengan segala keterbatasannya, sampai saat ini, perusahaan baru
mampu memproduksi barang maksimal 7000 kemasan/hari, serta demi efisiensi mesin dan SDM tiap
hari diharapkan perusahaan memproduksi paling tidak 2000 kemasan.
Apabila proses produksi perusahaan tersebut menggunakan 4 aturan sebagai berikut:
• Rule 1
IF permintaan TURUN and persediaan BANYAK THEN produksi barang = permintaan - persediaan
• Rule 2

2. 2
IF permintaan TURUN and persediaan SEDIKIT THEN produksi barang = permintaan
• Rule 3
IF permintaan NAIK and persediaan BANYAK THEN produksi barang = permintaan
• Rule 4
IF permintaan NAIK and persediaan SEDIKIT THEN produksi barang =1.25*permintaan - persediaan
Berapa kemasan makanan jenis ABC yang harus diproduksi, jika jumlah permintaan sebanyak 4000
kemasan, dan persediaan di gudang masih 300 kemasan ? (Gunakan fungsi keanggotaan LINEAR)
Ada 3 variabel yang digunakan: PERMINTAAN, PERSEDIAAN, dan PRODUKSI PERMINTAAN:
1000 – 5000, x = 4000
PERSEDIAAN: 100 - 600, y = 300 PRODUKSI: 2000 – 7000, z = ?
PERMINTAAN, terdiri dari 2 himpunan fuzzy: TURUN dan NAIK
Gambar 7.1. Grafik Permintaan (kemasan/hari).
;𝑥 < 1000
𝜇pmTurun(x) ={
5000−𝑥
4000
; 1000 ≤ 𝑥 ≤ 5000
;𝑥 > 5000
;𝑥 < 1000
𝜇pmNaik(x) ={
𝑥−1000
4000
; 1000 ≤ 𝑥 ≤ 5000
;𝑥 > 5000

3. 3
Gambar 7.2. Hasil dari 𝜇pmTurun dan 𝜇pmNaik
Gambar 7.3. Hasil dari 𝜇psdSedikit dan 𝜇psdBanyak.
1; y < 100
𝜇psdSedikit(x) ={
600−𝑦
500
; 100 ≤ 𝑦 ≤ 600
;𝑦 > 600
;𝑦 < 100
𝜇psdBanyak(x) ={
𝑦−100
500
; 100 ≤ 𝑦 ≤ 600
;𝑥 ≥ 600
y =300
𝜇psdSedikit (300) =
600−300
500
= 0,6
𝜇psdBanyak (300) =
300−100
500
= 0,4
𝛼 − predikat1 = 𝜇PmtTurun ∩ PsdBanyak
= min( 𝜇PmtTurun (4000), 𝜇PsdBanyak (300))
= min(0,25; 0,4)
= 0,25
Dari bagian konsekuen Rule 1
z1 = permintaan – persediaan
= 4000-300 = 3700

4. 4
Gambar 7.4. Aplikasi Fungsi Implikasi R1.
[R2] IF Permintaan Turun AND Persediaan Sedikit THEN Produksi Barang Berkurang.
𝛼 − predikat2 = 𝜇PmtTurun ∩ PsdSedikit
= min( 𝜇PmtTurun (4000), 𝜇PsdSedikit (300))
= min(0,25; 0,6)
= 0,25
Dari bagian konsekuen Rule 2
z2 = permintaan
= 4000
Gambar 7.5. Aplikasi Fungsi Implikasi R2
[R3] IF Permintaan Naik AND Persediaan Banyak THEN Produksi Barang Bertambah.
𝛼 − predikat3 = 𝜇PmtNaik ∩ PsdBanyak
= min( 𝜇PmtNaik (4000), 𝜇PsdBanyak (300))
= min(0,75; 0,4)
= 0,4
Dari bagian konsekuen Rule 3
z3 = permintaan
= 4000

5. 5
Gambar 7.6. Aplikasi Fungsi Implikasi R3
[R4] IF Permintaan Naik AND Persediaan Sedikit THEN Produksi Barang Bertambah.
𝛼 − predikat4 = 𝜇PmtNaik ∩ PsdSedikit
= min( 𝜇PmtNaik (4000), 𝜇PsdSedikit (300))
= min(0,75; 0,6) = 0,6
Dari bagian konsekuen Rule 4
z4 = 1.25 * permintaan - persediaan
= 1,25 * 4000 – 300 = 4700
Gambar 7.7. Aplikasi Fungsi Implikasi R4
Menghitung z akhir dengan merata-rata z berbobot:
𝑧 =
𝛼 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 ∗ 𝑧1 + 𝛼 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡2 ∗ 𝑧2 + 𝛼 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡3 ∗ 𝑧3 + 𝛼 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡4 ∗ 𝑧4
𝛼 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡1 + 𝛼 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡2 + 𝛼 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡3 + 𝛼 𝑝𝑟𝑒𝑑𝑖𝑘𝑎𝑡4
𝑧 =
0,25 ∗ 3700 + 0,25 ∗ 4000 + 0,4 ∗ 4000 + 0,6 ∗ 4700
0,25 + 0,25 + 0,4 + 0,6
𝑧 =
6345
1,5
z = 4230

6. 6
Referensi
[1] Cian Ramadhona Hassolthine, S. M. (2024, Mei 13). Modul Sistem Pakar-Sesi7.pptx Diambil
kembali dari Edlink UNSIA: https://edlink.id/panel/classes/733660. Diakses pada tanggal 19 Mei
2024.
Link File